• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

Estimating cell type-specific differential expression using deconvolution.

作者信息

Jaakkola Maria K, Elo Laura L

机构信息

Department of Mathematics and Statistics, University of Turku, Yliopistonmäki, 20014, Turku, Finland.

Turku Bioscience Centre, University of Turku and Åbo Akademi University, Tykistökatu 6, FI-20520, Turku, Finland.

出版信息

Brief Bioinform. 2022 Jan 17;23(1). doi: 10.1093/bib/bbab433.

DOI:10.1093/bib/bbab433
PMID:34651640
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC8769698/
Abstract
摘要

相似文献

1
Estimating cell type-specific differential expression using deconvolution.使用反卷积估计细胞类型特异性差异表达。
Brief Bioinform. 2022 Jan 17;23(1). doi: 10.1093/bib/bbab433.
2
Benchmarking transcriptome deconvolution methods for estimating tissue- and cell-type-specific extracellular vesicle abundances.评估转录组去卷积方法估计组织和细胞类型特异性细胞外囊泡丰度的基准测试。
J Extracell Vesicles. 2024 Sep;13(9):e12511. doi: 10.1002/jev2.12511.
3
SCADIE: simultaneous estimation of cell type proportions and cell type-specific gene expressions using SCAD-based iterative estimating procedure.SCADIE：基于 SCAD 的迭代估计过程同时估计细胞类型比例和细胞类型特异性基因表达。
Genome Biol. 2022 Jun 15;23(1):129. doi: 10.1186/s13059-022-02688-w.
4
Accurate estimation of rare cell type fractions from tissue omics data via hierarchical deconvolution.通过分层反卷积从组织组学数据中准确估计稀有细胞类型比例。
bioRxiv. 2023 Mar 16:2023.03.15.532820. doi: 10.1101/2023.03.15.532820.
5
BEDwARS: a robust Bayesian approach to bulk gene expression deconvolution with noisy reference signatures.BEDwARS：一种具有稳健性的贝叶斯方法，可用于对具有噪声参考特征的批量基因表达解卷积。
Genome Biol. 2023 Aug 3;24(1):178. doi: 10.1186/s13059-023-03007-7.
6
Improving sensitivity of linear regression-based cell type-specific differential expression deconvolution with per-gene vs. global significance threshold.通过基因特异性与全局显著性阈值提高基于线性回归的细胞类型特异性差异表达反卷积的灵敏度。
BMC Bioinformatics. 2016 Oct 6;17(Suppl 13):334. doi: 10.1186/s12859-016-1226-z.
7
Benchmark of cellular deconvolution methods using a multi-assay reference dataset from postmortem human prefrontal cortex.使用来自死后人类前额叶皮层的多检测参考数据集对细胞反卷积方法进行基准测试。
bioRxiv. 2024 Apr 7:2024.02.09.579665. doi: 10.1101/2024.02.09.579665.
8
Evaluating performance and applications of sample-wise cell deconvolution methods on human brain transcriptomic data.评估样本层面细胞反卷积方法在人类大脑转录组数据上的性能及应用。
bioRxiv. 2023 Mar 15:2023.03.13.532468. doi: 10.1101/2023.03.13.532468.
9
Computational deconvolution of cell type-specific gene expression in COPD and IPF lungs reveals disease severity associations.慢性阻塞性肺疾病（COPD）和特发性肺纤维化（IPF）肺部细胞类型特异性基因表达的计算去卷积揭示了与疾病严重程度的关联。
BMC Genomics. 2024 Dec 18;25(1):1192. doi: 10.1186/s12864-024-11031-5.
10
dtangle: accurate and robust cell type deconvolution.dtangle：准确且稳健的细胞类型去卷积。
Bioinformatics. 2019 Jun 1;35(12):2093-2099. doi: 10.1093/bioinformatics/bty926.

