- 博客(83)
- 收藏
- 关注
RSS订阅原创 Cell｜单细胞+bulk+机制串成一条线 | 教你怎么从组学走到机制验证 | ARID1A是怎么一步步激活免疫的？
解读这篇发表于 2024 年 Cell 的研究时，我最深的感受是它在组学分析与分子机制实验上的双重完整性。无论是 scRNA-seq 对肿瘤免疫谱系的刻画，还是通路的机制验证，每一部分都具备独立成篇的深度与严谨性。
2025-04-03 10:00:36
96
原创 Nature旗下 | npj Digital Medicine | 图像+转录组+临床变量三合一，多模态AI预测化疗反应，值得复现学习的完整框架
膀胱癌是全球发病率第10的癌种，其中**肌层浸润性膀胱癌（MIBC）治疗手段以“新辅助化疗（NAC）+ 根治性膀胱切除（RC）”**为标准方案。仅**30~35%**患者在NAC后可获得完全病理缓解（pCR）；NAC药物存在明显毒副作用，且若无效会延误手术；临床目前仍是“”的经验式用药决策。🔴如何在治疗前识别“谁会对NAC真正获益”？这是精准医疗、尤其是泌尿肿瘤领域迫切需要解决的关键问题。这篇文章展示了如何将AI真正嵌入肿瘤治疗决策之中，既有预测力，也有生物解释力，是值得反复学习的典范。
2025-04-02 14:01:22
707
原创 Immunity｜这个在线平台直接告诉你哪些靶点值得投，还能预测免疫治疗效果 | 清华北大联合开发 | ICRAFT平台如何重塑肿瘤免疫靶点筛选逻辑？
ICRAFT平台是靶点发现逻辑的一次革新，它不仅能“挖掘得准”，还能“落地得稳”——这正是《Immunity》认可的科学价值。
2025-04-01 06:45:00
1016
原创 Cancer Cell综述 | 免疫治疗虽好，但谁能真正受益？| 预测标志物全景
从单一指标 → 多模态整合从静态特征 → 动态状态从分子表达 → 细胞功能+结构位置这为免疫治疗未来的精准预测和个体化治疗奠定了理论基础，也为科研工作者提供了系统性的研究框架。
2025-03-31 13:37:19
252
原创 Cell | 张泽民团队又出新作！如何用“细胞比例”重构免疫亚型，预测肺癌复发？|免疫亚型+Texp指标+复发预测，一个单细胞研究怎么做到临床落地？
非小类肺癌（NSCLC）是全球致死率最高的癌科，即使接受手术，仍有30%以上的处于复发风险。新辅助PD-1抑制剂+化疗已成为标准治疗，但同样治疗下，有人完全复发，有人长期无复发？【问题核心：现有MPR/pCR指标能否精准分层？单细胞+TCR数据进行免疫层次结构分析如何通过比例矩阵+NMF进行职能型聚类Texp 和 Tex-relevant 的分类方法、CCR8免疫抑制关键分析。
2025-03-28 10:44:35
754
原创 文献学习：单细胞+临床+模型构建 | 一篇Molecular Cancer文献如何完整解读CDK4/6i耐药机制
近年来，随着 CDK4/6 抑制剂（CDK4/6i）联合内分泌治疗（如芳香化酶抑制剂、fulvestrant）的广泛应用，显著延长了这类患者的无进展生存期（PFS），成为临床一线标准。，通过单细胞数据可视化（UMAP、热图、GSEA等）深入揭示了 CDK4/6i 治疗反应性与耐药过程的分子特征，以下从关键图（Figure 1–5）提炼几个重点发现。通过图示解读，我们可以看出本研究逻辑严密、数据表达清晰，不仅揭示了 CDK4/6i 相关的分子机制，也建立了全链条分析框架，是值得深入学习与借鉴的经典范例。
2025-03-26 23:10:56
1090
原创 肿瘤相关巨噬细胞的代谢调控梳理｜通路、功能亚群与干预策略综述
近年来的研究逐渐揭示，代谢重编程不仅是肿瘤细胞的特征，更是免疫细胞功能命运因素。特别是在复杂的肿瘤微环境（TME）中，TAM因其高度的可塑性和免疫调控能力，成为抗肿瘤免疫治疗的重要影响因素和潜在干预靶点。
2025-03-24 11:38:37
605
原创 Nature Cancer | 代谢如何决定巨噬细胞的“性格”？一文梳理TAM功能背后的代谢线路图 ｜ 这组TAM代谢机制机制图学习起来
在肿瘤免疫研究中，我们往往聚焦于T细胞、免疫检查点等“主角”。然而，近年来越来越多研究表明，在大多数实体瘤中，**肿瘤相关巨噬细胞（TAMs）不仅数量可观，且在免疫逃逸、治疗耐受、转移进展中发挥着核心作用**。如何理解这些“沉默的调控者”？
