- 综合排序
- 最热优先
- 最新优先
- 来自专栏单细胞天地
最新人类肝细胞图谱
摘 · 要 本篇文章对从来自9个人提供的正常肝组织捕获的约10,000个细胞进行单细胞RNA测序，构建了人类肝细胞图谱。 文章发现并定义了内皮细胞，库普弗细胞和肝细胞中以前未知的亚型，并且这些细胞具有transcriptome-wide zonation。 https://cran.r-project.org/web/packages/RaceID/vignettes/RaceID.html 总结 这篇文章首次发现了肝细胞、内皮细胞和巨噬细胞的新亚型
1.5K40发布于 2020-03-30 - 来自专栏聊点学术
Image Pro Plus测量肝细胞脂滴。
This is the dividing line. 1 — 背景知识 众所周知，缺氧、缺血、中毒、感染时，肝细胞脂肪代谢失衡，细胞会出现不同程度的脂肪变性，中性脂肪会在胞质内堆积 镜下可见在变性的肝细胞胞浆内出现大小不一的圆形空泡，初见于核周，以后变大，较密集散布于整个胞浆，严重时可融合为一大空泡，形似脂肪细胞。这些脂滴在病理制片过程中溶解了，所以切片上仅剩残留的脂滴轮廓。 肝细胞空泡变性最严重的区域常在中央静脉周围。甚至正常动物肝脏的中央静脉周围也可见类似的空泡。 ? 由此可见，肝细胞空泡变时，胞浆中空泡大小及所占据的面积是评价肝细胞损伤的一个重要指标。 在传统病理分析中，我们只能通过轻微、轻度、中度和重度分级法评价肝细胞损伤。 文献显示，IPP可测量肝细胞空泡变，但是无法分清这种改变到底是来自中性脂肪还是磷脂。这种情况需要我们结合实际情况具体分析。 此外，中央静脉附近肝细胞内的糖原也会对测量造成影响，动物取材前禁食会起到很大帮助。 ?
8.6K21发布于 2020-07-22 - 来自专栏细胞培养
CYP450酶诱导研究模型解析：全人源肝细胞TCS体系的应用表现
研究结果表明，TCS在维持肝细胞长期功能及CYP诱导能力方面表现稳定，尤其在CYP2C酶诱导研究中具有一定应用潜力，可为药物研发中的体外诱导模型选择提供参考。 关键词全人源肝细胞；三培养体系；TCS；原代人肝细胞；PHH；CYP450；CYP酶诱导；CYP2C酶诱导检测；肝细胞诱导评估模型；药物代谢研究一、引言在药物研发阶段，新型化合物对主要细胞色素P450（ 尽管PHH结合监管指南往往能较合理地预测临床诱导风险，但对于新一代的肝细胞模型在CYP诱导评估中的表现，目前仍缺乏充分认知。 表4.各CYP酶的最大诱导倍数（Eₘₐₓ）和半数效应浓度（EC₅₀）四、研究讨论传统PHH模型虽然被广泛用于CYP诱导研究，但在长期培养过程中，常会出现：肝细胞功能下降；CYP表达水平降低；细胞状态不稳定 总体来看，全人源肝细胞三培养体系（TCS）在长期培养稳定性与CYP450酶诱导研究中表现出良好应用潜力，可作为体外药物代谢与诱导评价的重要研究模型之一。
18110编辑于 2026-05-08 - 来自专栏生信菜鸟团
Cell | 单细胞技术揭示人肝细胞图谱
其进一步使用研究的图谱来阐明发生在肝癌细胞和移植到小鼠肝脏的人肝细胞和肝内皮细胞中的表型变化。该人类肝细胞图谱提供了一个强大的资源，使我们能够在正常和病变的肝脏中发现以前未知的细胞类型。 方法： ? 2.组织分离和单细胞悬浮液的制备 3.单细胞RNA扩增及文库制备 其使用了mCEL-Seq2技术 4.转录丰度的量化 基于ENCODE V24 5.单细胞分析 质控阈值为>1000 UMIs 有10372 总结 该研究建立了一个人肝细胞图谱，揭示了主要肝细胞群的异质性和成人肝脏中上皮祖细胞的存在。 我们的图谱揭示了肝细胞和内皮细胞的转录组范围的分带，并提示不同的肝细胞类型可能会相互合作来完成必要的功能。 关于HCC的分析表明，该图谱为肝脏疾病的研究提供了关键参考，将有助于开发迫切需要的人类肝脏模型，包括类器官和人性化的肝脏嵌合小鼠模型。
