基于对比学习的单细胞转录组测序数据聚类模型

单细胞转录组测序技术(single-cell RNA sequencing, scRNA-seq)的快速发展为分析生物数据提供了有力支持.对scRNA-seq数据进行聚类分析，能够发现潜在的细胞亚型并研究细胞的异质性.但由于scRNA-seq数据存在高维性、高稀疏性以及dropout事件等问题，为聚类分析带来了挑战.提出一种基于对比学习的聚类方法，假设数据服从零膨胀负二项分布，应用自编码器框架学习细胞的表示.实验结果表明提出的方法在真实数据集上有优越的性能，在不同规模的数据集上具有良好的可扩展性.     

单细胞RNA测序数据插补方法综述

单细胞RNA测序（scRNA-seq）数据插补方法用于解决scRNA-seq数据观测中存在的大量“漏失”（dropout）噪音，改善下游分析，scRNA-seq数据插补方法设计是单细胞数据研究的热点方向之一.本文首先对20种主要的scRNA-seq数据插补方法进行介绍，包括基于模型的插补方法（6种）、基于平滑的插补方法（3种）、基于深度学习的插补方法（8种）和基于低秩矩阵的插补方法（3种），分析了各类方法的优势和缺点；其次，简要综述了插补方法比较研究的相关成果；然后，针对4种下游数据分析评估了以上方法（除scGNN外）的性能；最后，分析目前scRNAseq插补所面临的挑战，并指出新的研究方向.     

基于单细胞RNA测序数据的基因调控网络推断算法综述

通过基因表达的变化可以推断基因调控网络.单细胞RNA测序（scRNA-seq）为推断细胞周期或分化等时间依赖性生物过程的基因调控网络提供了新的可能性,基于scRNA-seq数据的基因调控网络推断算法成为一个相对活跃的研究方向.本文首先对26种基因调控网络推断算法进行介绍,包括3种针对批量RNA测序数据的推断算法和23种针对scRNA-seq数据的推断算法（基于布尔网络的算法2种、基于微分方程的算法3种、基于伪时序基因相关性集成策略的算法5种、基于共表达基因的算法4种、基于细胞特异性的算法3种、基于深度学习的算法6种）,详细描述了每类算法的方法原理和算法优缺点,对算法进行综合比较;然后分析了推断算法比较研究的相关成果,并使用scRNA-seq数据简单评估了26种算法的性能;最后探讨当前基因调控网络推断算法面临的机遇与挑战.     

CRISPR/Cas系统在谱系追踪中的应用

CRISPR/Cas系统是细菌和古生菌的自适应免疫系统,其对基因组高效精准的编辑,极大地推动了发育生物学、表观遗传学、药物开发、疾病治疗等多个学科和研究领域的发展.CRISPR/Cas9系统诱导基因组DNA产生双链断裂,以非同源末端连接(non-homologous end joining,NHEJ)的方式进行修复,因此会在剪切位置随机地引入短的插入和删除(insertions and deletions,indels).这些引入的indels作为区分细胞的标签,被称为条形码.细胞条形码技术已经被用于谱系追踪、基因组功能筛选等.而测序技术的飞速发展和成本的大幅度降低以及单细胞转录组测序技术的出现,可以在时间和空间层面同时对数百万个单细胞进行谱系追踪,记录细胞活动.本综述讨论了CRISPR/Cas系统的工作原理、细胞条形码技术和单细胞测序技术(scRNA-seq),以及两者结合产生的单细胞谱系追踪技术.     

大规模单细胞转录组测序数据的聚类方法比较

单细胞转录组测序(single-cell RNA-sequencing, scRNA-seq)数据具有高稀疏性、高噪声、高维度、结构信息和位置信息缺乏等特点,且数据规模迅速增大,使得单细胞聚类面临较大的挑战。为便于对不同的scRNA-seq数据选择合适的分析方法,本研究对scRNA-seq数据的质量控制、基因选择和聚类等方法进行比较分析。首先,分析质量控制中过滤和归一化的方法及其阈值设置;然后,从模型因子、测序技术、方法局限性和优势等方面,对6种典型的基因选择方法进行比较;最后,详细阐述6种典型的单细胞聚类方法,并分析其适用的数据规模和优缺点。收集14个带有真实标签的金标准scRNA-seq数据集,包括5个全长测序数据集和9个双端测序数据集,其中5个数据集包含的细胞数大于3 000个,对6种典型的基因选择方法和6种单细胞聚类方法进行实验比较,分析它们在识别高差异基因时和在聚类性能上的差异。结果发现,不同的基因选择方法在Adam和Wang＿Lung数据集分别可以检测到182个和124个共有基因,以及一些独有基因。此外,Seurat、SC3、Monocle 3和scDeepCluster的...     

