• 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

使用单细胞贝叶斯双聚类框架分析疾病进展过程中功能基因模块扰动的方案。

Protocol for analyzing functional gene module perturbation during the progression of diseases using a single-cell Bayesian biclustering framework.

作者信息

Wang Kunyue, Gong Yuqiao, Yan Zixin, Dang Zhiyuan, Wang Junhao, Wu Maoying, Zhang Yue

机构信息

Department of Bioinformatics and Biostatistics, School of Life Sciences and Biotechnology, Shanghai Jiao Tong University, 800 Dongchuan Road, Minhang District, Shanghai 200240, China.

Department of Bioinformatics and Biostatistics, School of Life Sciences and Biotechnology, Shanghai Jiao Tong University, 800 Dongchuan Road, Minhang District, Shanghai 200240, China.

出版信息

STAR Protoc. 2024 Dec 20;5(4):103349. doi: 10.1016/j.xpro.2024.103349. Epub 2024 Sep 30.

DOI:10.1016/j.xpro.2024.103349
PMID:39352811
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC11472622/
Abstract

The pathogenesis of complex diseases involves intricate gene regulation across cell types, necessitating a comprehensive analysis approach. Here, we present a protocol for analyzing functional gene module (FGM) perturbation during the progression of diseases using a single-cell Bayesian biclustering (scBC) framework. We describe steps for setting up the scBC workspace, preparing and exploring input data, training the model, and reconstructing the data matrix. We then detail procedures for Bayesian biclustering, exploring biclustering results, and uncovering pathway perturbations. For complete details on the use and execution of this protocol, please refer to Gong et al..

摘要

复杂疾病的发病机制涉及跨细胞类型的复杂基因调控，因此需要一种全面的分析方法。在此，我们提出了一种使用单细胞贝叶斯双聚类（scBC）框架分析疾病进展过程中功能基因模块（FGM）扰动的方案。我们描述了设置scBC工作区、准备和探索输入数据、训练模型以及重建数据矩阵的步骤。然后，我们详细介绍了贝叶斯双聚类、探索双聚类结果以及揭示通路扰动的程序。有关此方案的使用和执行的完整详细信息，请参考龚等人的研究。

https://cdn.ncbi.nlm.nih.gov/pmc/blobs/0343/11472622/ba97ec7eaaa0/gr4.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/0343/11472622/686dbb1b5c49/fx1.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/0343/11472622/b3cc0663a671/gr1.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/0343/11472622/570a577b0f2d/gr2.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/0343/11472622/42f69cca7722/gr3.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/0343/11472622/ba97ec7eaaa0/gr4.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/0343/11472622/686dbb1b5c49/fx1.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/0343/11472622/b3cc0663a671/gr1.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/0343/11472622/570a577b0f2d/gr2.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/0343/11472622/42f69cca7722/gr3.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/0343/11472622/ba97ec7eaaa0/gr4.jpg