2025-03-23 17:27:36
802
原创 文献学习：没用花哨算法 | 从单细胞到空间验证，学习怎么讲清一个细胞通讯的完整故事 | “经典单细胞方法”串出了一个分子机制
本文解读一篇发表在 *Journal of Experimental & Clinical Cancer Research*（JECCR，2025）的文章Single-cell transcriptomics identify a novel macrophage population associated with bone invasion in pituitary neuroendocrine tumors，该研究聚焦垂体神经内分泌瘤（PitNET）骨侵犯，通过单细胞+空间转录组技术，定义了
2025-03-22 13:06:32
611
原创 单细胞分析（29）——单细胞数据中细胞比例的可视化 | Figure1中应有的图 | 饼图、甜甜圈图、堆积柱状图
在单细胞转录组数据分析中，细胞类型的比例分布可以通过饼图、甜甜圈图和堆积柱状图来直观展示。这些图表可以用于比较不同样本、组别或条件下的细胞组成情况。
2025-03-20 06:45:00
248
原创 免疫治疗响应预测 | 单细胞多组学如何揭示ICB疗效标志物？| 泛癌层面研究
近年来，免疫检查点抑制剂（ICB） 作为肿瘤免疫治疗的重要突破，为多种癌症患者带来了生存获益。然而，ICB疗效存在显著的个体差异，仅有20-30% 的患者能够显著获益，因此迫切需要精准的预测模型来筛选适合接受ICB治疗的患者。
2025-03-19 07:15:00
1687
原创 CellOracle|基因扰动研究基因功能|基因调控网络+虚拟干预
细胞身份（Cell Identity）由基因调控网络（Gene Regulatory Network, GRN）决定，而GRN是由转录因子（Transcription Factors, TFs）调控基因表达构成的复杂网络。传统研究方法依赖于实验手段（如CRISPR筛选），但这些方法成本高、周期长，并且在某些生物体系（如人类胚胎）中难以实现。为解决这些问题，作者提出了一种新的计算方法——，在造血系统、斑马鱼胚胎等多个体系中成功应用，量化了 TF 的调控强度和不确定性。
2025-03-17 13:30:58
895
原创 大数据助力精准医疗 | CMap 的下一步？| 结合药物基因组学和化学信息学的创新探索 |Pathopticon 计算框架筛选候选药物
在精准医学和计算系统药理学蓬勃发展的今天，如何高效筛选精准靶向药物，成为药物发现和药物重定位（drug repurposing）领域的重要挑战。最近，一项发表在Genome Medicine的研究，提出了Pathopticon 计算框架，集成了药物基因组学（pharmacogenomics）、化学信息学（cheminformatics）和多种疾病表型数据，为精准药物筛选提供了新的思路。
2025-03-15 16:17:30
974
原创 AI+多组学，精准预测乳腺癌复发：怎么做预测模型的研究
利用机器学习技术，精准预测 HR+/HER2- 乳腺癌患者的复发风险。这项研究数据量大、数据质量高，并进行了严格的机器学习模型训练，提供了比传统预测方法更精准的风险评估工具。然而，如何整合这些数据，并利用 AI 技术进行深度分析，仍然是一个挑战。因此，研究团队构建了。随着 AI 和多组学技术的不断发展，这项研究的思路或许将在其他癌种预测和精准治疗中得到进一步推广，为肿瘤个体化治疗带来新的可能！，实现了对 HR+/HER2- 乳腺癌复发风险的精准预测。，以期突破现有模型的局限，提高乳腺癌复发预测的准确性。
2025-03-14 10:33:47
1111
原创 单细胞分析——深度学习赋能细胞通讯解析：除了CellPhoneDB，还可以用scDCA！
在生物研究中，细胞间通信 (Cell-Cell Communication, CCC) 是调控生理功能和疾病进展的重要机制。近年来，单细胞 RNA 测序 (scRNA-seq) 技术的兴起，使得研究者可以从单细胞层面探究细胞如何相互影响。但现有的许多方法（如 CellPhoneDB、CellChat、NicheNet）通常只计算 配体-受体 (L-R) 互作，而无法明确哪些细胞通信对特定的 下游功能事件（如基因表达、细胞状态） 影响最显著。
