單細胞數據降維可視化最新工具UMAP的介紹
高通量單細胞組學數據的一個顯著性特點就是數據量大，一次能反映的細胞數量多。因此，通過降維和可視化去展示細胞數據特征是一個非常重要的工作。翻開各類發表的單細胞組學文章，不管是CNS的還是其他，幾乎所有的結果中，映入眼簾的第一張圖片通常是數據結果的降維圖形化展示。圖1 PBMC細胞單細胞轉錄組數據展示圖實現高維數據可視化的理論基礎是基于降維算法。降維算法一般分為兩類：那些尋求在數據中保存距離結構的，以及傾向于保存局部距離而不是全局距離的。PCA[1]、MDS[2]等算法屬于前者，t-SNE[3,4]、diffusion maps[5]等算法都屬于后者。對高維單細胞數據的可視化展示，以t-SNE為代表的非線性降維技術，由于其能夠避免集群表示的過度擁擠，在重疊區域上能表示出不同的集群而被廣泛運用。然而，任何技術方法都不是完美的，t-SNE也一樣，它的局限性體現在丟失大規模信息(集群間關系)、計算時間較慢以及無法有效地表示非常......閱讀全文
單細胞數據降維可視化最新工具UMAP的介紹
高通量單細胞組學數據的一個顯著性特點就是數據量大，一次能反映的細胞數量多。因此，通過降維和可視化去展示細胞數據特征是一個非常重要的工作。翻開各類發表的單細胞組學文章，不管是CNS的還是其他，幾乎所有的結果中，映入眼簾的第一張圖片通常是數據結果的降維圖形化展示。 圖1 PBMC細胞單細胞轉錄
單細胞數據降維可視化最新工具UMAP的介紹
高通量單細胞組學數據的一個顯著性特點就是數據量大，一次能反映的細胞數量多。因此，通過降維和可視化去展示細胞數據特征是一個非常重要的工作。翻開各類發表的單細胞組學文章，不管是CNS的還是其他，幾乎所有的結果中，映入眼簾的第一張圖片通常是數據結果的降維圖形化展示。 圖1 PBMC細胞單細胞轉
單細胞數據降維可視化最新工具UMAP的介紹
高通量單細胞組學數據的一個顯著性特點就是數據量大，一次能反映的細胞數量多。因此，通過降維和可視化去展示細胞數據特征是一個非常重要的工作。翻開各類發表的單細胞組學文章，不管是CNS的還是其他，幾乎所有的結果中，映入眼簾的第一張圖片通常是數據結果的降維圖形化展示。圖1 ?PBMC細胞單細胞轉錄組數據展示
如何讀懂空間轉錄組測序數據結果
空間轉錄組學研究是很多老師非常感興趣的一種最新組學研究技術。做完空間轉錄組測序后，能拿到哪些結果，是不是存在買家秀和賣家秀的差距？本期，生物芯片生物信息團隊利用已發表數據的實操分析，為大家展示空間轉錄組測序數據結果。 我們分析了來自10x Genomics 的Visium技術生成的某腫瘤生
如何讀懂空間轉錄組測序數據結果
空間轉錄組學研究是很多老師非常感興趣的一種最新組學研究技術。做完空間轉錄組測序后，能拿到哪些結果，是不是存在買家秀和賣家秀的差距？本期，生物芯片生物信息團隊利用已發表數據的實操分析，為大家展示空間轉錄組測序數據結果。我們分析了來自10x Genomics 的Visium技術生成的某腫瘤生物學數據集，
如何讀懂空間轉錄組測序數據結果
空間轉錄組學研究是很多老師非常感興趣的一種最新組學研究技術。做完空間轉錄組測序后，能拿到哪些結果，是不是存在買家秀和賣家秀的差距？本期，生物芯片生物信息團隊利用已發表數據的實操分析，為大家展示空間轉錄組測序數據結果。 我們分析了來自10x Genomics 的Visium技術生成的某腫瘤生
BioTechniques：大數據的可視化工具
如今，面對海量的生物數據集，人們往往感到束手無策。然而，這些TB級的數據有望帶來新的假說、新的藥物靶點，以及對生物系統的更徹底了解。數據可視化在其中扮演著至關重要的作用。在這一期的《BioTechniques》雜志上，Sarah Webb博士探討了數據可視化的挑戰和能力。 大數據是一個美好的概
應曉敏/伯曉晨團隊開發基于生成式人工智能的新算法MIDAS，實現單細胞多組學數據的馬賽克整合
研究提出了一種用于單細胞多組學數據馬賽克整合及知識遷移的計算工具——MIDAS，首次實現了通用的單細胞多組學馬賽克數據的模態對齊、數據補全、批次校正等整合功能。 軍事醫學研究院應曉敏團隊和伯曉晨團隊在 Nature Biotechnology 期刊發表了題為：Mosaic integratio
基于生成式人工智能的新算法MIDAS，實現單細胞多組學數據的馬賽克整合