6.7K31发布于 2020-03-30 - 来自专栏细胞培养
人原代肝细胞长期培养模型比较：HepatoPac、Spheroids与TCS在慢代谢药物ADME研究中的应用解析
为什么慢代谢药物研究越来越依赖长期原代肝细胞模型？ 其中，HepatoPac是一类微图案化共培养模型，常用于延长原代肝细胞功能维持时间；Spheroids通过三维肝细胞球体结构维持细胞间相互作用；TCS则通过三培养系统构建更加稳定的长期培养环境；SHH作为传统悬浮人肝细胞模型 这种比较方式不仅关注模型是否能够消耗原药，也关注其是否能够生成具有体内相关性的代谢产物，因此更适合评价长期肝细胞模型在真实药物代谢研究中的应用价值。表1：三种长期原代人肝细胞培养模型。 因此，细胞来源、供体信息、批次质量、冻存复苏状态以及培养体系匹配性，都会直接影响长期原代肝细胞模型的数据稳定性与预测能力。表5：体外模型在熟悉度、成本、实用性及注意事项方面的考察对比。 图5：LifeNetHealth人原代肝细胞相关产品。八、总结随着慢代谢药物研究、复杂连续代谢研究以及ADME评价需求不断增加，长期原代人肝细胞培养模型正在逐渐成为药物研发中的重要工具。
20010编辑于 2026-05-13 - 来自专栏细胞培养
全长Laminin在肝细胞培养与3D肝类器官中的应用：LN521、LN111、LN411促进hPSC来源肝细胞成熟的研究解析
本文围绕LN521、LN111与LN411三种全长层粘连蛋白在肝细胞二维培养、原代肝细胞维持、hPSC来源肝细胞成熟以及3D肝类器官培养中的应用展开介绍，并结合相关实验数据分析其在肝脏研究、药物代谢模型以及体外肝脏微环境构建中的应用价值 在体外肝细胞研究中，研究人员长期面临一个核心问题：如何在培养体系中更真实地模拟人体肝脏细胞外基质（ECM）环境，从而获得功能更稳定、成熟度更高且更接近人体真实状态的肝细胞模型。 这说明全长层粘连蛋白不仅能够改善细胞形态学特征，还可能进一步促进肝细胞功能成熟。图5：LN521和LN111与Matrigel对比培养的hPSC来源肝细胞ALB与CYP3A表达水平。 这对于长期培养、药物筛选以及标准化肝细胞模型建立具有重要意义。四、LN411在原代肝细胞培养中的作用除了hPSC来源肝细胞之外，LN411在原代肝细胞培养中同样表现出较好的应用价值。 目前，这些全长层粘连蛋白已经广泛应用于hPSC来源肝细胞分化、原代肝细胞培养、3D肝球体构建以及肝类器官研究等方向，并在提高细胞成熟度、维持功能稳定以及优化药物代谢模型等方面表现出较好的应用潜力。
17110编辑于 2026-05-12 - 来自专栏细胞培养
人肝非实质细胞NPC如何突破传统肝细胞模型局限？Kupffer Cells、肝星状细胞与LSECs应用解析
