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...

学术背景 乳腺癌是全球女性中最常见的恶性肿瘤之一，其发病机制复杂，涉及多种细胞类型和信号通路的相互作用。近年来，肿瘤微环境（Tumor Microenvironment, TME）在癌症进展中的作用逐渐受到关注。中性粒细胞（Neutrophils）作为免疫系统的重要组成部分，在肿瘤微环境中的功能尚不完全清楚。虽然已有研究表明中性粒细胞在某些情况下可以促进肿瘤生长和转移，但其在乳腺癌中的具体作用机制仍不明确。因此，深入研究中性粒细胞与肿瘤细胞之间的相互作用，对于揭示乳腺癌的进展机制并开发新的治疗策略具有重要意义。 论文来源 本论文由来自以色列特拉维夫大学（Tel Aviv University）的Sandra Camargo、Ori Moskowitz等研究人员共同完成，合作单位包括荷兰皇家艺...

研究背景 基因调控网络（Gene Regulatory Networks, GRNs）是理解细胞内复杂生物过程的关键工具。它揭示了转录因子（Transcription Factors, TFs）与靶基因之间的相互作用，从而控制基因的转录过程，进而调控细胞行为。随着单细胞RNA测序（single-cell RNA-sequencing, scRNA-seq）技术的发展，研究者能够在单细胞分辨率下获取基因表达数据，这为GRNs的推断提供了前所未有的机会。然而，scRNA-seq数据的稀疏性和高变异性为GRNs的推断带来了巨大挑战。 现有的GRN推断方法主要分为两类：基于相关性或互信息的无监督学习方法，以及基于机器学习的监督学习方法。尽管这些方法在某些情况下表现出色，但它们往往依赖于成对基因的相关...

免疫细胞在应对多种刺激时会经历细胞因子驱动的极化过程，这一过程会改变其转录谱和功能状态。这种动态变化在健康和疾病中的免疫反应中起着核心作用。然而，目前尚缺乏一种系统的方法来评估单细胞RNA测序（scRNA-seq）数据中的细胞因子驱动极化现象。为了解决这一问题，研究人员开发了单细胞统一极化评估（SCUPA）方法，这是首个用于全面评估免疫细胞极化的计算方法。 论文来源 该论文由Wendao Liu和Zhongming Zhao共同撰写，他们分别来自The University of Texas MD Anderson Cancer Center UTHealth Houston Graduate School of Biomedical Sciences和Center for Precisio...

单细胞RNA测序（scRNA-seq）技术能够以单细胞分辨率进行高通量转录组分析，极大地推动了细胞生物学的研究。然而，scRNA-seq技术的一个显著局限性是，它需要将组织解离，导致细胞在组织中的原始空间位置信息丢失。空间转录组学（Spatial Transcriptomics, ST）技术能够提供精确的空间基因表达图谱，但其在基因检测数量、成本以及细胞类型注释的精细度方面存在限制。因此，如何在scRNA-seq数据中恢复空间信息，成为了当前研究的一个重要挑战。 为了解决这一问题，研究人员提出了通过细胞对应学习（cell correspondence learning）在scRNA-seq和ST数据之间传递知识的方法，从而恢复scRNA-seq数据中的空间信息。然而，现有的方法在建模局部和全...

单细胞RNA测序（single-cell RNA sequencing, scRNA-seq）技术近年来在生物学和医学研究中得到了广泛应用，它能够揭示单个细胞的转录组信息，从而帮助科学家更好地理解细胞的异质性和复杂性。然而，scRNA-seq数据中存在一个普遍的问题，即“dropout事件”（dropout events）。这些事件导致许多基因在单个细胞中的表达值被记录为零，而这些零值可能分为两类：一类是“生物零”（biological zeros），表示基因在该细胞中确实没有表达；另一类是“技术零”（technical zeros），由于测序技术的限制导致基因表达未被检测到。这种数据稀疏性严重影响了后续分析的准确性和有效性，例如细胞聚类和轨迹推断。 为了解决这一问题，研究人员开发了多种插补...

急性移植物抗宿主病（AGVHD）中器官特异性T细胞分化的研究 学术背景 急性移植物抗宿主病（Acute Graft-versus-Host Disease, AGVHD）是异基因造血干细胞移植（Allogeneic Hematopoietic Stem Cell Transplantation, HCT）后常见的严重并发症，由供体T细胞对宿主组织的免疫攻击引起。尽管AGVHD的病理机制已有所研究，但T细胞在特定器官中的分化机制仍不明确。T细胞在不同器官中的特异性反应可能受到局部微环境的调控，但这种调控的具体机制尚未被完全阐明。AGVHD影响多个器官，包括胃肠道、皮肤、肝脏和肺部，但不同器官的病理特征和免疫反应存在显著差异。了解这些差异有助于开发针对特定器官的治疗策略。 为了探究这一问题，研究...