自主研发!军事医学研究院团队提出 MIDAS,可用于单细胞多组学数据马赛克整合

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品) 阅读详情

众所周知,细胞是生命体的最小组成单位,人体内含有 40-60 万亿个细胞,构成了我们生长、发育的基础,在单细胞层面开展研究对于精确理解细胞的生长发育以及疾病的诊断与治疗至关重要。

近年来,单细胞测序技术异军突起,成为分子生物学研究的热点,业界围绕疾病、发育等临床和基础研究问题,已经产生了大量的单细胞测序数据。然而,来源于不同组学组合、不同测序技术、不同测序样本的海量数据就像地板上的马赛克瓷砖一样分散、多样。如何整合如此庞大、杂乱的数据并开展生物医学研究,是全球科学家共同面临的难题。

为了攻克这一挑战,近期,军事医学研究院应晓敏团队和伯晓晨团队在 Nature Biotechnology 期刊发表了题为「Mosaic integration and knowledge transfer of single-cell multimodal data with MIDAS」的研究论文。该研究提出了一种用于单细胞多组学 (single-cell multimodal omics,scMulti-omics) 数据马赛克式整合(即不同数据集仅共享部分检测模态)及知识迁移的计算工具 MIDAS, 基于自监督学习 (self-supervised learning) 和信息论方法 (information-theoretic approaches) 首次实现了通用的单细胞多组学马赛克数据的模态对齐、数据补全、批次校正等整合功能,为构建大规模多组学细胞图谱、实现大规模单细胞多组学分析与知识迁移提供了重要的原创技术。

研究亮点:

  • 自主研发了基于生成式人工智能的新算法 MIDAS

  • 首次实现了通用的单细胞多组学马赛克数据的模态对齐、数据补全、批次校正等整合功能

  • 新算法对于揭示细胞的功能和分子调控机制、研究疾病的发生发展过程具有重要意义

图片


论文地址:
https://www.nature.com/articles/s41587-023-02040-y

关注公众号,后台回复「单细胞」获取完整 PDF

数据集:多种数据集,多维评估性能

本研究为了从各个维度比较 MIDAS 模型的优势,构建了多个数据集。

首先,为了将 MIDAS 与最先进的方法进行比较, 本研究评估了 MIDAS 在具有完整模态的三模态集成(马赛克集成的简化形式)中的性能,研究团队将这个任务命名为「矩形集成」(rectangular integration)。团队使用两个已发布的单细胞三峰人类 PBMC 数据集 (DOGMA-seq 和 TEA-seq),同时测量每个细胞的 RNA、ADT 和 ATAC,从而构建了dogma-full 和 teadog-full 数据集。

注:PBMC 全称为 peripheral blood mononuclear cell,即外周血单个核细胞,常用于免疫学领域的科研活动。

其次,为了评估 MIDAS 在镶嵌集成方面的性能, 研究团队在之前生成的矩形数据集的基础上,进一步构建了 14 个不完整数据集,每个镶嵌数据集都是通过从全模态数据集中删除多个模态批处理块来生成的。

第三,为了研究 MIDAS 的知识转移能力, 研究团队将图集数据集重新划分为用于图集构建的参考 (reference) 数据集,以及查询 (query) 数据集。研究团队通过从图集中删除 DOGMA-seq,得到了一个名为 atlas-no_dogma 的参考数据集。

第四,为了研究 MIDAS 在具有连续细胞状态变化的单细胞数据集中的应用, 研究团队通过组合从公开的 scRNA-seq (single-cell RNA-sequencing) 获得的 3 个不同样本 (ICA、ASAP 和 CITE) 构建了人类 BMMC 镶嵌数据集。