利用遗传追踪绘制细胞命运谱系的研究进展

重建生物体组织和细胞之间谱系关系并绘制细胞命运图谱,一直是生物学要解决的基本问题之一。传统的谱系追踪通过直接观察,追踪少数细胞的分裂分化过程并绘制细胞命运图谱。随着分子生物学和高通量单细胞RNA测序（single cell RNA-seq,scRNA-seq）技术的发展,人们能够对多达数百万个单细胞的基因表达水平分别进行测序,实现了成体组织和胚胎发育过程中细胞命运图谱的绘制。文章回顾了谱系追踪技术的发展,探索了最新的研究成果,并讨论了存在的问题以及未来的发展潜力。     

肿瘤内细菌调控肿瘤细胞可塑性研究进展与展望（英文）

病原微生物与宿主细胞的交流与互作机制是生物医学领域的重要科学问题。随着单细胞分析和多组学研究模式的拓展,该领域迎来了新的科研突破。最新研究表明,肿瘤内细菌通过与肿瘤细胞及肿瘤免疫细胞互作改变肿瘤的演进和可塑性。为此,进一步解析肿瘤内细菌与宿主细胞之间的相互作用机制有望为靶向干预肿瘤发展与演进提供新的思路。本文综述了肿瘤内细菌与肿瘤细胞可塑性的研究进展,并展望了未来在制定肿瘤的精准治疗和新的靶向策略方面的潜在启示。     

Single-cell RNA sequencing的正则化方法

正则化是scRNA-seq数据分析的核心并影响决定下游分析的质量.相比bulk RNA-seq,由于scRNA-seq的zero inflation,其正则化是一个尚未解决的问题.本研究给出了一个bias analysis framework对现有的scRNA-seq正则化方法进行评估比较.这个bias analysis framework对scRNA-seq正则化提供了理论基础.同时作者比较了广为使用的bulk RNA-seq正则化方法,以及专为scRNA-seq设计的正则化方法在scRNA-seq基准数据聚类中的作用.     

一种基于集成学习策略的单细胞转录组数据集成分类算法

针对单细胞转录组数据上细胞分类准确率较低的问题, 提出一种新的细胞集成分类算法. 该方法能充分利用不同分类模型的优点, 降低单细胞数据的分类误差. 分别在慢性粒细胞白血病单细胞测序数据和三阴性乳腺癌单细胞测序数据两个不同数据集上进行实验验证, 实验结果表明， 由集成算法划分的细胞分类更清晰准确, 验证了该算法的有效性.     

2013值得关注的大科学领域

NO.1单细胞基因组测序 随着微流控技术、罕见细胞分离技术以及对单基因组破译能力的提高,单细胞基因组测序研究于2012年悄然崛起,并有望于201 3年获得重大突破. 多数的基因组测序是通过提取大量细胞中的DNA后进行的.为了获得足够的DNA进行测序,通常需要数以千计、甚至数以百万计的细胞.这种测序方法,忽略了细胞与细胞之间的差异.而这些差异对于控制基因表达、细胞行为和药物反应有可能是至关重要的.近年,科学家们发明了一种可以对一个细胞进行基因组测序的单细胞基因组测序技术,实现了从生命活动的最基本单位——细胞这个层次,去研究生物的生长、发育、生殖、遗传和变异等过程.如今,在微生物生态学、癌症基因组、法医学、微量诊断和遗传印记等研究中,单细胞基因组测序技术使其研究和检测更深入、更细致,从而带动基础科学新的发现,也将给人类对抗疾病、保障健康和提高生命寿命和质量带来很多新的机会.     

单细胞转录组学细胞动态分化数据模拟算法的比较与评估

对9种单细胞转录组学(single cell RNA sequencing, scRNA-seq)细胞动态分化数据模拟算法进行系统性地比较和评估,为算法的开发者和用户提供可靠的参考和帮助。利用多种评价指标对上述算法在准确性、可拓展性、适用性等3个方面进行全面评估,并对运行时间和内存消耗情况进行建模预测。结果显示：9种被评估的算法均不能在数据特征与拓扑结构这2个方面同时有完美的表现;算法Dyngen虽然能模拟与参考数据拓扑结构和细胞分化轨迹相似度较高的数据,但是它的运行时间较长且内存消耗过大;将近一半的算法还需要及时更新版本信息并维护相关功能。用户在使用scRNA-seq细胞动态分化数据模拟算法时应综合考虑不同的使用场景和特点来选择最适合的模拟算法。     

单细胞RNA-seq数据缺失元素补全算法

基于非负矩阵分解模型, 提出一种新的数据补全算法. 该算法通过循环遍历确定最佳构造矩阵和rank值, 解决了单细胞转录组测序(RNA-seq)数据中存在缺失值的问题,  避免了由于单细胞测序深度不足对细胞分型分析的影响. 在慢性粒细胞白血病单细胞测序数据上的实验结果表明, 由补全算法恢复缺失值后的细胞分型更清晰, 验证了该算法的有效性.     

单细胞RNA-seq数据缺失元素补全算法

基于非负矩阵分解模型, 提出一种新的数据补全算法. 该算法通过循环遍历确定最佳构造矩阵和rank值, 解决了单细胞转录组测序(RNA-seq)数据中存在缺失值的问题,  避免了由于单细胞测序深度不足对细胞分型分析的影响. 在慢性粒细胞白血病单细胞测序数据上的实验结果表明, 由补全算法恢复缺失值后的细胞分型更清晰, 验证了该算法的有效性.     

