生物信息学

HyperAI超神经

在线教程｜ProteinGym 第一名！VenusREM 用「检索增强」预测蛋白突变影响，加速蛋白质设计蛋白质工程正在从「试错筛选」走向「计算预筛选」——在湿实验前用计算方法评估突变对蛋白质功能的影响，从而缩小候选范围、降低实验成本。但蛋白质突变空间巨大、结构与功能关系复杂，如何兼顾预测效率与准确性，一直是该领域的核心挑战。

Biomamba生信基地

《NG》作者采访视频：我们要学会“用”AI，而不是“学”AI参会人员：刘畅、Biomamba会议内容：刘畅作为浙江大学良渚实验室沈宁课题组成员在《Nature Genetics》（IF=25.5）发表综述论文为“Advances and challenges of splicing prediction with AI”，本次他围绕AI预测RNA可变剪切的进展与挑战展开详细讲解，并在分享结束后与现场观众开展问答交流。

Biomamba生信基地

CellChat之no slot of name “images” for this object of class “CellChat”（1）报错界面（2）原因这是因为cellchat版本不同导致的，可以先使用updateCellChat函数将之前对象更新后再执行mergeCellChat合并的操作

Biomamba生信基地

《NC》|单细胞与空间转录组分析揭示鼻咽癌中与肿瘤进展、免疫治疗响应相关的三级淋巴结构文章Single-cell and spatial transcriptome analyses reveal tertiary lymphoid structures linked to tumour progression and immunotherapy response in nasopharyngeal carcinoma**（IF=16.6）发布于《Nature Communications》。**

Biomamba生信基地

《Nature Genetics》一作交流机会，18:00直播沈宁课题组，现有沈宁PI、在站博士后4名和在读博士研究生5名，课题组主要从事组学药理学、生物信息学研究。团队围绕“生物计算驱动的组学与精准医学转化研究”开展多维度研究，聚焦疑难未诊断疾病，运用生物信息学数据整合分析与人工智能算法，并结合实验筛选平台进行药物研发与精准治疗。主要研究方向如下：1、通过整合大规模基因组转录组等多组学数据进行计算生物分析与算法开发，针对癌症及其他疾病进行药物靶点预测、筛选，以及进行精准医疗相关的生物标志物分析与预测。2、针对遗传性疾病开展AI辅助的药物设计，结合患者来源iPSC细

高分Panel复现系列｜甲基化分型可视化：怎么画这样的ComplexHeatmap分块热图展示多队列样本的分子分型结果：横向是样本，纵向是甲基化特征，顶部叠加临床变量和队列来源，底部标出分型标签。核心是用分块热图把“甲基化模式、临床注释、分型结果”压缩到同一个 panel 里。

Biomamba生信基地

基于scRNA解析HNSCC肿瘤免疫微环境中Tfh、Th17细胞浸润的预后价值本次分享的是发布于《Cancer Immunol Immunother》（IF=5.1）的文章，感兴趣的同学可以看看原文："Highlighting immune features of the tumor ecosystem and prognostic value of Tfh and Th17 cell infiltration in head and neck squamous cell carcinoma by single-cell RNA-seq"

Biomamba生信基地

FindNeighbors()函数报错object ‘CsparseMatrix_validate’ not found之前我们也制作过答读者问| 22.object ‘CsparseMatrix_validate’ not found哦~

Biomamba生信基地

NC | 单细胞分析揭示头颈部癌早期转移过程中潜在的免疫逃逸机制(R语言版本)文章《Single cell analysis in head and neck cancer reveals potential immune evasion mechanisms during early metastasis》（单细胞分析揭示头颈部癌早期转移过程中潜在的免疫逃逸机制），该文献发表于杂志《Nature Communications》，2023 年影响因子为 17.7。

Biomamba生信基地

空间转录组的细胞-基因-区域关联解析肿瘤微环境思路本次分享文献发布于Nature Communications（IF=15.7）的文章。原文题目为：“Dissecting tumor microenvironment from spatially resolved transcriptomics data by heterogeneous graph learning“

Biomamba生信基地

空间图谱+注释工具= 《ADVANCED SCIENCE》六一新鲜发表的一篇《AS》，与一般的图谱类文章不同，本文的生物学意义立足于视网膜动脉阻塞（RAO），以我们教学过的SeekSpace和Stereo-seq为测试数据，开发了ASCAL（Automated Single-Cell Annotation and Localization）并构建了一个小鼠全眼单细胞空间图谱，精确绘制睫状体和视网膜上的细胞类型。关键结论：RAO模型中神经节细胞层（GCL）中显著的空间免疫激活，并通过免疫荧光染色进一步验证。

Biomamba生信基地

AI虚拟细胞干扰工具大测评Perturb-seq将单细胞 RNA 测序（scRNA-seq）与基于 CRISPR 的扰动相结合，可实现大规模单细胞检测，研究单个细胞的基因功能和细胞反应。例如我们此前分享的风靡一时的scTenifoldKnk单细胞虚拟基因敲除,准不准?，便是其中的一种。本次推送分享发表在预印刊上题为"Benchmarking AI Models for In Silico Gene Perturbation of Cells"的文章，全方位得测评了主流AI虚拟细胞干扰工具。

Biomamba生信基地

fastXXX、rapidXXX系列加速你的单细胞数据分析最近发现很多带有FastXXX、RapidXXX字符的单细胞分析工具上架，顾名思义，这类工具能够以不同数量级的速度完成原有的单细胞分析。例如FastCCC，利用包含1600万个细胞、450种细胞类型的数据作为参考模板快速获取细胞通讯的计算结果。

Scanpy vs Seurat 深度对比：Python 与 R 的单细胞分析框架谁更强？做单细胞转录组分析，两大主流框架你必须知道：Scanpy（Python）和 Seurat（R）。到底选哪个？这篇帮你做一份全面的深度对比。

Biomamba生信基地

单细胞文献复现理论自测题2026.6.3、6.5为期两天，主讲R语言scRNA-seq全程班中的文献复现。本篇推送整理了单细胞文献复现分析理论自测题，建议大家先预习配套教程，再通过题目检验学习效果。还没有上车的同学，请联系客服Biomamba_zhushou报名参加！来不及看直播的同学们可以看回放哦~当然也可以按照专题报名参加！

Biomamba生信基地

保姆级教空间转录组分析| 01. 绪论B站（已更新10集）：https://www.bilibili.com/video/BV181wezqEgK/

Biomamba生信基地

《Advanced Science》前沿工具发布：STAID，空间反卷积自优化深度学习框架文章《STAID: A Self-Refining Deep Learning Framework forSpatial Cell-Type Deconvolution with Biologically InformedModeling》（IF=14.1）发布于《Advanced Science》。