- 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
文章信息 今天文献速递给大家带来的是2019年7月10日发表在nature的：A human liver cell atlas reveals heterogeneity and epithelial 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。 每个圆点代表第1、4、7、12、17、23或30天的基因表达水平。 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 - 来自专栏学习笔记持续记录中...
处理模型数据（7）
Spring MVC提供了以下几种途径输出模型数据： ModelAndView 控制器处理方法的返回值是ModelAndView，则其既包含视图信息，也包含模型数据信息 // success.jsp 返回的目标页面 ; return modelAndView; } } Map&Model Spring MVC 在内部使用了一个org.springframework.ui.Model接口存储模型数据 ，具体步骤： 1）SpringMVC在调用方法前会创建一个隐含的数据模型，作为模型数据的存储容器， 成为”隐含模型” 2）如果方法的入参类型为Map或Model，会将隐含模型的引用传递给这些入参。 3）在方法体内，可以通过这个入参对象访问到模型中的所有数据，也可以向模型中添加新的属性数据 Spring Web MVC 提供Model、Map或ModelMap让我们能去暴露渲染视图需要的模型数据。 @SessionAttributes 除了可以通过属性名指定需要放到会话中的属性处，还可以通过模型属性的对象类型指定哪些模型属性需要放到会话中 @SessionAttributes(types=User.class
57500发布于 2020-03-18 - 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： ? 10372个人正常细胞、1052个类器官细胞、1282个肝癌细胞和311个移植后小鼠细胞 使用RaceID3（FateID包）进行后续分析；并标准化 6.扩散伪时间分析和自组织映射 使用destiny包 7. 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 - 来自专栏机器学习算法与Python学习
Torch7模型训练
Torch7搭建卷积神经网络详细教程已经详细的介绍啦Module模块，这里再次基础上再给出一些上Container、 Transfer Functions Layers和 Simple Layers模块的理解 并在后面给出一些简单的模型训练方法。下述程序在itorch qtconsole下运行。 上一篇博文讲到Module主要有四个函数(详细见Torch7搭建卷积神经网络详细教程)，但是注意以下几点：forward函数的input必须和backward的函数的input一致，否则梯度更新会有问题 上述函数的具体使用方法可以看Torch7的官方API以及帮助文档。接下来仅介绍一些模型训练所需要的关键函数。 将image包导入当前运行环境，随机生成一张1通道32x32的彩色图像，如下 ?
1.1K130发布于 2018-04-08 - 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。 表4：人血浆和肝细胞中鉴定出的TAK-041及其代谢产物。六、不同长期培养模型在原药消耗方面的差异除代谢物种类之外，原药消耗比例也是评价不同肝细胞模型代谢能力的重要指标。 图4：孵育7天后，HepatoPac、Spheroids和TCS中原药消耗百分比。七、长期原代肝细胞模型的应用价值与局限性长期培养模型相比SHH具有更强的慢代谢研究能力，但不同体系仍然存在各自局限性。
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。 图7：LN521支持hPSC分化为各类肝细胞及PIC-LN111水凝胶支持3D肝类器官培养。相比传统3D培养体系，基于全长层粘连蛋白建立的培养模型，还能够降低肝球体之间的差异性，并提高培养一致性。 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
综合来看，上述结果表明7天的分化策略足以产生类肝细胞。 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 Activin C在干细胞分化、肝细胞研究与SMAD23信号通路中的作用解析
关键词：Activin C、SMAD2/3、ALK7、TGF-β、干细胞分化、肝细胞培养、肝脏研究、癌症研究、细胞因子一、Activin C是什么？ 研究发现，Activin C与Activin A在肝脏中的功能并不完全相同，其可能通过不同机制调控肝细胞行为。已有研究表明，Activin C能够影响肝细胞生长和存活，并参与肝组织稳态维持。 在部分动物模型中，Activin C过表达会影响肝脏相关生理功能，而在体外培养体系中，Activin C则被用于探索肝细胞功能维持及代谢调控机制。 研究人员发现，在部分前列腺癌模型中，Activin C与Activin B呈现不同表达趋势，这提示两者可能在肿瘤发生发展过程中发挥不同调控作用。 未来，随着对ALK7信号网络及Activin家族功能认识的不断深入，Activin C有望在干细胞培养、肝脏疾病模型构建、药物筛选以及肿瘤研究等方向获得更广泛应用。
11410编辑于 2026-05-29- 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 - 来自专栏科技记者
第7章 模型评估 笔记
7.2 k折交叉验证模型性能 这个方法可以解决过度适应的问题， library(modeldata) library(e1071) data(mlc_churn) churnTrain <- mlc_churn 7.5 caret包对变量重要程度排序 得到监督学习模型后，可以改变输入值，比较给定模型输出效果的变化敏感程度来评估不同特征对模型的重要性。 ='churn'][,-c(5,6,7)], trainset[,'churn'],sizes = c(1:18), rfeControl = ldaControl) 通常会基于曲线下面积AUC来衡量模型的分类性能。 install.packages("ROCR") library(ROCR) svmfit <- svm(churn~. 7.13 caret包比较模型性能差异 # 模型重采样 cv.values <- resamples(list(glm=glm.model, svm=svm.model, rpart = rpart.model
1.1K20编辑于 2022-03-04 - 来自专栏python3
django-7-django模型系统
<<<常用的模型字段类型>>> https://docs.djangoproject.com/en/2.1/ref/models/fields/#field-types InterField CharFiled 2.1/ref/models/fields/#field-options primary_key auto_dreated unique指定是否为唯一 auto_now <<<常用查询>>> 通过模型类上的管理器来构造 模型类上的管理器(class.objects) queryset （惰性，，没有操作数据库）表示数据库中对象的集合，等同于select 语句 query 获取mysql 语句 first()
1.4K10发布于 2020-01-17 - 来自专栏黑泽君的专栏
7层OSI网络模型概述
7层OSI网络模型 7层OSI网络模型概述： 7.应用层： 主要是一些终端的应用，比如说FTP(各种文件下载)、WEB(IE浏览)、QQ之类的(可以把它理解成我们在电脑屏幕上可以看到的东西 网络参考模型图 ? 网络模型举例 ?
