Directives de soumission d'échantillons
Connectez l'identité cellulaire, la régulation et la fonction dans une seule étude.
Les moyennes tissulaires peuvent masquer des populations rares. Une seule couche moléculaire peut identifier un motif sans expliquer ce qui le contrôle.
Le séquençage d'ARN à cellule unique peut révéler des types cellulaires et des états d'expression, mais des profils d'ARN similaires peuvent émerger par différentes voies régulatrices. L'accessibilité de la chromatine peut indiquer des régions régulatrices actives. Les protéines de surface cellulaire peuvent affiner les phénotypes immunitaires, tandis que les séquences des récepteurs des cellules T et B peuvent relier un état à une expansion clonale.
Nous concevons l'étude autour de la décision que vous devez prendre. Cela peut signifier mesurer l'ARN et la chromatine dans le même noyau, associer l'ARN avec des protéines de surface, ajouter le séquençage des récepteurs immunitaires ou intégrer des mesures compatibles entre les échantillons.
Les méthodes assistées par l'IA aident à comparer des milliers de caractéristiques et à cartographier les cellules avec des références appropriées. Nos scientifiques examinent la qualité, les preuves d'annotation, la structure des lots, la cohérence biologique et l'incertitude avant qu'un résultat ne soit rapporté.
Questions auxquelles nous vous aidons à répondre
- Quels types et états cellulaires sont présents ?
- Quels états changent entre les groupes ou au fil du temps ?
- Quels programmes réglementaires soutiennent ces États ?
- Les protéines de surface affinent-elles l'identité définie par l'ARN ?
- Quels clonotypes s'étendent dans un état spécifique ?
- Quelles conclusions restent cohérentes entre les donneurs ?
Multi-omique à cellule unique pour des décisions de recherche spécifiques
Chaque scénario relie une question biologique à des expériences appropriées, des méthodes d'intégration, des tests de qualité et des résultats exploitables.
Résoudre l'hétérogénéité des tumeurs et du microenvironnement immunitaire
Votre questionQuels états malins, immunitaires et stromaux diffèrent selon les tumeurs, les modèles, les groupes de traitement ou les régions tissulaires ?
Données et expériencesLa scRNA-seq fournit une large carte des états cellulaires. La CITE-seq peut affiner le phénotype de surface, la scATAC-seq peut révéler des différences régulatrices, et le séquençage du répertoire immunitaire peut relier les états des lymphocytes aux clonotypes. Nous pouvons générer une ou plusieurs couches en fonction de la pertinence de l'échantillon.
Comment l'IA aideLa cartographie de référence et les modèles de voisins multimodaux aident à organiser les cellules connexes tout en préservant l'identité des échantillons. Les programmes malins candidats, les états immunitaires et les interactions cellulaires sont ensuite examinés par rapport aux marqueurs connus et au contexte de l'étude.
Comment nous testons le résultatNous vérifions le soutien des donneurs, l'équilibre des lots, les preuves d'annotation, l'abondance cellulaire et les changements intra-étatiques. Un motif trouvé dans de nombreuses cellules d'un seul donneur n'est pas considéré comme une preuve à l'échelle de la cohorte.
Ce que nous livronsVous recevez des cartes cellulaires et d'état, des comparaisons de groupes, des tableaux de marqueurs, des résultats réglementaires ou d'interaction, des résumés au niveau des donneurs et des candidats pour un suivi ciblé.
Preuves publiéesSivakumar et al. ont combiné des données de scRNA-seq, CITE-seq et de récepteurs immunitaires de tumeurs et de sang appariés provenant d'échantillons de cancer du pancréas avec des ensembles de données publics. Leur étude montre comment plusieurs couches de cellules uniques peuvent distinguer des motifs de microenvironnement immunitaire qui seraient difficiles à résoudre à partir de données tissulaires moyennées.
Séparer les états de réponse aux médicaments des populations cellulaires résistantes
Votre questionUn traitement modifie-t-il le nombre de cellules dans un état, change-t-il l'état lui-même ou sélectionne-t-il une population résistante préexistante ?
