- 综合排序
- 最热优先
- 最新优先
- 来自专栏医学数据库百科
我的细胞系还是我以为的细胞系嘛？
背景数据收集 如果要对一个未知的细胞系进行认证的话。优先的就是需要收集已知的细胞系表达数据。利用这些数据当作一个背景数据集。 这个数据库总共收集到了CCLE、GDSC以及CHCC三个数据库当中的1291个细胞系的基因组表达数据当作背景数据集。 ? 2. 数据预测 模型构建好之后，就可以进行细胞系预测了。细胞系预测的数据使用的是细胞系的表达谱芯片或者是二代测序的表达数据。我们需要提交相关的表达数据。 通过三步我们就能够预测细胞系种类了。 ? ? 其中预测的细胞系选择当中，我们可以选择类似CCLE这样900多个细胞系来一起预测。同时也可以选择单一的细胞系来进行预测。 ? ? 其次，对于每一个样本的信息也会有一个详细的结果，包括前五的可能的细胞系这样的话，如果我们的细胞系最可能的不是目标细胞系，在这里可以看看前五的有没有。毕竟结果还是有偏差的。 ?
54120发布于 2020-07-07 - 来自专栏数据科学（冷冻工厂）
单细胞系列教程：质控（四）
2. 数据来源在本教程中，将使用scRNA-seq 数据集，该数据集是 Kang 等人 2017 年一项大规模研究的一部分。 下面提供了数据集的一些相关Metadata：文库是使用 10X Genomics 第 2 版制备的样本在 Illumina NextSeq 500 上进行测序来自八名狼疮患者的 PBMC 样本被分成两个等分试样一份 for (variable in input){command1command2command3}# 利用循环读取数据for (file in c("ctrl_raw_feature_bc_matrix merge(x = ctrl_raw_feature_bc_matrix, y = c(stim1_raw_feature_bc_matrix, stim2_ stim3_raw_feature_bc_matrix), add.cell.id = c("ctrl", "stim1", "stim2"
1.7K01编辑于 2023-01-25 - 来自专栏数据科学（冷冻工厂）
单细胞系列教程：marker鉴定（十一）
学习目标学会确定单个簇的marker学会在聚类和marker识别间进行迭代2. 例如，如果 pct.1= 0.90 和 pct.2 = 0.80，它可能不是正确的标记。但是，如果 pct.2 = 0.1 而不是，更大的差异会更有说服力。 + stim_avg_log2FC) /2) %>% group_by(cluster_id) %>% top_n(n = 10, wt = avg_fc)# 可视化每个簇的前 我们查看 pct.1 与 pct.2 差异较大的基因，以获得良好的标记基因。例如，我们可能对基因 TPSB2 感兴趣，它显示簇中的大部分细胞表达该基因，但其他簇中表达该基因的细胞很少。 , ident.1 = 2, ident.2 = c(0,4,10,18))
4.9K02编辑于 2023-01-25 - 来自专栏数据科学（冷冻工厂）
单细胞系列教程：质控实战（五）
学习目标构建质量控制指标并评估数据质量适当的应用过滤器去除低质量的细胞2.
2.2K01编辑于 2023-01-25 - 来自专栏数据科学（冷冻工厂）
单细胞系列教程：数据整合（九）
2. 挑战对齐相似细胞类型的细胞，这样就不会因为样本、条件、模式或批次之间的差异而在后续分析中进行聚类。3. 推荐建议先不整合分析，再决定是否进行整合。4.
