- 综合排序
- 最热优先
- 最新优先
- 来自专栏文献分享及代码学习
单细胞文献分享-利用单细胞测序技术分析根韧皮部细胞图谱，揭示了初生韧皮部邻近细胞中常见的转录模式
这篇文章是2022年8月4日发表在Nature Plants上的一篇文章，讲的是选用单细胞组学的技术来解析韧皮部细胞的一个过程。 当诱导PAPL1表达时（20小时处理或直接在β雌二醇中发芽并生长5天），我们没有观察到与PEAR1过量表达类似的表型，根部2的周缘细胞分裂增加（扩展数据图8a-h）。 当PAPL1在野生型（WT）背景下在茎部过表达时，也观察到类似的结果（扩展数据图8i-p）。这些观察结果表明，PAPL基因不控制PEARs下游的周缘细胞分裂。 这些代谢物之一是蔗糖，仅在根部有显著差异，在那里突变体开始时水平较低（第2和第3天），然后继续增加，在第7天实验结束时达到与WT相当的水平（图8b）。 Plant Physiol. 2008 Jan;146(1):140-8. doi: 10.1104/pp.107.107870. Epub 2007 Nov 9.
1.4K50编辑于 2022-08-20 - 来自专栏文献分享及代码学习
单细胞韧皮部研究代码解析1-QC_filtering.R
我去年分享了一篇单细胞韧皮部研究的文献分享，我一直都很喜欢看这篇文章作者的代码，写的很棒，推荐给大家。 analysis/functions/utils.R")# Marker genes whose promoters were used for cell sorting#文章里面加入了marker基因对不同的细胞类型进行了筛选 , round(attr(reducedDim(ring_soft, "PCA"), "percentVar")[2]), "%)")) + coord_fixed(ratio = 0.8)# 在单细胞的文章中 methods中的方法进行了批次效应的去除图片# Batch effects - hard filter ---------------------------------------------# 对于单细胞研究中 基本思路是先对数据进行基本的数据质控，然后umi，检测到的基因的结果进行可视化吗，确定基本数据质控的质量，其中去看一些PCA降维的内容是不是对后续的分析有影响；随后开始进行是否需要做批次效应分析，一般单细胞分析是需要默认做批次效应处理的
95300编辑于 2023-04-02 - 来自专栏文献分享及代码学习
单细胞韧皮部研究代码解析3-comparison_brady.R
单细胞韧皮部研究代码解析1-QC_filtering.R:https://cloud.tencent.com/developer/article/2256814? areaSource=&traceId= 单细胞韧皮部研究代码解析2--comparison_denyer2019.R：https://cloud.tencent.com/developer/beta/ ，很多研究学者会将以前做的显微切割的RNA-seq的数据与自己的研究内容进行比对，则可以得到在单细胞和亚细胞水平上的数据结果。 ")[rownames(lon_matrix), ]), lon_matrix, method = "spearman") ## 得到每个细胞和 RNA的数据集进行整合，计算了细胞与组织之间的相关性系数，为鉴定细胞亚群也做了相关的参考，在细胞层面和亚细胞层面上都做了相关的分析，也是在以前的文章中没有看到的内容，同时我自己对自己的数据也进行了测试，
44020编辑于 2023-05-05 - 来自专栏文献分享及代码学习
单细胞韧皮部研究代码解析2--comparison_denyer2019.R
单细胞韧皮部研究代码解析1-QC_filtering.R:https://cloud.tencent.com/developer/article/2256814? areaSource=&traceId= 今天继续给大家分享这篇作者的代码，在很多人做单细胞数据分析的时候，，目前是伴随单细胞组学的发展，如何将前人发表的单细胞转录组数据与获得的单细胞数据进行整合，这篇文章的作者提供了一个思路
49200编辑于 2023-04-08 - 来自专栏文献分享及代码学习
文献精读单细胞-一个超保守的位点调控地上根及地下根的形态建成