模型架构:深度生成模型 MIDAS

MIDAS 是一种深度生成模型,表示不完整单细胞多模态数据的联合分布,其中包含了转座酶可接近染色质 (ATAC)、RNA 和抗体衍生标签 (ADT) 的测量。

图片

MIDAS 功能简介

具体而言,MIDAS 假设每个细胞的多模态测量是通过两个与模态无关且解耦的潜在变量(生物状态和技术噪声),基于深度神经网络生成的。其输入包括由不同单细胞样本(batches,批次)组成的马赛克特征-细胞计数矩阵,以及表示细胞批次 ID 的向量。 这些单细胞样本可能来自不同的实验,或者通过应用不同的测序技术(例如 scRNA-seq、CITE-seq、ASAP-seq 和 TEA-seq)生成,因此可能具有不同的技术噪声、模态和特征。

图片

MIDAS 的算法

MIDAS 的输出包括生物状态和技术噪声矩阵,以及估算和批量校正的计数矩阵,从其中对输入数据中缺失的模态和特征进行插值并消除批次效应 (batch effects)。 这些输出可用于下游分析,例如聚类、细胞类型划分和轨迹推断。

MIDAS 基于变分自动编码器 ( variational autoencoder, VAE) 的架构,具有模块化的编码器网络及解码器网络,前者能够处理马赛克输入数据并推断潜在变量,后者能够使用潜在变量启动观察数据的生成过程。MIDAS 使用自监督学习来在潜在空间中对齐不同的模态,改善下游任务中的跨模态推断,例如插值和翻译。同时还应用信息论法来解耦生物状态和技术噪声,进一步实现批次校正。

研究人员将这些元素结合到本研究的优化目标中,通过随机梯度变分贝叶斯 (stochastic gradient variational Bayes, SGVB) 实现了 MIDAS 的可扩展学习和推断,这也使得单细胞多模态数据的大规模马赛克式集成和图谱构建成为可能。此外,为了将构建的图谱中的知识转移至具有不同模态组合的查询数据集,研究人员分别开发了转移学习和相互参考映射方案,用于模型参数和细胞标签的转移。

研究结果:MIDAS 多功能且高效

研究结果表明:MIDAS 是一种强大、多功能且高效的单细胞多模态集成工具。

在消除批次效应和保存生物信号方面——研究团队将 MIDAS 的性能与近期发表的 9 种方法进行了比较。

结果表明,MIDAS 理想地消除了批次效应,并且在 dogma-full 和 teadog-full 数据集上保留了细胞类型信息,而其他方法的性能则略逊一筹。 例如,BBKNN+average、MOFA+、PCA+WNN、Scanorama-embed+WNN 和 Scanorama-feat+WNN 没有很好地混合不同批次,PCA+WNN 和 Scanorama-feat+WNN 产生的细胞簇与细胞类型很大程度上不一致。

图片

使用MIDAS在矩形集成任务上获得的评估和下游分析结果

在批次对齐方面——MIDAS 能够很好地对齐不同批次的细胞,并将它们与细胞类型标签一致地分组, 而其他方法则不能很好地混合不同批次的细胞,并且产生的细胞簇与细胞类型在很大程度上不一致。scIB 基准测试表明,MIDAS 在不同的镶嵌任务上都有稳定的性能,并且其总体得分远高于其他方法。

图片

MIDAS 在马赛克集成任务上性能的定性和定量评估得分

在知识迁移能力方面——研究人员将每个查询数据集与参考数据集对齐,并通过 k-nearest neighbors (kNN) 算法转移细胞类型标签。将生物状态进行映射并可视化后可以看到,不同查询数据集的互参映射结果一致,并与通过 dogma-full 数据集获得的图谱整合结果高度一致。MIDAS 实现了稳健且准确的标签传输,从而避免了从头集成和下游分析的需求。因此,MIDAS 可用于将图集级知识转移到各种形式的用户数据集,而无需昂贵的从头训练成本或复杂的下游分析。

图片

MIDAS对知识转移任务的定性和定量评估

总而言之,通过对单细胞镶嵌数据生成过程进行建模,MIDAS 可以精确地从输入中分离出生物状态和技术噪音,并稳健地调整模态以支持多源和异构集成分析。MIDAS 在执行各种马赛克积分任务时提供准确、稳健的结果,并且优于其他方法。