摘要：在人肝病研究、药物肝毒性评价以及3D肝脏模型构建过程中，传统单一肝细胞模型由于缺乏真实肝脏微环境，往往难以完整复现炎症、纤维化以及免疫相关损伤等关键病理过程。 关键词：人肝非实质细胞；肝NPC；KupfferCells；肝星状细胞；LSECs；肝病模型；药物ADME-Tox；NASH；肝纤维化；3D肝脏模型；原代肝细胞一、为什么传统单一肝细胞模型越来越难满足现代肝病研究需求 在肝病机制研究、药物肝毒性评价以及新药研发过程中，原代肝细胞长期以来一直是重要研究工具。然而，随着研究不断深入，研究人员逐渐发现，传统单一肝细胞模型存在明显局限。 六、为什么肝NPC共培养体系正在成为高生理相关性肝病模型的重要方向？随着肝病研究不断深入，研究人员逐渐认识到，仅依赖单一肝细胞模型已经难以满足复杂疾病研究需求。 例如，在NAFLD/NASH研究中，单一肝细胞模型通常只能诱导脂肪变性，而难以同步复现炎症与纤维化过程；在药物ADME-Tox研究中，单一肝细胞体系也难以完整模拟免疫介导型肝毒性与药物转运过程。
15010编辑于 2026-05-18 - 来自专栏聊点学术
【探索】肝细胞肥大图像之定量分析（一）
也就是说，一旦肝细胞肥大这一诊断成立，即大可能地说明肝脏处在代偿阶段，如果损伤因素不及时撤除，经过一段时间，肝细胞可能会因为失代偿而走向凋亡。 当大量的肝细胞凋亡后，纤维组织会逐渐替代，发展为肝纤维化，甚至是肝衰竭。 ▼ 2. 肝细胞肥大的诊断要点？ 大鼠、小鼠中肝细胞肥大呈弥漫性或带状，常常见于中央静脉区域。通常低倍镜下肝细胞的形态变化表现为区域性肝细胞大小和嗜酸性增加，伴有核密度的相对减少，肝脏窦状隙压缩。 肝细胞肥大的分析难点？ 正所谓，心中了了，眼下难明。诊断是容易的，困难的是如何界定肥大的程度。实操时，常常难以界定肝细胞肥大的程度，最多只能通过分级法解决。 （圆框为肝细胞肥大区，方框为正常肝细胞区） ▼ 4. 肝细胞肥大有可能定量分析吗？ 如果想要在切片上定量分析肝细胞肥大，肝细胞平均大小这一重要指标必须得到。
1.7K21发布于 2020-10-21 - 来自专栏药物代谢与原代肝细胞研究
人原代肝细胞PHH与肝非实质细胞应用解析：药物代谢、肝毒性检测与MASH模型研究
关键词：人原代肝细胞、PHH、人肝非实质细胞、Kupffer细胞、肝星状细胞、肝内皮细胞、肝细胞培养基、药物肝毒性检测、MASH模型、体外肝脏模型 一、人原代肝细胞选型主要标准人原代肝细胞是药物研发中评估代谢稳定性 短期贴壁型人原代肝细胞通常可稳定培养1至4天，适用于快速代谢实验、清除率测定和短期毒性评价；中期贴壁型细胞可稳定培养5至9天，更适合酶诱导研究、药物相互作用研究以及部分复杂培养体系；长期贴壁型细胞可稳定贴壁至 三、人原代肝细胞PHH的主要类型与应用场景人原代肝细胞是药物研发中使用广泛的肝脏细胞模型。 中期贴壁型细胞通常可维持5至9天，长期贴壁型可维持10至14天，可支持研究人员在较长培养窗口内观察CYP1A2、CYP2B6、CYP3A4等代谢酶对诱导剂的响应。 细胞进入37℃、5% CO₂培养箱后，可按照“南北向、东西向、8字形”的方式轻轻摇晃培养板，使细胞均匀分布。培养前60分钟内，每隔约15分钟重复轻柔摇晃一次，有助于提高细胞铺板均一性。
5910编辑于 2026-07-06 - 来自专栏药物代谢与原代肝细胞研究
器官芯片应用方向：CN Bio肝芯片联合PBMC共培养如何重现免疫介导肝损伤？【SOT2026研究解读】
由于传统模型难以同时兼顾肝细胞功能和免疫系统参与，因此越来越多研究开始采用微生理系统（MPS）等新方法学（NAMs）工具，以提高临床前研究的人体相关性。 图5：IL-2、IL-6和TNF-α表达变化这些结果进一步证明，肝芯片体系能够在细胞因子水平重现免疫介导肝损伤的关键机制过程，并区分不同药物之间的毒性差异。 肝芯片与PBMC共培养模型的研究价值研究表明，将HLA匹配的PBMC整合到原代人肝细胞微生理系统中，可以有效模拟免疫相关药物诱导肝损伤过程。 相比传统体外模型，该体系能够持续提供营养、氧气和动态流体环境，从而维持肝细胞长期功能稳定，并促进免疫细胞与肝组织之间的真实相互作用。 通过同时整合肝细胞功能和免疫系统参与，该模型能够更加真实地模拟人体药物反应过程，为药物研发、机制研究以及风险评估提供更加可靠的人体相关性数据支持。