[图片.png] 番茄SBR的单细胞图谱 为了查看韧皮部细胞形成根分生组织的轨迹，选用了第1、3和5阶段的根分生组织以及根起始前的韧皮部相关组织的来进行单细胞mRNA图谱构建。 并选用ICI算法，基于已发表的数据，进行细胞注释，分别识别木质部、韧皮部、干细胞、根冠和维管系统初始细胞群(分别为簇3、5、8、9、10和2)。 两个簇(8和9)被归类为干细胞，并富含几种根干细胞调节因子的表达(图3)。(中六)。 stage origin和1 的SBR富集到大量皮层和韧皮部细胞，猜测这一部分可能是一类形态相似的韧皮部和皮层细胞，stage 1细胞的三分之一被归类为韧皮部薄壁组织或韧皮部，表明芽生根来自于该组织。 总体而言，通过单细胞分析证实，芽生根来自分化的韧皮部薄壁组织，并确认了在韧皮部薄壁组织向根分生组织的转变过程中形成的先前未描述的细胞身份 [图片.png] SBRL基因定位 为了确定过渡干细胞的潜在调控因子
1.4K30编辑于 2022-05-16 - 来自专栏文献分享及代码学习
单细胞韧皮部研究代码解析4-Fig01-umap_cell_types.R
单细胞韧皮部研究代码解析1-QC_filtering.R:https://cloud.tencent.com/developer/article/2256814? areaSource=&traceId= 单细胞韧皮部研究代码解析2--comparison_denyer2019.R：https://cloud.tencent.com/developer/beta/ areaSource=&traceId= 单细胞韧皮部研究代码解析3-comparison_brady.R：https://cloud.tencent.com/developer/beta/article ring$cluster_mnn_logvst <- factor(ring$cluster_mnn_logvst, levels = c("8" "AT2G22850", "S17", "AT3G14570", "CALS8"
50020编辑于 2023-05-06 - 来自专栏生信宝典
杭州师范大学王慧中团队揭示红豆杉幼茎细胞特异的紫杉烷合成调控模式
诸如：10-脱乙酰基紫杉醇(10-deacetyl paclitaxel)均匀分布于整茎中，10-脱乙酰基巴卡丁(10-DAB)和巴卡丁(BAC)主要积累于内皮层和韧皮部中，而紫杉醇(taxol)特异积累于外皮层中 通过高通量单细胞测序，绘制了红豆杉幼茎单细胞表达图谱，平均单细胞基因检测数为2996，表明了红豆杉茎组织具有高度的细胞异质性。 基于细胞特异标记基因，将所得单细胞分为18个细胞类群，提供了南方红豆杉茎组织的单细胞表达谱，为揭示紫杉烷类化合物细胞群差异积累的调控机制打下了基础。 本研究以单细胞水平的分辨率建立了红豆杉幼茎中主要细胞类型的表达图谱，为进一步研究细胞特异的紫杉烷合成调控机制提供了基础。 杭州师范大学王慧中团队近年来在红豆杉次生代谢调控研究中取得了一系列进展，鉴定了多个红豆杉韧皮部特异表达的紫杉醇合成调控因子(Yu et al., 2020, The Plant Journal), 解析了曼地亚红豆杉雌雄差异形成的机制
60720编辑于 2023-08-30 - 来自专栏生信技能树
胡萝卜的长非编码RNA的鉴定
下面是100个lncRNA组装案例文献分享 12个样本：2个基因型（紫色和橙色胡萝卜）X 2个组织（木质部和韧皮部）X 3个生物学重复。 紫胡萝卜韧皮部和木质部组织中的花青素浓度和色素分布不同，表明两个根组织中存在独立的遗传。此前的研究表明，DcMYB7和DcMYB6参与紫根样品韧皮部色素形成的调控。 在紫色组织中主要是（1）类黄酮、花青素途径的早期阶段；(2)细胞色素P450蛋白，推测与类黄酮和异黄酮的生物合成途径有关；(3)ATP结合盒式转运蛋白，可能与花青素运输有关；(4)该途径晚期的烯类。 这四个基因在紫色韧皮部和木质部组织中的比较RT-qPCR表达。 讨论 通过对韧皮部和木质部紫色样本的解剖，作者可以发现DcMYB6 和DcMYB7基因没有组织特异性的表达，这与之前的报道相反。 作者提出的解释是可能是因为之前的研究没有进行独立的韧皮部和木质部转录组分析。 作者鉴定了19个紫色和橙色胡萝卜之间差异表达的lncNATs。
67720发布于 2021-07-06 - 来自专栏文献分享及代码学习
文献解析18 单细胞组学揭示了C3及C4植物中影响光合作用的保守调控元件
