生信菜鸟团-腾讯云开发者社区

开发者社区

文档建议反馈控制台

腾讯云架构师技术同盟

文章/答案/技术大牛

发布

生信菜鸟团

专栏成员

848

文章

1356648

阅读量

180

订阅数

Nature | 如何讲肿瘤可塑性表型的故事，提供原始数据和代码

模型数据队列函数科技

- 图片说明- 研究设计。从31名患者中收集了匹配的生物样本三联体，包括正常结肠、原发性结直肠癌（CRC）和转移灶，新鲜处理用于单细胞转录组学和类器官生成，并用甲醛固定和石蜡包埋用于多重免疫荧光分析。类器官用于体外功能研究或通过异位异种移植到盲肠或肝脏。- 所有CRC肿瘤细胞中的热点20模块。热图包含2,003个具有显著自相关（错误发现率<0.01）的高度可变基因，分为4个经典和6个非经典CRC衍生基因模块（方法和补充表4）。Dev.，发育。- 治疗（红点）和未经治疗（绿点）患者的转移瘤中模块比例分布；模块标签基于给定细胞中该基因模块的>0.75分位数评分（方法）。垂直线将经典肠道（右侧）与其他（左侧）细胞类型分开。- 每个患者样本中转移瘤与原发性衍生肿瘤模块比例的对数比。基于非经典（d）或经典（e）模块的积累。转移瘤显著富集表达非经典模块的细胞，而原发性肿瘤则富集表达经典模块的细胞（P=0.001，单侧秩和检验；方法）。- 模块富集与肿瘤复发（f）和供体患者生存状态（g）之间的关联。在两个独立的临床队列中展示了108名直肠腺癌（LARC32）患者和445名结肠腺癌（TCGA31）患者的关联情况。使用每个患者的批量转录组数据的ssGSEA计算富集评分（方法）。根据曼-惠特尼U检验统计量绘制每个基因模块，横轴表示远端复发，纵轴表示10年内新肿瘤事件或生存。- Abs.，吸收肠道；endo.，内胚层发育；inj.，损伤修复；int.，肠道；neuro.，神经内分泌；osteo.，成骨细胞；sec.，分泌肠道；squa.，鳞状。

生信菜鸟团

2025-03-06

950

一文全面了解蛋白质组学，从单细胞到临床应用 | Nature 综述

工作流模型数据系统翻译

◉ 蛋白质从包括单细胞、组织和体液在内的样品中提取，并使用特定的蛋白水解酶消化成肽。◉ 在多重分析时，这些肽通过化学方法用稳定同位素标记的标签进行标记。◉ 样本制备过程的自动化提高了蛋白质组学分析的稳定性和通量。◉ 然后，标记或非标记的肽混合物经过先进的LC分离，包括微柱阵列柱（µPAC）和预形成梯度的LC。◉ 分离后的肽在不同的保留时间（RT）从LC系统中洗脱出来，并进行DDA或DIA分析用于发现应用，或者针对非发现应用如临床检测进行靶向MS分析。◉ 所描述的质谱硬件包括最新的混合仪器，如timsTOF和Astral仪器，它们结合了被困离子迁移率分离或Orbitrap与飞行时间质量分析器，以促进增强的蛋白质鉴定和定量。◉ 该工作流程应用于探索蛋白质相互作用网络并实现全面的生物体蛋白质组研究，将分子数据与生物学功能和疾病机制联系起来。

生信菜鸟团

2025-03-06

1000

数据库 | 最新版 STRING 数据库都更新了哪些内容？

网络数据库 string 测试数据

◉ 图1展示了STRING中新的‘调控网络’模式，在该模式下，网络边直观地指示了每个调控相互作用的方向、置信度和来源。点击网络中的任意一条边将弹出一个窗口，其中包含可用证据和注释的调控类型的详细概述。◉ 用户可以通过访问弹出窗口内链接的具体证据查看器进一步探索相互作用背后的数据，其中包括文本挖掘证据查看器。该查看器呈现与检查的相互作用相关的文献摘录，以及对所呈现摘录自动生成的大语言模型摘要。

