Diretrizes para Submissão de Amostras
Conectar Identidade Celular, Regulação e Função em Um Estudo
As médias de tecido podem ocultar populações raras. Uma única camada molecular pode identificar um padrão sem explicar o que o controla.
A sequenciação de RNA de célula única pode revelar tipos celulares e estados de expressão, mas perfis de RNA semelhantes podem surgir através de diferentes rotas regulatórias. A acessibilidade da cromatina pode indicar regiões regulatórias ativas. As proteínas da superfície celular podem refinar fenótipos imunes, enquanto as sequências dos recetores de células T e B podem ligar um estado à expansão clonal.
Nós projetamos o estudo em torno da decisão que você precisa tomar. Isso pode significar medir RNA e cromatina no mesmo núcleo, emparelhar RNA com proteínas de superfície, adicionar sequenciamento de receptores imunes ou integrar medições compatíveis entre amostras.
Métodos assistidos por IA ajudam a comparar milhares de características e a mapear células para referências apropriadas. Os nossos cientistas analisam a qualidade, as evidências de anotação, a estrutura de lotes, a consistência biológica e a incerteza antes de um resultado ser reportado.
Perguntas que o ajudamos a responder
- Quais tipos e estados celulares estão presentes?
- Quais estados mudam entre grupos ou pontos no tempo?
- Quais programas regulatórios apoiam esses estados?
- As proteínas de superfície refinam a identidade definida pelo RNA?
- Quais clonótipos se expandem dentro de um estado específico?
- Quais descobertas permanecem consistentes entre os dadores?
Multi-Ómicas de Célula Única para Decisões de Investigação Específicas
Cada cenário liga uma questão biológica a experimentos adequados, métodos de integração, testes de qualidade e resultados utilizáveis.
Resolver a heterogeneidade do tumor e do microambiente imune
A sua perguntaQuais estados malignos, imunes e estromais diferem entre tumores, modelos, grupos de tratamento ou regiões teciduais?
Dados e experiênciasA scRNA-seq fornece um amplo mapa de estados celulares. A CITE-seq pode refinar o fenótipo de superfície, a scATAC-seq pode revelar diferenças regulatórias, e o sequenciamento do repertório imune pode conectar estados de linfócitos a clonótipos. Podemos gerar uma ou várias camadas de acordo com a adequação da amostra.
Como a IA ajudaO mapeamento de referência e os modelos de vizinhança multimodal ajudam a organizar células relacionadas enquanto preservam a identidade da amostra. Os programas malignos candidatos, os estados imunes e as interações celulares são então analisados em relação a marcadores conhecidos e ao contexto do estudo.
Como testamos o resultadoVerificamos o apoio dos doadores, o equilíbrio das amostras, as evidências de anotação, a abundância celular e as alterações dentro do estado. Um padrão encontrado em muitas células de um único doador não é tratado como evidência a nível de coorte.
O que entregamosRecebes mapas celulares e de estado, comparações de grupos, tabelas de marcadores, resultados de regulação ou interação, resumos a nível de doador e candidatos para acompanhamento focado.
Evidência publicadaSivakumar et al. combinaram dados de scRNA-seq, CITE-seq e recetores imunes de tumores e sangue correspondentes de amostras de cancro do pâncreas com conjuntos de dados públicos. O seu estudo mostra como várias camadas de células únicas podem distinguir padrões do microambiente imune que seriam difíceis de resolver a partir de dados de tecido médios.
Separar Estados de Resposta a Fármacos de Populações Celulares Resistentes
A sua perguntaUm tratamento altera o número de células em um estado, muda o próprio estado ou seleciona uma população resistente preexistente?
Dados e experiênciasPodemos comparar amostras tratadas e não tratadas, modelos sensíveis e resistentes, grupos de dose, pontos de tempo ou perturbações. Medidas de RNA, cromatina, proteína de superfície e genótipo podem ser combinadas quando a questão o exigir.
Como a IA ajudaModelos assistidos por IA podem corresponder estados comparáveis em diferentes condições e priorizar características que mudam em conjunto através de modalidades. Eles também podem ajudar a separar uma alteração na composição celular de uma mudança molecular dentro do mesmo estado.
Como testamos o resultadoAs comparações são feitas ao nível da amostra sempre que possível. Revisamos o doador, modelo, tratamento, tempo e estrutura do lote e testamos se a descoberta depende de uma anotação ou escolha de integração.
