- 综合排序
- 最热优先
- 最新优先
- 来自专栏用户7627119的专栏
空间转录组学（Spatial Transcriptomics）
单细胞转录组测序技术和空间转录组技术【2】 单细胞转录组测序技术可以说是融合了高通量组学技术和传统的单细胞研究手段，即解决了通量和分辨率的问题。 空间转录组技术（spatial transcriptomics）则需要利用常规的原位技术和组学技术两方面的优势。 ? 图3. 图7. 10X Genomics Visium空间转录组技术的原理 10X Genomics Visium芯片包含两种芯片，分别为组织优化芯片和基因表达芯片，组织优化芯片用来摸索组织透化的条件，基因表达芯片用来进行正式样本的空间转录组实验 图10. 10X Genomics Visium空间转录组技术的流程 3、应用方向 空间转录组的应用方向包含了肿瘤学，免疫学，发育生物学，神经科学及病理学等各个方向。 ? 图11. 基因表达的空间热图【8】 5、空间转录组和单细胞转录组数据的整合 10X Genomics Visium空间转录组技术目前还达不到单细胞分辨率，而单细胞转录组数据则能够起到一定的补充作用，将两者的数据进行锚定和整合
13.2K52发布于 2020-08-06 - 来自专栏数据科学（冷冻工厂）
空间转录组学: 局部异常检测
引言 本系列讲解 空间转录组学 (Spatial Transcriptomics) 相关基础知识与数据分析教程[1]，持续更新，欢迎关注，转发，文末有交流群！ 局部异常检测 单细胞与空间转录组学中，全局异常检测的一个关键假设是：QC 指标与自然生物学相互独立。否则，天然具有低文库大小或较高线粒体比例的细胞或 spot 更可能被当作异常值移除。 然而，如上所示，在基于测序的 ST 中，由于每个 spot 所采样组织的生物学异质性更高，该假设更常被违背。 解决此问题的一种策略是在其局部生物学邻域内寻找异常值。
20810编辑于 2025-09-17 - 来自专栏数据科学（冷冻工厂）
空间转录组学: 计数矩阵 定量
引言 本系列讲解 空间转录组学 (Spatial Transcriptomics) 相关基础知识与数据分析教程[1]，持续更新，欢迎关注，转发，文末有交流群！ 不同空间转录组平台做法不一样：像 10X Visium，每个芯片的坐标是固定死的，对照表随协议版本一起发布；而另一些平台，芯片上的坐标是随机打的，供应商会随芯片附赠一个专属对照文件。 把读段按 CID 还原到真实空间位置的过程就叫“条形码解析”（barcode deconvolution），它是空间转录组数据分析的头道工序。 reads 比对 转录本序列本身只是字符串，要想知道这些序列来自哪个基因，就必须把它们比对到带基因注释的参考基因组上。 常用的比对软件有 STAR 和 Rsubread。 10X 的官方流程 SpaceRanger 和华大的 SAW 底层都调用了 STAR。
25900编辑于 2025-07-29 - 来自专栏数据科学（冷冻工厂）
空间转录组学: 质控处理（1）
引言 本系列讲解 空间转录组学 (Spatial Transcriptomics) 相关基础知识与数据分析教程[1]，持续更新，欢迎关注，转发，文末有交流群！ 然而，在解释这些指标时必须谨慎，因为在基于测序的 ST 数据中，它们容易受到生物学的混淆。 例如，在大脑中，神经元胞体位于灰质，而白质几乎完全由神经元突起组成。 这自然导致灰质区域检测到的基因数量和总体捕获的转录本数量远高于白质。此外，白质往往比灰质显示更高比例的线粒体读段。缺乏这一生物学背景，人们可能错误地认为白质区域质量低，应在下游分析前移除。 ggspavis) library(scater) library(scuttle) library(SpotSweeper) library(patchwork) 数据导入 接下来，我们导入一个 10x 其余spots为背景spots，我们不感兴趣，因为它们几乎全部由线粒体基因以及细胞碎片中的转录本构成。
36410编辑于 2025-08-08 - 来自专栏数据科学（冷冻工厂）
空间转录组学: 测序平台介绍
引言 本系列讲解 空间转录组学 (Spatial Transcriptomics) 相关基础知识与数据分析教程[1]，持续更新，欢迎关注，转发，文末有交流群！ 基于测序的空间转录组学 基于测序的空间转录组学（ST）平台将高通量测序实验中的基因表达分析与特定位置的独特条形码所携带的空间信息相结合。 整个过程包括组织制备、RNA 捕获、逆转录以及高通量测序等步骤。在生物信息学分析中，将测序得到的序列读取与参考转录组（或注释基因组）进行比对，并进一步解析这些序列，以确定它们最初的空间位置。 10x Genomics Visium 10x Genomics Visium 平台能够在载玻片上的组织捕获区域的六边形网格上，针对每个空间位置（称为斑点）测量转录组水平的基因表达。 芯片尺寸目前提供 5 mm x 5 mm 或 10 mm x 10 mm 两种规格，也可以根据需求定制更大的尺寸，从而能够在大面积连续组织区域进行转录组水平的表达测量。