Données et expériencesNous pouvons comparer des échantillons traités et non traités, des modèles sensibles et résistants, des groupes de doses, des points temporels ou des perturbations. Les mesures tenant compte de l'ARN, de la chromatine, des protéines de surface et du génotype peuvent être combinées lorsque la question l'exige.
Comment l'IA aideLes modèles assistés par l'IA peuvent faire correspondre des états comparables à travers des conditions et prioriser les caractéristiques qui changent ensemble à travers les modalités. Ils peuvent également aider à séparer un changement dans la composition cellulaire d'un changement moléculaire au sein du même état.
Comment nous testons le résultat.Des comparaisons sont effectuées au niveau de l'échantillon lorsque cela est possible. Nous examinons le donneur, le modèle, le traitement, le temps et la structure de lot et testons si le résultat dépend d'une annotation ou d'un choix d'intégration.
Ce que nous livronsVous recevez des états associés aux réponses, des caractéristiques différentielles, des programmes réglementaires candidats, des preuves de transition d'état et un plan pratique pour une validation orthogonale ou basée sur des perturbations.
Preuves publiéesWegmann et al. ont intégré le profilage médicamenteux ex vivo à cellule unique avec des mesures d'ADN, d'ARN et de protéines à partir d'échantillons de leucémie myéloïde aiguë en rechute ou réfractaire. Ce travail illustre comment des preuves moléculaires résolues par cellule peuvent distinguer les schémas de résistance innée et acquise.
Étude du développement, de la différenciation et de la progression des maladies
Votre questionQuels états intermédiaires relient une population précoce à des identités cellulaires ultérieures, et quels programmes régulateurs évoluent le long de ce chemin ?
Données et expériencesLes mesures d'ARN définissent des états d'expression changeants. Les mesures d'ARN et de chromatine appariées peuvent relier ces états à des régions accessibles et à des régulateurs candidats. Les points temporels, les régions anatomiques ou les étapes définies expérimentalement renforcent l'interprétation.
Comment l'IA aideLes modèles de trajectoire et d'état latent classent les cellules par similarité moléculaire et comparent les branches candidates. Les modèles régulateurs relient les facteurs de transcription, les régions accessibles et l'expression des gènes cibles lorsque les données soutiennent ces liens.
Comment nous testons le résultatNous comparons l'ordre inféré avec le temps de collecte, les marqueurs connus, les échantillons répliqués et la deuxième couche moléculaire. Une trajectoire est une interprétation de recherche basée sur un modèle ; ce n'est pas une preuve directe de l'histoire de la lignée.
Ce que nous livronsVous recevez des cartes d'état et de branche, des caractéristiques associées au temps ou à l'étape, des régulateurs candidats, des preuves soutenantes et conflictuelles, ainsi que des expériences de suivi.
Preuves publiéesZuo et al. ont généré des profils d'ARN et de chromatine appariés à partir des mêmes noyaux au cours du développement rétinien humain. L'étude a lié les états de développement aux trajectoires, aux facteurs de transcription et aux réseaux régulateurs de gènes.
Connecter les clonotypes immunitaires avec les états cellulaires fonctionnels
Votre question: Quels clones de cellules T ou de cellules B s'étendent, et quels états d'expression ou de protéines de surface ces clones occupent-ils ?
Données et expériencesLa séquençage scTCR/BCR peut être associé à l'expression génique et, lorsque cela est approprié, à des mesures de protéines de surface. Les échantillons peuvent représenter des tissus, des cellules dérivées du sang, des groupes de traitement, des points temporels ou des modèles de recherche.
Comment l'IA aideL'annotation assistée par l'IA organise les états immunitaires et aide à comparer les distributions de clonotypes à travers ces états. Les caractéristiques réceptrices partagées, l'expansion clonale, l'enrichissement des états et la récurrence inter-échantillons peuvent ensuite être examinés.
Comment nous testons le résultat.Nous rapportons le nombre de cellules de soutien et d'échantillons, examinons la qualité des récepteurs et l'appariement des chaînes, et évitons de traiter un clone étendu comme un effet de groupe général.