17000编辑于 2026-06-03 - 来自专栏毛利学Python
yolov5模型转换NCNN模型部署
写作原因：最近看了下nihui大佬的ncnn，练习着将yolov5训练的模型转换成ncnn模型并部署，同时借鉴了网上优秀的博文，记录一下，如有不对的地方，请多多指教。 说明：pytorch模型转换成onnx模型，及onnx模型简化和转ncnn模型在引用的文章中都有详细的说明，可移步至引用文章中查看。 图1 其实yolov5 v1-v5版本在训练完后，使用onnx2ncnn.exe将简化后的onnx模型转换成ncnn模型时主要出现这个问题。 V6版本在输出上和前5个版本有一点不同，这里针对1-5版本。 下面说下修改的是什么，这样就可以知道自己的模型应该修改哪里了。
3.2K20编辑于 2022-09-22 - 来自专栏生物医药
类器官内单细胞CRISPR筛选揭示肝细胞分化和成熟的决定因素
为了识别这些未干扰的细胞，我们在P2和P4组中每个基因的干扰概率分布上拟合了一个双组分高斯混合模型（图3a及补充文件1：图S8）。 由于Fos敲除导致我们的小鼠ICO模型中肝细胞分化加速，我们想探究Fos是否在体内肝细胞分化中发挥作用。 另一方面，已有研究证明Fos缺失可在肝脏条件性敲除小鼠模型中上调代谢通路[44]，这与我们从类器官模型获得的数据一致。总的来说，我们提出Fos是肝细胞分化和成熟的抑制因子。 ，我们在人体肝内胆管类器官（hICO）模型中评估了人FOS缺失的影响。 FOS蛋白在小鼠和人类中的功能一致性也显示了在基因背景统一的模型中进行基因筛选的潜力。
14810编辑于 2026-05-25 - 来自专栏类器官/器官芯片/3D培养
肝脏器官芯片用于siRNA/ASO寡核苷酸递送研究
MPS的洞察有助于推动那些动物模型适用性较差的新型模式药物的开发，从而使初次人体研究的信息更充分。 一、引言：寡核苷酸疗法临床前测试的核心痛点随着新药物模式进入临床试验，对与人体相关的体外模型的需求日益增加。传统的临床前动物模型通常无法准确预测药物的疗效和毒性，导致后期药物损耗率居高不下。 实验结束时，肝脏微组织仍保持功能性，通过阳性白蛋白染色显示，该染色同时也用于共标记原代人肝细胞（图2C）。如图2C所示，确认了原代人肝细胞在支架孔隙中摄取了Cy5标记的小干扰RNA。 图5.在肝脏MPS中比较GalNAc偶联、荧光标记反义寡核苷酸的单次和重复给药。原代人肝细胞在14天周期内，用靶向白蛋白基因表达的反义寡核苷酸处理一次（单次；第4天）或三次（重复；第4、6、8天）。 基于肝脏MPS的寡核苷酸测定提供了一种稳健的生理学方法，可在初次人体试验前进行寡核苷酸疗法的测试，并可作为动物体内模型的替代方案。
16110编辑于 2026-05-07 - 来自专栏类器官/器官芯片/3D培养
人原代肝细胞3D肝球培养技术解析：LifeNet长期稳定肝球模型在药物代谢与肝脏研究中的应用