46900编辑于 2025-07-12 空间表观组学与转录组学联合分析
作者，Evil Genius参考文章Spatial epigenome–transcriptome co-profiling of mammalian tissues | Nature单细胞多组学，特别是染色质可及性表观遗传和转录组同时测序分析 随着近年来空间组学的兴起， 空间多组学技术 (spatial multi-omics)是否也可以同时分析基因表达和基因调控机制？这成为了大家一致期待的新一代革命性组学工具。 空间多组学在2022年更是被Nature杂志展望为为最值得期待的七个技术之一。2020年底，耶鲁大学的樊荣教授团队首次报道了利用组织样本原位编码方法同时分析空间转录组和蛋白组（DBiT-seq）。 2023年2月23日，樊荣教授团队开发的空间转录组和蛋白组新技术Spatial-CITE-seq，实现了高通量（约200–300）蛋白和转录组同时分析。 因此如果空间分辨的表观遗传组和转录组联合测序分析技术（spatial epigenome–transcriptome co-sequencing）能够实现，将会成为复杂组织生物学研究的一个终极利器，
41010编辑于 2024-06-29- 来自专栏生信技能树
10X空间转录组WORKFLOW
前言 记得我们在ST Pipeline||空间转录组分析流程(https://www.jianshu.com/p/7b5d145a515a)讲过，空间转录组就是把之前的单细胞的cell-gene矩阵转化为 今天让我们来看看空间转录组的一般流程吧。 1. Histology 将准备好的新鲜冷冻组织切片放置于空间转录组芯片上。每个细胞中的RNA分子都包含着基因表达的信息。组织切片成像，以检索组织学信息。 这样就可以看到一个细胞或一组细胞在组织中的位置。 2. The Array 空间转录组芯片上含有上千个捕获的spot，这些捕获探针的 Poly-T 尾可以结合RNA分子的 Poly-A 尾。
78220发布于 2021-10-21 - 来自专栏单细胞天地
10X空间转录组WORKFLOW
前言 记得我们在ST Pipeline||空间转录组分析流程(https://www.jianshu.com/p/7b5d145a515a)讲过，空间转录组就是把之前的单细胞的cell-gene矩阵转化为 今天让我们来看看空间转录组的一般流程吧。 1. Histology ? 将准备好的新鲜冷冻组织切片放置于空间转录组芯片上。每个细胞中的RNA分子都包含着基因表达的信息。组织切片成像，以检索组织学信息。 这样就可以看到一个细胞或一组细胞在组织中的位置。 2. The Array ? 空间转录组芯片上含有上千个捕获的spot，这些捕获探针的 Poly-T 尾可以结合RNA分子的 Poly-A 尾。
1.1K20发布于 2020-03-30 - 来自专栏数据科学（冷冻工厂）
空间转录组学: 全局异常值检测
引言 本系列讲解 空间转录组学 (Spatial Transcriptomics) 相关基础知识与数据分析教程[1]，持续更新，欢迎关注，转发，文末有交流群！ 这有助于我们在确定最佳阈值的同时，检查是否无意中去除了具有生物学意义的 spot 组。 spot 组，也不会导致剔除过多的观测值。 否则，移除这些 spot 可能意味着我们设定的阈值过高，从而把具有生物学信息的 spot 也一并删除了。 换言之，library size 与生物学特征存在混淆，这一点在先前的研究中已有证实（Bhuva et al. 2024；Totty, Hicks, and Guo 2025）。
25210编辑于 2025-09-17 - 来自专栏生信修炼手册
表观转录组学-m6A简介
DNA甲基化作为重要的表观遗传学标记，研究的非常广泛。与DNA相对应，在RNA水平也存在着多种化学修饰，已经发现的就有100种以上，在编码和非编码RNA上都存在。 technologies: decoding RNA modifications https://www.nature.com/articles/nmeth.4110 m6A是其中最常见，数量最多的一种转录后修饰 研究转录组m6A修饰有多种技术，示意如下 ? 目前, m6A-seq仍然是最常见的研究m6A修饰的技术，分析内容包括数据质控，比对基因组，peak calling, peak基因注释，差异peak分析，motif预测等等，大部分分析内容和chip_seq
