- 综合排序
- 最热优先
- 最新优先
【辰辉创聚生物】蛋白质组学：裂解化学、机械破碎与分馏策略在蛋白提取中的分子机制解析
蛋白提取的本质并非单纯的物理破碎，而是在细胞结构崩解的瞬间，通过化学与热力学手段将蛋白质组的生化状态加以保存。 一、物理屏障的突破：机械破碎与能量控制对于培养细胞等结构相对脆弱的样本，温和的化学裂解即可实现有效提取。 通过引入特异性的磷酸酶或去乙酰化酶抑制剂，可以防止裂解后发生的体外修饰变化，从而确保检测结果反映真实的细胞状态。三、亚细胞分馏与空间信息富集细胞内部高度分区化，许多关键生物学过程发生在特定细胞器中。 亚细胞分馏技术通过降低样本复杂度，为低丰度蛋白的检测提供了有效途径。该策略的核心是差速离心。利用不同细胞器在重力场中的沉降特性，通过逐步提高离心力，可依次分离细胞核、线粒体及膜性组分。 分馏不仅提供空间定位信息，也在一定程度上提升了蛋白质组分析的灵敏度。四、复杂样本的特异性挑战不同生物基质对蛋白提取提出了差异化挑战。
10410编辑于 2026-03-09- 来自专栏生物信息学
蛋白质亚细胞定位分析
大家晚上好，今天给大家带来的内容是蛋白质亚细胞定位分析，首先做一个简短的介绍。 亚细胞定位是指某种蛋白或某个基因表达产物在细胞内的具体存在部位，包括细胞核、细胞质和细胞膜等部位。 如果能利用生物信息学手段基于一些算法如机器学习等开发的方法进行亚细胞定位预测分析辅助于实验，这样就能省时省力节约成本。 这里以本生烟草为例，给大家介绍如何对感兴趣的很多个蛋白质进行亚细胞定位分析，分为公共平台数据和分析预测两部分。 较好的一点是，subcellular location列信息中还包括了亚细胞定位的文章出处。 最后，拿BUSCA预测结果与感兴趣蛋白的定位数据进行比较，主要为了： 1，看BUSCA工具亚细胞定位预测分析的可信度如何 2，整合感兴趣蛋白的亚细胞定位数据信息 参考BUSCA工具文章链接：https
4.3K10发布于 2020-04-14 - 来自专栏医学数据库百科
预测 lncRNA 亚细胞定位的网站
在整个基因转录翻译的过程当中，基因是在细胞核发生转录，然后出核到细胞质当中发生翻译。对 lncRNA 而言，由于lncRNA的功能主要还是通过影响其它基因来实现的。 如果在细胞核，就是参与转录调控了，经典的方式还是影响ceRNA的方式来进行调控；而如果在细胞质的话，那就参与转录后调控了，比如和mRNA形成互补双链来增加 mRNA 的稳定性。 老基因查询 如果我研究的基因是其他人已经研究很深入的基因了，一般都会有人去做其细胞定位的。 之前我们的介绍 ENCODE 数据库的时候，提到他们做了很多细胞、组织的测序结果，而在里面对于细胞系的测序结果。他们其实还分了细胞核测序以及细胞质测序的结果。 所以基于这个结果，我们就可以知道某一个基因/lncRNA 是在核表达还是在细胞质表达了。但是，这些ENCODE做了细胞系可能不全，只是其中代表性的几个。
3K10发布于 2020-06-03 - 来自专栏生物信息学
基于机器学习的蛋白质亚细胞定位预测
蛋白质是生命活动的主要承担者，也是组成人体一切细胞、组织的重要成分。研究表明，所有蛋白质有对应的亚细胞器，不同功能的蛋白质只有存在于特定的亚细胞器，才能正常发挥其作用。 因而寻找一种简单高效的方法对蛋白质亚细胞器进行定位，即获取其特定的亚细胞区间，对了解蛋白质的功能和性质，研究蛋白质之间的相互作用具有重要意义。 随着高通量测序时代的来临，大部分生物数据需要通过理化实验对其结构及功能进行注释，传统标注方法如细胞分馏、电子显微镜和荧光显微镜等，成本较高，且耗时费力，借助先进高效的计算机技术，基于统计预测或理论计算的方法从海量数据中挖掘出有效信息已成为了当今时代的迫切需要 氨基酸组成(AAC) 氨基酸组成是蛋白质亚细胞定位预测领域中最常用的统计学方法。 其中，FNi是第i类亚细胞区间预测错误的序列条数，TPi是第i类亚细胞区间预测正确的序列条数，M为亚细胞类别总数。
1K20发布于 2020-04-14 AbMole| BS3助力揭秘衣康酸转运体ABCG2抑制免疫抗菌能力
