- 博客(223)
- 收藏
- 关注
RSS订阅原创 IF=11.83|scRNA揭示AMPK依赖的Parkin激活抑制巨噬细胞抗原提呈
在MC38结肠癌模型中，Park2−/−小鼠肿瘤体积显著减小（p<0.001），生存期显著延长（p<0.05）Hepa1-6肝癌模型中，Parkin缺失导致肿瘤生长抑制和小鼠生存改善（p<0.01）[1C, 1D]；单细胞RNA测序（scRNA-seq）显示Park2−/−小鼠TIME中T细胞（尤其是CD8+和CD4+亚群）比例显著增加（p<0.05）1L-1N：T细胞功能相关细胞因子（IL-2、IFN-γ）水平升高，且CD8+ T细胞耗竭可完全阻断Park2−/−的抗肿瘤效应[1L, 1M, 1N]。
2025-06-12 08:09:23
460
原创 IF=14.8| 壁层上皮细胞的单细胞图谱
因此，作者通过单细胞测序(single-cell RNA sequencing, scRNA-seq)揭示PECs的亚群(A1、A2、A3、A4、B)组成及分子特征：PEC-A1和PEC-A2具有足细胞祖细胞特征、PEC-A4表现出导管祖细胞特征。)，结果显PEC-A1的top 5通路与肾小球发育相关(具有祖细胞特征)、PEC-A2的通路富集于上皮细胞分化、PEC-A3的通路富集于细胞增殖、PEC-A4的通路富集于代谢分解过程、PEC-B的通路富集于胶原纤维组织(Figure 2e,f)。
2025-06-11 08:01:06
467
原创 肝癌实战多样本分析| 基于SeekOne® DD单细胞ATAC+RNA双组学
由于scATAC-seq技术的普及为分析工具提出了新的需求，Seurat的作者Satija lab开发了同样基于R语言的Signac包，提供了scATAC-seq数据分析的落地方案，能够完成峰值识别、量化、质量控制、降维、聚类、与单细胞基因表达数据集的集成、DNA 基序分析和交互式可视化甚至与多组学的整合分析。Signac有助于分析单细胞染色质多组学数据，包括将DNA可及性与基因表达、蛋白质丰度和线粒体基因型联合分析的数据集。Signac框架()也能够无缝衔接Seurat，可以与对象一同储存在。
2025-06-09 09:37:10
744
原创 《Brief Bioinform》: 鼠脑单细胞与Stereo-seq数据整合算法评估
在注释结果的细胞类型中可见，RCTD与SpatialDWLS能够预测到占比非常小的细胞类型，而DestVI这种仅能够预测到占比比较大的细胞类型。作者主要从square bin 50(大约25μmX25μm)与cell bin(利用ssDNA划分生成的细胞单位)的各算法效果，可以明显看出，Bin50的spot数量要明显小于Cellbin，但nFeature和nCount方面前者更高，换句话说，在这些数据中Bin50的尺寸要大于Cellbin(Biomamba目前处理过的数据也基本都是这个情况)。
2025-06-07 09:06:11
1057
原创 作为过来人，浅谈一下高考、考研、读博
另外学校的选择这方面，拿我目前就读的学校举例，今年博士毕业发表论文的平均影响因子大概是6.7、中位数是4.9，排除共一等因素的加持，最终的平均值是也要小于6的，作为中东部地区的211来说，这个成绩并不理想。说实话，本科生在这个年代过于的廉价，今年毕业的大学生大部分正好是千禧年生人，那年我国共诞下1765万个婴儿，而2022年的高校毕业生预计人数是1076万人，扣除其中大约100万个硕博毕业生，2022大约一千万的本科毕业生人数与2021年的出生人口相当[3]。学校方面的话，还是那句话，B区的学校尽量别去。
2025-06-05 09:05:24
3118
2
原创 R语言基础| 下载、安装
中，许多小伙伴都曾因为R语言基础不足而十分苦恼。它最初由Ross Ihaka和Robert Gentleman在1993年创建，旨在为统计学家和数据分析师提供一个广泛的统计（线性和非线性建模、经典统计测试、时间序列分析、分类、聚类等）和图形技术的集成环境。例如，Bioconductor项目提供了一系列用于基因组学、转录组学、表观遗传学等领域的分析工具和数据集，大大简化了生物信息学的数据处理和分析过程。R语言拥有一个庞大的用户和开发者社区，为生物信息学家提供了丰富的资源、教程和论坛，便于学习交流和问题解决。