O que entregamosVocê recebe estados associados à resposta, características diferenciais, programas regulatórios candidatos, evidências de transição de estado e um plano prático para validação ortogonal ou baseada em perturbação.
Evidência publicadaWegmann et al. integraram a profilagem de fármacos ex vivo em células únicas com medições de DNA, RNA e proteínas de amostras de leucemia mieloide aguda em recaída ou refratária. O trabalho ilustra como a evidência molecular resolvida por células pode distinguir padrões de resistência inata e adquirida.
Desenvolvimento do Estudo, Diferenciação e Progressão da Doença
A sua perguntaQuais estados intermédios ligam uma população inicial a identidades celulares posteriores, e quais programas regulatórios mudam ao longo do percurso?
Dados e experiênciasAs medições de RNA definem estados de expressão em mudança. As medições de RNA emparelhadas com as de cromatina podem conectar esses estados a regiões acessíveis e reguladores candidatos. Pontos temporais, regiões anatómicas ou estágios definidos experimentalmente reforçam a interpretação.
Como a IA ajudaModelos de trajetória e de estado latente ordenam células por similaridade molecular e comparam ramos candidatos. Modelos regulatórios conectam fatores de transcrição, regiões acessíveis e a expressão de genes-alvo quando os dados apoiam essas ligações.
Como testamos o resultadoComparamos a ordem inferida com o tempo de coleta, marcadores conhecidos, amostras replicadas e a segunda camada molecular. Uma trajetória é uma interpretação de pesquisa baseada em modelo; não é uma prova direta da história de linhagem.
O que entregamosVocê recebe mapas de estado e de ramificação, características associadas ao tempo ou estágio, reguladores candidatos, evidências de apoio e conflitantes, e experimentos de acompanhamento.
Evidência publicadaZuo et al. geraram perfis de RNA emparelhados e de cromatina a partir dos mesmos núcleos ao longo do desenvolvimento da retina humana. O estudo ligou estados de desenvolvimento a trajetórias, fatores de transcrição e redes regulatórias de genes.
Conectar Clonótipos Imunes com Estados Funcionais das Células
A sua perguntaQuais clones de células T ou B se expandem e quais estados de expressão ou proteínas de superfície esses clones ocupam?
Dados e experiênciasscTCR/BCR-seq pode ser combinado com a expressão génica e, quando adequado, medições de proteínas de superfície. As amostras podem representar tecidos, células derivadas do sangue, grupos de tratamento, pontos temporais ou modelos de investigação.
Como a IA ajudaA anotação assistida por IA organiza estados imunológicos e ajuda a comparar distribuições de clonótipos entre esses estados. Características de recetores partilhados, expansão clonal, enriquecimento de estados e recorrência entre amostras podem então ser examinados.
Como testamos o resultadoReportamos o número de células de suporte e amostras, analisamos a qualidade dos recetores e o emparelhamento das cadeias, e evitamos tratar um clone expandido como um efeito geral do grupo.
O que entregamosRecebe tabelas de clonótipos, mapas de expansão ligados a estados, resumos de diversidade, comparações entre amostras e clones ou estados candidatos para acompanhamento de pesquisa.
Evidência publicadaO ECCITE-seq demonstrou a medição conjunta de transcriptomas, proteínas de superfície, clonótipos e leituras de perturbação. Fornece uma base técnica para conectar a identidade dos recetores imunes com o fenótipo celular num design multimodal.
Escolha Camadas Moleculares Que Mudam a Próxima Decisão
Recomendamos tecnologias de acordo com a amostra, a questão biológica, a resolução necessária e a lacuna de evidência.