2K30发布于 2020-05-07 - 来自专栏生信菜鸟团
10X空间转录组之免疫组库分析
无论疫情如何，科研一直在路上，并且在不断的推陈出新，而我们今天要分享的就是10X空间转录组的免疫组库分析。 ，一方面是由于空间转录组测到的是3’区域，而VDJ的变体结构富集在5’；另一方面VDJ在一个免疫细胞中通常成对出现，而空间转录组的精度目前均没有细胞级，10X空间转录组的精度为55um，而Stereo-seq 为了证实这些结果，在从配对的bulk 50 RNA-seq 推断的克隆型中寻找从空间 30 RNA 转录组学鉴定的克隆型的 CDR3 核苷酸序列。 应用二、癌症空间转录组TCR的检测运用 空间转录组学可以测定空间区域的基因表达，方面研究者们识别细胞的空间分与空间临近处的相互作用。 Visium 空间转录组学平台可以捕获空间位置的mRNA。
1.6K20编辑于 2022-05-24 - 来自专栏数据科学（冷冻工厂）
空间转录组学: 测序数据介绍
引言 本系列讲解 空间转录组学 (Spatial Transcriptomics) 相关基础知识与数据分析教程[1]，持续更新，欢迎关注，转发，文末有交流群！ 背景 基于测序的空间转录组学（ST）平台通过使用下一代测序（NGS）技术，结合空间条形码，在组织的不同空间位置上对基因表达进行定量分析。 序列和测序 在转录组学中，“读取序列”是指从RNA分子逆转录而来的cDNA片段的核苷酸序列。这些转录本的丰度反映了基因表达水平，而这正是转录组学分析的核心目标。 空间转录组学的优势在于能够将读取序列与RNA分子的起源位置相关联，从而揭示基因表达的空间分布。 另一个文件则包含我们需要与参考基因组或转录组（或探针集）进行比对以确定表达基因的转录本（或探针）序列。
36010编辑于 2025-07-21 - 来自专栏小明的数据分析笔记本
【进化基因组学】比较转录组--数据预处理
而对应到我们的比较转录组，自然就是先经过测序得到原始数据，又或者是使用已经发表的转录组数据（初始数据），经过数据初步质检（fastqc确定碱基质量），切除接头与低质量碱基（数据清洗），然后再检验一次质量 至于样品的要求，做比较转录组对时期不是那么严格，只要能够获取大量生物体RNA即可。 而这一次我们的测试数据选择来自NCBI的两个物种Arabidopsis halleri与Arabidopsis lyrata，这两个物种其实都有基因组公布了，各位如果有兴趣可以拿比较转录组的结果跟已发表基因组的结果做对比 ，就可以知道比较转录组的精确度如何了。 .*}.R2.clean.fq.gz\ --CPU 4 \ --max_memory 10G done 转录本去冗余 首先，我再次强调这个思维：转录本其实就是相当于一个没有了间隔区的
2K10发布于 2020-09-22 空间转录组学如何推动癌症药物发现
空间转录组学的出现让研究人员能够在天然结构下观察生物标志物、空间相互作用和肿瘤转录组，帮助他们更好地鉴定潜在的药物靶点和耐药机制。1859年，达尔文提出了进化论，其中对各个地方鸟类的描述尤为经典。 空间转录组学的出现让研究人员能够在天然结构下观察生物标志物、空间相互作用和肿瘤转录组，帮助他们更好地鉴定潜在的药物靶点和耐药机制。 结果1、空间转录组学鉴定对免疫治疗有反应和无反应的HCC细胞组成差异统计耐药、敏感病人样本中的细胞组成情况后，发现在敏感病人中免疫细胞比例更高，在耐药病人中癌症细胞比例更高。 打败癌症的进化空间转录组学让科学家能够在细胞背景下了解肿瘤应答和耐药性的分子基础。 我们很高兴看到空间转录组学如何继续帮助研究人员分析患者样本，鉴定新的生物标志物和药物靶点，并向真正的个性化医疗迈进。
28610编辑于 2024-04-28课前准备----健康和疾病的空间转录组学
空间转录组学技术的快速发展加快了包括肾脏病学在内的多个领域的发现步伐。 空间转录组学技术与其他组学方法的整合，如蛋白质组学和空间表观遗传学，将进一步促进全面分子图谱的生成，并提供对动态平衡和疾病中分子成分动态关系的见解。 空间转录组学方法总的来说，空间转录组学技术可以分为两种主要方法:利用下一代测序的方法和基于原位成像的方法。 Slide-seq提供接近单细胞的分辨率，spot大小为10µm，尽管单个spot可能覆盖两个或三个细胞，这取决于它们在组织内的细胞组织和大小。 虽然空间转录组学分析的数据输出可能是稳健的，但如果没有正交转录组学、蛋白质组学或表观基因组学分析数据的多模式整合，它们是不完整的。需要多种模态来定义细胞的身份和功能。
42310编辑于 2024-08-05- 来自专栏简说基因
从零开始学转录组：Trinity助你轻松上手