Ce que nous livronsVous recevez des tableaux de clonotypes, des cartes d'expansion liées aux états, des résumés de diversité, des comparaisons entre échantillons et des clones ou états candidats pour un suivi de recherche.
Preuves publiéesECCITE-seq a démontré la mesure conjointe des transcriptomes, des protéines de surface, des clonotypes et des lectures de perturbation. Il fournit une base technique pour relier l'identité des récepteurs immunitaires au phénotype cellulaire dans un design multimodal.
Choisissez des couches moléculaires qui changent la prochaine décision.
Nous recommandons des technologies en fonction de l'échantillon, de la question biologique, de la résolution requise et des lacunes dans les preuves.
| Technologie des services | Preuve ajoutée | Rôle typique dans l'étude |
|---|---|---|
| Séquençage d'ARN à cellule unique | Expression génique par cellule | Types de cellules, états cellulaires, populations rares, voies, et comparaisons de groupes |
| ATAC-Seq à cellule unique | Chromatine accessible par cellule ou noyau | États régulateurs, activité des motifs, facteurs de transcription candidats et régions associées |
| Profilage ATAC et RNA à cellule unique | ARN et chromatine du même noyau | Appariement direct de l'état d'expression et des preuves réglementaires sans correspondance intercellulaire. |
| CITE-seq | Expression génique et protéines de surface sélectionnées | Phénotypage immunitaire, annotation soutenue par des protéines et raffinement d'état |
| Séquençage TCR/BCR à cellule unique | Clonotypes de récepteurs immunitaires liés aux états cellulaires | Expansion clonale, diversité du répertoire, distribution des états et suivi inter-échantillons |
| Services de séquençage multi-omiques spatiaux | Localisation des tissus et contexte de voisinage | Suivi optionnel pour localiser des états importants, des interactions ou des niches résistantes dans les tissus. |
| Services Multi-Omics | Des preuves moléculaires supplémentaires à travers l'étude | Soutien ciblé en génomique, épigénomique, transcriptomique ou autres omiques |
| Services de bioinformatique | Traitement et interprétation des données existantes | Revue de qualité, harmonisation, intégration des données publiques et reporting reproductible |
Tous les projets n'ont pas besoin de toutes les modalités. Ajouter une couche de données n'est utile que lorsqu'elle peut résoudre une incertitude spécifique, comme celle de savoir si un état défini par l'ARN a un programme de régulation distinct, un phénotype de surface, un motif de clonotype ou une localisation tissulaire.
Commencez par des échantillons, des données existantes ou un design hybride.
| Entrée de projet | Ce que vous fournissez | Comment nous soutenons l'étude |
|---|---|---|
| Échantillon vers Insight | Cellules appropriées, noyaux, tissus, cellules dérivées du sang, organoïdes ou modèles de recherche ; groupes d'étude et métadonnées. | Nous examinons la faisabilité, concevons et réalisons les expériences sur cellules uniques convenues, traitons chaque modalité, intégrons les preuves et livrons des résultats examinés par des scientifiques. |
| Données en aperçu | Fichiers FASTQ, matrices de caractéristiques-barcode ou de comptage, métadonnées au niveau des cellules, objets Seurat, objets AnnData ou ensembles de données publics compatibles. | Nous examinons la qualité des données et étudions la structure, le processus ou l'harmonisation des données, effectuons une analyse multimodale et rapportons des résultats reproductibles ainsi que des limites. |
| Étude hybride | Données existantes plus biospecimens ou une expérience planifiée pour les preuves manquantes. | Nous identifions l'écart, générons une nouvelle couche moléculaire ciblée et la connectons à l'étude existante sur les cellules uniques. |
Prévenir la correction par lots d'effacer la véritable biologie
L'intégration n'est réussie que si elle réduit les variations techniques indésirables et préserve les différences significatives entre les échantillons et les états.
- Qualité des cellules et du noyauNous examinons la détection de caractéristiques, la complexité des bibliothèques, le signal ambiant, les multiplets et les profils de faible qualité en utilisant des mesures appropriées aux données.