| Tecnologia de Serviço | Evidência Adicionada | Papel Típico no Estudo |
|---|---|---|
| Sequenciação de RNA de Célula Única | Expressão génica por célula | Tipos de células, estados celulares, populações raras, vias e comparações de grupos |
| ATAC-Seq de Célula Única | Chromatina acessível por célula ou núcleo | Estados regulatórios, atividade de motivos, fatores de transcrição candidatos e regiões ligadas |
| Perfilagem de ATAC e RNA em Células Únicas | RNA e cromatina do mesmo núcleo | Emparelhamento direto do estado de expressão e evidência regulatória sem correspondência entre células. |
| CITE-seq | Expressão génica e proteínas de superfície selecionadas | Fenotipagem imunitária, anotação suportada por proteínas e refinamento de estado |
| Sequenciação de TCR/BCR de Célula Única | Clonótipos de recetores imunes associados a estados celulares | Expansão clonal, diversidade de repertório, distribuição de estados e rastreio entre amostras. |
| Serviços de Sequenciação Multi-Ómica Espacial | Localização do tecido e contexto de vizinhança | Acompanhamento opcional para localizar estados importantes, interações ou nichos resistentes nos tecidos. |
| Serviços Multi-Ómicos | Evidência molecular adicional ao longo do estudo | Apoio focado em genómica, epigenómica, transcriptómica ou outras ómicas |
| Serviços de Bioinformática | Processamento e interpretação de dados existentes | Revisão de qualidade, harmonização, integração de dados públicos e relatórios reproduzíveis |
Nem todos os projetos necessitam de todas as modalidades. Adicionar uma camada de dados é útil apenas quando pode resolver uma incerteza específica, como se um estado definido por RNA tem um programa regulatório distinto, fenótipo de superfície, padrão de clonótipos ou localização tecidual.
Comece com Amostras, Dados Existentes ou um Design Híbrido
| Entrada do Projeto | O que Você Fornece | Como Apoiamo o Estudo |
|---|---|---|
| Amostra para Insight | Células adequadas, núcleos, tecidos, células derivadas do sangue, organoides ou modelos de investigação; grupos de estudo e metadados. | Revisamos a viabilidade, projetamos e realizamos os experimentos de célula única acordados, processamos cada modalidade, integramos as evidências e entregamos resultados revisados por cientistas. |
| Dados para Insight | Ficheiros FASTQ, matrizes de características-código de barras ou de contagem, metadados a nível celular, objetos Seurat, objetos AnnData ou conjuntos de dados públicos compatíveis. | Revisamos a qualidade dos dados e estudamos a estrutura, processamos ou harmonizamos os dados, realizamos análises multimodais e reportamos resultados e limites reproduzíveis. |
| Estudo Híbrido | Dados existentes mais biosspecimens ou um experimento planeado para a evidência em falta. | Identificamos a lacuna, geramos uma nova camada molecular focada e conectamo-la ao estudo existente de células únicas. |
Manter a Correção de Lotes Sem Apagar a Biologia Real
A integração é bem-sucedida apenas quando reduz a variação técnica indesejada e preserva as diferenças significativas entre amostras e estados.
- Qualidade da célula e do núcleoRevisamos a deteção de características, a complexidade da biblioteca, o sinal ambiente, os múltiplos e os perfis de baixa qualidade utilizando medidas apropriadas aos dados.
- Estrutura de amostraOs variáveis de doador, grupo, lote, local, tratamento, tempo e processamento permanecem visíveis durante toda a análise.
- Evidência de anotaçãoOs rótulos são suportados por marcadores, fontes de referência, acordo multimodal e contexto biológico.
- AmbiguidadeEstados mistos, transitórios ou fracos são sinalizados em vez de serem forçados a uma etiqueta confiante.
- Preservação biológicaVerificamos se as diferenças esperadas entre doadores, grupos, linhagens e estados permanecem após a integração.
- Acordo cross-modalA evidência de RNA, cromatina, proteína ou recetor é comparada onde existe uma ligação direta ou biologicamente justificada.
- Apoio a nível de amostraAs conclusões não se baseiam apenas num grande número de células de uma única amostra.
- Revisão de sensibilidadeDescobertas importantes são verificadas sob filtragem, anotação, integração e escolhas de modelo razoáveis.
O trabalho de benchmarking mostrou que nenhum método de integração é o melhor para todos os conjuntos de dados. Escolhemos e testamos métodos de acordo com a modalidade, a estrutura do lote, a questão biológica e o tipo de variação que deve permanecer visível.
Da Questão de Estudo à Evidência Multimodal Testada
Um fluxo de trabalho conectado mantém o design de laboratório molhado, o controlo de qualidade específico da modalidade, a integração, a interpretação e a validação focados na mesma decisão.
Passo 1 - Definir a decisão de pesquisaEsclarecemos o contraste biológico, a unidade de replicação, a resolução celular necessária e como o resultado guiará o próximo experimento.
Passo 2 - Rever amostras e dados existentesAnalisamos a adequação da amostra, os tipos de células esperados, a preservação, o equilíbrio do grupo, os metadados, a estrutura do lote e os objetos de dados disponíveis.
Passo 3 - Gerar as modalidades selecionadasQuando os biospecimens estão incluídos, realizamos os experimentos acordados de célula única ou núcleo único e mantemos a identidade da amostra rastreável.