目前，單細胞多組學技術日益成熟，測序數據也在不斷增長。然而，不同組學組合、不同測序技術、不同測序樣本的“馬賽克”式單細胞數據的整合是該領域的巨大挑戰。 2024年1月23日，軍事醫學研究院應曉敏團隊和伯曉晨團隊在 Nature Biotechnology 期刊發表了題為：Mosaic inte
流形學習在單細胞組學數據分析中的運用
以10x Genomics為代表的單細胞組學檢測技術的發展，為我們從細胞層面去理解生命體的發育過程，疾病發生和發展過程提供了重要的手段。以單細胞轉錄組(scRNA-Seq)為例，我們可以發現，單細胞組學數據具有橫向細胞數量巨大，縱向數據分布稀疏的特點。因此，針對單細胞數據，從分析的角度提出了巨大
流形學習在單細胞組學數據分析中的運用
以10x Genomics為代表的單細胞組學檢測技術的發展，為我們從細胞層面去理解生命體的發育過程，疾病發生和發展過程提供了重要的手段。以單細胞轉錄組(scRNA-Seq)為例，我們可以發現，單細胞組學數據具有橫向細胞數量巨大，縱向數據分布稀疏的特點。因此，針對單細胞數據，從分析的角度提出了巨大
流形學習在單細胞組學數據分析中的運用
以10x Genomics為代表的單細胞組學檢測技術的發展，為我們從細胞層面去理解生命體的發育過程，疾病發生和發展過程提供了重要的手段。以單細胞轉錄組(scRNA-Seq)為例，我們可以發現，單細胞組學數據具有橫向細胞數量巨大，縱向數據分布稀疏的特點。因此，針對單細胞數據，從分析的角度提出了巨大
研究開發單細胞空間轉錄組數據分析可視化平臺
單細胞測序技術是一種在單細胞水平上對基因組、轉錄組、表觀組等進行高通量測序分析的技術。單細胞測序技術能夠在組學水平揭示細胞間的異質性。單細胞水平細胞譜系追蹤技術位居2018年Science 雜志評選的十大科學突破之首。常規單細胞轉錄組測序技術丟失了細胞在原組織中至關重要的空間位置信息，而單細胞空
營養與健康所等研發空間轉錄組數據多模態可視化工具
5月22日，中國科學院上海營養與健康研究所等研究人員在《核酸研究》（Nucleic Acids Research）上在線發表了題為SMDB: a Spatial Multimodal Data Browser的最新研究成果。該項工作為研究人員提供了空間多模態數據的交互可視化探索工具。 通過對組
單細胞分析促進了分析流程的開發和使用
單細胞分析涵蓋了數據導入、存儲單細胞實驗數據的通用數據結構和用于將原始單細胞數據轉換為適合下游分析、交互式數據可視化和下游分析的快速而強大的方法。 基本數據的低維形式和描述細胞或特征屬性的元數據也可以存儲，數據和結果存儲在單個實例中，通過單細胞數據和結果的標準化存儲，促進了程序包之間的交互性，并
生物物理所開發單細胞空間轉錄組數據分析可視化平臺
單細胞測序技術是一種在單細胞水平上對基因組、轉錄組、表觀組等進行高通量測序分析的技術。單細胞測序技術能夠在組學水平揭示細胞間的異質性。單細胞水平細胞譜系追蹤技術位居2018年Science 雜志評選的十大科學突破之首。常規單細胞轉錄組測序技術丟失了細胞在原組織中至關重要的空間位置信息，而單細胞空
基于單細胞數據理解細胞變化過程—擬時間序列分..（一）
單細胞檢測技術的發展為我們理解復雜生命體中細胞的組成與各自功能及變化過程提供了強有力的工具。基于單細胞基因表達譜數據，我們可以窺探發育過程中細胞內的調控變化，發現腫瘤微環境中的各類細胞及它們的細胞間交流，理解器官組織中復雜多樣的細胞類型。現有單細胞研究是一個從整體到個體，再由個體特征重建整體的過程。
空間轉錄組技術用于免疫治療的研究與展望
腫瘤免疫治療現狀近年來，免疫療法，這種通過激活患者的免疫系統來殺死癌細胞的策略，已成為對抗癌癥的新希望。目前的免疫療法主要基于癌癥疫苗，細胞因子（例如白介素2），繼細胞轉移（ACT）和免疫檢查點抑制。基于他們的特點，特別針對程序性細胞死亡-1 /程序性細胞死亡配體1（PD-1 / PD-L1）途
多種單細胞數據結合在一起的新工具，確定細胞類型
單細胞研究揭示了可能在其他分析中被忽略的細胞細節。生物學家當前使用一系列方法來收集不同組織和物種的單細胞數據。一些科學家可能使用基于組織的原位方法來研究小鼠神經元中的DNA甲基化，而另一些科學家可能使用液滴方法來探究人神經元中的RNA表達。 這些研究創建了許多獨特的不易結合在一起的數據集。但是