此外,MIDAS 高效、灵活地将知识从参考数据集转移到查询数据集,从而可以方便地处理新的多组学数据。凭借卓越的降维和批量校正性能,MIDAS 支持准确的下游生物分析。除了能够对镶嵌数据进行聚类和细胞类型识别之外,MIDAS 还可以协助对具有连续状态的细胞进行伪时间分析,这在没有 RNA 组学数据可用时尤其有价值。当在不同组织之间转移知识时,MIDAS 能够对齐异构数据集并识别细胞类型,甚至能够识别新类型。

单细胞多组学分析持续发展

就像从一粒沙子中可以看到世界,科学家也能从小小的细胞内看到多重宇宙,或者更准确地说,叫做「多个组学」。

人们通过一系列不同的技术来研究单个细胞的基因组、转录组、表观基因组及其他特征,尽管各项技术本身就能带来丰富的信息,但它们的组合分析(也就是多组学分析)能提供一幅更完整的图像。目前,在单细胞多组学的推动下,细胞生物学和转化研究取得了重大进展,不过,数据整合与分析仍然是许多科学家面临的挑战。

基于此,除了上文提及的应晓敏团队和伯晓晨团队,还有更多研究团队和公司前赴后继,试图探索更高效、简单的数据处理方式。

比如,10x Genomics 公司的 Chromium 单细胞平台等分析方法不断扩展,让人们能够以不同组合评估多个细胞特征, 包括全转录组基因表达、蛋白表达、全长配对 TCR 和 BCR 测序、抗原特异性以及开放染色质分析等。其中的Cell Ranger 方案采用一组免费且易用的分析流程来分析 Chromium 单细胞数据,能够处理原始数据并开展比对,对基因进行计数。此外,Cell Ranger 还可以与云分析平台整合,对数据进行监控、管理和处理。

再比如,2022 年 5 月 2 日,北京大学/昌平实验室高歌课题组于 Nature Biotechnology 发表题为「Multi-omics single-cell data integration and regulatory inference with graph-linked embedding」的研究论文, 提出了基于图耦联策略的深度学习方法 GLUE,首次实现了对百万级单细胞多组学数据的无监督精准整合与调控推断。

这些生物信息学工具和软件的不断发展将帮助研究人员解读复杂的多组学数据集,助力细胞生物学发展,对于揭示细胞的功能和分子调控机制、研究疾病的发生发展过程具有重要意义,最终实现「造福于民」。

参考资料:
1.https://www.chinagut.cn/articles/ss/02bc1e86e3734acebff57395d6e044a6
2.https://m.ebiotrade.com/newsf/2023-10/20231023151001602.htm
3.https://news.bioon.com/article/e49a810955a1.html
4.https://m.thepaper.cn/newsDetail_forward_26137031

船载 OpenHarmony AIS 航海工作台:告警与防碰撞预警系统 船载OpenHarmony AIS航海工作台的告警与防碰撞系统,集成十余类告警(超速、偏航、会遇、SOS等),通过网格空间索引实现高效邻近判定,保障实时性。告警管理器统一调度规则、去重、通知与日志,支持悬浮球、语音、跑马灯、弹窗多渠道触达,确保航行安全。SOS紧急通道独立运行,避免干扰。系统设计强调性能优化与多场景适配,为航海安全提供核心支撑。 阅读详情

相关推荐

AI 应用开发:四维架构落地实战——以 HR Agent 为例拆解感知·推理·记忆·执行【意图路由、规划编排、长期记忆、工具执行、面试题】

本文基于四维架构(感知·推理·记忆·执行),以HR Agent为例,系统拆解大模型应用从“聊天”到“生产可用”的落地路径。通过Spring AI实现意图路由、规划编排、RAG检索与工具调用,结合真实踩坑复盘,揭示架构化设计对安全、成本与可维护性的关键价值,为AI Agent工程化提供可复用的实战框架。

王大师企业官方博客 1325

军事医学研究院应晓敏组招聘博士后

军事医学研究院应晓敏组诚聘博士后应晓敏研究员,1997年本科毕业于国防科技大学自动控制系,2003年毕业于国防科技大学计算机学院并获得博士学位,此后一直在军事医学科学院(现军事医学研究院...