- Structure d'échantillonLes variables de donneur, de groupe, de lot, de site, de traitement, de temps et de traitement restent visibles tout au long de l'analyse.
- Preuves d'annotationLes étiquettes sont soutenues par des marqueurs, des sources de référence, un accord multimodal et un contexte biologique.
- AmbiguïtéLes états mixtes, transitoires ou faiblement soutenus sont signalés au lieu d'être contraints à une étiquette confiante.
- Préservation biologiqueNous vérifions si les différences attendues entre les donneurs, les groupes, les lignées et les états persistent après l'intégration.
- Accord cross-modalDes preuves d'ARN, de chromatine, de protéines ou de récepteurs sont comparées lorsqu'un lien direct ou biologiquement justifié existe.
- Soutien au niveau de l'échantillonLes conclusions ne reposent pas uniquement sur un grand nombre de cellules provenant d'un seul échantillon.
- Revue de sensibilitéLes résultats importants sont vérifiés sous un filtrage, une annotation, une intégration et des choix de modèles raisonnables.
Le travail de benchmarking a montré qu'aucune méthode d'intégration n'est la meilleure pour chaque ensemble de données. Nous choisissons et testons des méthodes en fonction de la modalité, de la structure des lots, de la question biologique et du type de variation qui doit rester visible.
De la question d'étude à la preuve multimodale testée
Un flux de travail connecté maintient la conception de laboratoire humide, le contrôle qualité spécifique à la modalité, l'intégration, l'interprétation et la validation concentrés sur la même décision.
Étape 1 - Définir la décision de rechercheNous clarifions le contraste biologique, l'unité de réplication, la résolution cellulaire requise et comment le résultat guidera l'expérience suivante.
Étape 2 - Examiner les échantillons et les données existantesNous examinons la pertinence des échantillons, les types de cellules attendus, la préservation, l'équilibre des groupes, les métadonnées, la structure des lots et les objets de données disponibles.
Étape 3 - Générer les modalités sélectionnéesLorsque des biospécimens sont inclus, nous réalisons les expériences convenues sur des cellules uniques ou des noyaux uniques et maintenons l'identité des échantillons traçable.
Étape 4 - Appliquer un contrôle qualité spécifique à la modalitéLes données sur l'ARN, la chromatine, les protéines et les récepteurs sont évaluées avec des mesures appropriées avant l'intégration.
Étape 5 - Intégrer des preuves compatiblesNous sélectionnons une méthode qui peut aligner des cellules ou des caractéristiques connexes tout en préservant les différences pertinentes entre les donneurs, les groupes, les lignées et les états.
Étape 6 - Interpréter les états cellulaires et les mécanismesNous examinons les annotations, l'abondance différentielle, les changements intra-étatiques, les programmes régulateurs, les trajectoires, les interactions ou les clonotypes tels que soutenus par la conception.
Étape 7 - Tester le soutien de l'échantillon croiséLes résultats importants sont examinés par échantillon, groupe, lot et choix de méthodes raisonnables. La confiance et les preuves contradictoires sont rapportées.
Étape 8 - Planifier un suivi cibléNous priorisons les candidats pour des essais ciblés, des études de perturbation, des cohortes supplémentaires ou une localisation spatiale.
Ce que nous examinons avant le début de l'étude
L'examen des échantillons et des métadonnées se fait avant la recommandation d'un protocole fixe, car les tissus, la préservation, la récupération cellulaire et la structure de l'étude influencent la conception.
- Question de recherche, groupes de comparaison et la décision que l'étude devrait soutenir.
- Type d'échantillon, source tissulaire, conservation, récupération attendue des cellules ou des noyaux, et préoccupations de qualité connues.
- Donneur, modèle, traitement, dose, point temporel, région tissulaire, site de collecte et informations sur le lot
- Données publiques disponibles en scRNA-seq, scATAC-seq, CITE-seq, récepteurs immunitaires, multiome ou compatibles.
- Fichiers FASTQ, matrices de comptage, matrices de caractéristiques-barcode, objets Seurat, objets AnnData et métadonnées au niveau cellulaire le cas échéant.
