公司新闻

近日，加拿大多伦多大学研究团队在J Hepatol期刊上发表了题为“Single-cell, single-nucleus, and spatial transcriptomics characterization of the immunological landscape in the healthy and PSC human liver”的文章。

组学数据往往会有着高维度大样本量的特点，很难在机制上用一个合适的作用方式去解读，利用算法在先验知识的基础上去推断相关的生物活性是一种常用的研究手段。

针对阿尔茨海默病（AD）的抗淀粉样蛋白免疫疗法正在兴起，如何快速且低成本来筛选无 tau 病理学晚期的Aβ 阳性患者是亟待解决的关键问题。本研究旨在评估血浆生物标志物在评估阿尔茨海默病（AD）患者中Aβ阳性状态和tau负荷不同阶段的有效性。

肾脏纤维化是一种常见的病理过程，与多种慢性肾脏疾病相关，其特征是肾脏组织中的细胞外基质积累和结构性损伤。尽管已有大量研究关注纤维化的分子机制，但了解其在细胞层面的异质性和空间分布仍然是一个重要的研究领域。

Tau-PET是一种可以检测大脑中Tau蛋白聚集的成像技术，有助于预测认知能力下降和识别AD的不同亚型。在阿尔兹海默症的诊疗中，尽管Tau-PET扫描是一个强大的工具，但它成本高且涉及辐射暴露，可考虑结合血浆标志物的筛选对其进行优化使用。

之前我们介绍了如何根据体细胞突变结果推断已知的突变特征，这里的已知突变特征主要是来自COSMIC网站，从分析结果中我们发现有一部分特征无法跟COSMIC数据匹配，

qs是一个R语言包，使用qs可以快速地从磁盘中保存和读取对象。它的主要目的是替换R中的saveRDS和readRDS函数，提供了一个更加快速而完整的数据读写方法。

单细胞空间数据的质量受多种因素影响，怎么样才能让自己的单细胞空间转录组研究更加顺利？在选择好CosMx SMI平台后，需要注意哪些问题，平台已有哪些可参考的内部经验？

Giotto是一种适用于不同空间组学（tecnique-agnostic）数据分析的工具套件。该框架支持处理聚合（细胞-特征计数矩阵）和非聚合的空间数据，其中多边形注释信息与空间表达数据是分开的。

本研究着重探索了一种新型血液生物标志物——脑源性tau（Brain-derived tau，BD-tau），用于早期诊断阿尔茨海默症（Alzheimer’s disease，AD）。AD的典型病理特征包括β淀粉样蛋白（Amyloid-beta，Aβ）斑块、tau蛋白缠结和脑萎缩。

激光共聚焦显微镜以激光作为光源，激发组织细胞中荧光标记的分子和结构产生荧光信号，通过检测器收集信号从而进行高分辨率的成像。因此我们对不同荧光染料分别进行简单的介绍，帮助大家更快速的选择合适的染料。

Giotto是一种适用于不同空间组学（tecnique-agnostic）数据分析的工具套件。该框架支持处理聚合（细胞-特征计数矩阵）和非聚合的空间数据，其中多边形注释信息与空间表达数据是分开的。

黑色素细胞肿瘤包括良性（如痣）和恶性（如黑色素瘤）两种形式。痣和黑色素瘤可能有相似的驱动突变，但黑色素瘤中含有大量未完全了解的致癌突变。对黑色素瘤相关基因表达的理解依赖于RNA测序技术，然而该技术缺乏空间信息，无法洞察如细胞与淋巴血管的接近程度、肿瘤-基质边界或淋巴细胞浸润等因素。

Giotto工具箱是Giotto软件包的升级版本，提供了处理、分析和可视化各种尺度和多种分辨率的空间多组学数据的工具。它的基本框架可推广到几乎所有当前和新兴的空间组学技术上

在阿尔茨海默病（AD）中，血液生物标志物已成为临床评估、试验招募和疾病监测的可扩展工具。磷酸化Tau（p-Tau）蛋白是主要的血液生物标志物候选物。

阿尔茨海默病（AD）是一种进行性神经退行性变，淀粉样蛋白-β（Aβ）沉积是该疾病的一个关键的神经病理学标志，小胶质细胞和星形胶质细胞的变化与疾病进展密切相关。

近日，上海交通大学医学院附属第九人民医院贾仁兵团队在Cancer Letters上发表题为“FTO elicits tumor neovascularization in cancer-associated fibroblasts through eliminating m6A modifications of multiple pro-angiogenic factors“的研究论文

近日，上海交通大学医学院附属仁济医院风湿科沈南教授团队和Carola G. Vinuesa共同通讯在Science上发表题为“The transcriptional factor ZEB2 drives the formation of age-associated B cells”的研究论文。

器官芯片技术（organ-on-a-chip）是将3D细胞培养和微流控技术结合后形成的一种新型体外细胞培养方案，能够在体外更好地模拟不同器官/组织的病理或生理微环境。

在肿瘤相关单细胞转录组测序中，肿瘤细胞的甄别一直是一个让人头疼的问题。CNV可以用于区分肿瘤细胞和正常细胞，常用的inferCNV方法往往需要一个清晰的非肿瘤细胞注释做为参考去佐证肿瘤细胞，CopyKAT对于细胞数量多的分析项目是极不友好的，时间成本消耗也是极高的。下面介绍一种新的肿瘤细胞预测的方法：Cancer-Finder，其可以应用于肿瘤细胞的鉴定和空间恶性区域的识别。