悟道西方 2181

手把手教你用XC7A35T FPGA搭建低成本机器视觉系统(含开发板选型指南)

本文详细介绍了如何利用AMD(原Xilinx)Artix-7系列中的XC7A35T FPGA芯片,搭建一套低成本的机器视觉系统。内容涵盖从芯片选型深度剖析、开发板(如黑金AX7035B)对比指南,到使用Vivado创建工程、编写图像处理模块(如RGB转灰度),以及资源优化和与上位机(如OpenCV)协同工作的完整流程,旨在为开发者提供一套可实践的高性价比硬件加速视觉解决方案。

beta5的博客 357

自主研发!军事医学研究院团队提出 MIDAS,可用于单细胞多组学数据马赛克整合...

本文约3500字,建议阅读8分钟 本文介绍了单细胞多组学数据马赛克整合。军事医学研究院应晓敏团队和伯晓晨团队,提出了一种用于单细胞多组学数据马赛克式整合及知识迁移的计算工具 MIDAS,首次实现了通用的单细胞多组学马赛克数据的模态对齐、数据补全、批次校正等整合功能。众所周知,细胞是生命体的最小组成单位,人体内含有 40-60 万亿个细胞,构成了我们生长、发育的基础,在单细胞层面开展研究对于精确理解...

数据派THU 458

基于STM32的可穿戴式多生理参数实时监测与预警系统

针对传统可穿戴健康设备存在的生理参数监测种类单一、数据处理依赖云端导致响应滞后、续航能力弱等问题,设计一种基于STM32的可穿戴式多生理参数实时监测与预警系统。系统以STM32L476RG低功耗微控制器为核心,集成心率血氧传感器、体温传感器、血压传感器,实现人体心率、血氧饱和度、体温、收缩压/舒张压的同步采集;通过边缘端轻量化数据处理算法完成参数异常判定,结合低功耗硬件设计与软件休眠策略,在保证监测精度的同时延长续航。测试结果表明,系统心率监测误差≤2次/分钟,血氧饱和度误差≤2%,体温误差≤±0.2℃,血

m0_74026776的博客 2042

关于StartAI本地部署相关问题解答

很多小伙伴们都有接入自己本地SD的需求,对此小编整理了一些相关问题~

HDJ9387的博客 941

生物医药革命:Awesome AI for Science中56个突破性AI药物发现案例

AI for Science(AI4S)正以前所未有的速度重塑生物医药研究的 landscape,GitHub 加速计划的 awesome-ai4s 项目收录了56个里程碑式的AI药物发现案例,涵盖从靶点发现到药物设计的全流程创新。这些案例不仅展示了深度学习、图神经网络等技术在生物医药领域的深度应用,更为解决传统药物研发周期长、成本高的痛点提供了全新范式。 ## 一、靶点发现与验证的AI革新

gitblog_01151的博客 709

C/C++面试八股文汇总

以对象管理资源,利用的就是C++构造的对象最终会被对象的析构函数销毁的原则。上述的的申请、使用、释放资源的程序较为简单,但是如果程序很复杂的时候,需要为所有的new 分配的内存delete掉,导致极度臃肿,效率下降,更可怕的是,程序的可理解性和可维护性明显降低了,当操作增多时,处理资源释放的代码就会越来越多,越来越乱。栈在函数调用时,第一个进栈的是主函数中后的下一条指令(函数调用语句的下一条可执行语句)的地址,然后是函数的各个参数,在大多数的C编译器中,参数是由右往左入栈的,然后是函数中的局部变量。

wzzrh的博客 1万+

AI 问数真的能替代 BI 报表吗?