无需参考基因组： Trinity最大的亮点之一在于它无需依赖参考基因组就能进行转录组组装。这对于那些没有参考基因组、非模式生物或基因组信息不全的物种来说，无疑是一个巨大的福音。 Genome-scale transcriptome profiling of the malaria parasite Plasmodium falciparum • 实例描述：研究人员利用Trinity对疟原虫的转录组进行了全面的分析 single cell transcriptomic atlas of the human lung across sexes and organs • 实例描述：研究人员利用Trinity对人类肺部的单细胞转录组数据进行了高效组装 Science Advances论文 • 标题：A comprehensive view of alternative splicing in plants • 实例描述：科学家们利用Trinity对多种植物的转录组数据进行了详细的分析 总结 Trinity在无参考基因组的情况下具有显著的优势，能够重建大量转录本并区分同源基因的转录本。然而，其高计算资源需求和复杂性是其主要局限性。
59410编辑于 2025-02-05 生物信息初学者教程（癌症转录组学）
欢迎大家关注全网生信学习者系列：WX公zhong号：生信学习者Xiao hong书：生信学习者知hu：生信学习者CDSN：生信学习者2介绍在生物信息学（生信）领域，随着高通量测序技术的不断发展，大量数据涌现 鉴于此，我们结合先前的项目经验，特别为初学者设计了一套基于癌症转录组数据的纯生信文章项目教程。
21500编辑于 2024-06-13- 来自专栏智能生信
. | 基因组学、蛋白质组学、转录组学、微生物组学、代谢组学、病理组学等关联关系预测：一种综合方法
目前，基因组学、蛋白质组学、转录组学、微生物组学、代谢组学、病理组学、放射组学等多组学是研究的热点之一。其中多组学数据、药物和疾病之间的关系受到了研究者们的广泛关注。 本文提出了一种综合的研究策略，即构建多组学数据的异构网络，覆盖多模态数据，并利用当前流行的计算方法进行预测。 多组学关联预测的全面描述 未来面临的挑战 本文以当前热点的生物学关联关系预测研究作为讨论。作者提出了一种可能的策略，融合大规模的多组学数据，以全面探索各种生物实体之间的关系。 放射组学的合理组合也是当前研究的热点，特别是放射组学与组织病理学和生物分子特征的对应关联问题。 3. 设计预测方法的挑战 现阶段的预测方法有很多，每一种方法都有其优缺点。 这导致了生物学意义不明显，无法说服生物学和医学工作者，以及在分析和预测疾病时，很少有对其他关系的全面分析。
1.7K20发布于 2021-08-13 - 来自专栏用户7627119的专栏
空间转录组
近年来空间转录组技术出现在人们的视野中，由于这项技术不仅能够获得转录组的表达信息，同时还能对基因进行定位，因此受到研究者们的追捧。空间转录组技术到底是什么？它有什么用？应该怎么用？ 空间转录组技术无需进行组织解离，避免了在解离过程中造成的细胞损伤；空间转录组有助于异质组织中细胞类型的识别。 ? 空间转录组可以保留组织和细胞的微环境信息 三、空间转录组是怎么实现的？ 实验流程 三、空间转录组如何应用？ 整合空间转录组和单细胞转录组揭示胰腺导管腺癌的组织结构 ? 在同一样本中同时进行空间转录组和单细胞转录组测序，可以准确描述不同组织区域的细胞组成。 取两个胰腺癌病人的原发肿瘤组织10张切片和3659个细胞。 本文结合单细胞和空间转录组学，系统地绘制不同骨髓龛的分子、细胞和空间组成。 选取7497个细胞用于单细胞测序，通过激光切割获取了76个区域用于空间转录组测序。
2.4K31发布于 2020-08-06 - 来自专栏生信喵实验柴
空间转录组
空间转录组，也称为 spatial gene expression，简称 ST-seq，是将转录组学，单细胞测序技术以及组织切片技术结合起来的技术。 三、10x genomics 空间转录组 10x genomics 的空间转录组产品成为 Visium，可以用于新鲜冷冻组织样品以及 FFPE 组织样品，在其官网上有非常详细的文档材料。 Visium 空间基因表达解决方案将空间转录组学技术轻松融入标准的组织切片以及 H&E 染色或免疫荧光染色方法中。 四、空间转录组建库 由于空间转录组相比于单细胞转录组多了空间信息，因此 10X Visium 的实验可以分为两个板块——组织学板块和组学板块。 组织学板块包括样品的包埋、切片、固定、染色及成像，记录切片的形态学信息；组学板块包括 cDNA 的合成、扩增、接头连接和测序，记录切片的转录本信息和空间位置信息。
4.4K21编辑于 2023-02-24
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