PubMed چکیده/رکورد

In Silico Single-Cell Frame work for Modeling Intestinal Stem and Transit-Amplifying Progenitor Cells Dynamics.

استودیوی صوتی مقاله

پخش حرفه‌ای فارسی و انگلیسی

در حال بررسی نسخه‌های صوتی ذخیره‌شده…

صوت تولیدشده با هوش مصنوعی است. برای کاربرد علمی یا درمانی، متن و منبع اصلی را بررسی کنید.
خواندن هوشمند فارسی و انگلیسی در حال آماده‌سازی صداهای مرورگر…
تنظیم صدای طبیعی و سرعت

صداهایی که در نامشان «Natural»، «Neural» یا «Online» دیده می‌شود معمولاً طبیعی‌ترند. انتخاب صدا به صداهای نصب‌شده در ویندوز و مرورگر شما بستگی دارد.

چکیده اصلی

Single-cell RNA sequencing (scRNA-seq) has revolutionized the ability to resolve cellular heterogeneity within complex tissues, enabling the identification of discrete cell states. Here, we present an in silico analytical pipeline designed to characterize intestinal stem cells (ISC), transit-amplifying (TA) progenitors, and BEST4⁺ enterocyte precursors from human scRNA-seq datasets, with a focus on inflammatory contexts such as inflammatory bowel disease (IBD). The pipeline integrates dataset acquisition, quality control, normalization, dimensionality reduction, unsupervised clustering, and cell type annotation using a reference cell atlas. We implemented iterative subsetting and re-clustering of ISC and TA compartments to identify inflammation-associated subpopulations and epithelial biomarkers. While demonstrated in the context of IBD, this computational framework is broadly applicable to other tissues and pathological conditions where stem/progenitor dynamics underpin disease progression and tissue repair.

نتیجه فارسی

این مقاله یک چارچوب محاسباتی برای تحلیل داده‌های scRNA-seq سلول‌های روده و شناسایی زیرمجموعه‌های التهابی ارائه می‌دهد. این روش شامل مراحل کنترل کیفیت، نرمال‌سازی و خوشه‌بندی است و می‌تواند برای شرایط دیگر نیز استفاده شود.

  • چارچوب برای تحلیل سلول‌های بنیادی روده و پیش‌سازهای گذرا-تکثیر طراحی شده است.
  • این روش بر داده‌های scRNA-seq انسانی متمرکز است.
  • هدف شناسایی زیرمجموعه‌های مرتبط با التهاب و نشانگرهای اپیتلیال است.
  • این چارچوب به طور گسترده برای بافت‌های دیگر و شرایط بیماری‌زایی قابل اعمال است.

ترجمه فارسی چکیده

سکوئنسی‌ریبونوکلئیک تک‌سلولی (scRNA-seq) توانایی حل تفاوت‌های سلولی در بافت‌های پیچیده را تغییر داده و شناسایی حالت‌های سلولی مجزا را ممکن کرده است. در اینجا، یک خط لوله تحلیلی شبیه‌سازی شده ارائه شده است که برای توصیف سلول‌های بنیادی روده (ISC)، پیش‌سازهای گذرا-تکثیر (TA) و پیش‌سازهای واردوکیت‌های BEST4⁺ از داده‌های scRNA-seq انسانی طراحی شده است، با تمرکز بر زمینه‌های التهابی مانند بیماری التهابی روده (IBD). این خط لوله شامل اکتساب داده‌ها، کنترل کیفیت، نرمال‌سازی، کاهش ابعاد، خوشه‌بندی بدون نظارت و برچسب‌گذاری نوع سلول با استفاده از اطلس سلولی مرجع است. ما زیرمجموعه‌سازی تکرار شونده و خوشه‌بندی مجدد بخش‌های ISC و TA را برای شناسایی زیرمجموعه‌های مرتبط با التهاب و نشانگرهای اپیتلیال پیاده‌سازی کردیم. اگرچه در زمینه IBD نشان داده شده است، این چارچوب محاسباتی به طور گسترده برای بافت‌های دیگر و شرایط بیماری‌زایی که دینامیک‌های سلول بنیادی/پیش‌ساز بر پیشرفت بیماری و ترمیم بافت زیربنای آن‌ها هستند، قابل اعمال است.

روش پژوهش

این خط لوله شامل اکتساب داده‌ها، کنترل کیفیت، نرمال‌سازی، کاهش ابعاد، خوشه‌بندی بدون نظارت و برچسب‌گذاری نوع سلول با استفاده از اطلس سلولی مرجع است.

محدودیت‌ها

محدودیت‌ها در متن گزارش نشده‌اند.

استخراج ساختاریافته از متن منبع

نمای PICO و پیامدها

جمعیت
سلول‌های بنیادی روده (ISC)، پیش‌سازهای گذرا-تکثیر (TA) و پیش‌سازهای واردوکیت‌های BEST4⁺ انسانی.
مداخله/مواجهه
خط لوله تحلیلی شبیه‌سازی شده (شامل اکتساب داده‌ها، کنترل کیفیت، نرمال‌سازی، کاهش ابعاد، خوشه‌بندی و برچسب‌گذاری).
مقایسه
اطلاعات مربوط به مقایسه با روش‌های دیگر در متن گزارش نشده است.
حجم نمونه
تعداد نمونه در متن گزارش نشده است.

متن کامل اصلی

متن در JumpToDate ذخیره نشده است.

برای بررسی دسترسی کتابخانه‌ای یا خرید، رکورد اصلی را باز کنید.

رفتن به منبع اصلی

کلیدواژه‌ها

InflammationIntestinePipelineProgenitorsStem cellsscRNA-seq
در همین زیرشاخه

مقاله‌های مرتبط

PubMed2027

A Modelling Approach to Resolve Gene Temporal Dynamics in Intestinal Inflammation.

The intestinal epithelium is maintained by stem cells at the crypt base, however, acute or chronic inflammation can severely disrupt stem cell function and tissue homeostasis. To characterize mucosal inflammation and tissue damage, we evaluated time-course gene expression changes using a dextran sulfate sodium (DSS)-induced mouse model of colitis. By applying normalization, Z-score transformation, and spline curve modeling, we trace th…

PubMed2027

A Standardized Protocol for Generating iPSC-Derived Human Microglia for Functional Genomic Assays.

Human induced pluripotent stem cell (iPSC)-derived microglia (iMG) provide an in vitro experimental system for studying human microglial biology, neuroinflammation, and genetic risk mechanisms associated with neurological disease. This chapter describes a standardized, scalable, and reproducible protocol for the differentiation of human iPSCs into functional microglia-like cells, with particular emphasis on applications in transcriptio…

PubMed2027

B-Cell Aware Analysis of Single-Cell Transcriptomics Data.

Single-cell RNA sequencing (scRNA-seq) has facilitated the studies of cellular heterogeneity in many different biological contexts, including how B cells function and mediate immune responses to infection, malignancies, and autoimmunity. scRNA-seq as applied to B cells requires specific bioinformatics strategies, which consider the distinct biology of B cells and biological processes unique to these cells, such as somatic hypermutation…

PubMed2027

Combined Lipidomic and Metabolomic Analyses on Cardiac Organoids.

Cardiac organoids are increasingly used to model human cardiac development and disease, but their small size often limits molecular characterization, especially if different approaches and protocols are necessary to extract and quantify metabolites and lipids. Here, we present a multistep workflow for combined targeted free amino-acid (FAA) based metabolomic and lipidomic profiling from a single pooled cardiac organoid sample. The prot…