- Populations rares attendues, marqueurs importants, résultats antérieurs et ensembles de données de référence appropriés.
- Matériel ou cohortes disponibles pour un suivi technique, biologique ou spatial.
Après examen de faisabilité, nous fournissons une recommandation spécifique à l'étude concernant les modalités, la gestion des échantillons, la réplication, les métadonnées, les contrôles de qualité et les options de suivi.
Livrables que vous pouvez examiner, réutiliser et tester
- Revue de la conception expérimentale et de la faisabilité de l'échantillon
- Rapport de qualité spécifique à la modalité
- Résumé des cellules ou noyaux retenus par échantillon
- Objets de données au niveau cellulaire traités et harmonisés
- Annotations de type cellulaire et d'état cellulaire
- Évidence d'annotation, confiance et indicateurs d'ambiguïté
- Tableaux de marqueurs et de caractéristiques différentielles
- Abondance différentielle et comparaisons intra-étatiques
- Facteurs multimodaux, caractéristiques liées ou programmes réglementaires
- Résultats de trajectoire, d'interaction ou de clonotype selon le cas.
- Évaluation du donneur, du lot et de la sensibilité
- Figures et tableaux de résultats prêts pour publication
- Méthodes reproductibles, scripts et conseils sur les objets de données
- Limitations et recommandations de suivi ciblées
Réduire l'écart entre une carte cellulaire et un mécanisme testable
Lorsqu'un projet est limité aux données existantes, une incertitude clé peut rester non résolue. L'ARN peut définir un état important sans montrer sa base régulatrice. Un ensemble de données de récepteurs peut montrer une expansion clonale sans expliquer le phénotype de ces cellules.
CD Genomics peut relier la conception d'études, les expériences sur cellules uniques et noyaux uniques, la bioinformatique multimodale, l'examen assisté par IA des motifs et l'interprétation par des scientifiques. Cela permet d'ajouter les preuves dont la question biologique a réellement besoin.
Nous livrons à la fois le résultat intégré et les preuves qui le sous-tendent : soutien au niveau des échantillons, sources d'annotation, contrôles de qualité, résultats de sensibilité, limitations et un plan d'étude suivant ciblé.
Limite de recherche
Les états cellulaires, les trajectoires, les interactions et les liens régulateurs sont des interprétations de recherche façonnées par la qualité des échantillons, le design de l'étude, la modalité des données et le choix du modèle. Nous ne garantissons pas que chaque modalité sera d'accord ou que chaque mécanisme candidat sera confirmé dans des expériences de suivi.
Références
- Hao Y, Hao S, Andersen-Nissen E, et al. Analyse intégrée des données unicellulaires multimodales. Cellule. 2021.
- Luecken MD, Büttner M, Chaichoompu K, et al. Intégration de données au niveau de l'atlas dans la génomique à cellule unique. Méthodes de la Nature. 2022.
- Stoeckius M, Hafemeister C, Stephenson W, et al. Mesure simultanée des épitopes et du transcriptome dans des cellules uniques. Méthodes de la Nature. 2017.
- Mimitou EP, Cheng A, Montalbano A, et al. Détection multiplexée de protéines, transcriptomes, clonotypes et perturbations CRISPR dans des cellules uniques. Méthodes de la nature. 2019.
- Wegmann R, Bonilla X, Casanova R, et al. Paysage unicellulaire de la résistance médicamenteuse innée et acquise dans la leucémie myéloïde aiguë. Communications Nature. 2024.
- Sivakumar S, Jainarayanan A, Arbe-Barnes E, et al. Des motifs d'infiltration cellulaire immunitaire distincts dans l'adénocarcinome canalaire pancréatique présentent une sélection divergente des cellules immunitaires et des mécanismes immunosuppresseurs. Communications Nature. 2025.
- Zuo Z, Cheng X, Ferdous S, et al. Atlas dual-omique à cellule unique de la rétine humaine en développement. Nature Communications. 2024.