衣康酸是一种由免疫应答基因1(IRG1)对TCA循环中间产物顺乌头酸进行脱羧而合成的代谢产物，随后被转运到细胞质中，从而在巨噬细胞中发挥多种调节作用。然而，衣康酸从巨噬细胞中排出的机制仍不清楚。 随后研究人员敲除了THP-1 细胞和永生化小鼠骨髓衍生巨噬细胞（iBMDMs）中的 ABCG2/Abcg2。 LPS 激活的巨噬细胞中输出。 在本研究中，免疫荧光和细胞分馏分析等实验结果表明，ABCG2/Abcg2 KO或 ABCG2 ATP水解缺陷突变体的重组表达能促进 LPS 刺激的TFEB 核易位，促进溶酶体基因表达和溶酶体区室的形成。 最后，为了确定该研究结果与人类的相关性，研究人员使用人巨噬细胞进行验证，生化分析和亚细胞分馏分析等研究表明，在 LPS 激活的人巨噬细胞中，ABCG2 的表达与衣康酸的输出相关，阻断 ABCG2 可促进
12910编辑于 2025-12-23方法更新---亚细胞分辨率空间转录组学的单细胞划分
作者，Evil Genius现在已经有了多个亚细胞精度的空间平台，例如10X HD、Stereo-seq、Slide-seq等，虽然大多数还是采用bin模式的分析方法，但我们更希望有细胞分割的方法来实现单细胞级别的空间分析 关于10X官方推出的HD细胞分割的方法，需要btf文件和专门的分析软件（Stardist）。但是国内没有btf。那么很多人就转向了bin2cell，但是实际效果有待进一步确认。 关于Stereo-seq，华大也推出了细胞分割的方法，目前看到了一篇文章是这么做的，分享文章在文献分享---人动脉粥样硬化斑块中三级淋巴样器官结构的单细胞空间转录组学研究（Stereo-seq）不过以上方法都是基于核分割 今日参考文献，实现亚细胞精度空间转录组的核扩展分割。知识积累现有的方法通常将SRT数据网格化为预定义的正方形，这对于准确捕捉细胞边界是不现实的。整合亚细胞SRT数据和细胞核染色图像来实现单细胞分割。
29220编辑于 2025-06-04- 来自专栏单细胞
单细胞实战之亚细胞分群从TNK至CD4+T细胞——从入门到进阶(中级篇1）
两个映射工具 这四个初级部分的学习后，我们将正式进入中级篇，第一讲的主题是亚细胞分群。 严格来说，亚细胞分群其实更适合作为高级篇的内容，因为它涉及多个关键因素，包括基础生物学背景、技术流程熟练度，以及最新的研究进展。 然而，考虑到笔者自身的经验和技术水平有限，同时为了确保课程内容的有序推进(后续涉及到亚群的分析)，经过多番思考，最终还是决定将亚细胞分群归入中级篇进行讲解。当然，这仅是笔者的一家之言，未必绝对正确。 如果您有更佳的亚细胞分群流程，欢迎在推文下方留言交流。 再看一下cosg分析后每个簇中的Top3基因，第6簇基本上是B细胞没跑了。
89710编辑于 2025-02-22 - 来自专栏单细胞
单细胞实战之亚细胞分群之CD4+T细胞分群——从入门到进阶(中级篇2）
,"ICA1","TOX","TOX2","IL6ST"),#滤泡辅助性T细胞;CD185=CXCR5 Ths=c("CCR10","CCR4","CCR6","CXCR3")#"CCR10","CD194 /Th1细胞（IFNG，GZMK，BHLHE40）；Th17细胞(IL23R)；Tfh细胞(CXCR5)；组织驻留记忆T细胞，Trm(CXCR6)；固有层Trm细胞,P.Trm(CD6)；CD4_markers_step3 )、STAT1、STAT4等Th2细胞的特征性转录因子包括：GATA3、BATF、IRF4、STAT6等Th17细胞的特征性转录因子包括：RORγt(RORC)、AHR、BATF、c-MAF(CMIP) 等接下来用Treg细胞作为例子，既往在按照生物学背景分析时第3,6,10,13,16,18簇被认为可能为Treg细胞。 综合三次转录因子活性分析的结果其中第3、6、13、16是Treg细胞的可能性最大，均含有较高的FOXP3+。
2K00编辑于 2025-03-23 - 来自专栏生信修炼手册
Euk-mPLOC:预测真核生物蛋白的亚细胞定位