2025-06-04 08:21:24
1187
原创 博士毕业论文解析| 利用时空多组学解析肝脏功能结构及肝再生、肝纤维化分子机制
最后一章则是关注了肝脏的再生修复能力遭到破坏后，常会出现的肝脏纤维化病理现象，单细胞转录组学分析，进行细胞分群及注释，差异基因和功能富集分析，pseudotime分析和psupertime 分析，每个分析的工具包在方法部分都标注的很清楚。全文重点关注了肝脏中的组织结构和细胞异质性，文中提到的肝脏细胞分区，代谢，增殖，再生及纤维化的背景和空间转录组学进展我就不一一赘述了，感兴趣的同学可以去看看原文，直接来看我们最关注的，转录组学数据的测序和分析。回答这个问题的最好方法，就是去。相较于空间转录组本身而言，
2025-06-03 09:15:06
662
原创 《Nature Medicine》|八十万细胞人类血管细胞图谱
在动脉ECs（GJA5和SEMA3G）中特异性表达，但在静脉ECs（ACKR1、SELE和PLVAP）中缺失，这一结果通过基因相关性分析得到了验证（见图 2d–f 和扩展数据图 2c,d）。通过跨器官的分层聚类分析，观察到VSMC和周细胞在转录上具有高度相似性（见图 4a），这一结果表明，与内皮细胞（ECs）类似，壁细胞的特化主要由血管型线索驱动。：源自主动脉和冠状动脉的簇（aorta_coronary_ec）以及两种组织间共享的群体（art_ec_1和art_ec_2）（见图 2a,b）。
2025-05-28 08:07:45
695
原创 R语言基础| 可视化初探(ggplot2)
在1中，由于性别到颜色的映射出现在函数ggplot中，因此该映射也会应用到geom_piont和geom_smooth中，从而geom_piont中点的颜色表示性别，geom_smooth中生成分别男女的各自趋势线；而在2中，性别到颜色的映射只出现在函数geom_piont中，因此仅能在此处使用，对geom_smooth则没有该映射，因此只出现一条针对所有数值的趋势线。2)一组映射，是数据框中的变量到图形中的可视属性的映射，放置在函数aes()中，aes()函数表示美化或你能看见的东西。
2025-05-27 07:53:50
1278
原创 scRNA-Seq细胞通讯之《iTalk学习手册》
对于在多个时间点进行纵向收集的数据集，或包含多个遗传学/组织学不同的亚组或队列的数据集，iTALK 可以通过查找和排序差异表达的配体和/或受体，识别组间的显著变化，即互动的增加或减少（见图 1）。此外，用户可以选择显示的细胞类型数量（如肿瘤细胞、T细胞、NK细胞、巨噬细胞、成纤维细胞等）或基因类别（如细胞因子/趋化因子、免疫检查点、生长因子及其他），以及Circos图和网络图中显示的相互作用数量（前30、50、100或全部）。已知的配体和受体基因被筛选、配对并通过内置的配体-受体数据库进行功能注释。
2025-05-26 08:01:19
561
原创 勘误| infercnv亚群注释
图片显示cluster1、3、5、6亚群的c明显高于2、4两个亚群，cluster7的界限就比较模糊了。不过在先前注释的细胞比例中，cluster7与Malignant cells的交叉比例还是非常高的，考虑到infercnv score，那我们就姑且叫它"Malignant-transition cells"。实际上cluster1、3、5、6亚群的c明显高于2、4两个亚群，cluster7的界限就比较模糊了。cells之间的统计结果呈现出极显著的关系，而AT1与tS1之间则没有显著性差异(0.086)
2025-05-21 08:20:16
435
原创 瞬时降解的“Protein i“技术：degradation tag系统
为验证dTAG-7和 dTAG-13对于CRBN依赖的选择性，作者构建293FT（CRBN−/−) 细胞，结果显示100nm的dTAG-7和 dTAG-13能够作用于293FT而非293FT（CRBN−/−)细胞（Fig.2b,c），且dTAG-7和 dTAG-13的处理没有改变FKBP12WT和FKBP12F36V-Nlu的水平。为验证dTAG对于细胞瞬时反应的应用性，作者选择RAS蛋白进行验证，RAS通常与细胞增殖，存活，迁移和分化相关，对于RAS的靶向降解有可能为RAS相关的治疗靶点开发新的思路。