一步法快速分离鉴定肿瘤干细胞的单细胞微流控芯片

应用多层软光刻技术, 以聚二甲基硅氧烷（PDMS）作为芯片材料, 制作一种新型的可用于单细胞鉴定研究的微流控芯片（60 mm×40 mm×4 mm）. 将肺癌细胞A549无血清悬浮培养富集肿瘤干细胞, 制成单细胞悬液, 与逆转录 聚合酶链式反应(RT PCR)的反应液混合后通入芯片, 细胞随机分布在2 048个微腔室中裂解并进行RT PCR. 该芯片集细胞捕获、 分离、 裂解及聚合酶链式反应(PCR)于一体, 实现了一步法快速鉴定肿瘤干细胞的目的, 通过统计阳性小室数可计算出肿瘤细胞中肿瘤干细胞的比例.     

单细胞组学数据库的研究进展

随着测序技术的发展，目前单细胞测序已经成为生命科学各研究方向的前沿技术.单细胞测序技术是指在单个细胞的水平上对其携带的遗传信息进行高通量测序分析的技术.在2011年和2013年，单细胞测序技术分别被《Nature Methods》和《Science》列为年度最值得期待和关注的技术之一.随后单细胞测序数据呈现指数级增长，使得在海量的数据中寻找有用信息成为一个难题，整合单细胞测序数据的数据库有效地解决了该问题.概述了近年来有关单细胞数据库的研究进展，结合单细胞测序技术的重要性探讨单细胞数据库的功能特点及适用范围，并提出未来单细胞数据库发展的趋势.     

紫外辐射诱导牡蛎细胞DNA损伤的单细胞凝胶电泳检测

以牡蛎为研究对象,建立了水产动物DNA损伤的单细胞凝胶电泳检测方法.分别以20W紫外灯距离30 cm照射牡蛎血液细胞30、60和120 s,然后用单细胞凝胶电泳技术检测细胞DNA的损伤.结果表明:未照射的细胞未受损伤,在电场中核DNA几乎不泳动,染色后呈圆形的荧光团,无拖尾现象.紫外照射后细胞核DNA均不同程度受损,且拖尾率、尾长、尾矩、Olive尾矩等指标值均随着照射时间加长而增加,DNA损伤程度与紫外照射时间之间存在明显的时间效应关系.研究结果为我国海洋环境中辐射防护研究和辐射毒理学检测提供新的研究方法和思路.     

单细胞代谢组学分析技术研究进展

细胞是构成生物体结构和功能的基本单位,在各种生命活动中扮演了极其重要的角色.细胞生物学研究,尤其是对单个细胞的研究,是了解生命过程的重要手段.细胞代谢在细胞生命活动中处于重要地位,并对其结构和功能产生重要影响,因此近年来细胞代谢组学受到越来越多的关注.本文介绍了数种应用于单细胞层面的分析方法,包括与荧光、电化学、色谱、质谱等多种手段结合的研究方法.其中,近年来发展的单细胞质谱检测能够对单个细胞的代谢进行精准分析,检测代谢通路中的小分子,并将细胞代谢与细胞的各种生命活动联系起来,具有直接、快速、原位取样与检测等优点,拥有广阔的应用前景.     

酵母菌单细胞电化学行为的循环伏安法及电化学交流阻抗研究

单细胞的电化学研究不仅对于电化学而且对于细胞生物学都是一个挑战.本文亚甲蓝化学修饰微铂盘电极吸附捕获单个酵母菌细胞,以循环伏安和交流阻抗方法研究了被吸附细胞的电化学行为。在亚甲蓝的催化下,吸附的酵母菌细胞给出了一个不可逆氧化还原峰,受表面控制.交流阻抗图中获得电极与溶液,溶液-细胞膜,细胞膜上的氧化还原反应,细胞膜与细胞内液之间的阻抗,电容等相关参数,为单细胞的电化学行为的进一步研究奠定基础。     

单细胞凝胶电泳检测DNA损伤的方法及应用

单细胞凝胶电泳又称彗星试验,是一种在单细胞水平上检测DNA单、双链断裂和碱性不稳定位点的方法,具有敏感、稳定、快速的优点.近些年来,该方法广泛应用于遗传毒理、环境监测和细胞凋亡等的研究.本文就彗星试验检测DNA损伤方法的原理,评价指标,影响因素以及在一些方面的具体应用进行了综述.     

单细胞测序技术及其应用综述

单细胞测序（Single Cell Sequencing,SCS）是下一代测序（Next Generation Sequencing,NGS）方法,主要用于分析细胞之间遗传和蛋白质信息的差异,获取单细胞水平的基因组序列信息,并更好地了解它们在微环境中的具体作用.介绍了SCS的原理和步骤,详细阐述了其单细胞分离方法、核酸扩增和高通量测序类型以及数据分析流程,为理解和设计合适的SCS项目方案并进行数据分析提供了参考.总结了单细胞测序在早期胚胎学、免疫学、肿瘤学、微生物学、神经生物学和干细胞研究等领域的应用并进行展望,有助于更全面地了解SCS的应用情况与发展趋势.