对于蛋白质功能研究而言，亚细胞定位是非常重要的分析内容。蛋白质在细胞中是流动的，所以一个蛋白可以具有一个到多个的亚细胞定位信息。 比如转录因子等蛋白，其亚细胞定位是动态变化的，在不同亚细胞中产生不同的细胞功能。 了解蛋白质的亚细胞定位信息，可以对预测其生物学功能提供帮助。 Euk-mPLOC是一个在线软件，可以预测真核生物蛋白的亚细胞定位。 网址如下 http://www.csbio.sjtu.edu.cn/bioinf/euk-multi-2/ 将亚细胞定位分成了以下22种不同区域 Acrosome Cell wall Centriole 对于每条输入的蛋白序列，都会给出预测到的多个亚细胞定位信息。 ·end· —如果喜欢，快分享给你的朋友们吧—
2.7K30发布于 2020-05-08 - 来自专栏作图丫
6分+细胞焦亡思路来袭！
可能是因为这些树突状细胞、M1巨噬细胞、B细胞以及激活的CD4和CD8 T细胞的存在，赋予了cluster1患者显著的存活优势。 为了构建能够量化每位患者的模型，作者使用 LASSO-Cox回归模型以最小λ保留22个差异基因中的6个，并使用这6个基因构建与焦亡相关的特征评分（图4D，表1）。 Figure 5 06 细胞焦亡相关调控因子与肿瘤微环境 作者在队列中分析了细胞焦亡基因与TME细胞的浸润情况（图6E-G）。 免疫激活相关细胞，如激活的T细胞、NK细胞、M1巨噬细胞、树突状细胞、中性粒细胞，与焦亡模型呈负相关。较高的分数与静息记忆细胞、单核细胞、肥大细胞、癌症相关成纤维细胞和内皮细胞密切相关。 Figure 6 07 细胞焦亡模型在Anti-PD1/PD-L1免疫治疗中的作用 作者首先在ACRG队列和TCGA-STAD队列中检查了不同细胞焦亡模型免疫检查点的表达变化，发现低评分组免疫检查点基因表达水平较高
55530编辑于 2022-03-29 - 来自专栏生物信息云
scGHOST:鉴定单细胞3D基因组亚区室
然而，目前还没有对单细胞亚区区进行注释的方法，而这对于理解单细胞染色体的空间定位是很重要的。这里我们介绍一种新方法：scGHOST。 scGHOST，这是一种使用带约束随机游走采样的图嵌入技术的单细胞亚区注释方法。 scGHOST在单细胞Hi-C数据和由单细胞3D基因组成像推导出的接触图中的应用，证明了其能可靠地识别单细胞亚区，为核亚区的细胞间变异性提供了见解。 通过使用来自复杂组织的单细胞Hi-C数据，scGHOST识别出与各种细胞类型和发育阶段中的基因转录相关的细胞类型特异性或等位基因特异性亚区，这表明了单细胞亚区的功能意义。 scGHOST是一种在广泛生物背景下注释单细胞3D基因组亚区的有效方法。
64610编辑于 2024-05-06 - 来自专栏单细胞天地
国内首款亚细胞级微孔空间转录组芯片震撼发布！
国内首款亚细胞级微孔空间转录组芯片震撼发布！ 在组织的原始位置探索基因表达模式对于了解其中的细胞类型和功能非常重要,现有的空间转录组分析方法存在通量低或分辨率不足等局限。 百创智造自主研发的百创S1000空间芯片可在亚细胞分辨率水平上，检测完整组织切片中的原位基因表达信息，实现组织结构的精细解读。 空间转录组测序技术被《Nature Methods》评为2020年度技术以来，其相关技术呈指数级增长，在给定的预测期内，全球单细胞与空间转录组分析市场预计到2026年将达到约77亿美元。 就在今天，国内生物科技公司百迈客生物经过多年研发，正式发布了国内首款亚细胞级微孔空间转录组芯片：百创S1000 百创S1000可以让研究者们结合不同阶段图谱数据，获得全面的亚细胞级时空动态表达图谱，从而为疾病的诊断治疗及药物研发提供更有力的决策依据 中国科学院北京基因组研究所研究员 于军 中国农业科学院王晓武 研究员谈到，目前空间转录组测序技术应用在植物研究领域的主要障碍是植物有细胞壁，而现在的空间转录组透化试剂都是针对动物组织进行研发的，因此很多时候无法很好的将细胞中的
84940编辑于 2022-06-13 - 来自专栏生信菜鸟团
Cell：对亚细胞蛋白质组进行全局表征，发现许多蛋白质是通过其空间分布的变化而非丰度变化来调节的
可以在免疫沉淀（IP）、连续溶解或生化分馏后进一步测量整个区室的蛋白质组成。 分馏可用于纯化特定细胞器以进行深入分析，或者使用蛋白质相关性分析来表征来自给定样品的所有细胞区室。 我们观察到，根据亚细胞重构定义的感染命中与不同丰度的蛋白质或转录物之间的重叠非常小（图6A和6B；图S6A和S6B）。 另见图S6。 Para_01 铁死亡是亚细胞重塑感染命中最富集的过程之一（图6A）。 此外，局部k-NN网络揭示了感染后NCOA4亚细胞环境的特定变化（图6F和图S6F）。 Subcellular fractionation and whole cell extract preparation Para_01 为了粗略的细胞器亚分馏（"N/O/C"组分，参见正文和图1E），