2025-05-20 08:10:48
619
原创 《Cell》综述| 空间组学的常见分析
空间转录组学分析中，对区域进行分组是常用的方法，不同的分组往往会得到不同的结果，如图所示，对所选区域进行不同分组，分析一对基因的表达能够得到完全不同的相关性和显著性（Fig.2），这表明所有的分析都受到MAUP和空间范围选择的影响，当相同的数据在不同MAPU、不同空间范围聚合或组合时，统计分布和相关性表现出了不同的趋势。标准的聚类不考虑值的空间分布，只考虑值的相似性，如果考虑到空间信息，将导致不同空间里面的最大值和最小值存在差异，从而影响聚类。与结果和过程相关的因素，在空间上是不同的。
2025-05-19 08:08:00
877
原创 《Immunity》(IF=25.5)| scATAC、scRNA-seq、scVDJ-seq联合分析B细胞亚群
分别对两个seq的数据进行聚类分析来确定急性和慢性感染中MBC细胞的表观遗传变化，scRNA-seq分析确定了12个细胞簇（Fig.2B），scATAC-seq分析确定了7个细胞簇（Fig.2C）,在此基础上，作者通过免疫基因组（ImmGen）进行细胞注释，以确定这些细胞簇和B细胞分化之间的关系，其中R3、R9和R10因Cd38的缺乏和Fas的表达被认为是GCB细胞（Fig.2D）。急性感染中，脾MBC细胞随着时间的推移稳步增加，而慢性感染后第28天和56天观察到的MBC明显减少（Fig.1B）。
2025-05-17 09:04:26
932
原创 Spatial-Mux-seq空间多组学，一网打尽染色质特征、转录组、蛋白质修饰与表达
为评估方法的特异性，作者使用Spatial-Mux-seq 技术对小鼠胚胎组织中的组蛋白修饰（H3K27me3 和 H3K27ac）进行分析，经过无监督聚类分析，H3K27me3 被分为 19 个簇（标记为 An），H3K27ac 被分为 16 个簇（标记为 Bn）(Fig. 1b)。在从径向胶质细胞向分化神经元的转变过程中，作者发现双价性在动态变化，径向胶质细胞在H3K4me3定义的启动子处的H3K27me3富集度最低，表明其双价性降低（Fig. 3c）。
2025-05-16 07:52:12
923
原创 《JEM》解析| 肿瘤中巨噬细胞的氧化代谢和免疫抑制特征
本次分享的是《JEM》（IF=13.214）的文章，感兴趣的同学可以看看原文：MichaelA. Gonzalez, Daniel R. Lu, Marvam Yousefi,et al."Phagocytosis increases an oxidative metabolic and immune suppressive signature in tumor macrophages" ，JEM,
2025-05-15 08:06:00
276
原创 一文掌握六个空转数据库
该数据库汇集、整理并分析了14种人类癌症的46个空间转录组数据集（共347个子集），数据集来源于5种不同的空间转录组学技术。可点击感兴趣的组织，查看该组织包含的具有空间分布特征的基因，再通过基因链接查看该基因的基本信息、空间分布特征、参与的空间富集通路、细胞-细胞通讯网络、基因表达调控网络以及相关疾病及靶向药物信息。，包括内皮、上皮、成纤维细胞和免疫细胞等，包括(i) 空间模型基因，(ii) 空间模型途径，(iii)基因调控网络，(iv) 细胞-细胞相互作用(v) 空间转录组学去卷积和相互作用。
2025-05-14 15:23:32
1005
原创 博士毕业论文解析| 基于空间转录组学技术对原发性肝癌空间异质性的研究
接下来，作者使用GSVA分析进行了各个肿瘤内部亚群的功能分析，并选择区域性最为明显的HCC-1T进行肿瘤内部亚群之间的差异分析，同时通过TCGA和HCCDB数据库进行肿瘤内部亚群的预后分析；这里，作者探究了原发性肝癌边界区域的免疫微环境和实质细胞功能的空间异质性特点。进一步，通过肿瘤干细胞（Cancer stem cell，CSC），一类可以引起肿瘤内部异质性的细胞，检测其标志物在不同切片中的分布特点，发现CD47+和PROM1+的CSC在HCC中的高度富集与肿瘤的侵袭和迁徙增加相关。
2025-05-13 08:07:04
486
