返回
Computational blueprints for cell fate programming
DOI:10.1016/j.stemcr.2026.102929.png)
摘要
En 中文
细胞命运编程在疾病建模、药物发现和再生医学中的应用。基础研究建立了分化方案,但其可扩展性受组合复杂性的限制。计算方法实现了细胞注释、网络推断和轨迹分析,并已用于优先筛选细胞命运编程中的转录因子和小分子,尽管其在方案设计中的前瞻性应用仍不均衡。单细胞与空间组学、扰动筛选和深度学习拓展了预测范围,同时引入了领域漂移、可解释性和可重复性等挑战。在此,我将这些方法综合为实用计算蓝图,嵌入细胞命运编程的迭代设计-测试-学习流水线中。
Keyword:
---
AI总结
对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
5.1
论文数:
2.8K
被引数:
1.1W
机构
引用论文
Slingshot: cell lineage and pseudotime inference for single-cell transcriptomics弹弓: 单细胞转录组学的细胞谱系和伪时间推断
BMC GENOMICS
IF3.7
The dynamics and regulators of cell fate decisions are revealed by pseudotemporal ordering of single cells单细胞的假时间顺序揭示了细胞命运决定的动力学和调节剂
NATURE BIOTECHNOLOGY
IF41.7
Activity-by-contact model of enhancer-promoter regulation from thousands of CRISPR perturbations来自数千个CRISPR扰动的增强子-启动子调控的接触活性模型
NATURE GENETICS
IF31.8
Predicting cellular responses to complex perturbations in high-throughput screens在高通量筛选中预测细胞对复杂扰动的反应
Evaluation of deep learning-based feature selection for single-cell RNA sequencing data analysis
GENOME BIOLOGY
IF9.4