利用已发表的标记基因及同源基因的内容，为每个亚群进行了细胞注释，分别归属于叶肉细胞、保卫细胞、表皮细胞、木质部薄壁组织细胞和韧皮部细胞。GO富集分析中鉴定到的Terms与细胞的生物学功能是一致的。 维管束鞘细胞在解析为了解析水稻和高粱中每种细胞类型的转录特性，作者又构建了一个光照48小时后样本的细胞图谱。由于物种之间存在差异，但是可以发现不同来源的细胞大部分可以聚集在一起。 最明显的作者发现维管束鞘细胞的细胞核，来自高粱的细胞核与来自水稻的维管束鞘细胞核明显聚集在一起。 通过对同源基因的解析，作者发现高粱的维管束鞘细胞在转录上更类似于水稻的叶肉细胞和保卫细胞，而水稻的维管束鞘细胞与高粱的韧皮部最为相似。 作者通过比较不同物种中每种细胞类型的25个最显著富集的顺式调节motif，去检索两个物种中保守的顺式调控元件，在两种物种的维管束鞘和韧皮部特异性峰中富集到DOF基序。
1K10编辑于 2024-12-30 - 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。
12.4K61编辑于 2022-12-16 - 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。
1.3K20编辑于 2022-03-29 - 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",
90920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（ 此外，为了评估 m6A 相关 T 集群对 T 细胞的整体影响，本研究发现共刺激、共抑制和一些功能相关标志物的免疫基因的平均表达存在许多差异，还发现这些 m6A 簇 CD4 + T、CD8 + T、Treg 然后，根据 m6A 介导的 TME 细胞的所有 DEG，本研究使用 GSVA 计算 m6A 子评分，并通过对来自8个和11个CRC队列的1892和2315例CRC患者的OS和RFS进行meta分析，探讨它们在 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
60320编辑于 2022-12-04 顶刊分享---单细胞空间转录组学揭示了根组织如何适应土壤胁迫（水稻）
单细胞RNA测序（scRNA-seq）和空间转录组学方法在不同环境中生长的植物器官中的应用有可能揭示根发育阶段基因表达的复杂性，并确定细胞类型特异性响应环境胁迫的机制。 单细胞数据的差异富集分析。与在无菌均质凝胶中繁殖相比，在土壤中生长的根似乎通过上调所有细胞类型中的防御、营养和细胞壁相关基因表达来适应其异质性环境。 与内部细胞层相比，外部细胞层更敏感，加强营养吸收（即“获得营养”）和细胞壁完整性，以促进根系探索土壤中的异质资源。 在屏障中次生细胞壁形成之间的一个关键环节是增强的细胞壁刚度，这有助于保护根系免受土壤机械应力的影响。 为了响应这种土壤胁迫，韧皮部细胞上调非生物胁迫信号阿坝的生物合成基因的表达，然后靶向外部根细胞类型，如外皮层，形成不透水屏障，以减少根系水分损失。最后看看方法植物细胞的注释生活很好，有你更好。
57620编辑于 2025-05-02- 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
3.1K21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
3.2K10发布于 2020-08-21 - 来自专栏生命科学
CCK-8，让细胞活性检测 So Easy! - MedChemExpress
Cell Counting Kit-8，是一种基于 WST-8 而广泛应用于细胞增殖和细胞毒性的快速、高灵敏度、无放射性的比色检测试剂盒。 CCK-8 溶液可以直接加入到细胞样品中，不需要预配各种成分。WST-8 在电子耦合试剂存在的情况下，可以被线粒体内的一些脱氢酶的电子传递还原生成橙黄色的甲瓒 (Formazan)。 ■ 客户验证 2---细胞活力检测为了验证 poly (I:C) 预处理在体外抑制炎症反应和凋亡细胞死亡，用 CCK-8 法检测 H9C2 细胞中不同复氧时间和不同 poly (I:C) 浓度下的细胞活力 PART 3 CCK-8 使用注意小贴士 小白: CCK-8 与细胞孵育后一般多久可以检测呢？ 小白:CCK-8 和活细胞内的脱氢酶持续反应使溶液颜色不断加深，我该如何终止 CCK-8 反应呢？ 小M: 以下方法任选其一均可终止 CCK-8 反应：a).
