- 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。 在上述分析结果中，第3簇和第4簇的CD4表达水平均高于CD8A，且细胞数量也更多；第7簇中，CD4和CD8A的表达水平以及细胞数量都较为接近；而第9簇中，CD8A的表达水平高于CD4，且细胞数量更多。
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）
)library(data.table)library(dplyr)library(qs)library(BiocParallel)register(MulticoreParam(workers = 8, sub_data_cd4+T.qs")DimPlot(sce)table(sce@meta.data$RNA_snn_res.2)# 0 1 2 3 4 5 6 7 8 =list( T_check=c("CD3D","CD3E","CD4",'CD8A',"PTPRC"), Naive=c("CCR7"), Tcm=c("ANXA1","TCF7"), library(data.table)library(SCENIC)library(qs)library(BiocParallel)register(MulticoreParam(workers = 8, JU1g7VOHekzv7XmncCZ62g https://mp.weixin.qq.com/s/AehBIahuY9Fy_sQcShx-Eg生信方舟：https://mp.weixin.qq.com/s/sL_8YFulHsZ42L8G5DyY8w
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。
64510编辑于 2024-05-06 - 来自专栏生物信息云
单细胞专题 | 8.单细胞类型注释之SingleR包详解
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 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 | 计算待测细胞X与参考集A类细胞的相关系数，细胞X与参考集A类细胞的相关系数为80%分位数（由于参考集A类细胞有很多重复，会得到多个相关系数）。 基于delta值细胞分布 注：每一格子图表示一个细胞类型，子图里每个点表示一个细胞。横坐标为分配到该类型的细胞，纵坐标为该细胞的 delta中位数。 ，按道理是不会有NK细胞的，但是这里有些细胞注释为NK细胞，是有问题的。
12K61编辑于 2022-12-16 - 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 ? 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 10x Genomics单细胞转录组测序，结果共获得60,459 个细胞的表达谱数据，成功鉴定出肿瘤细胞、内皮细胞、T细胞等9种细胞类型。 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 - 来自专栏作图丫
【单细胞文献解读】溃疡性结肠炎CD8+T细胞的单细胞图谱
这项工作基于单细胞转录组学及质谱流式细胞技术，对健康人及溃疡性结肠炎（UC）患者的结肠CD8+ T细胞进行了分析，对比了患者与健康人结肠中各CD8+ T细胞亚群在比例及功能上的差异。 数据介绍 对3名健康人与3名UC患者的结肠CD8+T细胞进行单细胞转录组测序，共获得8,581 个细胞。 测序平台：10x Genomics。 小结：描绘了结肠CD8+T细胞的异质性，包括具有固有性和适应性特征的IL26+细胞和DP调节性CD8+T细胞。 02 溃疡性结肠炎结肠CD8+T细胞的动态重构 作者观察到溃疡性结肠炎患者CD8+T细胞亚群变化较大，例如，组织驻留的记忆T细胞（TRM）平均占健康恢复细胞总数的45%，但仅占CD8+细胞总数的约10% 揭示了CD8+T细胞组成中广泛的异质性，包括扩增的效应子和效应子后分化的CD8+T细胞。
1.2K20编辑于 2022-03-29 - 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。 最后，内源性标记的GLT8D1显示核仁定位，尽管被注释为高尔基体/TGN蛋白。 对于像GLT8D1这样的II型跨膜蛋白来说，核仁定位将是出乎意料的。 这633个异常值定义为"感染命中"（表S7）：在感染期间其亚细胞环境发生显著变化的蛋白质。 感染命中占我们数据集中测量的蛋白质组的8%，表明病毒感染时发生了广泛的全细胞重塑。 ◉ （D）通过流式细胞术检测OC43感染细胞（抗OC43抗体541-8F）。 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），
68110编辑于 2025-02-27 - 来自专栏文献分享及代码学习
单细胞数据复现-肺癌文章代码复现8
