SUM-seq重塑单细胞多组学图谱，引领科研新范式
SUM-seq作为一项创新的单细胞多组学分析技术，以其前所未有的成本效益、可扩展性和超高通量，超越了现有方法在同时捕获染色质可及性和基因表达方面的表现。
Nature Methods：从“猜”到“预见”——AI模型PUPS揭示单细胞蛋白质定位的秘密
PUPS作为一款结合蛋白质序列和细胞图像的新型AI模型，不仅能准确预测未知蛋白质在未知细胞系中的定位，还能揭示蛋白质定位在不同细胞系和单细胞层面的变异规律，甚至预测突变对定位的影响。
Cell：基于成像的STAMP技术使单细胞RNA研究成本下降47倍，并可分析数百万个细胞
研究开发了一种名为“通过成像进行单细胞转录组学分析和多模态分析”的技术可观察数百万个细胞。
Nature：从基因组伤痕到转录组静默——单细胞多组学揭示大脑衰老的因果链条
研究为我们提供了一张前所未有的高分辨率地图，以前所未有的深度和广度，揭示了人类大脑在从婴儿期到百岁高龄的漫长旅程中，细胞层面发生的深刻变革。
Nature Methods：解锁细胞宇宙的“星图”——scvi-hub如何将海量单细胞数据“浓缩”到你的笔记本电脑里？
如果说单细胞数据是浩瀚的宇宙，那么细胞图谱就是我们绘制的星图。scvi-hub所做的，就是将这幅无比庞大、复杂的星图，转化为一个轻便、智能、人人可用的“数字天文馆”。
【5月14日直播预告】单细胞多组学技术解锁肿瘤微环境研究前沿研讨会
从基因组学、转录组学到蛋白质组学、代谢组学等，从以组织为单位的测序到以单细胞为单位的单细胞测序；从无空间信息的组学技术到空间组学技术，再到空间单细胞组学技术。肿瘤精准诊疗已经从单一层次的基因变异研究快
Nature Genetics：告别“批量”模糊——首个大规模单细胞研究，解码胶质母细胞瘤纵向演变的“个体差异”与“普遍规律”
这项研究的发现具有重要的临床意义。它提示我们，GBM复发是一个高度个体化的过程。理解每个患者肿瘤独特的演变轨迹以及驱动这一轨迹的关键因素，是实现精准治疗的关键。
Science：新研究开发出一种基于DNB阵列构建的空间分辨高通量单细胞转录组平台
Stereo-cell建立了一个具有空间和多模式能力的高通量单细胞转录组学整合框架。该平台克服了现有方法的关键限制，提高了分析细胞间相互作用、微环境和亚细胞基因表达的可扩展性、灵活性和精确度。
Biomed Pharmacother：多模态单细胞技术助力药物筛选新发现
本研究构建携带囊性纤维化跨膜传导调节因子-S308X无义突变的患者特异性诱导多能干细胞气道类器官，结合多模态单细胞技术，揭示疾病炎症机制，筛选出氯沙坦等潜在药物，为相关囊性纤维化治疗提供新方向。
研究开发出通用型高通量单细胞多组学新技术
该团队自主研发了新型单细胞多组学测序技术UDA-seq，基于组合标记技术路线优化升级广泛使用的液滴微流控平台，实现了细胞通量和假单细胞率的“解偶联”，突破了通量限制。