生信菜鸟团

2025-03-06

1120

数据挖掘 | 生信优质期刊 BIB，可重复且简单的 TCGA 数据分析思路

数据网络数据挖掘数据分析模型

◉ 图2 差异表达基因的火山图。差异表达基因是基于标准筛选的，下调基因的对数倍变化（LogFC）<1且上调基因的对数倍变化（LogFC）>1，同时P值<0.05。

生信菜鸟团

2025-03-06

360

算法测评 | 如何选择合适的 PPI 检测方法以识别关键癌症通路

算法网络性能数据库数据

◉ 图2 比较了使用不同信号强度参数（范围从0.01到0.11）生成的测试数据集上的12种方法。（a）F分数。（b）Fsub。（c）FDR。在某些情况下，得到的FDR非常接近零（hHotNet：a = 0.01到0.08，HotNet2：a = 0.01到0.07，FDRnet：a = 0.06到0.11）或全为1（ClustEx和RegMOD：a = 0.01到0.11）。hHotNet：分层HotNet。◉ hHotNet：分层HotNet。

生信菜鸟团

2025-03-06

800

细胞图谱 | Nature 的人类细胞图谱基础模型，SCimilarity 框架

搜索基础框架模型数据

◉ 左图，查询细胞谱系与来自412项研究的2340万份参考基础模型进行比较。◉ 中间图，识别出具有相似细胞的样本，并返回有关原始样本条件的信息，包括组织、体外或疾病背景。◉ 右图，在组织样本中的每个细胞与查询细胞之间计算SCimilarity得分。◉ b, 三元组损失训练。◉ 左图，使用来自全身的56个训练集和15个测试集以及Cell Ontology注释作为输入。◉ 中间图，根据Cell Ontology注释抽取细胞三元组，每个三元组包含一个锚定细胞（A），一个正细胞（P，与锚定细胞相似）和一个负细胞（N，与锚定细胞不同）。◉ 仅允许无歧义的关系。◉ 右图，三元组用于训练神经网络，该网络将相似细胞嵌入到比不相似细胞更近的位置，形成基础模型。◉ Treg，调节性T细胞。◉ 损失函数通过细胞三元组、重构的锚定细胞谱系（Â）和加权参数（β）来计算，以平衡三元组损失（Ltriplet）和均方误差损失（LMSE）。

生信菜鸟团

2025-03-06

540

空间组学 | 用 moscot 对细胞进行时空动态分析

函数模型内存数据算法

◉ 这是通用单细胞基因组分析的最优传输（OT）管道示意图（从左到右）：实验变化（例如时间点和不同的空间切片）导致不同的细胞群体。◉ 以前的生物学知识（例如增殖率和空间排列）通常是可用的，并且应该用来指导映射过程。◉ 最优传输通过最小化位移成本来对齐细胞分布。◉ 学习到的映射促进了各种下游分析机会。◉ Moscot 引入了三个关键创新，从而释放了最优传输的全部潜力。◉ 首先，它支持所有模型中的多模态数据。◉ 其次，它克服了以前的可扩展性限制，使得能够进行图集规模的应用。◉ 第三，Moscot 是一个统一的框架，在生物学问题中具有一致的API，这将促进易用性，并能够以简单的方式扩展到新问题。◉ 面板a和b是使用BioRender创建的（https://www.biorender.com）。

生信菜鸟团

2025-03-06

830

人工智能 | Nat.Med | 自我提升的生成基础模型在合成医学图像生成和临床应用中的研究

人工智能 nat 基础模型数据

Fig__1__Schematic_illustration_of_our_generative_system_for_medical_image_synthesis_.png

生信菜鸟团

2025-03-06

340

从单细胞数据中捕捉巨噬细胞的极化信号

对象可视化数据图表 size

巨噬细胞极化（Macrophage Polarization）是指巨噬细胞在不同微环境信号刺激下，分化为不同功能表型的过程。通常，巨噬细胞可以分为两种主要的极化表型：

生信菜鸟团

2025-03-06

860

玩转服务器-cellranger可以自动注释了?