Passo 4 - Aplicar controlo de qualidade específico da modalidadeOs dados de RNA, cromatina, proteína e recetores são avaliados com medidas adequadas antes da integração.
Passo 5 - Integrar evidências compatíveisSelecionamos um método que pode alinhar células ou características relacionadas, preservando as diferenças relevantes de doador, grupo, linhagem e estado.
Passo 6 - Interpretar estados celulares e mecanismosExaminamos anotações, abundância diferencial, alterações intraestaduais, programas regulatórios, trajetórias, interações ou clonótipos conforme suportado pelo design.
Passo 7 - Testar o suporte de amostra cruzadaResultados importantes são revistos por amostra, grupo, lote e escolhas de métodos razoáveis. A confiança e as evidências conflitantes são reportadas.
Passo 8 - Planear um acompanhamento focadoPriorizamos candidatos para ensaios direcionados, estudos de perturbação, coortes adicionais ou localização espacial.
O que Revisamos Antes do Início do Estudo
A revisão da amostra e dos metadados ocorre antes da recomendação de um protocolo fixo porque o tecido, a preservação, a recuperação celular e a estrutura do estudo afetam o design.
- Questão de pesquisa, grupos de comparação e a decisão que o estudo deve apoiar.
- Tipo de amostra, fonte de tecido, preservação, recuperação esperada de células ou núcleos e preocupações de qualidade conhecidas.
- Doador, modelo, tratamento, dose, ponto temporal, região tecidual, local de recolha e informações do lote.
- Dados públicos disponíveis de scRNA-seq, scATAC-seq, CITE-seq, recetores imunes, multiome ou compatíveis.
- Ficheiros FASTQ, matrizes de contagem, matrizes de características-código de barras, objetos Seurat, objetos AnnData e metadados a nível celular, conforme aplicável.
- Populações raras esperadas, marcadores importantes, descobertas anteriores e conjuntos de dados de referência adequados.
- Material ou coortes disponíveis para acompanhamento técnico, biológico ou espacial
Após a revisão de viabilidade, fornecemos uma recomendação específica para o estudo sobre modalidades, manuseio de amostras, replicação, metadados, verificações de qualidade e opções de acompanhamento.
Entregáveis que Pode Rever, Reutilizar e Testar
- Revisão da viabilidade do desenho experimental e da amostra
- Relatório de qualidade específico da modalidade
- Resumo de células ou núcleos retidos por amostra
- Objetos de dados a nível celular processados e harmonizados
- Anotações de tipo celular e estado celular
- Evidência de anotação, confiança e bandeiras de ambiguidade
- Tabelas de marcadores e características diferenciais
- Abundância diferencial e comparações intraestaduais
- Fatores multimodais, características ligadas ou programas regulatórios
- Resultados de trajetória, interação ou clonótipo, conforme aplicável.
- Avaliação de doador, lote e sensibilidade
- Figuras e tabelas de resultados prontas para publicação
- Métodos reproduzíveis, scripts e orientação sobre objetos de dados
- Limitações e recomendações de acompanhamento focadas
Fechar a Lacuna entre um Mapa Celular e um Mecanismo Testável
Quando um projeto é limitado a dados existentes, uma incerteza chave pode permanecer não resolvida. O RNA pode definir um estado importante sem mostrar a sua base regulatória. Um conjunto de dados de recetores pode mostrar expansão clonal sem explicar o fenótipo dessas células.
A CD Genomics pode conectar o design de estudos, experimentos de célula única e núcleo único, bioinformática multimodal, revisão de padrões assistida por IA e interpretação científica. Isso torna possível adicionar as evidências que a questão biológica realmente necessita.
Entregamos tanto o resultado integrado como a evidência por trás dele: suporte a nível de amostra, fontes de anotação, verificações de qualidade, resultados de sensibilidade, limitações e um plano focado para o próximo estudo.
fronteira da pesquisa
Os estados celulares, trajetórias, interacções e ligações regulatórias são interpretações de pesquisa moldadas pela qualidade da amostra, design do estudo, modalidade de dados e escolha do modelo. Não garantimos que todas as modalidades concordem ou que todos os mecanismos candidatos sejam confirmados em experimentos de seguimento.
Referências
- Hao Y, Hao S, Andersen-Nissen E, et al. Análise integrada de dados de célula única multimodal. Célula. 2021.
