大家好，歡迎觀看《時(shí)空日?qǐng)?bào)》第21期。本期追蹤到時(shí)空/單細(xì)胞組學(xué)相關(guān)研究文章共計(jì)5篇。以下是應(yīng)用時(shí)空云平臺(tái)STOmics Cloud的StereoCopilot模塊生成的文章概要，并輔以人工審核，供了解參考。

1、人類腎上腺皮質(zhì)發(fā)育的綜合單細(xì)胞分析

An integrated single-cell analysis of human adrenal cortex development

JCI Insight; IF: 8.000; DOI: 10.1172/jci.insight.168177

內(nèi)容概要：通過(guò)單細(xì)胞和bulk RNA測(cè)序、空間轉(zhuǎn)錄組學(xué)、免疫組織化學(xué)和微聚焦計(jì)算機(jī)斷層掃描等方法，研究人類腎上腺在妊娠前20周的關(guān)鍵發(fā)育過(guò)程，揭示了人類腎上腺發(fā)育的各個(gè)方面，并對(duì)理解原發(fā)性腎上腺功能不全和相關(guān)的產(chǎn)后腎上腺疾?。ㄈ缒I上腺腫瘤發(fā)展、類固醇疾病和新生兒應(yīng)激）具有臨床意義。

2、人類視網(wǎng)膜線粒體疾病中非隨機(jī)異質(zhì)性分布的多模態(tài)單細(xì)胞分析

Multimodal single-cell analysis of nonrandom heteroplasmy distribution in human retinal mitochondrial disease

JCI Insight; IF: 8.000; DOI: 10.1172/jci.insight.165937

內(nèi)容概要：通過(guò)scRNA-seq、線粒體scATAC-seq和多模式單細(xì)胞測(cè)序等方法，發(fā)現(xiàn)線粒體基因組中的突變體在不同細(xì)胞和組織中的分布不均勻，且不同細(xì)胞類型對(duì)突變體的敏感程度不同。同時(shí)，高比例的突變體與細(xì)胞的轉(zhuǎn)錄和形態(tài)異常有關(guān)。這些發(fā)現(xiàn)揭示了線粒體疾病中線粒體變異分布的非隨機(jī)性，并強(qiáng)調(diào)了其對(duì)線粒體疾病發(fā)病機(jī)制和治療的影響。

3、用于表征與人類脂肪細(xì)胞代謝紊亂相關(guān)候選基因的單細(xì)胞CRISPRi平臺(tái)

A single-cell CRISPRi platform for characterizing candidate genes relevant to metabolic disorders in human adipocytes

American Journal of Physiology. Cell Physiologyh; IF: 5.500; DOI: 10.1152/ajpcell.00148.2023

內(nèi)容概要：介紹了一種基于CRISPRi技術(shù)和scRNA-seq的CROP-Seq平臺(tái)，可用于研究脂肪細(xì)胞的生物學(xué)和脂肪生成過(guò)程。通過(guò)對(duì)人類前脂肪細(xì)胞SGBS細(xì)胞系進(jìn)行sgRNA文庫(kù)轉(zhuǎn)染，結(jié)合微流控技術(shù)捕獲不同時(shí)間點(diǎn)的單個(gè)細(xì)胞，進(jìn)行轉(zhuǎn)錄組數(shù)據(jù)的生物信息學(xué)分析，確定基因敲除效應(yīng)和通路調(diào)控，預(yù)測(cè)細(xì)胞表型。該平臺(tái)方法可以鑒定與代謝性疾病相關(guān)的脂肪生成調(diào)控因子和細(xì)胞功能。

4、基于圖學(xué)習(xí)的多視角聚類算法用于scRNA-seq數(shù)據(jù)

Multi-view clustering with graph learning for scRNA-seq data

IEEE/ACM Transactions on Computational Biology and Bioinformatics; IF: 4.500; DOI: 10.1109/TCBB.2023.3298334

內(nèi)容概要：提出了一種用于scRNA-seq數(shù)據(jù)的多視角聚類與圖學(xué)習(xí)算法（MCGL），該方法通過(guò)構(gòu)建多個(gè)特征空間和利用多視角學(xué)習(xí)來(lái)全面地表征來(lái)自不同角度的scRNA-seq數(shù)據(jù)。MCGL通過(guò)自適應(yīng)學(xué)習(xí)細(xì)胞相似性圖，克服了對(duì)固定相似性的依賴，將scRNA-seq分析轉(zhuǎn)化為多視角聚類分析；在多視角學(xué)習(xí)中將細(xì)胞網(wǎng)絡(luò)分解為視圖特定和公共網(wǎng)絡(luò)，更好地表征了細(xì)胞的拓?fù)潢P(guān)系；同時(shí)利用多種類型的細(xì)胞-細(xì)胞網(wǎng)絡(luò)，并通過(guò)網(wǎng)絡(luò)之間的互補(bǔ)性充分利用細(xì)胞之間的連接關(guān)系，以提高聚類性能。

5、不同嚴(yán)重程度的COVID-19：從bulk到單細(xì)胞表達(dá)數(shù)據(jù)分析

COVID-19 of differing severity: from bulk to single-cell expression data analysis

Cell Cycle; IF: 4.300; DOI: 10.1080/15384101.2023.2239620

內(nèi)容概要：通過(guò)對(duì)GSE164805數(shù)據(jù)集的分析，使用WGCNA方法鑒定了輕癥COVID-19和重癥COVID-19的關(guān)鍵模塊，并構(gòu)建了蛋白質(zhì)相互作用網(wǎng)絡(luò)，發(fā)現(xiàn)了16個(gè)輕癥COVID-19和10個(gè)重癥COVID-19的關(guān)鍵基因。進(jìn)一步預(yù)測(cè)了上游轉(zhuǎn)錄因子和激酶，并發(fā)現(xiàn)了許多免疫細(xì)胞的浸潤(rùn)程度在輕癥和重癥COVID-19樣本之間存在顯著差異。預(yù)測(cè)的蛋白質(zhì)靶向藥物中，得分最高的幾乎都屬于天然或合成的糖皮質(zhì)激素。此外，該研究探索了mCOVID-19/sCOVID-19的關(guān)鍵基因在每種細(xì)胞類型中的表達(dá)分布，并發(fā)現(xiàn)了一些細(xì)胞特異性的基因。

《時(shí)空日?qǐng)?bào)》是華大時(shí)空基于時(shí)空云平臺(tái)STOmics Cloud的StereoCopilot功能板塊，推出的聚焦于時(shí)空組學(xué)領(lǐng)域?qū)W術(shù)前沿的欄目。該欄目以實(shí)時(shí)、精準(zhǔn)追蹤時(shí)空組學(xué)前沿為目標(biāo)，共享最新時(shí)空知識(shí)，助力生命科學(xué)和臨床醫(yī)學(xué)發(fā)展。