PDGFR标记骨膜内不同的间充质和周细胞群体及其重叠的细胞特征

骨再生领域新进展:PDGFRβ标记骨膜多亚群间充质及周细胞的发现——解读《pdgfr marks distinct mesenchymal and pericyte populations within the periosteum with overlapping cellular features》 一、研究背景与科学问题 骨膜作为骨组织外层的薄层血管化组织,长期以来被认为是骨生长和修复中至关重要的细胞库。近年来,骨膜内间充质干/祖细胞(mesenchymal stem/progenitor cells, MSCs)的多样性与其在骨再生中的作用引发了广泛关注。多项研究已筛选出一系列骨膜祖细胞的表面标志物,包括CD73、CD164、PDPN、PDGFRα(platelet-derived ...

Deep scStar: 利用深度学习从单细胞RNA测序和空间转录组数据中提取和增强表型相关特征

近年来,单细胞测序(single-cell RNA sequencing,scRNA-seq)与空间转录组学(spatial transcriptomics, ST)等前沿技术极大推动了生命科学与临床医学的发展。其揭示了细胞异质性,提供了疾病、发育、免疫等重大领域的全新洞见。然而,大规模单细胞数据由于技术噪声强、批次效应(batch effects)复杂、生物信号多样且杂乱,使得“准确提取与增强与表型相关的特征”成为关键挑战之一。许多传统方法虽主攻降噪、整合,却可能同时削弱乃至丢失关键的表型决策信号,限制了研究者对疾病机制与细胞间互作的深入理解。 一、研究背景与意义 单细胞表型相关特征的识别对于阐明疾病进展、免疫应答、肿瘤耐药等问题至关重要。例如,在癌症免疫治疗、个体化诊疗中,能否准确识别那...

基于单细胞多组学数据集的拷贝数变异推断工具基准测试

一、研究背景及意义 在肿瘤学和基因组研究领域,染色体拷贝数异常(Copy Number Alterations, CNAs)是导致癌症发生与进展的关键遗传变异类型。CNAs不仅决定了肿瘤的异质性,而且对早期肿瘤检测、肿瘤亚克隆(subclone)演化分析、耐药机制研究等具有重要意义。传统的检测拷贝数变异的方法主要依赖单细胞DNA测序(scDNA-seq),虽分辨率高,但受限于高昂成本及测序覆盖度低,难以在大规模、通量高的实际应用中广泛开展。 随着单细胞RNA测序(single-cell RNA sequencing, scRNA-seq)技术的普及与数据积累,研究者发现,基于scRNA-seq数据在一定条件下也能够反推出潜在的基因组拷贝数变化,这大大拓展了利用已有转录组数据挖掘基因组结构变异...

揭示癌症新的标志性特征:肿瘤神经浸润全景图谱研究学术报道

癌症作为全球重大公共卫生难题,具有复杂的发生发展机制。长期以来,肿瘤微环境(tumor microenvironment,TME)的免疫、炎症、血管生成等过程被广泛关注,被视为肿瘤生物学行为的重要决定因素。近年来,癌症神经科学(cancer neuroscience)成为新兴交叉领域,发现神经系统不仅通过神经介质、递质等调控肿瘤发展,还通过神经-肿瘤细胞的直接或间接互作影响肿瘤的生长、转移与侵袭。尽管诸如“外周神经侵犯(perineural invasion, PNI)”等神经相关现象已受到关注,但系统性量化和评价“神经浸润”在肿瘤疾病中的广泛性、分子特征和临床意义仍处于初级阶段。本文报道正是基于这样的问题意识和科学背景展开,旨在深入探讨神经因素是否可作为肿瘤新标志性特征(cancer ha...

基于Granger因果循环自编码器的时间序列单细胞RNA测序数据推断基因调控网络

一、学术背景与研究动机 近年来,单细胞RNA测序(single-cell RNA sequencing, scRNA-seq)已成为生命科学与医学研究领域极具突破力的技术之一,使得研究者能够以单个细胞为单位,捕捉到众多细胞间转录水平的微妙差异。这项技术极大地丰富了细胞生物学,对理解细胞分化、发育和疾病发生机制具有重要意义。基于scRNA-seq数据,推断基因调控网络(gene regulatory networks, GRNs),进而揭示转录因子与靶基因间复杂的调控关系,已成为当前生物信息学和系统生物学中的关键问题之一。 然而,scRNA-seq数据本身具有高噪声、高稀疏性和“掉落事件”(dropout events)等特点,带来了极大的数据分析挑战。尤其是在分析时间序列单细胞数据(time...