57520发布于 2018-10-11 - 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
摘要： 人原代肝细胞（PHH）和人肝非实质细胞是药物代谢、肝毒性检测、药物相互作用研究以及肝病机制研究中的重要体外模型。 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 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。 该类细胞可用于肝脏免疫研究、炎症性肝病模型和药物诱导炎症反应评价。Kupffer细胞通常不增殖、无法传代，复苏后直接用于实验，可维持培养至约7天。 七、总结人原代肝细胞及肝非实质细胞是药物研发和肝病机制研究中不可或缺的体外模型。
5910编辑于 2026-07-06 - 来自专栏百味科研芝士
4分+缺氧和免疫相关预后模型标准范文
文章利用TGCA数据库中肝细胞癌患者的转录组数据，分析并确定了患者的缺氧和免疫相关的特征并建立了预测模型，预测病人的预后状况。 摘要 背景：缺氧与肝细胞癌（HCC）微环境内的免疫状态的关系具有十分重要的临床意义。 风险评估模型和预测能力的评估 缺氧和免疫相关的共有差异表达基因有320个。 图5 缺氧相关的GSEA分析 7. 高风险和低风险组免疫细胞浸润程度的差异 此外，作者预测了缺氧和免疫相关的预后模型与免疫细胞浸润程度的关系。 图6 缺氧与免疫相关的预后模型与六种免疫细胞浸润程度的关系 ? 图7 高风险和低风险组不同免疫状态的分析 结语 本研究基于13个缺氧和免疫相关基因构建预后特征，该预后特征有助于临床实践的个性化治疗。
1.7K41发布于 2021-01-06 知识扩展--细胞衰老
疾病状态下的增大：在纤维化评分较高的病例中，这些衰老肝细胞的胞体也显著增大（增幅7%-13%），证实了体内衰老细胞的形态改变。 PS-midLSEC（CDKN1A+ CCL2+）：特征：表达CDKN1A及SASP因子（IGFBP7、APP、COL4A1），AP-1（FOS/JUN）活性增强。 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。 跨物种保守性：在小鼠SBR模型中也验证了Cxcl12-Cxcr4信号通路的保守性，且在纤维化后期（26周）相互作用最强。 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。
43320编辑于 2026-03-13- 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 - 来自专栏数据派THU
详解：7大经典回归模型
来源：csdn 深度学习爱好者本文约2900字，建议阅读5分钟本文给大家介绍机器学习建模中7大经典的回归分析模型。 什么是回归分析？ 7.如果因变量是多类的话，则称它为多元逻辑回归。 3. Polynomial Regression多项式回归 对于一个回归方程，如果自变量的指数大于1，那么它就是多项式回归方程。 7. ElasticNet回归 ElasticNet是Lasso和Ridge回归技术的混合体。它使用L1来训练并且L2优先作为正则化矩阵。当有多个相关的特征时，ElasticNet是很有用的。 除了这7个最常用的回归技术，你也可以看看其他模型，如Bayesian、Ecological和Robust回归。 如何正确选择回归模型？ 当你只知道一个或两个技术时，生活往往很简单。 这个主要是通过将模型与所有可能的子模型进行对比（或谨慎选择他们），检查在你的模型中可能出现的偏差。 3.交叉验证是评估预测模型最好额方法。在这里，将你的数据集分成两份（一份做训练和一份做验证）。
1.9K41编辑于 2023-04-18
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