XiaoMi-AI文件搜索系统
World File Search System单细胞
使用单细胞拉曼光谱法对环境样品中细菌鉴定的研究：可行性和参考文献
我们通过拉曼光谱法报告了我们最近为鉴定环境样品中细菌的努力。我们从提交到各种环境条件的细菌中建立了一个拉曼光谱数据库。该数据集用于验证在非理想条件下执行的测量值可能是否可以进行拉曼键入。从同一数据集开始，我们随后改变了用于训练统计模型的参考库中包含的表型和矩阵多样性内容。结果表明，与从限制的条件集对光谱训练的环境特定模型相比，可以获得具有扩展光谱变化覆盖范围的模型。广泛的覆盖模型对于环境样品是可取的，因为细菌的确切条件无法控制。
单细胞转录组学揭示了鼠心力衰竭中成纤维细胞激活的独特模式，并保留的射血分数
a）综合鼠HFPEF和HFREF（ANGII和MI）成纤维细胞研究的示意图。b+c）综合成纤维细胞的UMAP嵌入，疾病（HF，心力衰竭）与对照（B），研究（C）。d）综合成纤维细胞状态的顶部细胞状态标记表达的概述。e）UMAP嵌入，显示由细胞簇着色的集成的成纤维细胞地图集，即集成的成纤维细胞状态（IFS）。标签指示基于功能表征的可能的成纤维细胞分化。f）基于综合成纤维细胞状态中足迹基因的效果大小（AVG log2折叠变化）的估计途径活动。*后代z得分> 2。g）具有综合成纤维细胞状态标记的细胞外基质基因组的过度代表性分析。使用Benjamini Hochberg校正的超几何测试， *Q <0.05，** Q <0.01，*** q <0.001。
综合的单细胞RNA-seq分析揭示了PTN由成纤维细胞自身和巨噬细胞通过心肌肥大中的SDC4配体
了解资源开发的演变，包括其时间和分配，在人生历史中是30个进化生物学中的中心研究问题。寄生虫（WASP）是研究资源 - 开发符31相互作用的模型系统，从而产生了许多关于生活历史进化的研究（Wajnberg等，2008）。par 32 Asitoid黄蜂的生活历史特别多样（Godfray，1994； Mayhew和Blackburn，1999； Jervis等，2008； Jervis和33 Ferns，2011； Quicke，2014）。例如，膜翅目术中的序列构成不少于200,000种的种类估计（Pennacchio and Strand，2006年），可能每个人都使用或多或少使用或多或少不同的宿主物种（主要是35种节肢动物）。以另一个例子为例，人体尺寸有18倍（Jervis 36等，2003），在WASP物种中，离合器大小和终生潜在的生育力超过一百多个（Jervis等人，37
使用单细胞测序表征中风凝块
保留所有权利。未经许可就不允许重复使用。（未经同行评审证明）是作者/资助者，他已授予Medrxiv的许可证，以永久显示预印本。此预印本版本的版权持有人于2025年2月8日发布。 https://doi.org/10.1101/2025.02.06.25321828 doi：medrxiv preprint
CRISPR-CAS9编辑和转录组的联合单细胞分析揭示了广泛的脱靶事件及其对基因表达的影响
具有CRISPR-CAS9的基因组工程中的长期障碍一直无法衡量Cas9编辑结果及其在单细胞分辨率下的功能效应。在这里，我们提出了Superb-Seq，这是一种利用T7原位转录和单细胞RNA测序的新技术，以共同测量靶向靶标Cas9编辑及其对基因表达的影响。我们在10,000 k562细胞上进行了高级seq，靶向了四个用七个引导RNA的染色质重塑基因。Superb-Seq在所有七个目标站点和其他36个非目标位点上确定了11,891个编辑事件。尽管选择了七个指南的高特异性，但其中有六个导致靶向脱靶编辑，频率从0.03％到18.6％的细胞范围不等。在USP9X的第一个内含子中，明显的脱靶编辑破坏了该基因的表达和超过150个下游基因。总而言之，由于罕见和常见的编辑事件的结合，CAS9非目标是普遍存在的，主要发生在靶向基因的内含子内，并且可以对基因表达产生广泛的影响。Superb-Seq使用现成的套件，标准设备，并且不需要病毒，这将使全基因组CRISPR屏幕能够在不同的细胞类型中以及与临床相关的指南的功能表征。
单细胞多...