- Luecken MD, Büttner M, Chaichoompu K, et al. Integração de dados a nível de atlas em genómica de célula única. Métodos da Natureza. 2022.
- Stoeckius M, Hafemeister C, Stephenson W, et al. Medição simultânea de epítopos e transcriptoma em células únicas. Métodos da Natureza. 2017.
- Mimitou EP, Cheng A, Montalbano A, et al. Deteção multiplexada de proteínas, transcriptomas, clonótipos e perturbações CRISPR em células únicas. Métodos da Natureza. 2019.
- Wegmann R, Bonilla X, Casanova R, et al. Paisagem de célula única da resistência a fármacos inata e adquirida na leucemia mieloide aguda. Comunicações da Natureza. 2024.
- Sivakumar S, Jainarayanan A, Arbe-Barnes E, et al. Padrões distintos de infiltração de células imunes no adenocarcinoma ductal pancreático exibem seleção divergente de células imunes e mecanismos imunossupressores. Comunicações da Natureza. 2025.
- Zuo Z, Cheng X, Ferdous S, et al. Atlas dual-ómico de célula única da retina em desenvolvimento humano. Comunicações da Natureza. 2024.
Exemplo de Relatório de Multi-Ómicas de Célula Única
O relatório liga a descoberta biológica ao suporte a nível de amostra, evidências multimodais e verificações de qualidade. Está concebido para ajudá-lo a decidir o que deve avançar para o próximo experimento.
Um relatório específico do projeto pode incluir mapas celulares divididos por doador e grupo, proporções de tipos celulares, evidências de anotação, links de características de RNA e cromatina, suporte a proteínas de superfície, programas regulatórios, resultados de trajetória ou interação, sobreposições de clonótipos, verificações de sensibilidade e candidatos prioritários para acompanhamento.
Perguntas Frequentes sobre Multi-Ómicas de Células Únicas Assistidas por IA
1. Pode o projeto começar com amostras em vez de dados existentes?
Sim. Podemos rever a adequação das amostras, recomendar as camadas moleculares, realizar os experimentos acordados, processar cada modalidade e integrar os resultados. A recomendação depende do tecido, preservação, recuperação celular esperada, grupos de estudo e da questão biológica.
2. Pode trabalhar com dados gerados em outros locais?
Sim. Podemos começar a partir de ficheiros brutos, matrizes de contagem, matrizes de características-código de barras, objetos Seurat, objetos AnnData ou conjuntos de dados públicos compatíveis. Primeiro, revisamos a qualidade dos dados, a identidade das amostras, os metadados e a estrutura de lote.
3. Cada estudo precisa de vários ensaios de célula única?
Não. Mais modalidades não produzem automaticamente uma melhor resposta. Adicionamos uma camada apenas quando pode resolver uma incerteza importante, como regulação, fenótipo superficial, clonalidade ou localização tecidual.
4. O que faz a IA no projeto?
Métodos assistidos por IA podem apoiar o mapeamento de referências, anotação, integração multimodal, comparação de padrões e priorização de candidatos. Os nossos cientistas escolhem a estratégia de análise, inspecionam as evidências de suporte, revisam a incerteza e interpretam o resultado no contexto do estudo.
5. Como lida com os efeitos de lote?
Mantemos visíveis as variáveis de doador, grupo, lote e processamento, selecionamos um método de integração apropriado e verificamos se a biologia esperada permanece após a correção. Também comparamos descobertas importantes entre escolhas de processamento razoáveis.
6. Como evitas rótulos de células excessivamente confiantes?
As anotações são revistas em relação à expressão de marcadores, referências adequadas, contexto da amostra e outras camadas moleculares quando disponíveis. Populações mistas, transicionais ou fracas podem receber uma bandeira de ambiguidade em vez de um rótulo forçado.
7. Pode o RNA e a cromatina ser medidos na mesma célula?
Os desenhos de multioma de núcleo único compatíveis podem medir RNA e acessibilidade da cromatina a partir do mesmo núcleo. Isso elimina a necessidade de corresponder essas duas camadas entre diferentes células, embora os efeitos do doador e de lote ainda exijam revisão.
8. Pode-se adicionar omics espacial?
Sim, como um acompanhamento separado quando a localização do tecido é importante. A caracterização espacial pode testar onde ocorre um estado celular importante, interação ou nicho resistente. Não é necessário para todos os projetos de células individuais.