引用本文的文献

1
An improved reference library and method for accurate cell-type deconvolution of bulk-tissue miRNA data.一种用于批量组织miRNA数据精确细胞类型反卷积的改进参考文库和方法。
Nat Commun. 2025 Jul 1;16(1):5508. doi: 10.1038/s41467-025-60521-x.
2
Statistical Inference of Cell-type Proportions Estimated from Bulk Expression Data.从批量表达数据估计细胞类型比例的统计推断
J Am Stat Assoc. 2024;119(548):2521-2532. doi: 10.1080/01621459.2024.2382435. Epub 2024 Sep 20.
3
A systematic evaluation of cell-type-specific differential methylation analysis in bulk tissue.

本文引用的文献

1
Cell type-aware analysis of RNA-seq data.RNA测序数据的细胞类型感知分析。
Nat Comput Sci. 2021 Apr;1(4):253-261. doi: 10.1038/s43588-021-00055-6. Epub 2021 Apr 15.
2
Computational deconvolution to estimate cell type-specific gene expression from bulk data.利用计算反卷积从批量数据中估计细胞类型特异性基因表达。
NAR Genom Bioinform. 2021 Jan 12;3(1):lqaa110. doi: 10.1093/nargab/lqaa110. eCollection 2021 Mar.
3
Benchmarking of cell type deconvolution pipelines for transcriptomics data.基于转录组数据的细胞类型去卷积分析流水线的基准测试
对大块组织中细胞类型特异性差异甲基化分析的系统评估。
Brief Bioinform. 2025 Mar 4;26(2). doi: 10.1093/bib/bbaf170.
4
Cell-type-specific subtyping of epigenomes improves prognostic stratification of cancer.表观基因组的细胞类型特异性亚型分类改善了癌症的预后分层。
Genome Med. 2025 Apr 3;17(1):34. doi: 10.1186/s13073-025-01453-5.
5
A comprehensive assessment of cell type-specific differential expression methods in bulk data.对批量数据中细胞类型特异性差异表达方法的全面评估。
Brief Bioinform. 2023 Jan 19;24(1). doi: 10.1093/bib/bbac516.
Nat Commun. 2020 Nov 6;11(1):5650. doi: 10.1038/s41467-020-19015-1.
4
Elevated Calprotectin and Abnormal Myeloid Cell Subsets Discriminate Severe from Mild COVID-19.血清钙卫蛋白和异常髓系细胞亚群可区分 COVID-19 重症与轻症。
Cell. 2020 Sep 17;182(6):1401-1418.e18. doi: 10.1016/j.cell.2020.08.002. Epub 2020 Aug 5.
5
Patch-Seq Links Single-Cell Transcriptomes to Human Islet Dysfunction in Diabetes.基于测序的单细胞转录组技术解析人类胰岛细胞功能障碍与糖尿病的关联
Cell Metab. 2020 May 5;31(5):1017-1031.e4. doi: 10.1016/j.cmet.2020.04.005. Epub 2020 Apr 16.
6
De novo compartment deconvolution and weight estimation of tumor samples using DECODER.使用 DECODER 对肿瘤样本进行从头 compartment 去卷积和权重估计。
Nat Commun. 2019 Oct 18;10(1):4729. doi: 10.1038/s41467-019-12517-7.
7
Comprehensive evaluation of transcriptome-based cell-type quantification methods for immuno-oncology.基于转录组的免疫肿瘤学细胞类型定量方法的综合评估。
Bioinformatics. 2019 Jul 15;35(14):i436-i445. doi: 10.1093/bioinformatics/btz363.
8
TOAST: improving reference-free cell composition estimation by cross-cell type differential analysis.TOAST：通过跨细胞类型差异分析改善无参考细胞成分估计。
Genome Biol. 2019 Sep 4;20(1):190. doi: 10.1186/s13059-019-1778-0.
9
Cell-type-specific resolution epigenetics without the need for cell sorting or single-cell biology.无需细胞分选或单细胞生物学即可实现基于细胞类型的分辨率表观遗传学研究。
Nat Commun. 2019 Jul 31;10(1):3417. doi: 10.1038/s41467-019-11052-9.
10
Predicting bacterial infection outcomes using single cell RNA-sequencing analysis of human immune cells.利用人类免疫细胞的单细胞 RNA 测序分析预测细菌感染结局。
Nat Commun. 2019 Jul 22;10(1):3266. doi: 10.1038/s41467-019-11257-y.