Science：利用sci-Space技术在单细胞水平上揭示细胞基因转录的空间分布模式
2021年7月6日讯/生物谷BIOON/---一项名为sci-Space的新技术与来自其他技术的数据相结合，可能会在哺乳动物胚胎发育过程中，通过不同细胞的基因表达绘制出四维图谱。这类图谱将描绘出单个细胞中的基因转录本如何反映出时间的流逝、细胞谱系、细胞迁移以及发育中的胚胎位置。它们还将有助于阐明基因表达的空间调节。哺乳动物胚胎发育是一种了不起的现象：一个受精
Nature Communications：GapClust方法能够高效准确地从大量单细胞转录组中发现稀有细胞群体
近日，国际知名期刊《Nature Communications》在线发表了上海交通大学生命科学技术学院俞章盛团队的研究成果“GapClust is a light-weight approach distinguishing rare cells from voluminous single cell expression profi
Genome Biology：开发出单细胞基因组单分子测序新方法
单细胞全基因组测序技术（scWGS）可以有效揭示生物样品中不同细胞之间的异质性，并系统鉴定单个细胞的基因组中发生的遗传变化，例如拷贝数变异（CNV）和点突变（单核苷酸变异，SNV）等。过去十年，研究人员已经开发出多种单细胞基因组扩增技术，例如简并寡核苷酸引物PCR扩增技术(DOP-PCR)、多重置换扩增技术（MDA）、多重退火和基于环的扩增循环技术（MALB
Journal of Genetics and Genomics：单细胞分辨率绘制水稻幼苗叶和根的转录组图谱
水稻作为重要的粮食作物，为全球一半以上的人口提供主粮；同时，水稻作为单子叶模式植物，其个体发育与细胞分化受到了科研人员持续和广泛的关注。细胞功能的分化常常可以体现为基因表达的差异。新兴的单细胞转录组测序技术使高通量探究细胞的功能分化成为可能。绘制水稻全苗单细胞转录图谱将为单子叶植物的研究工作提供关键的基础资源，为理解植物发育的转录调控
Protein & Cell：绘制出灵长类海马衰老的单细胞转录组图谱
海马体作为脑的重要组成部分，在学习和记忆中发挥重要作用。随着年龄增长，海马功能逐渐退化，导致认知功能的减退以及多种人类神经退行性疾病发生。由于海马结构复杂，细胞组成具有高度异质性，传统研究技术难以精确揭示海马衰老过程中不同细胞类型的衰老规律及分子调控网络。此外，由于伦理及样本来源的限制，不同年龄阶段的健康人类海马组织很难获取，这在一定
研究揭示人类衰老细胞空间基因组表观调控核心机制并绘制衰老相关染色质全局景观图谱
中国科学院上海营养与健康研究所研究员孙宇课题组经合作研究在Nature Aging上，在线发表题为KDM4 Orchestrates Epigenomic Remodeling of Senescent Cells and Potentiates the Senescence-Associated Secretory Ph
PNAS:“实时”转录组学揭示果蝇接种肿瘤细胞后的免疫防御机制
此前研究发现，通过将致癌的RasV12细胞注射到成年雄性果蝇中，会在经过几天的滞后期后大量繁殖，并导致2至3周后果蝇死亡。针对这一现象，来自法国斯特拉斯堡大学的Jules A. Hoffmann团队等人对细胞注射期间的转录组特征进行了研究。相关结果发表在最近的《PNAS》杂志上。
两篇Nat Genet：科学家对诱导多能干细胞进行转录组学分析揭示诱发人类疾病的病因！
2021年3月8日 讯 /生物谷BIOON/ --日前，发表在国际杂志Nature Genetics上的两篇研究报告中，来自德国癌症研究中心和欧洲分子生物学实验室等机构的科学家们通过研究发现，诱导多能干细胞（iPSC，Induced pluripotent stem cells）或能揭示人类疾病的病因。研究者表示，iPSC或许适合帮助他们发现引发复杂罕见遗传
从单细胞转录组中解析出人类肿瘤中的拷贝数和克隆亚结构
美国德克萨斯大学MD安德森癌症中心Nicholas E. Navin团队开发出新方法，可从单细胞转录组中解析出人类肿瘤中的拷贝数和克隆亚结构。该研究于近日在线发表于国际一流学术期刊《自然—生物技术》。研究人员表示，单细胞转录组学分析被广泛用于研究人类肿瘤。然而，将肿瘤微环境中的正常细胞类型与恶性细胞区分开并解析肿瘤内的克隆亚结构仍然具
研究开发出基于深度学习的单细胞转录组分析模型
单细胞转录组作为单个细胞的特征，可更加精确地定义细胞的类型。常规的基于单细胞转录组的分类方法首先是进行无监督的聚类，然后根据每个集群（Cluster）特异表达的细胞标记基因来对集群进行标注。虽然基于无监督的分类方法更容易发现新细胞类型，但是人工标注的过程费时费力。目前已有的基于监督学习的自动分类方法，大部分无法兼顾到方法的可解释性以及