相关实验视频
Updated: Jul 19, 2026
Pooled CRISPR-Based Genetic Screens in Mammalian Cells
Published on: September 4, 2019
scRank从未处理的scRNA-seq数据中推断出对药物有反应的细胞类型,使用目标扰乱基因调控网络
Chengyu Li1, Xin Shao1, Shujing Zhang2
1Pharmaceutical Informatics Institute, College of Pharmaceutical Sciences, Zhejiang University, Hangzhou 310058, China; National Key Laboratory of Chinese Medicine Modernization, Innovation Center of Yangtze River Delta, Zhejiang University, Jiaxing 314103, China.
scRank从单细胞转录组数据中识别出对药物有反应的细胞群. 这个计算工具使用基因调节网络来预测细胞对药物的反应,帮助治疗干预的洞察力.
科学领域:
- 计算生物学 计算生物学
- 基因组学就是基因组学.
- 药理学 药理学是指药理学的学科.
背景情况:
- 细胞异质性导致药物反应多样化,使药物机制的阐明复杂化.
- 鉴定特定的药物反应细胞种群是药理学中的一个重大挑战.
研究的目的:
- 开发一种计算方法,scRank,以使用未经处理的单细胞转录组数据识别对药物反应的细胞群.
- 为了利用基因调节网络在体中进行药物干扰分析.
主要方法:
- scRank利用了一个目标扰乱的基因调控网络.
- 它通过in silico药物干扰对药物敏感的细胞种群进行排名.
- 该方法分析未经处理的单细胞转录组数据.
主要成果:
- 与模拟和真实数据集上的现有方法相比,scRank表现出更高的性能.
- 它在脑髓母细胞瘤和严重抑郁症数据集中确定了已知的药物反应性细胞类型.
- 实验验证证了scRank在心肌梗塞中发现药物响应性巨细胞亚群的能力.
结论:
- scRank有效地从单细胞数据中推断出对药物有反应的细胞类型,而无需药物治疗.
- 该工具为治疗干预的细胞影响提供了宝贵的见解.
- scRank促进了对细胞水平药物机制的理解.
更多相关视频
09:16Investigation of the Transcriptional Role of a RUNX1 Intronic Silencer by CRISPR/Cas9 Ribonucleoprotein in Acute Myeloid Leukemia Cells
Published on: September 1, 2019
06:24Multiplexed Analysis of Retinal Gene Expression and Chromatin Accessibility Using scRNA-Seq and scATAC-Seq
Published on: March 12, 2021