2025-03-13 16:00:00
470
原创 单细胞分析（26）——Monocle3 拟时序分析
Monocle3 是一种基于单细胞RNA测序（scRNA-seq）数据的轨迹推断方法，旨在模拟细胞随时间变化的轨迹，推测其潜在的发育或状态转换路径。它通过无监督学习方法，基于细胞的转录组相似性，构建细胞状态的拓扑结构。
2025-03-12 08:56:57
961
原创 单细胞分析（25）——STARsolo：高效处理单细胞 RNA-seq 数据的替代方案
目前最常见的 scRNA-seq 平台是 10x Genomics，其官方提供的分析工具 Cell Ranger 计算资源消耗较大，尤其在处理大规模数据时，计算瓶颈明显。为了解决这一问题，STARsolo 作为一种更轻量、高效的替代方案
2025-03-11 07:00:00
804
原创 单细胞分析（24）——如何推断单细胞测序数据使用的参考基因组及 Gencode 版本
在单细胞 RNA 测序（scRNA-seq）分析中，数据质量和可比性至关重要。，确保数据一致性，并采取合适的方法进行批次矫正。，可以通过以下方法推断参考基因组的版本。如果有多个数据来源，可以比对不同。
2025-03-09 07:00:00
1520
原创 单细胞分析（23）——人类基因组版本详解
人类基因组是一个庞大的 DNA 序列数据库，科学家们使用 **参考基因组（Reference Genome）** 进行基因组测序、比对和功能分析。随着技术的进步，参考基因组不断更新。
2025-03-08 07:00:00
299
原创 单细胞分析（23）—— Jupyter 内核管理
在数据分析、机器学习等领域，我们常常需要在 Jupyter Notebook 中切换不同的 Python 环境。然而，默认情况下，Jupyter 只会识别其自身安装环境的内核。如果我们想要在 Jupyter 中使用 Conda 虚拟环境，则需要手动添加对应的内核。
2025-03-07 07:00:00
468
1
原创 单细胞分析（22）——高效使用 Cell Ranger：安装、参数解析及 Linux 后台运行指南
Cell Ranger 是 10x Genomics 开发的一套用于单细胞转录组测序数据处理的软件。它可以对 10x Genomics 平台生成的 `FASTQ` 文件进行对齐、UMI 计数和基因表达量计算，是单细胞 RNA-seq 数据分析的第一步。由于 Cell Ranger 对输入数据格式有严格要求，并且计算资源需求较高，因此在使用时需要注意安装环境、文件命名规范以及后台运行的方式。
2025-03-06 21:28:19
1036
1
原创 单细胞分析（21）——SCENIC 分析流程（singularity容器版）
SCENIC (Single-Cell rEgulatory Network Inference and Clustering) 是一种基于单细胞 RNA 测序数据的调控网络分析方法，主要用于识别调控因子（TFs）及其靶基因（Regulons），并评估这些调控因子的活性。本流程适用于膀胱癌及其他免疫微环境相关的单细胞转录组研究，可用于探索 TF 在免疫细胞中的调控作用及潜在靶点。
2025-03-05 20:58:57
922
原创 文献学习: 单细胞+肿瘤转移研究的发文思路解析：如何构建核心基因特征，揭示关键调控网络？
癌症转移是恶性肿瘤患者死亡的主要原因之一，尽管近年来癌症免疫治疗和靶向治疗取得显著进展，但转移性癌症的生存率仍然较低。不同癌症类型共享相似的转移轨迹，且由特定细胞类型的驱动基因（如CTHRC1、ANO3）介导。解析不同癌症类型中高转移细胞的动态演变轨迹，探索不同细胞类型如何趋向共同的转移命运。展开，逐步构建出一个完整的泛癌转移调控网络，为精准癌症治疗提供新的策略。评估核心基因对单细胞层面转移潜能的区分能力，探索转移起始细胞的特征。
2025-03-04 00:05:45
544
原创 单细胞分析（20）——inferCNV分析
InferCNV（Inference of Copy Number Variations）是一种基于。推断**拷贝数变异（CNV）**的方法，推测其基因组变异情况。
2025-03-03 20:21:22
1011
原创 单细胞分析（19）—— 单细胞转录组基因集评分方法