原创 非小细胞肺癌肿瘤内微生物群图谱及预后关联
一、写在前面本次分享的是2025年1月发布于《CLINICAL AND TRANSLATIONAL MEDICINE》的题为"Unravelling the prognostic and operative role ofintratumoural microbiota in non-small cell lung cancer:Insights from 16s rRNA and RNA sequencing"的文章。在这个聚焦于前沿探索的时代，我们同样需要关注那些能够夯实科研基础、拓展研究视野的优秀成果
2025-05-10 09:12:51
935
原创 《NBT》测评：scATAC-seq哪家强
研究团队通过模拟数据和基因型信息，运用 Scrublet 和 Freemuxlet 软件检测细胞双重捕获事件，发现 Scrublet 的双重捕获评分与峰区中位唯一片段数呈负相关（图 2f），而 Freemuxlet 的置信度评分则随片段数增加而升高（图 2g），表明片段数目是关键影响因素，为消除细胞计数偏差，团队从 169,000 个细胞中抽取平衡子集（每类细胞数固定，如 B 细胞 555 个，CD14+ 单核细胞 747 个等，扩展数据图 4a），结果显示。中回收率低（图 2l，扩展数据图 6）。
2025-05-09 08:55:03
824
原创 《Cell Metabolism》| 多组学联用挖掘肾脏致病基因
作者在免疫荧光中共染了UMOD与AQP2，结果显示无论在哪个区域，AQP2阳性细胞几乎在IMS中全是cluster5，表面PC在不同的区域中具有相似的代谢特征，而UMOD阳性的TAL主要被鉴定为cluster7(Figure 4J)。在转录组的角度，CERS6基因可以特异性的在足细胞中表达(Figure 4G)，这样就可以辅助IMS数据中足细胞的注释。而同样的TEC在不同的解剖区域展示出不同的表达转录组特征，例如tL(Figure 4A)、远端肾单元(Figure 4B)、TAL(Figure 4C)。
2025-05-08 08:33:06
1266
原创 Stereopy终于上架《NC》啦
阐明VCM在心脏成熟和生理中的发育（图5l）：VCM是心脏功能的基本元素，而EC、EP、FM和血细胞是促进CM成熟的微环境关键组成部分，微环境共同或特异地通过共享或独特的L-R对传递信号，进一步促进或抑制VCM内部的特定转录因子，这些转录因子最终影响下游基因表达，共同展示细胞功能状态和亚型。，改进了皮质区域的预测识别（图5b）。通过分析髓质及其组成细胞类型（如TAL、EC和其他免疫细胞）的差异表达基因和富集的基因本体（GO）术语，发现标记基因显示出更高的显著性，髓质中富集的GO术语与。
2025-05-06 08:28:06
992
原创 布置Python单细胞分析环境
即使是R语言一直引以为傲的可视化能力，也被Scanpy迎头赶上：其内置了多种可视化方法，从而利用matplotlib和seaborn等Python可视化库，可以创建高质量的图形，并且能够方便地进行定制和扩展，以满足不同的可视化需求。)领域的广泛应用，Scanpy 可以轻松与其他 Python 库和工具集成，如用于深度学习的PyTorch和TensorFlow，以及用于数据处理和分析的 Pandas 和 NumPy 等，便于进行更复杂的多模态数据分析和机器学习任务。首先，你在学习这个教程前，需要有一定得。
2025-04-30 08:14:30
656
原创 生信基地122篇单细胞教程全索引
以后不定期更新，方便大家获快速获得自己需要的教程。总有同学在添加我们时询问我们有哪些教程，这很难回答，毕竟我们光原创内容就有。我们挂在B站的免费单细胞课程点击量已经。啦，这里我们做一个生信基地现有。
2025-04-29 08:10:48
949
原创 一文了解Python中的单细胞通货：AnnData
领域的广泛应用，Scanpy可以轻松与其他Python库和工具集成，如用于深度学习的PyTorch和TensorFlow，以及用于数据处理和分析的 Pandas 和 NumPy 等，便于进行更复杂的多模态数据分析和机器学习任务。刚才我们添加的cell_type以及my_pathway包含的均是单个围堵的注释信息，而有些数据是以多维度的形式参与单细胞的数据处理。例如在scRNA-seq的数据中，每一行的数据对应为一个细胞表达的所有基因数据，每一列的数据对应为一个基因在所有细胞中的表达数据(这点与R中不同，
