JNCCN：T-ALL的基因組分類：當前現狀和未來的生物標志物
在T-ALL中很少有哪些特征能夠獨立于治療反應之外預測不良預后的風險。因此，大多數協作組不使用疾病生物學來進行T-ALL風險分層。
聊聊血液 - 腫瘤異質性，T-ALL，T淋巴細胞白血病 - 2025-07-02
【JNCCN】T-ALL的基因組分類：當前現狀和未來的生物標志物
《Journal of the National Comprehensive Cancer Network》近日發表綜述，強調了T-ALL 的分類和治療中新出現的生物標志物。
聊聊血液 - 生物標志物，T-ALL - 2025-06-30
Nat Commun：突破單細胞多組學數據整合瓶頸！通用深度學習框架scMODAL助力跨模態分析進入“全維度”時代
scMODAL通過深度學習突破了單細胞多組學整合的技術瓶頸，有效解決了跨模態整合的關鍵挑戰，為研究人員探索不同細胞成分之間的復雜相互作用提供了強大工具。
測序中國 - 單細胞多組學，scMODAL - 2025-05-31
Nature Genetics：基因組不穩定性驅動的克隆異質性：破解復雜核型急性髓系白血?。–K-AML）治療難題的關鍵
本文介紹復雜核型急性髓系白血病（CK-AML）預后差，Nature Genetics 相關研究用單細胞多組學技術解析其克隆演化等，探討染色體重排影響、克隆模式、藥物敏感性及靶向治療策略，為治療提供新思
生物探索 - 單細胞多組學，復雜核型急性髓系白血病 - 2024-11-27
Nature：CAR-T治愈白血病的關鍵，和這種T細胞亞型密切相關！
本研究通過多組學分析兒童白血病患者的 CAR T 細胞，揭示 2 型 T 細胞功能與長期緩解相關，提出增強 2 型特征可提升 CAR T 細胞持久性和療效。
兒童腫瘤前沿 - 白血病，CAR T細胞 - 2024-11-06
中山大學腫瘤防治中心田麟團隊《自然·通訊》：組織駐留巨噬細胞在肝轉移瘤中的可塑性研究
本研究利用巨噬細胞譜系追蹤模型，揭示肝轉移瘤中巨噬細胞來源及生態位調控，提出抑制策略提高免疫治療效果，為腫瘤治療提供新思路。
BioMed科技 - 巨噬細胞，肝轉移瘤 - 2024-11-03
【Nature子刊】新型免疫療法治療多發性骨髓瘤的耐藥機制及克服策略
對于開發下一代CAR-T細胞和BTE療法，以及優化治療排序和計劃聯合治療來說，研究驅動腫瘤反應性和/或對新型免疫治療產生耐藥性的潛在生物學機制至關重要。
聊聊血液 - 多發性骨髓瘤，耐藥機制，新型免疫療法 - 2024-07-17
阿替利珠單抗+替瑞利尤單抗，治療非小細胞肺癌療效更好，登上Nature!
這些結果揭示了TIGIT檢查點抑制劑重塑免疫抑制性腫瘤微環境的作用機制，并暗示FcγR參與是抗TIGIT抗體開發中的重要考慮因素。
BioMed科技 - 非小細胞肺癌，阿替利珠單抗，替瑞利尤單抗 - 2024-03-03
NBT：軍事醫學研究院應曉敏團隊和伯曉晨團隊自主研發用于單細胞多組學數據馬賽克整合的人工智能算法MIDAS
該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。
測序中國 - 細胞圖譜，人工智能算法，MIDAS - 2024-01-24
Cell Genomics：范驍輝/ 陸曉燕團隊開發新型空間映射計算工具SpaTrio，揭示組織空間多模態異質性
研究團隊提出了一個基于單細胞多組學和ST數據的單細胞空間映射計算工具——SpaTrio。
測序中國 - SpaTrio，單細胞空間映射計算工具，單細胞空間圖譜，空間多模態異質性 - 2023-12-16
Nat Commun：圖譜級單細胞數據高效整合算法“scMerge2”，實現跨樣本、跨條件分析
研究團隊推出了一種名為scMerge2的可擴展算法，能夠對圖譜規模多樣本、多條件單細胞研究進行數據整合，以幫助人們了解不同條件下細胞的生物學特性。
測序中國 - 單細胞數據，scMerge2 - 2023-08-15
Genome Biology | 王岱峰團隊發表跨模態最優傳輸方法CMOT，可準確預測單細胞的多模態特征
研究發現，在腦發育、癌癥及免疫學等各種應用中，CMOT比現有方法更優秀，并提供改進細胞分類或癌癥分類的生物學解釋。
測序中國 - 單細胞，跨模態最優傳輸，CMOT，多模態特征 - 2023-07-14
A&R：單細胞轉錄組和表面蛋白表達分析確定強直性脊柱炎中OX40+GITR+致病性Th17細胞
通過單細胞轉錄組和表面蛋白表達分析，揭示強直性脊柱炎（AS）患者血液和滑膜細胞的免疫圖譜，揭示致病Th17細胞(pTh17)的分子特征。
MedSci原創 - 強直性脊柱炎，單細胞轉錄組，致病性TH17細胞，OX40，表面蛋白表達分析，GITR - 2023-02-18
Nature子刊 | 多用途深度學習方法sciPENN，可預測、插補scRNA-seq、CITE-seq蛋白質表達
綜上所述，研究團隊開發了sciPENN深度學習模型，可以預測和估算蛋白質表達，集成多個CITE-seq數據集，量化預測和估算不確定性。
測序中國 - sciPENN，、插補scRNA-seq，CITE-seq蛋白質表達 - 2022-11-24
Nature子刊：多用途深度學習方法sciPENN，可預測、插補scRNA-seq、CITE-seq蛋白質表達
研究團隊開發了sciPENN深度學習模型，可以預測和估算蛋白質表達，集成多個CITE-seq數據集，量化預測和估算不確定性。
測序中國 - 基因測序，深度學習 - 2022-11-24
為您找到相關結果約19個