在单细胞RNA测序（scRNA-seq）分析中，基因集评分（Gene Set Scoring）是一项关键任务，能帮助研究者识别细胞功能状态
2025-03-01 23:14:00
390
原创 张泽民院士合作的Cancer Cell研读 | 如何细致分析细胞亚群之间的转化潜能 | 细胞亚群的转换潜能（Transitional Potential）计算
本笔记基于对 Zhang et al., 2021（《Single-cell analyses reveal key immune cell subsets associated with response to PD-L1 blockade in triple-negative breast cancer》）的学习，重点学习复现文献中Figure 6 相关的计算方法。，揭示了不同 DC 亚群之间的动态转换关系，并探讨了不同治疗方案对这些转换的影响。
2025-02-27 13:29:36
619
原创 张泽民院士合作的Cancer Cell研读 | Predictive Index (Pi) 和 Therapeutic Index (Ti) 计算方法解析
之前对院士组的文章进行了一个大致的浏览。Pi 和 Ti 主要用于定量评估。Predictive Index (Pi) 和 Therapeutic Index (Ti) 这两种指标。此外，结合该研究在 2025 年的新进展，对其计算方法、适用的数据类型、数学公式以及 Python 和 R 语言的实现方式进行详细分析学习。
2025-02-26 12:49:34
638
原创 单细胞分析（18）——scanpy相关模块
scanpy是单细胞分析中python端重要的分析工具，这份笔记记录一下scanpy有关的模块，深入理解这个库的结构，能够更好的个性化、正确分析个人数据。这样可以更快地掌握 Scanpy 的全部功能。
2025-02-25 16:22:21
767
原创 单细胞分析（17）—— RNA Velocity有关文件准备
GTF（Gene Transfer Format）文件是用于基因组注释的标准格式，主要包含基因、转录本、外显子和其他功能元件的信息。它们用于单细胞 RNA 测序（scRNA-seq）分析，如。
2025-02-24 10:04:23
957
原创 单细胞分析（16）—— RNA Velocity 分析流程
RNA velocity 是一种强大的单细胞转录组分析工具，它可以预测细胞的未来状态，揭示发育轨迹，并用于探索细胞状态转换。RNA velocity 是一种通过单细胞 RNA 测序（scRNA-seq）数据推测细胞未来状态的分析方法。🚀**RNA velocity 提供了一个全新的角度来理解细胞的动态变化，为单细胞转录组分析带来了更深入的时空信息！
2025-02-23 10:45:26
795
原创 单细胞分析（15）—— Seurat → Scanpy：Seurat 数据转换为 Scanpy
在单细胞 RNA-seq (scRNA-seq) 数据分析中，Seurat（R 语言）和 Scanpy（Python）是最常用的两个工具。尽管 Seurat 在 R 端提供了强大的数据处理和可视化功能，但 Scanpy 结合了。这样，你的 Seurat 数据成功转换到 Scanpy，同时支持多种降维坐标，并在转换过程中避免了。因此，将 Seurat 处理的单细胞数据转换为 Scanpy 兼容的。
2025-02-21 10:24:35
417
原创 基因表达总是反映功能吗？看看顶刊nature文章怎样去研究论述这样的问题
Nature：单细胞 RNA 测序（scRNA-seq）+ 空间定位 + 功能钙成像 + 单细胞形态重建：视顶盖（OT）、转录组异质性、功能映射、形态学、拓扑位置斑马鱼视顶盖（optic tectum，OT）是处理视觉信息的重要脑区，与哺乳动物上丘（superior colliculus）同源，具有、外部环境和发育时序明显的特点。本研究通过整合等多种手段，全面揭示了的现象。
2025-02-19 22:06:20
1083
1
原创 单细胞学习（14）—— Seurat → Scanpy 多个样本的分析流程
本学习笔记整理了在 Scanpy 处理多个样本的完整分析流程，并对比 Seurat 的对应功能，包括 数据读取、批次整合、降维聚类、UMAP 参数调整、可重复性保证 等关键环节