68210编辑于 2025-02-27 - 来自专栏生信技能树
亚实性结节和磨玻璃结节肺腺癌单细胞水平的差异如何
最近在朋友圈看到两个还算是比较类似的单细胞文章： 2021年1月27日，亚实性结节(SSN)的肺腺癌 单细胞文章是：https://advances.sciencemag.org/content/7/5 亚实性结节(SSN)的肺腺癌 单细胞 ? 2020的10月6日，磨玻璃结节肺腺癌（GGN-ADC）单细胞文章是: https://www.nature.com/articles/s41421-020-00200-x We obtained 60,459 of lung adenocarcinoma manifested as pulmonary subsolid nodules by single-cell RNA sequencing" 该研究利用单细胞测序技术全面揭示了影像学表现为亚实性结节 亚实性结节的肺腺癌单细胞研究是：对16名CT影像学表现为SSN的肺腺癌患者的手术切除样本进行单细胞转录组测序，同时整合已发表的6例癌旁样本(nLung)和9例进展性肺腺癌样本(mLUAD)的数据，共获得
90920发布于 2021-02-03 - 来自专栏AI科技评论
29 篇选 6，微软亚研院AAAI 2020论文精选，必看！
本届 AAAI 中微软亚洲研究院有29篇论文入选，本文为大家介绍的6篇精选论文涵盖多维数据普适分析、文本风格迁移、句子改写、集成学习、实体链接任务等多个前沿主题，如果你不能去到大会现场，先来看看这些精选论文吧 关注「AI科技评论」微信公众号，后台回复「微软@AAAI2020」下载6篇论文合集。 图5：跨语言零样本问题生成/文本摘要任务实验结果 此外，我们还实验了在有不同数目的目标语言训练数据的情况下，XNLG 的跨语言迁移效果的变化情况，如图6所示。 图6：跨语言迁移实验结果 3、基于事实感知的句子切分改写任务与置换不变训练 Fact-aware Sentence Split and Rephrase with Permutation Invariant 6、用于神经机器翻译的转导集成学习 Transductive Ensemble Learning for Neural Machine Translation 论文链接：https://www.msra.cn
77810发布于 2020-02-21 - 来自专栏生信技能树
python单细胞学习笔记-day6
单细胞学习笔记-day4 python单细胞学习笔记-day4（续） python单细胞学习笔记-day5 今天继续学习视频：python_day6 ！ touch day6.ipynb 课前准备操作到 23:52 本次课程需要用到的模块，提前安装好： 永久镜像设置： #永久设置镜像 pip config set global.index-url https sc.logging.print_header() # 查看主要包库的版本 sc.settings.set_figure_params(dpi=80, facecolor="white") 2.读取数据 day6/ data文件夹下面是标准的10x上游cellranger的输出结果：barcodes.tsv genes.tsv matrix.mtx adata = sc.read_10x_mtx( "day6/ # 转换成矩阵 adata[0:6, ['CD3D','TCL1A','MS4A1']].X.toarray() # 转换成数据框 adata[0:6, ['CD3D','TCL1A','MS4A1'
41611编辑于 2025-02-05 - 来自专栏生物信息云
单细胞专题 | 6.单细胞下游分析——不同类型的数据读入
