跳到主要内容
检索

# 单细胞分析

3 篇关联报道

订阅更新
  1. researchsquare.com

    中性粒细胞注释不再只看检出率:同一套注释流程,换一条质控规则就让9对患者中只剩3对显示下降

    中性粒细胞在单细胞数据里能被标出多少,并不等于样本组成估得准。研究用四个公开队列的蛋白测量与物理分选标签作独立参照,检验固定的注释流程和两条预设质控规则:在冻结质控下,SingleR 在配对全血蛋白阳性细胞中回收 99.10%,并在全部 9 对患者中估出中性粒细胞比例下降;改用另一条质控规则后,同一流程只在 3 对中估出下降,平均配对变化为 +0.12 个百分点。差异主要来自被筛掉的那部分细胞,而不是注释器本身。

  2. Biomedical Microdevices

    微孔平台用于单细胞应用及未来与人工智能的整合

    这篇综述梳理了微孔平台如何通过细胞加载策略、孔几何结构、平台架构与材料选择决定单细胞可获取的信息,并系统回顾其在细胞行为与细胞间相互作用、分泌组分析、基因组与转录组分析以及药物筛选与精准医学中的应用,同时区分了已在微孔研究中直接验证的人工智能方法与仍处于前瞻阶段的方法,指出微孔工程与人工智能驱动分析结合可将单细胞研究从测量推向预测与自主发现。

  3. 面向肝病学的AI虚拟细胞:单细胞模型中的表征、生成、动力学与干预

    这篇综述将当前通往肝脏AI虚拟细胞(AIVC)的研究组织为三条互补建模路线——生成模型表征细胞状态、动力学与转运模型推断状态转换、预训练或基础模型检验表征能否跨供体、病因、疾病阶段与平台迁移——并以扰动响应预测作为贯穿性评估,指出已发表模型仅展示了图谱整合、轨迹推断、可迁移表征与回顾性响应程序等单个组件,尚不构成经前瞻性验证的肝脏模拟器,近期应优先用于实验选择与假设生成,临床决策支持仍是更长期目标。

已读完全部报道