动机：细胞的分子身份是由于异质分子层之间的复杂相互作用而产生的。单细胞测序技术的最新进展已经开放了测量这种调节分子层的可能性。结果：在这里，我们提出了鹰嘴豆泥，这是一种从单细胞多摩管数据中推断监管机制的新方法。与最先进的鹰嘴豆泥不同，鹰嘴豆泥捕获了生物学大分子之间的合作，并且可以轻松地包括分子调节的其他层。我们在配对和未配对的多摩尼斯数据集上的最先进的鹰嘴豆泥基准了鹰嘴豆泥。我们的结果证明了鹰嘴豆泥在转录因子（TF）目标，TF结合基序和调节区域预测方面提供的改进。最后，一旦应用于小鼠脑皮层的SNMC-Seq，SCATAC-SEQ和SCRNA-SEQ数据，Hummus启用了鹰嘴豆泥，可以准确地群集SCRNA轮廓并识别潜在的驱动程序TF。
关于秀丽隐杆线虫中单细胞模型的天然可塑性 - >的起源和概念框架的起源和概念框架
朱利安·兰伯特（Julien Lambert），卡拉·莱特 - 费尔南德斯（Carla Lloret-Fernández），露西·拉普兰（Lucie Laplane），理查德·普尔（Richard Poole），索菲·贾里亚特（Sophie Jarriault）。关于秀丽隐杆线虫中单细胞模型的天然可塑性的起源和概念框架的起源和概念框架。线虫发展与疾病模型，144，Elsevier，第111-159、2021页，当前发育生物学的主题，978-0-0-12-816177-7。10.1016/bs.ctdb.2021.03.004。hal-03450893
多重单细胞化学基因组学揭示靶向治疗反应的激酶依赖性
化学基因筛选是探索癌细胞对药物的反应如何受其突变影响的有力工具，但它们缺乏从分子层面观察单个基因对暴露反应的贡献。在这里，我们介绍了 sci-Plex- G ene-by- E nvironment（sci-Plex- G x E），这是一个结合单细胞基因和化学筛选的大规模平台。我们通过确定 522 种人类激酶中的每一种对胶质母细胞瘤对不同药物的反应的贡献来强调大规模、无偏筛选的优势，这些药物旨在消除受体酪氨酸激酶途径的信号传导。总的来说，我们在 1,052,205 个单细胞转录组中探测了 14,121 种基因与环境的组合。我们鉴定了一种以 MEK/MAPK 依赖的方式调节的补偿性自适应信号的表达特征。旨在防止适应的进一步分析表明，有前景的联合疗法，包括双重 MEK 和 CDC7/CDK9 或 NF-kB 抑制剂，是防止胶质母细胞瘤转录适应靶向治疗的有效手段。
有关研究主题的社论，探索单细胞法分析和基于干细胞的疾病模型的药物开发
在生物学研究的动态领域中，我们目睹了一个变革性的时代，重新掌握了我们对细胞功能，发育过程和疾病复杂性的掌握。这一科学文艺复兴时期的核心是单细胞（SC）基于OMICS的分析，包括单细胞多组合的领先技术，以及基于创新的干细胞方法。这些技术已经催化了一系列发现，为我们寻求知识和彻底改变了科学研究的景观开辟了新的边界。干细胞的探索标志着这一旅程中重要的一章。以其显着的自我更新和分化能力而闻名，干细胞对于维持组织平衡和增生至关重要。对它们的性质和生物过程的这种更深入的了解不仅提高了再生医学领域，而且还引入了潜在的治疗策略来打击各种疾病，为全球提供了新的希望和治疗可能性。此外，将体细胞重编程为多能干细胞的过程是特别引人注目的进步。该技术可以通过从患者或基因工程中得出细胞来反映特定疾病，从而创建各种疾病模型，从而提供了一种强大的工具来以更加个人和精确的水平探索疾病机制。对干细胞生物学和疾病建模的这种见解展示了一个有希望的突破性领域，以前比作科学领域。Zhang等。Zhang等。它还改善了药物筛查方法，从在单一细胞上测试候选药物到在复杂的组织上测试具有许多类型的细胞在一起的复杂组织，它们可以更好地模拟体内的真实病理状况。本评论的研究主题探讨了SC-Ser-sequesting技术的变革性影响，尤其是它们扩展到SC-Multiomics，使用干细胞作为推进疾病理解，诊断和药物发现的平台。应对药物开发的持续挑战，例如成功率低
公共单细胞RNA-seq数据集的收集
螺丝包装。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。3。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。4个backercelldata。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。5 5 Bachmarydata。。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>6 Baronpancreasdata。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>8 Bhaduri Organosata。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>9 BuzzersCdata。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。10 BunishSpcdata。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。11 CampbellbrainData。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。12 Chenbraindata。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。13 countrccmolecules。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。14 Darmanisbraindata。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。15 erccspikeinconenentations。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。16 Ernstsermatogenessdata。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。17提取。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>19 Gilaihdihscdata。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>21 Grunthscdata。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>22 Grunpancreasdata。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>23 Heoriangataladata。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>24 Hermann Schatatogenesisdata。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>26 Hucortexdata。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>27 Jessabraindata。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。28 Kolodziejczykescdata。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。29 Kotliarovpbmcdata。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。30 Lamannobraindata。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。32 Lawlorpancreasdata。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。34 Ledergormyelomadata。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 35 lengescdata。 。 。 。 。 。 。 。 。 。 。 。 。34 Ledergormyelomadata。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。35 lengescdata。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。36个列表。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。37个列表路径。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。38个列表。。。。。。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>39 lunspikeisa。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>39 MacOS Recordinadata。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>41 mairpbmcda。 div>。 div>。 div>。 div>。 div>。 div>。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。42 MarquesbrainData。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 43 Messmerescdata。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 4442 MarquesbrainData。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。43 Messmerescdata。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。44