摘要：随着药物代谢研究、肝毒性评价以及肝脏疾病模型研究不断发展，传统二维肝细胞培养体系由于难以维持长期肝功能与细胞间相互作用，逐渐难以满足现代体外研究需求。 近年来，基于人原代肝细胞（PrimaryHumanHepatocytes，PHH）的3D肝球模型逐渐成为肝脏研究的重要方向。 关键词：人原代肝细胞；PrimaryHumanHepatocytes；3D肝球；肝细胞球体；LifeNetHealth；肝毒性；药物代谢；ADME；肝细胞培养；长期培养模型一、为什么3D肝球模型正在逐渐替代传统 在人原代肝细胞相关研究中，3D肝球还可用于构建NASH、肝纤维化以及药物性肝损伤等疾病模型，从而帮助研究人员分析疾病相关机制。 相关培养方案显示，通过标准化细胞复苏、接种密度控制以及长期维持培养，可获得形态均一、结构稳定且功能持续的人原代肝细胞球体模型。
16910编辑于 2026-05-14 知识扩展--细胞衰老
结果1、正常和癌症肝组织队列的临床和多组学特征分析scRNA + visium + xenium 5k。 人类衰老细胞在小鼠纤维化肝脏中重现模型：使用小肠切除术诱导的肠衰竭相关肝病小鼠模型，在术后2、10、26周收集肝脏样本进行分析。目的：验证在人类肝脏中观察到的衰老细胞群是否在该疾病模型的小鼠体内重现。 结果5、癌症加剧并扩大肝脏中的衰老细胞群体癌症加剧现有衰老表型丰度显著增加：与老年正常肝脏相比，mCRC肝脏中：PS肝细胞（CDKN1A+ SERPINE1+ 和 CDKN1A+）的丰度增加 5倍。 结论：THBS介导的衰老信号网络在物种间和疾病模型中具有高度保守性。 最后，来看看方法Xenium 5k数据分析生活很好，有你更好
43320编辑于 2026-03-13HD文章分享--肝细胞癌早期恶变的分子机制研究
veHCC特有的CFG改变：11个CFG的改变仅在veHCC中检测到，其中ARID1A改变（拷贝数缺失或功能丧失突变）见于6个veHCC，ECHS1拷贝数缺失见于5个veHCC，提示这些基因可能在恶性转化后期发挥作用 类器官模型的功能验证：通过人诱导肝细胞（hiHep）类器官模型，验证了c-MYC和CTNNB1激活可显著促进类器官生长，与临床观察一致。 免疫激活特征：与非炎症型相比，炎症型veHCC高表达趋化因子（如CXCL12、CCL2、CCL5）、HLA II类分子及免疫细胞标志物（CD3D、CD4、CD8A），且通过多重染色证实CD4+和CD8+ 结果5、炎症型极早期肝细胞癌免疫表型的空间定位visium HD细胞类型与浸润特征：炎症型极早期肝细胞癌相比配对不典型增生结节，CD4+ T细胞、CD8+ T细胞、巨噬细胞和B细胞的丰度增加，其中2例中癌症相关成纤维细胞显著增多 呈现免疫激活与免疫逃逸并存的特征9例炎症型veHCC中，6例在恶性转化过程中获得了拷贝数变异诱导的肝癌功能基因改变，但拷贝数变异积累程度显著低于场景1值得注意的是，3例炎症型veHCC（P3_veHCC、P5_
15920编辑于 2026-03-315种大模型Agent模式
大模型中的5种AI Agent模式在大模型中，AI Agent（人工智能代理）模式是一种重要的应用方式，可以从以下几个方面来理解：1. 在大模型的背景下，AI Agent 是基于大规模预训练模型（如 GPT 等）构建的智能代理，能够利用模型的语言理解和生成能力来完成复杂的任务。 智能性：它基于大模型的强大语言理解能力，能够理解自然语言指令，并生成自然语言响应。这种智能性使其能够处理复杂的语言任务，如对话、写作、翻译等。 下面介绍5种常见的AI Agent模式：1. 5. 多智能体模式（Multi-agent Pattern）正在上传图片...核心架构： 角色分工： 项目经理代理（PM agent）：协调任务分配（Delegation）。
5K10编辑于 2025-05-07- 来自专栏Java Porter