单细胞数据复现-肺癌文章代码复现1https://cloud.tencent.com/developer/article/1992648 单细胞数据复现-肺癌文章代码复现2https://cloud.tencent.com /developer/article/1995619 单细胞数据复现-肺癌文章代码复现3https://cloud.tencent.com/developer/article/1996043 单细胞数据复现 /developer/article/2008487 单细胞数据复现-肺癌文章代码复现6https://cloud.tencent.com/developer/article/2008704 单细胞数据复现 #color scheme use_colors <- c( Tumor = "brown2", Normal = "deepskyblue2", G1 = "#46ACC<em>8</em>", G2M "T_CD8_3", "T_CD8_Proliferating",
82920编辑于 2022-06-17 - 来自专栏作图丫
8+！单细胞+m6A相关分析~
伪时间分析显示，m6A RNA 调节因子在包括成纤维细胞、NK 细胞、巨噬细胞、CD4 + T 细胞和 CD8 + T 细胞等在内的 TME 细胞的轨迹过程中发挥着关键作用（图 2A)。 04 m6A介导的T/B细胞表型强调了CRC中的抗肿瘤免疫反应 在检测到的 23,115 个 T 细胞中，本研究确定了 8 种主要细胞类型，包括 CD4+、CD8+、Treg、NK等，以进行进一步分析（ 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 CD45、CLEC2D - KLRB1、CLEC2C - KLRB1 、 CLEC2B - KLRB1、APP - CD74、CD99 - CD99 和 ADGRE5 - CD55，存在于 m6A 亚簇到肿瘤上皮细胞肿
53720编辑于 2022-12-04 - 来自专栏新智元
【Nature Methods】 2016 最值得关注的 8 大技术
蛋白定位亚细胞图谱（Subcellular maps） 系统绘制蛋白质在细胞中分布的方法也在不断发展。 ? 在早期的工作中，人们先进行细胞分馏，随后对蛋白质位置进行生化分析，这其中主要用了质谱方法（Cell 125，187-199，2006）。 在系统中使用Workhorse方法，如以抗体为基础的免疫组化方法，以产生亚细胞图谱。 Methods 12, 51–54, 2015），并开始在亚细胞图谱实验中应用（(Proc. Natl. Acad. Sci. USA 112,12093–12098, 2015）。 虽然蛋白质位置的亚细胞地图会让我们看到前所未有的图像，但是蛋白质只是组成这种图像的为数不多的一种分子类型。然而，在对细胞的探索中，蛋白质图谱肯定是开始的地方。
1.4K80发布于 2018-03-14 - 来自专栏单细胞天地
单细胞分析十八般武艺8：Garnett
往期专题 单细胞初级8讲和高级分析8讲 单细胞分析十八般武艺1：harmony 单细胞分析十八般武艺2：LIGER 单细胞分析十八般武艺3：fastMNN 单细胞分析十八般武艺4：velocyto 单细胞分析十八般武艺 5：monocle3 单细胞分析十八般武艺6：NicheNet 单细胞分析十八般武艺7：CellChat Garnett简介 分析原理 Garnett使用人工定义的marker基因信息来选择细胞，然后基于这些细胞使用弹性网络回归 每个细胞类型必须包含两行： “>”开头的细胞类型字段； “expressed: ” 开头的字符定义细胞类型的marker基因。 db = org.Hs.eg.db, convert_ids = TRUE) #head(feature_genes_branch) # CD4 T cells CD8 CD4 CTL CD4 Naive CD4 Proliferating CD4 TCM CD4 TEM CD8
3K21发布于 2021-04-29 - 来自专栏单细胞天地
单细胞交响乐8-marker基因检测
以下文章源自于生信星球 ，作者：刘小泽 原书名为：Orchestrating Single-Cell Analysis 我给它取名叫“单细胞交响乐” 因为单细胞分析就像一个大乐团，需要各个流程的协同配合 说的，主要还是验证，就是看看某个cluster到底是不是这个细胞类型，做这个的前提是你已经了解了你的细胞是什么类型，只是不确定。 【它的想法很简单，就是单纯针对cluster9，只找在它里面上调的】 另外，如果细胞分群效果不好，这样的寻找方法会过滤掉太多的潜在的感兴趣基因 举个例子：如果一群细胞混杂了单纯CD4+、单纯CD8+、二者都有 单细胞交响乐6-降维 单细胞数据中到底应该如何处理线粒体基因 以复现图表的方式来学习一篇文章 这可能是我见过的最草率的单细胞分群了 ---- ---- ---- 如果你对单细胞转录组研究感兴趣，但又不知道如何入门 ，也许你可以关注一下下面的课程 两年过去了，你们的单细胞文章终于发出来了 生信爆款入门-第8期（线上直播4周，马拉松式陪伴，带你入门）你的生物信息入门课 数据挖掘学习班第6期（线上直播3周，马拉松式陪伴
3.1K10发布于 2020-08-21
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