數據降維和特征篩選的區別
數據降維，一般說的是維數約簡（Dimensionality reduction）。它的思路是：將原始高維特征空間里的點向一個低維空間投影，新的空間維度低于原特征空間，所以維數減少了。在這個過程中，特征發生了根本性的變化，原始的特征消失了（雖然新的特征也保持了原特征的一些性質）。而特征選擇，是從 n
Nat－Comm|－張強鋒組利用人工智能算法分析單細胞ATACseq數據
近年來，深度學習等人工智能技術在圖像識別，自然語言處理等領域取得了令人矚目的成就。人工智能技術應用于生命科學，對生物信息多個領域產生了重大的影響。深度學習算法借助于生命科學大數據的飛速發展，從海量大數據中自動高效地提取特征進行學習，極大超越了依賴人工提取特征的傳統人工智能算法，在醫療圖像處理、結
Cell發布最新激酶研究工具
激酶家族對于細胞的正常功能非常重要，人們開發的許多藥物，都是旨在促進或抑制激酶的活性。正確的激酶活性關系著機體的健康，如果它們出現異常就會引起癌癥和其他疾病。 斯坦福大學的科學家們開發了一個全新技術，利用生物感應器在單細胞中實現激酶活性的多重分析，這一成果發表在六月十九日的Cell雜志上。
單細胞基因表達分析解密血液早期發育調控網絡
近日，著名國際期刊nature biotechnology發表了英國科學家的一項最新研究成果，他們應用單細胞基因表達分析與計算方法描述了血液發育的轉錄調控網絡。這項研究為分析器官發育的調控網絡提供了一種可行的方法。 研究人員指出，重建調控器官發育的分子途經受限于缺少對胚胎祖細胞進行研究的方法，
基于單細胞數據理解細胞變化過程——擬時間序列分析詳解
單細胞檢測技術的發展為我們理解復雜生命體中細胞的組成與各自功能及變化過程提供了強有力的工具。基于單細胞基因表達譜數據，我們可以窺探發育過程中細胞內的調控變化，發現腫瘤微環境中的各類細胞及它們的細胞間交流，理解器官組織中復雜多樣的細胞類型。現有單細胞研究是一個從整體到個體，再由個體特征重建整體的過
新工具實現貼壁細胞的單細胞分析
美國麻省理工學院的研究人員開發出一種微流體裝置，一次能吸取一個細胞內的東西，而不干擾周圍的細胞，這為研究人員測定單細胞的生化性質帶來了一種新方法。它有助于研究不同干細胞之間的差異，或為什么同一腫瘤的不同細胞有著不同的治療響應。 MIT電氣工程與計算機科學系的Jongyoon
單細胞轉錄組高級分析之細胞譜系分析
基于單細胞轉錄組數據的細胞軌跡分析常見形式有細胞變化軌跡分析和細胞譜系分析，在上一篇中，我們詳細介紹了常規擬時間序列分析的相關內容（具體內容查看鏈接）。在這里，我們主要就細胞譜系分析進行介紹和解讀。細胞譜系分析，最簡明的理解就是細胞領域的進化樹，通常指的是某類祖源細胞，在特定條件下，有多個發育軌跡和
實用技巧二——單細胞轉錄組高級分析之細胞譜系分析
基于單細胞轉錄組數據的細胞軌跡分析常見形式有細胞變化軌跡分析和細胞譜系分析，在上一篇中，我們詳細介紹了常規擬時間序列分析的相關內容（具體內容查看鏈接）。在這里，我們主要就細胞譜系分析進行介紹和解讀。 細胞譜系分析，最簡明的理解就是細胞領域的進化樹，通常指的是某類祖源細胞，在特定條件下，有多
基于單細胞數據理解細胞變化過程擬時間序列分析詳解
單細胞檢測技術的發展為我們理解復雜生命體中細胞的組成與各自功能及變化過程提供了強有力的工具。基于單細胞基因表達譜數據，我們可以窺探發育過程中細胞內的調控變化，發現腫瘤微環境中的各類細胞及它們的細胞間交流，理解器官組織中復雜多樣的細胞類型。現有單細胞研究是一個從整體到個體，再由個體特征重建整體的過
中科院團隊研發出化石三維建模可視化專用軟件
如何讓古生物學領域對古老化石的研究更具活力？如何讓化石與現代生物的形態和解剖學可視化效果更形象逼真？三維表面模型可視化軟件的開發應用不可或缺且至為關鍵。 記者21日從中國科學院古脊椎動物與古人類研究所(中科院古脊椎所)獲悉，為提升化石和現代生物成像數據的可視化效果，該所盧靜研究員團隊最近自主研發
三維表面模型可視化軟件Vayu－1.0發布
Vayu 主界面與部分案例展示。（中科院古脊椎動物與古人類所供圖） ? 包括古生物學在內，眾多科研領域已經在前所未有的精度和廣度上大規模應用X射線計算機斷層掃描以及三維重建技術，隨之對生成的三維表面模型的可視化效果方面也提出了更高的需求。 目前大部分三維重建處理軟件在在處理三維表面