单细胞专题 | 1.单细胞测序（10×genomics技术）的原理 单细胞专题 | 2.如何开始单细胞RNASeq数据分析 单细胞专题 | 3.单细胞转录组的上游分析-从BCL到FASTQ 单细胞专题 | 4.单细胞转录组的上游分析-从SRA到FASTQ 单细胞专题 | 5.单细胞转录组的上游分析-从FASTQ到count矩阵 ---- 1.数据读入 Cell Ranger生成的主要表格文件主要包括 y = c(sceList[[2]],sceList[[3]],sceList[[4]], sceList[[5]],sceList[[6] y = c(sceList[[2]],sceList[[3]],sceList[[4]], sceList[[5]],sceList[[6] barcodes，所有定量的基因和每个细胞的UMI矩阵。
4.6K41编辑于 2022-12-16 - 来自专栏作图丫
单细胞+m6A相关分析~
03 m6A介导的巨噬细胞分析 本研究从骨髓细胞中提取了总共 5822 个巨噬细胞，并分为肿瘤相关巨噬细胞（5586 个细胞）和正常巨噬细胞（236 个），获得了五个主要的 m6A-mac 集群，包括四个具有 随着特殊 m6A 介导的亚细胞类型中主要主导 m6A 基因的变化，本研究发现在这些亚细胞群(包括CAF、巨噬细胞、CD8 + T、Treg和B细胞)中，它们的无复发生存率(图5A)和总生存率(图5B)显著不同 此外，本研究使用logistic回归方法观察了m6A亚TME细胞在13个公共癌症队列(包括透明细胞肾细胞癌(ccRCC)、非小细胞肺癌(NSCLC)、met-黑色素瘤、黑色素瘤、尿路上皮癌和膀胱癌)中接受免疫治疗的患者的免疫应答的相同有意义的现象 亚簇到肿瘤上皮细胞肿（图 6A ）。 图 6 小编总结 本研究首次通过单细胞测序分析方法，鉴定了TME细胞特异性RNA m6A修饰的细胞亚型，揭示了m6A甲基化介导的肿瘤微环境细胞间通讯在调控肿瘤生长和抗肿瘤免疫调节过程中的作用。
53720编辑于 2022-12-04 - 来自专栏用户7627119的专栏
公开数据单细胞挖掘6+分思路
Immune Checkpoint Therapies 实体瘤中癌症特异性免疫预后特征及其与免疫检查点治疗的关系 http://mpvideo.qpic.cn/0bf2n4bvuaad3mahbugq6vpvg36dljxqgwqa.f10002 对于黑色素瘤和乳腺癌，确定了三个免疫功能亚群（NK+T细胞、B细胞、混合细胞功能-嗜酸性粒细胞/中性粒细胞/趋化因子/细胞周期，单核/巨噬/树突状细胞MoMaDC）。 对于胶质母细胞瘤和头颈癌，因为B细胞功能的富集未形成显著的特征，所以只确定了两个主要的免疫功能亚群（NK+T+B细胞、混合细胞功能-中性粒细胞/细胞周期，单核/巨噬/树突状细胞MoMaDC）。 对于结直肠癌，确定了四个主要的免疫功能亚群（NK+T细胞、B细胞、MoMaDC、无特殊特征）。 另外，确定了两个主要的免疫功能亚群：cluster 1具有较高的NK细胞，T细胞和B细胞功能富集，cluster 2具有较高的MoMaDC，小胶质细胞和Toll-类受体（TLR）功能富集（图2.a），该结果与先前对
71330编辑于 2022-09-21 - 来自专栏单细胞天地
OSCA单细胞数据分析笔记6—Normalization
细胞文库标准化之平衡的差异基因？ 3.2 根据外参转录本的标准化 ---- 1、背景知识 1.1 为什么要标准化 因为在制备单细胞文库时，排除低质量细胞的前提下，最理想的测序结果就是每个细胞的文库大小均相同，这样不同细胞的相同基因水平才具有可比性 用一个指标(size factor)评价每一个细胞受到的技术误差大小、方向(相对所有细胞文库的均值，而不是绝对意义上的偏离标准文库的距离)。然后分别根据每个细胞的指标的值进行对该细胞的标准化。 factor对该细胞的所有基因表达进行归一化处理，即基因表达量除以细胞文库因子。 （2）适用情形 之前提到的细胞文库size factor标准化相当于是把所有细胞的文库大小拉到同一水平进行基因的比较； 但是如果观察的目的之一就是细胞内基因表达总量的变化，例如T细胞激活前后等，具体要结合生物背景知识了
1.7K41发布于 2021-04-29
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号