AI问数赋能自然语言查询,提升临时分析效率,但无法替代传统报表。报表适用于稳定输出与持续监控,AI则擅长探索性提问。企业用好AI问数,关键在于夯实数据模型、统一指标口径、健全权限体系与结果校验机制。合理组合报表、仪表板与AI,才能实现高效、准确的业务洞察。

葡萄城技术团队博客 341

Spyglass功耗分析:从RTL到优化的全流程实践

本文详细介绍了在RTL设计阶段使用Spyglass进行早期功耗分析的全流程实践。通过一个真实项目案例,阐述了早期功耗分析的必要性,并手把手指导了从文件准备、GUI操作到报告解读与优化的完整步骤。文章重点说明了如何利用Spyglass实现功耗分析的“左移”,在编码阶段识别和修复功耗热点,从而避免后期高昂的修改成本,是低功耗芯片设计的关键技能。

purple的博客 1118

翁恺-C语言程序设计 PTA习题集

代码练习题

qq_46085472的博客 7653

ChatGPT、Perplexity、Gemini 与 AI Overviews 引用对比:谁的引用更可信

AI 引擎的引用机制差异很大:ChatGPT 以行内引用加 Sources 列表呈现来源,Perplexity 几乎逐句可溯源,Gemini 在回答中内嵌相关来源链接,AI Overviews 则把多源聚合答案与来源列表一起放在搜索结果顶部。本文从引用透明度、来源偏好、可干预性 3 个维度对比这 4 个引擎,并给出 GEO 的 3 点启示,帮企业在多引擎环境下提升被引用的概率。

淡然一笑 的专栏 280

【RT-DETR改进涨点】ResNet18、34、50、101等多个版本移植到ultralytics仓库(RT-DETR官方一比一移植)

本文是本专栏的第一篇改进,我将RT-DETR官方版本中的ResNet18、ResNet34、ResNet50、ResNet101移植到ultralytics仓库,网上很多改进机制是将基础版本的也就是2015年发布的ResNet移植到ultralytics仓库中,但是其实RT-DETR实验的ResNet和其是有很大区别的在其中有很多细节上的不同(文章中我也会列出举例)

Snu77的博客 7227

【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端

上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。

nice_lcj520的博客 616

微信小程序 - 完美解决“code“:“NO_AUTH“,“message“:“商户号该产品权限未开通,请前往商户平台>产品中心检查后重试“(微信小程序报错问题排查解决)

微信小程序NO_AUTH: 商户号该产品权限未开通,请前往商户平台>产品中心检查后重试?微信小程序提示商户号该产品权限未开通,请前往商户平台>产品中心检查后重试,微信小程序"code":"NO_AUTH"错误码怎么解决,报错信息如下:httpResponseBody[{"code":"NO_AUTH","message":"商户号该产品权限未开通,请前往商户平台>产品中心检查后重试"}],微信小程序支付问题,如何解决这个问题,虚拟支付商户号,虚拟支付商户号里面没有产品支付的页面,排查商户号没问题,商户号配置

🏆 前端领域优质创作者 4451

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

抽象主义人工智能和生命体AI的内在联系

彭军辉提出“抽象主义人工智能”作为第四大AI范式,批判符号主义、连接主义、行为主义剥离生命本体的误区,确立“智能是现象,生命是本体”的核心公理。主张原生智能必须依附具备存续诉求的生命本体,提出“生命体AI理论”,构建七层演化阶梯与自闭环工程框架,强调智能不可跳过底层存续机制直接模拟语言。该体系为生成式AI提供科学边界,推动从“仿真表象”向“原生智能”的范式跃迁,开辟硅基人工生命新赛道。

抽象主义人工智能和生命体AI 209

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

OpenAI Control Room 架构拆解:给企业 AI Agent 加一套可审计的急停系统

OpenAI 公开了用于追踪和停止研究模型工作负载的 Control Room。本文拆解 job_id、推理前鉴权、35 秒撤销窗口与 Fail Closed 设计,并给出企业 AI Agent 急停控制面的数据模型、FastAPI 参考实现、缓存撤销策略和故障演练清单。

jerry764的博客 345

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

OpenClaw 深度调查:把 AI 助手做成你自己的控制平面

对 openclaw/openclaw 的完整技术尽调:Gateway 架构、Agent 运行时、工具与沙箱、30 个消息通道、181 个插件、安全信任边界、工程代价与采用建议。17 章 / 10 张图,全部数字标注口径,数据截至 2026-10-31。