相似文献

1
Protocol for analyzing functional gene module perturbation during the progression of diseases using a single-cell Bayesian biclustering framework.使用单细胞贝叶斯双聚类框架分析疾病进展过程中功能基因模块扰动的方案。
STAR Protoc. 2024 Dec 20;5(4):103349. doi: 10.1016/j.xpro.2024.103349. Epub 2024 Sep 30.
2
Single-cell biclustering for cell-specific transcriptomic perturbation detection in AD progression.用于检测阿尔茨海默病进展中细胞特异性转录组扰动的单细胞双聚类分析
Cell Rep Methods. 2024 Apr 22;4(4):100742. doi: 10.1016/j.crmeth.2024.100742. Epub 2024 Mar 29.
3
Context Specific and Differential Gene Co-expression Networks via Bayesian Biclustering.通过贝叶斯双聚类构建上下文特定和差异基因共表达网络
PLoS Comput Biol. 2016 Jul 28;12(7):e1004791. doi: 10.1371/journal.pcbi.1004791. eCollection 2016 Jul.
4
Protocol for predicting the single-cell network-based gene activity landscape during human B cell development.预测人类B细胞发育过程中基于单细胞网络的基因活性景观的方案。
STAR Protoc. 2025 Mar 21;6(1):103614. doi: 10.1016/j.xpro.2025.103614. Epub 2025 Feb 7.
5
Protocol to recover single-cell gene expression profiles from spatial transcriptomics data using cluster computing.利用集群计算从空间转录组学数据中恢复单细胞基因表达谱的方案。
STAR Protoc. 2025 Mar 21;6(1):103636. doi: 10.1016/j.xpro.2025.103636. Epub 2025 Feb 12.
6
Protocol for identifying key genes using network-based approach as an alternative to differential expression analysis.使用基于网络的方法替代差异表达分析来识别关键基因的方案。
STAR Protoc. 2024 Dec 20;5(4):103472. doi: 10.1016/j.xpro.2024.103472. Epub 2024 Dec 4.
7
The Use of Informed Priors in Biclustering of Gene Expression with the Hierarchical Dirichlet Process.在层次狄利克雷过程中使用信息先验进行基因表达的双聚类。
IEEE/ACM Trans Comput Biol Bioinform. 2020 Sep-Oct;17(5):1810-1821. doi: 10.1109/TCBB.2019.2901676. Epub 2019 Feb 26.
8
Reconstructing transcriptional regulatory networks using three-way mutual information and Bayesian networks.利用三方互信息和贝叶斯网络重建转录调控网络。
Methods Mol Biol. 2010;674:401-18. doi: 10.1007/978-1-60761-854-6_23.
9
Processing, visualising and reconstructing network models from single-cell data.从单细胞数据中处理、可视化和重建网络模型。
Immunol Cell Biol. 2016 Mar;94(3):256-65. doi: 10.1038/icb.2015.102. Epub 2015 Nov 18.
10
Bi-EB: Empirical Bayesian Biclustering for Multi-Omics Data Integration Pattern Identification among Species.双 EB：用于物种间多组学数据整合模式识别的经验贝叶斯双聚类
Genes (Basel). 2022 Oct 30;13(11):1982. doi: 10.3390/genes13111982.

本文引用的文献

1
Single-cell biclustering for cell-specific transcriptomic perturbation detection in AD progression.用于检测阿尔茨海默病进展中细胞特异性转录组扰动的单细胞双聚类分析
Cell Rep Methods. 2024 Apr 22;4(4):100742. doi: 10.1016/j.crmeth.2024.100742. Epub 2024 Mar 29.
2
clusterProfiler 4.0: A universal enrichment tool for interpreting omics data.clusterProfiler 4.0：用于解释组学数据的通用富集工具。
Innovation (Camb). 2021 Jul 1;2(3):100141. doi: 10.1016/j.xinn.2021.100141. eCollection 2021 Aug 28.
3
Comparison of visualization tools for single-cell RNAseq data.
单细胞RNA测序数据可视化工具的比较
NAR Genom Bioinform. 2020 Sep;2(3):lqaa052. doi: 10.1093/nargab/lqaa052. Epub 2020 Jul 29.
4
Disease-associated astrocytes in Alzheimer's disease and aging.阿尔茨海默病和衰老中与疾病相关的星形胶质细胞。
Nat Neurosci. 2020 Jun;23(6):701-706. doi: 10.1038/s41593-020-0624-8. Epub 2020 Apr 27.
5
SciPy 1.0: fundamental algorithms for scientific computing in Python.SciPy 1.0：Python 中的科学计算基础算法。
Nat Methods. 2020 Mar;17(3):261-272. doi: 10.1038/s41592-019-0686-2. Epub 2020 Feb 3.
6
A single-cell atlas of entorhinal cortex from individuals with Alzheimer's disease reveals cell-type-specific gene expression regulation.阿尔茨海默病患者内嗅皮层的单细胞图谱揭示了细胞类型特异性基因表达调控。
Nat Neurosci. 2019 Dec;22(12):2087-2097. doi: 10.1038/s41593-019-0539-4.
7
Single-cell transcriptomic analysis of Alzheimer's disease.阿尔茨海默病的单细胞转录组分析。
Nature. 2019 Jun;570(7761):332-337. doi: 10.1038/s41586-019-1195-2. Epub 2019 May 1.
8
Bayesian generalized biclustering analysis via adaptive structured shrinkage.基于自适应结构收缩的贝叶斯广义双聚类分析。
Biostatistics. 2020 Jul 1;21(3):610-624. doi: 10.1093/biostatistics/kxy081.
9
Deep generative modeling for single-cell transcriptomics.单细胞转录组学的深度生成模型。
Nat Methods. 2018 Dec;15(12):1053-1058. doi: 10.1038/s41592-018-0229-2. Epub 2018 Nov 30.
10
SCANPY: large-scale single-cell gene expression data analysis.SCANPY：大规模单细胞基因表达数据分析。
Genome Biol. 2018 Feb 6;19(1):15. doi: 10.1186/s13059-017-1382-0.