服务器后台模型 data 登录

前面我们介绍了如何在我们共享服务器零帧起手单细胞分析：玩转服务器—零帧起手单细胞上下游分析

生信菜鸟团

2025-03-06

200

效率正则表达式工具设计统计

Motif 是一段典型的序列或者一个结构。一般来说，我们称之为基序。它是构成任何一种特征序列的基本结构。通俗来讲，motif 是有特征的短序列，一般认为它是拥有生物学功能的保守序列。motif 可能包含特异性的结合位点，或者是涉及某一个特定生物学过程的有共性的序列区段。

生信菜鸟团

2025-03-04

750

免疫原性细胞死亡特征可预测生存并揭示VEGFA+肥大细胞在肺腺癌中的作用

数据分析开发数据原理

背景：肺癌在世界范围内普遍存在，是癌症相关死亡的主要原因。对肺癌免疫原性细胞死亡（ICD）的研究有限，限制了将ICD相关疗法与免疫疗法相结合的策略的开发。

生信菜鸟团

2025-03-03

1170

单细胞数据集中常见marker基因汇总_2024版

模型数据数据分析教育 marker

说过好多次要汇总在分析单细胞数据时候用到的marker基因，因为不同组织中还是有些特异的marker基因的！

生信菜鸟团

2025-03-03

1400

如何白嫖数据库进行基因组数据挖掘

数据库测试队列数据数据挖掘

今天分享的这一篇文献，是公共数据挖掘类的文章。研究团队通过整合多个人群队列的WES或者WGS数据，如 UKB 、MCPS、100kGP 等来开展分析的。这些数据涵盖了不同种族和地域的人群，为研究提供了丰富的遗传多样性。这种方法不用花精力收集样本，不用花经费去测序，非常值得推广。

生信菜鸟团

2025-03-03

770

网页工具 | LnCeCell 2.0：基于单细胞和空间转录组测序数据的长非编码RNA相关ceRNA网络和网络工具更新资源

工具数据网络数据库编码

◉ 图1.LnCeCell 2.0的数据扩展和新特征。(A,B)LnCeCell 2.0数据库对高通量测序和人工整理数据集的收集与扩展。(C–I)LnCeCell 2.0提供了多种灵活、全面且小型化的分析工具，用于在单细胞/点分辨率下研究ceRNA调控机制。

生信菜鸟团

2025-02-27

980

Cell：对亚细胞蛋白质组进行全局表征，发现许多蛋白质是通过其空间分布的变化而非丰度变化来调节的

数据 cell 集合连接量化

◉ 图1。天然免疫沉淀提供了丰富的富集谱，保留了细胞器的连接(A)内源性标记策略。(B)阵列化细胞库。(C)天然免疫沉淀工作流程。(D)用于全面覆盖亚细胞区室的37个标记物。(E)台式离心分离用于核、细胞器和胞质的富集。(F)基于洗涤剂（1%洋地黄皂苷）与天然IP的线粒体标记TOMM20的富集谱。火山图显示了单个蛋白质在TOMM20 IP中的对数2富集程度相对于对照（见STAR方法）。p值：t检验来自三重测量。(G)在天然与基于洗涤剂条件下TOMM20 IP中的富集命中物（对数2富集≥1且p值≤0.01）。(H)注释为位于不同亚细胞区室的蛋白质在TOMM20天然IP中的富集。除了线粒体蛋白外，过氧化物酶体和ER蛋白也显著富集（∗p≤0.05，t检验）。箱形图显示了第25/50/75百分位；须表示1.5倍四分位距。(I-K)同(F-H)，显示EDC4的IPs，EDC4是一个p-身体标记物（无膜细胞器）。(L)热图显示了注释为位于不同亚细胞区室的蛋白质在不同天然IP中的对数2富集。另见数据S1。图1中使用的所有注释数据均为文献整理（表S2）。另见图S1。