2025-02-17 20:46:43
797
原创 单细胞学习（13）—— Seurat → Scanpy 分析流程
seurat 分析流程转到Scanpy 分析流程的简要笔记，涵盖了从数据读入到细胞注释的主要环节，并附上常用函数的Seurat vs. Scanpy 对照表。该笔记既可作为工作流程指南，也能在两个分析平台之间快速切换和比较。
2025-02-14 22:54:48
899
原创 单细胞学习（12）——RunUMAP() 详解学习笔记
UMAP 是 scRNA-seq 可视化的利器，而RunUMAP()在 Seurat 中的实现提供了丰富的参数调节空间。同时，作为关键的聚类方法，与 UMAP 搭配使用，能帮助研究者更好地理解细胞群体结构。理解和min.dist的作用，并学会如何调整它们，可以让 UMAP 结果更加清晰、易读。而在聚类分析中，设定resolution以及可以让聚类结果更稳定、更具解释性。下次你在 scRNA-seq 分析时，不妨试试调整这些参数，让你的 UMAP 和聚类结果更完美！🚀。
2025-02-14 17:25:23
833
原创 单细胞分析（11）——scRNA-seq数据整合
在单细胞 RNA 测序（scRNA-seq）研究中，批次效应（batch effect） 是不可忽视的问题。不同样本来源（如多个实验室、不同测序平台、不同患者）可能会导致非生物学因素的影响，从而影响数据分析的准确性。为了更好地整合多个样本，这次使用以下两种方法进行批次校正。
2025-02-11 22:25:12
611
原创 张泽民院士合作的Cancer Cell——三阴性乳腺癌免疫治疗新发现：不同化疗方案如何塑造肿瘤免疫微环境
STARTRAC（State Transition and Clonal Expansion Analysis for T Cells）是一种用于分析 T 细胞状态转变和克隆扩增的计算方法，结合 scRNA-seq 和 TCR-seq 数据，可量化 T 细胞在不同状态之间的转换情况。在本研究中，STARTRAC 指数用于评估 Nab-PTX + ATZ 组和 PTX + ATZ 组在 T 细胞状态转换上的差异。，在临床上缺乏有效的靶向治疗，主要依赖化疗和免疫检查点抑制剂（ICB）。
2025-02-10 20:26:22
1124
原创 单细胞分析（10）——scRNA-seq 双细胞（Doublet）筛选
在单细胞转录组测序（scRNA-seq）过程中，实验技术的不完美可能会导致两个或多个细胞共享相同的条形码（barcode），形成 双细胞（doublets）。这些细胞会影响数据分析的准确性，导致错误的细胞类型鉴定、伪影（artifacts）和假阳性信号。双细胞的存在会对单细胞分析造成以下影响：目前有多种方法用于双细胞鉴定，例如：根据Cell Systems 2021年的研究，DoubletFinder 在准确性上表现最佳，因此本教程采用 DoubletFinder 进行双细胞去除。
2025-02-08 17:03:23
647
原创 机器学习在癌症分子亚型分类中的应用
该研究基于 TCGA 数据，利用 5 种机器学习方法训练 412,585 个模型，最终筛选出 737 个高效分类器。研究整合多组学数据，提高癌症亚型分类准确度，并提供 Docker 工具，支持非 TCGA 样本精准分型，助力临床决策和癌症精准医学。
2025-02-07 11:59:31
1384
原创 文献学习笔记：中风醒脑液（FYTF-919）临床试验解读：有效还是无效？
在发表于 *The Lancet* （2024 年 11 月 30 日，第 404 卷）的临床研究，中药 FYTF-919 (中风醒脑口服剂)被试图用于治疗急性内原性脑出血 (ICH)，但结果展示该药物在功能恢复和生存率方面并没有显著优势。
2025-02-03 14:07:11
660
HumanPrimaryCellAtlas-hpca.se-human.RData 单细胞singleR注释参考图谱
2023-11-20
IMvigor210CoreBiologies安装包+数据
2023-02-10
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人