2025-04-28 08:07:44
828
原创 零代码复现《Genome Medicine》|scRNA-seq解析CXCL16/CXCR6驱动驻留T细胞促进突触消除
使用单细胞RNA测序检测了西尼罗河病毒恢复的小鼠前脑内的免疫细胞，以确定参与T细胞和小胶质细胞之间细胞间通讯的可能的配体-受体对。b. 在模拟和西尼罗河病毒感染的动物中分析的所有免疫细胞的tSNE图，显示9个簇，用密度簇标记，并在括号中用细胞类型身份和细胞数量注释。选择修改注释，找到需要修改的内容，选择编辑，然后将手动注释的结果，修改到对应的位置即可。
2025-04-26 09:03:18
736
原创 生信基地终身订阅须知
(一两百块就能拿到数十万字的资料还指望我一对一给你辅导出一篇SCI出来显然不现实)。订阅教程一般都有配套视频和注释，教程也都是编译好的html文件方便大家学习(这意味着我的代码在我手里是。还有37年的产权，欢迎随时来看看(南京市江宁区，详询文末微信)。经常有用户想要提前订阅资料，看来是真爱粉无疑了。以下内容终身订阅的用户可直接获得，后续内容我们持续发布中。目前我们每年能稳定产出10~30篇订阅资料，更新合辑的所有资料，不要担心我们不更新，)，这就是终身订阅合辑以外的独立服务啦。)，因此来我这学习的同学也。
2025-04-25 09:28:08
487
原创 造假无下限，手搓肿瘤？手绘WB条带？
第三方发现了一些科学违规行为，以及此图中的仪器（尺子）与无关作者组发表的其他论文的图片中出现的仪器（尺子）之间存在意想不到的相似性。最初作者联系期刊，要求撤回他们的论文，原因是他们的数据存在错误。然而，作者没有提供进一步的细节，也没有回应我们请求的对第三方所提出的其他问题发表评论的邀请，也没有提供原始的、未经修改的数据。作者最初以数据有误为由提出撤稿，但未说明具体错误，也未提供原始数据，未回应期刊对第三方所提其他问题发表评论的邀请，编辑们对研究数据和结论失去信心，最终决定撤稿。下图为被质疑的实验结果图。
2025-04-24 09:36:04
630
原创 细胞花式死亡之双硫化物死亡
尤其引人注目的是，研究发现，哺乳动物细胞中存在三种TrxR亚型——细胞质的TRXR1、线粒体的TRXR2及睾丸特异性的TRXR3，以及两种Trx形式——细胞质的Trx1和线粒体的Trx2。中具有不可忽视的作用，综述作者通过文献分析指出，谷胱甘肽（GSH）作为细胞内最丰富的低分子量抗氧化剂，在维持氧化还原平衡中至关重要（见图5）。的调控中具有核心地位，综述作者通过文献分析指出，这一动态机制在硫氧还蛋白系统（Trx）的参与下，对维持细胞氧化还原平衡和影响细胞死亡进程至关重要（见图3）。
2025-04-23 09:04:11
885
原创 CellChat细胞通讯运行内存及时间压力测试
从细胞数和峰值内存的统计结果的柱形图可以看出，随着细胞数目的增加，峰值内存也呈现逐渐递增的趋势。占据的内存小的多，考虑到系统本身以及环境中的其它变量，推荐大家至少准备128GB内存为宜。)时不知道哪个版本的配置适合自己，这里我们对CellChat细胞通讯运行进行了内存和时间占用的压力测试。从细胞数和计算时间统计结果的柱形图可以看出，随着细胞数目的增加，计算时间呈现逐渐递增的趋势。因此本流程接下来可以直接读取之前保存好的rds文件，进行Cellchat的时间和内存测试。总有小伙伴购买服务器(
2025-04-22 08:58:34
401
原创 单细胞测序做到啥程度能“博士”毕业？
来具体看一下内容，值得注意的是，这是一篇以数据分析为主的论文。不仅是上皮细胞，作者将内皮细胞分为了两个亚群：肿瘤内皮细胞(TEC)和正常内皮细胞(NEC)，通过差异分析及火山图可视化发现肿瘤内皮细胞中上调的基因主要与细胞外基质重塑、血管生成、脉管系统生成、肿瘤侵袭、细胞粘附等过程相关(emm，也许这里少一个。除了这两篇之外我还读了一篇博士论文，该论文的篇幅也在一百页左右，主要内容是20只不同分组的模式动物的单细胞测序分析，并且没有实验验证内容(包含一些临床样本的免疫荧光验证)。正常活化成纤维细胞,NAF；
2025-04-21 08:45:00