Exemple de rapport multi-omique à cellule unique
Le rapport relie la découverte biologique au soutien au niveau des échantillons, aux preuves multimodales et aux contrôles de qualité. Il est conçu pour vous aider à décider ce qui doit passer à l'expérience suivante.
Un rapport spécifique à un projet peut inclure des cartes cellulaires réparties par donateur et groupe, des proportions de types cellulaires, des preuves d'annotation, des liens vers des caractéristiques d'ARN et de chromatine, un soutien des protéines de surface, des programmes régulateurs, des résultats de trajectoire ou d'interaction, des superpositions de clonotypes, des vérifications de sensibilité et des candidats prioritaires pour un suivi.
FAQ sur la multi-omique à cellule unique assistée par l'IA
1. Le projet peut-il commencer par des échantillons plutôt que par des données existantes ?
Oui. Nous pouvons examiner l'adéquation des échantillons, recommander les couches moléculaires, réaliser les expériences convenues, traiter chaque modalité et intégrer les résultats. La recommandation dépend du tissu, de la préservation, de la récupération cellulaire attendue, des groupes d'étude et de la question biologique.
2. Pouvez-vous travailler avec des données générées ailleurs ?
Oui. Nous pouvons commencer à partir de fichiers bruts, de matrices de comptage, de matrices caractéristiques-code-barres, d'objets Seurat, d'objets AnnData ou de jeux de données publics compatibles. Nous examinons d'abord la qualité des données, l'identité des échantillons, les métadonnées et la structure des lots.
3. Chaque étude a-t-elle besoin de plusieurs tests sur cellules uniques ?
Non. Plus de modalités ne produisent pas automatiquement une meilleure réponse. Nous ajoutons une couche uniquement lorsque cela peut résoudre une incertitude importante, comme la réglementation, le phénotype de surface, la clonalité ou la localisation tissulaire.
4. Que fait l'IA dans le projet ?
Les méthodes assistées par l'IA peuvent soutenir la cartographie de référence, l'annotation, l'intégration multimodale, la comparaison de modèles et la priorisation des candidats. Nos scientifiques choisissent la stratégie d'analyse, examinent les preuves à l'appui, évaluent l'incertitude et interprètent le résultat dans le contexte de l'étude.
5. Comment gérez-vous les effets de lot ?
Nous gardons les variables de donateur, de groupe, de lot et de traitement visibles, sélectionnons une méthode d'intégration appropriée et vérifions si la biologie attendue reste après correction. Nous comparons également les résultats importants à travers des choix de traitement raisonnables.
6. Comment éviter des étiquettes de cellules trop confiantes ?
Les annotations sont examinées en fonction de l'expression des marqueurs, des références appropriées, du contexte des échantillons et d'autres couches moléculaires lorsque cela est possible. Les populations mixtes, transitoires ou faiblement soutenues peuvent recevoir un drapeau d'ambiguïté au lieu d'une étiquette imposée.
7. Peut-on mesurer l'ARN et la chromatine dans la même cellule ?
Des conceptions multiomes à noyau unique compatibles peuvent mesurer l'ARN et l'accessibilité de la chromatine à partir du même noyau. Cela élimine le besoin de faire correspondre ces deux couches entre différentes cellules, bien que les effets de donneur et de lot nécessitent toujours un examen.
8. Peut-on ajouter l'omics spatial ?
Oui, en tant que suivi séparé lorsque la localisation des tissus est importante. Le profilage spatial peut tester où un état cellulaire important, une interaction ou un niche résistante se produit. Ce n'est pas nécessaire pour chaque projet de cellule unique.
9. Une trajectoire prouve-t-elle l'histoire de la lignée ?
Non. Une trajectoire ordonne les cellules en fonction de la similarité moléculaire mesurée et des hypothèses du modèle. Des points temporels, un traçage de lignée, des perturbations, de l'imagerie ou d'autres expériences peuvent être nécessaires pour tester le chemin proposé.
Étude de cas publiée
Mise en avant de la recherche indépendante
Connexion entre l'expression génique et l'accessibilité de la chromatine durant le développement rétinien humain
Cette publication est un exemple de recherche indépendante. Ce n'est pas un projet client de CD Genomics.