73630编辑于 2022-12-28 - 来自专栏数据科学（冷冻工厂）
R中单细胞RNA-seq分析教程 (8)
如何比较不同数据整合方法 当数据集完成整合后，就可以进一步开展多种分析了，这些分析内容包括但不限于第 1 部分提及的细胞聚类、标记识别、细胞聚类重新注释、伪时间分析、分支点分析以及 RNA 速度分析等。 数据整合的目的通常是让不同数据集中的细胞相互混合。 除非这些数据集完全不存在共有的细胞类型，否则不同数据集的细胞应该会出现部分或全部混合的情况； 数据整合的目的并非单纯地让不同数据集的细胞混合，而是要让相同细胞类型或状态的细胞相互融合。 第一类关注局部水平的混合情况，即评估某个细胞的邻近细胞是否来自不同的数据集。 第二类则关注单个数据集的原始细胞异质性结构，例如检查数据整合后细胞簇的细胞类型纯度。例子包括 Adjusted rand index (ARI)，该指标同样在基准测试论文中使用。
36210编辑于 2025-02-07 - 来自专栏单细胞天地
OSCA单细胞数据分析笔记8—Dimensionality reduction
根据维度信息，可计算细胞间的距离，用于分群； （2）但是对于具有成千上万个维度信息的单细胞间距离计算是十分低效的； （3）而且考虑到在细胞的生命活动中，多个基因的表达量是高度相关的，即可以用少数特征值来代表多数基因的表达量 ； （4）基于上述因素，单细胞数据降维就是使用几十个维度的特征信息，来衡量细胞间的距离，大大减少计算量；并且可一定程度上去除技术误差，以及对细胞间相对位置的二维可视化提供便利。 [1] 24.5181077 7.1739169 4.8484962 2.7507716 2.3263866 1.4646539 1.0064506 # [8] 0.9452909 0.8281589 但对于相距较远的细胞的二维呈现是没有参考意义的，切记决不能用于衡量cluster的相似性。可用于在之后的分群结果中，观察同一cluster内的细胞是否为距离相近的细胞。 往期回顾 多发性骨髓瘤发展过程中肿瘤和免疫细胞的共同进化 单细胞数据Seurat包的tSNE三维可视化 任意细胞亚群的差异分析 进阶版—doplot可视化多个单细胞亚群的多个标记基因 单细胞亚群细胞数量不一致
1.7K21发布于 2021-07-02 - 来自专栏作图丫
8+！免疫相关：肝细胞癌中 T 细胞介导的肿瘤杀伤的分子特征
导语 尽管检查点阻断是治疗肝细胞癌 (HCC) 的一种有前途的方法，但尚未确定预期会出现反应的患者亚群。T 细胞介导的肿瘤杀伤 (TTK) 是免疫检查点抑制剂治疗的基本原理。 2 中的样本大多表现出高免疫细胞浸润。 2) 热图中的高免疫浸润区包含为介导抗肿瘤免疫反应而建立的免疫细胞和多种免疫抑制细胞，提示可能存在反馈机制，即 TME 可能促进免疫抑制细胞的募集或分化。 结合生存分析结果（图 2E），与有利生存结果相对应的簇 2 中的样本显示，效应记忆 CD8+ T 细胞、Th1 细胞、CD56 自然杀伤细胞、嗜酸性粒细胞、自然杀伤 T 细胞、中性粒细胞和浆细胞样树突状细胞大量浸润 T 细胞排斥、骨髓细胞方面的得分更高；这些发现与 ssGSEA 结果大体一致（图 3C）。
69820编辑于 2022-12-14
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