生信菜鸟团

2025-02-27

1170

Cell | 都知道 DNA 损伤修复，那细胞是如何应对 RNA 损伤的呢? | 综述

编码翻译连接异常 cell

◉ RNA 化学多样性 RNA 易受环境和内源性损伤的影响，并且缺乏核隔离、碱基配对和染色质化所提供的三重保护。而DNA具有这三种保护。◉ 尽管 RNA 也会被 RNA 结合蛋白（RBPs）结合，但由于涉及的相互作用是动态的，因此提供的保护可能不那么显著。

生信菜鸟团

2025-02-27

1760

表观程序 | Nature | 多尺度足迹揭示了顺式调控元件的组织结构

数据测试程序函数模型

◉ a, 多尺度足迹工作流程概述。◉ b, 比较不同Tn5偏差校正模型性能的条形图。◉ c, 在包含0 nM（顶部）或100 nM（底部）MYC/MAX的BAC DNA上，在示例区域chr. 2:238237173–238237972处预测的Tn5偏差、观察到的Tn5插入和多尺度足迹。◉ d, 在包含0 nM或100 nM MYC/MAX的BAC DNA上，在MYC/MAX基序位点上的聚合多尺度足迹。◉ e, f, 在包含0 nM或100 nM MYC/MAX的MYC/MAX基序位点上的足迹评分箱线图，显示PRINT（e，位置数= 275）和TOBIAS18（f，位置数= 158）的结果。◉ 盒子显示第一、第二和第三四分位数，须显示最远点落在第一四分位数减去1.5倍四分位距（IQR）或第三四分位数加上1.5倍IQR范围内。◉ g, 在包含0 nM（顶部），50 nM（中间）和100 nM（底部）MYC/MAX的两个相邻MYC/MAX基序位点上的多尺度足迹。◉ h, 在HepG2细胞中的cCRE区域chr. 6:154732971–154733770内的多尺度足迹。下层轨道是叠加的ENCODE组蛋白ChIP信号。◉ i, 包括AR、CREB1、TFE3和NFIA在内的示例转录因子的聚合多尺度足迹。CNN，卷积神经网络。

生信菜鸟团

2025-02-27

1210

人工智能 | Nature | 针对精准肿瘤学的视觉-语言基础模型

数据性能人工智能基础模型

◉ 我们开发了一个基于多模态变压器架构的视觉-语言基础模型作为网络主干。◉ 模型预训练包括两个连续阶段。◉ 首先，MUSK 在来自 11,577 名患者的近 33,000 张全切片组织病理学扫描图像和一亿个与病理相关的文本标记上进行了预训练。◉ 这些图像是代表 33 种肿瘤类型的图像。◉ MUSK 模型改编自 BEiT3（参考文献 21）架构，包含共享的自注意力块和用于视觉和语言输入的两个独立专家；使用掩码建模实现了预训练。◉ 其次，MUSK 使用对比学习对来自模型 QUILT-1M 的一百万张图像-文本对进行了多模态对齐预训练。◉ 通用临床应用。◉ 一旦预训练完成，MUSK 可以用于各种下游任务，并且只需要少量或不需要进一步的训练。◉ 重要的是，我们使用全切片图像和临床报告评估了 MUSK 的预测能力，包括复发、预后和免疫治疗反应预测。◉ MUSK 在视觉-语言基础模型方面显著优于最先进的模型，包括 PLIP15、QUILT-1M46、BiomedCLIP47 和 CONCH16。◉ b 图中的插图、黑色素瘤、预后、肺癌和胃食管癌是使用 BioRender 制作的（https://biorender.com）。

生信菜鸟团

2025-02-27

1190

前瞻 | 溶质载体 (SLC)：代谢的看门人 | Cell

框架模型数据系统 cell

◉ 图1. 研究SLCs多功能性的挑战，多功能性是指转运蛋白能够识别和运输多种底物的能力；冗余现象，当多种转运蛋白共享重叠的底物特异性时的现象；亚细胞定位的复杂性，在细胞器/质膜上的定位。◉ ,

生信菜鸟团

2025-02-27

1260

点击加载更多

社区活动

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·干货材料·成员作品最新动态