9. Uma trajetória prova a história da linhagem?
Não. Uma trajetória ordena células de acordo com a similaridade molecular medida e suposições do modelo. Podem ser necessários pontos temporais, rastreamento de linhagens, perturbação, imagem ou outros experimentos para testar o caminho proposto.
Estudo de Caso Publicado
Destaque de Pesquisa Independente
Conectando a Expressão Génica e a Acessibilidade da Cromatina Durante o Desenvolvimento Retinal Humano
Esta publicação é um exemplo de pesquisa independente. Não é um projeto de cliente da CD Genomics.
Fundo
Os estados celulares de desenvolvimento mudam tanto na expressão génica como na regulação da cromatina. Os investigadores perguntaram como estas camadas poderiam estar interligadas ao longo do tempo e da localização anatómica na retina humana em desenvolvimento.
Métodos
Zuo et al. caracterizaram 315.177 núcleos de 28 tecidos retinais coletados de 14 embriões e fetos humanos entre as semanas 8 e 23 pós-conceção. Após o controle de qualidade, permaneceram 226.506 núcleos. O RNA e o cromatina acessível foram medidos a partir dos mesmos núcleos. A Figura 1 apresenta o desenho do estudo, as classes celulares e a concordância entre a expressão e as pontuações de genes derivadas da cromatina.
Resultados
Os investigadores identificaram 61 tipos de células, incluindo cinco grupos de precursores. A Figura 2 mostra o fluxo estimado do estado de progenitor, o tempo latente, os módulos de expressão e uma rede regulatória candidata. A Figura 4 examina o caminho desde os precursores de células amacrinas até subclasses comprometidas. Juntos, os resultados conectaram as mudanças nos estados celulares com fatores de transcrição candidatos e programas regulatórios de genes.
Porque É Importante
O estudo demonstra o valor de medir duas camadas moleculares no mesmo núcleo. Também mostra como o tempo, a região anatómica, a anotação celular, os modelos de trajetória e as evidências regulatórias podem ser analisados em conjunto, em vez de serem tratados como saídas separadas.
Conclusão
Um forte estudo de multi-ópticas em células únicas conecta o design experimental, o controlo de qualidade específico da modalidade, a interpretação do estado celular e a evidência entre camadas. As trajetórias inferidas e os links regulatórios permanecem modelos de pesquisa que requerem revisão biológica e, quando importante, seguimento experimental. Os resultados desta publicação não preveem o resultado de outro projeto.
Nota de acesso abertoO artigo está licenciado sob a Licença Internacional Creative Commons Atribuição 4.0. Esta página descreve o estudo sem reproduzir as suas figuras.
Referência
- Zuo Z, Cheng X, Ferdous S, et al. Atlas dual-ómico de célula única da retina humana em desenvolvimento. Comunicações da Natureza. 2024.
Publicações Selecionadas
Estas publicações independentes fornecem fundamentos de pesquisa para integração multimodal, harmonização consciente da qualidade, medição de proteínas de superfície, análise de clonótipos imunes, pesquisa de resposta a fármacos e estudos emparelhados de RNA e cromatina. Não são apresentadas como projetos de clientes da CD Genomics.
- Hao Y, Hao S, Andersen-Nissen E, et al. Análise integrada de dados de célula única multimodal. Célula. 2021.
- Luecken MD, Büttner M, Chaichoompu K, et al. Integração de dados a nível de atlas em genómica de célula única. Métodos da Natureza. 2022.
- Stoeckius M, Hafemeister C, Stephenson W, et al. Medição simultânea de epítopos e transcriptoma em células únicas. Nature Methods. 2017.
- Mimitou EP, Cheng A, Montalbano A, et al. Deteção multiplexada de proteínas, transcriptomas, clonótipos e perturbações CRISPR em células únicas. Métodos da Natureza. 2019.
- Wegmann R, Bonilla X, Casanova R, et al. Paisagem de célula única da resistência a fármacos inata e adquirida na leucemia mieloide aguda. Comunicações da Natureza. 2024.
- Sivakumar S, Jainarayanan A, Arbe-Barnes E, et al. Padrões distintos de infiltração de células imunes no adenocarcinoma ductal pancreático exibem seleção divergente de células imunes e mecanismos imunossupressores. Comunicações da Natureza. 2025.
- Zuo Z, Cheng X, Ferdous S, et al. Atlas dual-ómico de célula única da retina humana em desenvolvimento. Comunicações da Natureza. 2024.