厚积薄发 363

AI赋能智慧港口建设|造形家快速生成港口全要素三维场景

随着智慧港口、港口数字孪生项目的持续推进,港口三维场景的需求日益旺盛。传统港口三维建模,往往需要航拍倾斜摄影采集数据,再人工搭建吊机、岸桥、船舶、集装箱等大量工业设施模型,项目周期长、人力成本高,修改迭代繁琐,制约港口可视化项目落地效率。国产AI三维建模工具,依托卫星影像 AI 识别能力,无需航拍作业,一键快速搭建港口完整三维场景,为港口数字孪生、方案汇报、投标演示提供高效的场景解决方案。

m0_69539167的博客 87

从设备增点到治理闭环:老旧小区物业数智化落地实践

系统连接合同审批、银行流水、收费记录与项目台账,执行到期提醒、收入核验、异常标色和月度对账,让每一笔资金来源明确、去向可查。针对设施老旧、诉求响应慢、公共收益不透明等问题,津南以6类小区为试点场景,统一建设物业数字化底座,关联楼栋、单元、房屋、业主、空间、设施设备、工单、公共收益等核心数据。系统采用统一编码管理,将摄像头、路灯、井盖、道路、绿化等设施纳入资产台账,解决纸质记录更新滞后、故障责任难追溯的问题。基于历史工单建立分类模型和知识库,辅助识别照明、给排水、电梯、环境秩序、秩序维护等问题;

wuyeshuzhihua的博客 163

企业微信iPad协议详解:接口接入、实时消息同步与语音转码实践

深入解析企业微信iPad协议的技术架构与开发思路,涵盖API接口接入、长连接通信、实时消息同步、Silk语音转码、异常重连及高并发优化,帮助开发者了解企业微信自动化系统的设计与实现。

欢迎来到祖安! 514

Product Hunt 热榜 2026-11-13:Plurai Simulation、YouArt Desktop App、Omnigraph

2026-11-13 Product Hunt 新产品精选:Plurai Simulation、YouArt Desktop App、Omnigraph。汇总 15 款产品的中文介绍、功能关键词和产品链接。

LaughingZhu的博客 619

【AI Agent面试系列】AI Agent可观测、评测、安全相关的知识点

之前的文章介绍了和,本文主要介绍AI Agent的测评、可观测等知识。

408

Docling 原理解读:是什么、为什么、怎么样

从论文视角拆解 Docling 的整体架构、DoclingDocument 数据模型、PDF 预处理、版面分析、OCR、TableFormer 双解码器、阅读顺序与装配流程,并解释版面框与 OCR 框的区别。

PLANTTHESON的博客 402

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程,跟着博主一起来还原整个过程。

夜郎King的博客 5168

从认识人工智能到理解机器学习:我的 AI 入门第一课

正式开始学习人工智能之前,我对 AI 的认识其实比较模糊:知道 ChatGPT、知道大模型,也知道现在很多岗位都在谈 AI,但如果有人问我“人工智能到底是什么”“机器是怎么学会识别一只猫的”,我未必能从头到尾讲清楚。上午的课程更偏向行业全景:人工智能的发展、研究方向、NLP、岗位分工、学习路线和 AI Coding 工具。下午的课程更偏向技术基础:机器学习的原理、有监督学习、深度学习、模型训练和评估方法。

chh563的博客 573
上一篇: 上海交大与清华联手发布 DeepDR Plus,仅用眼底图像可预测 5 年内糖尿病视网膜病变进展
下一篇: 【ScienceAI Weekly】闷声发大财!英伟达医疗业务创收 10 亿美元;马斯克:首位人类脑芯片受试者或已康复
HyperAI超神经
博客等级 码龄7年 8873粉丝 1753原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值