一、研究背景 动脉粥样硬化（atherosclerosis）是心血管疾病的主要病理基础，其发生与血管内皮细胞（endothelial cells, ECs）功能紊乱密切相关。血流动力学因素在动脉粥样硬化的区域选择性中起关键作用：振荡剪切应力（oscillatory shear stress, OS）（如血管分叉处）促进斑块形成，而脉动剪切应力（pulsatile shear stress, PS）（如直血管段）具有保护作用。近年研究发现，ECs在OS作用下会出现代谢重编程（metabolic reprogramming），表现为糖酵解（glycolysis）增强，但具体分子机制尚未阐明。 表观转录组学（epitranscriptomics）领域发现，RNA的m6A甲基化修饰（N6-methy...

研究背景与学科意义 在真核细胞内，染色质（Chromatin）的三维空间结构对于基因表达调控有着至关重要的作用。DNA通过复杂的折叠、环化及局部空间重构，使不同基因元件（如启动子promoter、增强子enhancer等）在空间上变得邻近，并实现精细的顺式（cis）调控。近年来，无论在发育生物学、疾病机理还是表观遗传学研究中，三维基因组（3D-genome）的动态结构都被反复证明与基因表达变化密切相关。 当前，捕捉基因组空间构象的实验方法主要包括3C、4C、5C、Hi-C、ChIA-PET、HiChIP等。然而，这些实验方法成本高昂、操作复杂，且常常受到生物材料来源、分辨率及信噪比等条件限制，难以为多样化的生物学问题或疾病研究大规模提供数据。与此同时，随着多组学数据的积累，尤其是DNA序列、...

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...

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...

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...

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...