1.3K01编辑于 2023-01-25 - 来自专栏数据科学（冷冻工厂）
单细胞系列教程：环境搭建（三）
cloud.r-project.org/bin/linux/ubuntu $(lsb_release -cs)-cran40/"# 安装sudo apt install --no-install-recommends r-base2. 注意2：当（“Do you want to install from sources the package which needs compilation? y/n”）请输入n， 并回车。
91001编辑于 2023-01-25 - 来自专栏DrugOne
Bioinformatics|癌症细胞系的用药反应预测
2. 图1 NRL2DRP方法流程 3. 实验结果 3.1 NRL2DRP假设验证 NRL2DRP方法的核心假设是对于给定的预测药物而言，在表示学习压缩的细胞株响应网络特征向量空间中，敏感型细胞株的特征向量相互之间的距离会更加接近,图2中展示了基于药物 NRL2DRP方法的AUC、AURP指标均优于Stanfield、KBML方法，其中基于NRL2DRP方法，一半药物的AUC指标大于0.7908，25%的药物AUC指标大于0.864。 2.NRL2DRP方法构建的是各项同性的网络，没有考虑网络内部数据的异质性。
81050发布于 2021-02-01 - 来自专栏数据科学（冷冻工厂）
单细胞系列教程：聚类流程（六）
图片2. 聚类流程对于具有信息性的事物，它需要表现出变化，但并非所有变化都是信息性的。
52701编辑于 2023-01-25 - 来自专栏数据科学（冷冻工厂）
单细胞系列教程：细胞聚类（十）
2. 挑战生物或技术问题可能会导致鉴定出质量差的簇识别每个簇的细胞类型需要保持耐心，因为这可能在聚类和标记基因识别之间进行重复（有时甚至会回到 QC 过滤步骤）3. 虽然上述 2 种方法通常与 Seurat 的旧方法一起用于标准化和识别可变基因，但它们不再像以前那样重要。这是因为 SCTransform 方法比旧方法更准确。为什么选择 PC 对旧方法更重要？
2K01编辑于 2023-01-25 - 来自专栏芒果先生聊生信
HEK293细胞系，最全总结
293T/17细胞是293T细胞中共转染pBND和pZAP质粒而获得的具有G418耐受的细胞系。该细胞系仍保留高转染效率的特点。 293T/17SF细胞是在293T细胞中转入EBV基因形成的转化细胞系，该细胞系主要用于瞬时转染及蛋白表达，类似于293E细胞的作用。 该细胞系为悬浮培养，缺少N-乙酰氨基葡萄糖基转移酶 (N-acetyl-glucosaminyl transferase I, GnTI）活性，可促进蛋白的Man5GlcNAc2N-聚糖型糖基化修饰。 该细胞系常用于同源的N-糖基化蛋白的表达。此外，该细胞系中具有四环素表达抑制基因，可用于四环素诱导的蛋白表达研究。 293SGGD细胞系是在293SG转染pcDNA3.1-zeo-STendoT质粒的细胞系，其主要用于糖基化工程研究中。
7.4K20发布于 2020-08-28 - 来自专栏数据科学（冷冻工厂）
单细胞系列教程：归一化和回归（八）
学习目标学会如何执行归一化，方差估计，鉴定易变基因2.Info目标准确归一化和缩放基因表达值，以解决测序深度和过度分散计数值的差异。识别最可能指示存在的不同细胞类型的变异基因。 影响评估要根据每个细胞的 G2/M 和 S 期标记的表达为每个细胞分配一个分数，可以使用Seuart函数CellCycleScoring()。 cycle.rda")# 为细胞进行细胞周期评分seurat_phase <- CellCycleScoring(seurat_phase, g2m.features 在运行这个 for 循环之前，如果有一个大型数据集，那么可能需要使用以下代码调整 R 内允许的对象大小的限制（默认为 500 * 1024 ^ 2 = 500 Mb）：options(future.globals.maxSize = 4000 * 1024^2)现在，运行以下循环来对所有样本执行sctransform。
1.4K02编辑于 2023-01-25 稳定细胞系构建原理与流程解析
在现代生物制药和分子生物学研究中，稳定细胞系是实现可重复、高产蛋白表达的基础。它不仅用于抗体和疫苗的研发，还广泛应用于酶学研究、信号通路分析和基因功能验证。 一、稳定细胞系的基本原理稳定细胞系的核心是基因的基因组整合：基因组整合目标基因通过各种方法插入宿主细胞的染色体中，而不是停留在细胞质内（如瞬时转染）。 二、稳定细胞系构建的流程稳定细胞系的开发一般包括以下几个核心环节：1. 设计与载体构建目标基因优化：提高翻译效率，添加信号肽和标签。 宿主细胞匹配：根据蛋白特性选择 CHO、HEK293 或其他专用细胞系。2. 通过标准化的流程和严谨的技术控制，稳定细胞系能够为研究和产业化提供可靠、可重复、长期稳定的蛋白生产平台。
13710编辑于 2026-01-14- 来自专栏生信修炼手册
CCLE:肿瘤细胞系百科全书
CCLE全称如下 Cancer Cell Line Encyclopedia 是由Broad Institute研究所牵头发起的一项肿瘤基因组学研究项目，收集整理了1000多个肿瘤细胞系的组学数据，包含了以下类别 array(RPPA) profiles 该数据库的网址如下 https://portals.broadinstitute.org/ccle 简单注册之后就可以查看其中的数据，最新版本共包含了1457个细胞系的相关数据 通过首页的检索按钮，可以根据基因或者细胞系进行检索，以TP53为例，示意如下 ? 检索结果包含以下几个部分 1. Distribution by Lineage 该部分用于比较基因对应的组学数据在不同细胞系间的分布，包含了以下几种 Achilles shRNA knockdown Copy Number DNA methylation 2.