5. Java内存模型JMM
answer : JVM 定义了 JMM 用于屏蔽各种硬件与操作系统的内存访问差异,实现 JVM 跨平台达到一致的内存访问效果 Java 内存模型 JavaMemoryModel JMM (Java 内存模型 JavaMomary Model,简称 JMM), 本身是一种抽象的概念并不真实存在,仅仅描述了一组约定或规范,(本质) 通过这组规范定义了程序中(特别是多线程)各个变量的读写访问方式 某些情况下需要禁止指令重排序 多线程对变量的读写过程 读取过程 JVM 运行程序的实体是线程 每个线程创建时 JVM 都会为其创建工作内存(又称为栈空间) 工作内存是每个线程的私有数据区 Java 内存模型规定所有的变量均存储在主内存中 线程 A 执行 y=x 线程 B 执行 上述称之为:写后续 y 是否等于 5 呢? 如果线程 A 的操作(x=5)happens-before 线程 B 的操作(y=x),那么可以确定线程 B 执行后 y=5 必定成立 若不存在 heppens-before 原则,则 y=5 不一定成立
33910编辑于 2024-03-09 - 来自专栏育种数据分析之放飞自我
混合线性模型学习笔记5
5. 所有可能的混线性模型分析这个数据 因此，我们要考虑数据的集群性质。与其像上面的SLiM中那样忽略聚类，不如考虑为每个人运行完全独立的回归。 5.9 Mixed Model 5b: Multivariate normal model ? 5.10 Mixed Model 6: Penalized regression ? ? # total n # parameters sigma = 1 # residual sd tau = .5 ASReml 4.1.0 Wed Apr 5 16:34:50 2020 LogLik Sigma2 DF wall cpu 1 -3817.282 1811.528 1.0 998 16:34:50 0.0 4 -1082.178 1.0 998 16:34:50 0.0 5
1.7K10发布于 2020-05-14 - 来自专栏罗西的思考
Facebook如何训练超大模型--- (5)
[源码分析] Facebook如何训练超大模型--- (5) 目录 [源码分析] Facebook如何训练超大模型--- (5) 0x00 摘要 0x01 背景 0x02 思路 2.1 学习建议 2.2 ---(1) [源码分析] Facebook如何训练超大模型 --- (2) [源码分析] Facebook如何训练超大模型 --- (3) [源码分析] Facebook如何训练超大模型---(4) x = torch.Tensor([[1,2,3]]) y = torch.Tensor([[4,5,6], [7,8,9], [10,11,12]]) z = torch.cat((x,y), dim ], [10., 11., 12.]]) torch.Size([4, 3]) # chunk之后的输出 (tensor([[1., 2., 3.]]), tensor([[4., 5. Language Model Training on GPU Clusters Using Megatron-LM.” arXiv preprint arXiv:2104.04473 (2021). [5]
1.8K10编辑于 2022-11-28
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