Contexte
Les états cellulaires de développement changent à la fois en expression génique et en régulation de la chromatine. Les chercheurs se sont demandé comment ces couches pouvaient être connectées à travers le temps et la localisation anatomique dans la rétine humaine en développement.
Méthodes
Zuo et al. ont profilé 315 177 noyaux provenant de 28 tissus rétiniens collectés à partir de 14 embryons et fœtus humains entre la 8e et la 23e semaine post-conception. Après contrôle de qualité, 226 506 noyaux sont restés. L'ARN et la chromatine accessible ont été mesurés à partir des mêmes noyaux. La figure 1 présente le design de l'étude, les classes cellulaires et l'accord entre l'expression et les scores géniques dérivés de la chromatine.
Résultats
Les chercheurs ont identifié 61 types de cellules, y compris cinq groupes de précurseurs. La figure 2 montre le flux estimé des états de progéniteurs, le temps latent, les modules d'expression et un réseau régulateur candidat. La figure 4 examine le chemin des progéniteurs de cellules amacrines vers des sous-classes engagées. Ensemble, les résultats ont relié les états cellulaires changeants avec des facteurs de transcription candidats et des programmes régulateurs de gènes.
Pourquoi c'est important
L'étude démontre la valeur de la mesure de deux couches moléculaires dans le même noyau. Elle montre également comment le temps, la région anatomique, l'annotation cellulaire, les modèles de trajectoire et les preuves réglementaires peuvent être examinés ensemble plutôt que traités comme des résultats séparés.
Conclusion
Une étude multi-omique robuste à cellule unique relie la conception expérimentale, le contrôle de qualité spécifique à la modalité, l'interprétation de l'état cellulaire et les preuves inter-couches. Les trajectoires inférées et les liens réglementaires restent des modèles de recherche qui nécessitent une révision biologique et, lorsque cela est important, un suivi expérimental. Les résultats de cette publication ne prédisent pas l'issue d'un autre projet.
Note en libre accèsL'article est sous licence Creative Commons Attribution 4.0 International. Cette page décrit l'étude sans reproduire ses figures.
Référence
- Zuo Z, Cheng X, Ferdous S, et al. Atlas dual-omique à cellule unique de la rétine humaine en développement. Communications Nature. 2024.
Publications Sélectionnées
Ces publications indépendantes fournissent des bases de recherche pour l'intégration multimodale, l'harmonisation consciente de la qualité, la mesure des protéines de surface, l'analyse des clonotypes immunitaires, la recherche sur la réponse aux médicaments et les études jumelées ARN-chromatine. Elles ne sont pas présentées comme des projets clients de CD Genomics.
- Hao Y, Hao S, Andersen-Nissen E, et al. Analyse intégrée des données unicellulaires multimodales. Cellule. 2021.
- Luecken MD, Büttner M, Chaichoompu K, et al. Intégration de données au niveau de l'atlas dans la génomique unicellulaire : évaluation comparative. Nature Methods. 2022.
- Stoeckius M, Hafemeister C, Stephenson W, et al. Mesure simultanée des épitopes et du transcriptome dans des cellules uniques. Nature Methods. 2017.
- Mimitou EP, Cheng A, Montalbano A, et al. Détection multiplexée de protéines, transcriptomes, clonotypes et perturbations CRISPR dans des cellules uniques. Méthodes de la nature. 2019.
- Wegmann R, Bonilla X, Casanova R, et al. Paysage unicellulaire de la résistance médicamenteuse innée et acquise dans la leucémie myéloïde aiguë. Nature Communications. 2024.
- Sivakumar S, Jainarayanan A, Arbe-Barnes E, et al. Des motifs d'infiltration cellulaire immunitaire distincts dans l'adénocarcinome canalaire pancréatique présentent une sélection divergente des cellules immunitaires et des mécanismes immunosuppresseurs. Nature Communications. 2025.
- Zuo Z, Cheng X, Ferdous S, et al. Atlas dual-omique à cellule unique de la rétine humaine en développement. Communications Nature. 2024.