3.2K31发布于 2019-12-19 - 来自专栏百味科研芝士
肿瘤细胞系还有在线数据库？
肿瘤细胞系在肿瘤发生机制的阐明，药物敏感性的检测，肿瘤标志物的发现等研究内容中发挥重要的作用。肿瘤细胞系的数据显得尤为重要。 据统计数据库中共包含40种癌型（包含未知的癌型），1457个肿瘤细胞系的数据，可以说CCLE数据库和COSMIC都是研究肿瘤细胞系的利器。 据统计CCLE数据包含了细胞系的突变、基因融合、miRNA、蛋白质表达谱、基因表达谱、甲基化谱、拷贝数、代谢谱、药物处理细胞系的IC50值和AUC值等。 CCLE提供便利的可视化工具，可通过检索获得基因在各种癌型的细胞系中表达情况，便捷传达了基因在哪些癌型细胞系高表达，哪些癌型细胞系低表达。此外，能直接下载感兴趣的基因在细胞系中的表达谱数据。 第二种：研究对象为细胞系所有的基因 若需要细胞系的全部基因，那么上面的方法就不是便捷的方法了。
3.9K21发布于 2020-08-24 【辰辉创聚生物】稳定细胞系构建 | 稳定株开发服务 | 高表达克隆筛选
稳定细胞系构建是细胞生物学、分子生物学和蛋白质工程等众多科研领域中广泛采用的一项基础技术。 所谓稳定细胞系，是指通过遗传整合外源基因的方式，使细胞在长期传代过程中持续稳定表达目标蛋白（或其它功能元件）的细胞系。 这类细胞系是进行蛋白功能研究、信号通路分析、生物药物研发及大规模表达等实验的核心工具。构建稳定细胞系的核心环节包括外源基因载体构建、有效转染、筛选与克隆扩增、表达持续性验证等步骤。1. 稳定细胞系构建常用的抗生素筛选包括 puromycin、G418（遗传in neomycin类抗性）、hygromycin 等，这类选择压力使得仅能表达抗性基因的细胞存活下来。2. Commun. 12, 4567 (2022).2.Zhang, X. et al.
12700编辑于 2026-01-26- 来自专栏数据科学（冷冻工厂）
单细胞系列教程：什么是单细胞（一）
稀有细胞类型或状态 阐明分化过程中或跨时间或跨状态的基因表达变化 鉴定特定细胞类型在不同条件（例如治疗或疾病）之间下差异表达的基因 结合空间、调控和蛋白质信息，探索细胞类型之间的表达变化 一些常见的研究方法： 图片 2. 如果跨条件进行差异基因分析或在总体水平上得出结论，则重复越多越好（肯定超过 2 个）。
80511编辑于 2023-01-25 【辰辉创聚生物】基因过表达细胞系 | 稳定过表达开发 | 高表达克隆筛选
该类细胞系在蛋白表达分析、信号通路研究、细胞表型观察等基础研究场景中具有重要应用，是多种体外实验体系的重要组成部分。 上述元件的合理组合，为构建可靠的基因过表达细胞系提供了分子基础。2. 外源基因引入与高效转染将构建完成的过表达系统引入宿主细胞，是实现基因过表达的首要步骤。 在这些技术中，转染试剂的选择和使用对转染效率、细胞状态以及后续筛选效果具有直接影响，是过表达细胞系构建中不可忽视的技术环节。3. 过表达水平的检测与验证基因过表达细胞系建立完成后，需对目标基因的表达进行系统验证。 Commun. 13, 4189 (2022).2.Huang, L. & Zhao, Y.
11810编辑于 2026-02-03- 来自专栏医学数据库百科
肿瘤细胞系综合性分析数据库
DepMap DepMap分析了数百个癌细胞系模型，以获取各个细胞系基因组信息以及对遗传和小分子扰动的敏感性。 不过在数据分析之前，可以选择一下自己的目标细胞系。 细胞系选择 虽然在 DepMap 当中我们可以对所有的细胞系进行分析，但总是有一些自己的目标细胞系的。 在这里定义好之后，后续的分析都可以对目标细胞系进行特殊的可视化 在细胞系选择界面，如果有目标的细胞系可以直接上传自己的细胞系即可。 就可以添加一个细胞系的 MSI 特征的列。 然后通过筛选功能，就可以得到 MSI 的细胞系是哪些了。 这里由于我们之前筛选出了 MSI 的细胞系，所以可以看到具体在图形当中标注✨ 的就是 MSI 的细胞系。
5.5K30发布于 2021-09-15 - 来自专栏fjal
Android HAL 开发 (2)
static const JNINativeMethod gMethods[] = { 2. { "_init", "()Z", (void *)mokoid_init }, 3. 再看看下面C/C++接口的具体实现： 1. /** helper APIs */ 2.
60940编辑于 2021-11-27 - 来自专栏达达前端
（2）Angular的开发
什么是 ReactNative应用， 小程序与RN的关系 native端优化 Js端优化 ReactNative是？ 用JavaScript来写App，性能好 异步编程
1K30发布于 2019-07-09
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