基因级别单细胞轨迹比对：基于动态编程的新方法 单细胞RNA测序（Single-cell RNA sequencing, scRNA-seq）技术的出现，极大推动了生物学的研究进程，使科学家能够观察到时间或空间中单细胞水平上的动态变化。然而，如何跨样本或条件（如对照与药物处理、体外与体内实验、健康与疾病等）比较这些动态变化，依然是一个巨大的挑战。本次研究通过开发一种称为“genes2genes”的新工具，试图解决单细胞轨迹比对中的关键问题，特别是在基因级别上实现精确的动态变化匹配。 本文由来自 Wellcome Sanger Institute、University of Cambridge、Columbia University 等机构的研究人员合作完成，通讯作者为 Sarah A. Tei...

这项研究运用机器学习框架探索了构成软组织肉瘤的基础细胞状态及其细胞生态系统,并将其与患者预后及免疫疗法反应性进行了关联分析。 研究背景:软组织肉瘤是一种罕见且异质性强的结缔组织恶性肿瘤,目前对转移期患者的系统治疗选择有限。虽然最近的研究显示免疫检查点抑制剂(ICI)可以使部分转移期肉瘤患者获得持久缓解,但大多数患者并不能从中获益。传统的生物标志物(如肿瘤突变负荷和PD-L1表达)无法准确预测肉瘤患者对ICI的反应。研究人员推测,独特的肿瘤微环境可能是导致这一现象的关键因素。 研究过程:研究人员组建了一个299例局部期肉瘤患者的RNA-seq表达谱训练队列,以及一个310例局部期肉瘤患者的基因芯片数据验证队列,并结合相关临床注释信息。他们运用Ecotyper机器学习框架,从肉瘤的bulk转录组...