792
原创 IF=40.8|肿瘤免疫：从免疫基因组学到单细胞分析和人工智能
免疫细胞方面，TIME包含极其多样化的免疫细胞亚群，包括T淋巴细胞、B淋巴细胞、自然杀伤（NK）细胞、巨噬细胞、树突状细胞（DCs）、粒细胞和髓系来源的抑制细胞（MDSCs）等。随着测序技术和生物信息学算法的发展，研究人员能够从测序数据中提取最大信息，将遗传异常与抗肿瘤免疫相关联，预测肿瘤抗原，从而设计肿瘤疫苗。一般来说，用于生成个性化疫苗的新抗原是通过分析肿瘤和正常组织的 WES 和 RNA-seq 并通过 NetMHCpan 等算法预测有效表位来鉴定的，肿瘤疫苗开发的关键参数是理想的新抗原鉴定。
2025-04-19 09:03:43
587
原创 寻找双细胞过滤的八边形战士
1.1 简介无论是哪个平台的单细胞测序技术(微流控、微室、微滴等)，在建库过程中都会或多或少的形成一定比例的双细胞(doublets)，即两个或多个细胞混进了一个单细胞建库体系中从而被带上了相同的barcode。这样的情况会导致这种”单细胞”常常会包含多个(homotypic doublets)、甚至多种细胞(heterotypic doublets)混合而成的表达矩阵，从而造成对数据分析的干扰（难怪有些数据分群注释那么难）。为了避免这一现象，反应体系以及实验流程的优化是”湿实验”部分需要解决的问题(例如：
2025-04-18 08:16:48
571
原创 空间转录组做到啥程度能“博士”毕业？
最后一章则是对前文摸索的条件进行了应用，选用帕金森病模型小鼠，进行不同脑区的RNA-seq和单细胞转录测序，来评估不同脑区在疾病发展中的参与程度。为了进一步分析肿瘤转移发生的机制，作者使用了伪时序和细胞轨迹分析揭示转移形成过程中肿瘤细胞的去分化-再分化过程，结果表明在转移灶形成的过程中，肿瘤细胞先经历去分化形成转移灶，随后在转移灶中经历再分化使其在转移灶中定植，在各种拟时状态下分析细胞标志基因的表达，结果显示FOXD1和肿瘤干细胞中基因LGR5的表达模式是一致的，提示两者可能存在相互作用。
2025-04-17 08:13:07
882
原创 非模式物种PySCENIC分析流程
外的物种想要做scenic分析的话, 可以使用同源基因转换后再进行分析, 将要分析的物种的gene Symbol转换为人、小鼠或者是果蝇的gene Symbol后进行分析。odiscus sinensis（中华鳖）的基因-细胞的矩阵，进行pyscenic分析的话，可参考以下示例。目前pyscenic分析支持的物种仅为人、小鼠和果蝇，其他物种暂时还没有相应的数据库，因。本教程基于Linux及服务。SCENIC转录因子分析。器中的Rstudio环境。例如我们有一个Pel。
2025-04-16 08:17:43
428
原创 NIH如果禁止访问，我们还有哪些平替？
搜索界面如下，整洁好用，可以在Topic、Title、Author、Publication、Year Publish、Publication Date、Abstract、Address、Author Identifiers、DOI、Editor、Group Author多个尺度下对科研文章进行检索。事实上，EBI数据的下载体验比SRA更好，毕竟SRA数据库里的SRA、SRP、SRX号总是让人傻傻分不清楚。，同理NIH应该手没那么长？，理论上我们甚至可以曲线救国，直接从EBI中下载到SRA的数据。
2025-04-15 09:46:17
943
原创 单细胞测序做到什么程度能“硕士”毕业
详细的看了一下，文章伊始用了七页的篇幅对脑胶质瘤及其在单细胞领域中的研究现状做了简单的总结，恰到好处的让读者了解了此论文的研究背景。另外，作者对于单细胞矩阵的描述也存在谬误。我们先来看一下目录，1-19页，一半的篇幅都在讲算法背景，并且是已有的算法，其中还将每个算法的公式、条件罗列了出来，即使考虑到作者本人是数学系的，我个人也认为这种行为完全没有必要，前三章完全是综述类的内容。如果说这是一个硕士毕业必备的工作量，确实就有点卷了，好在这篇毕业论文的作者在这篇SCI中的排名比较靠后，可能是个多人合作的结果。
2025-04-14 11:17:05
602
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人