David Baker创立的AI制药公司扔出重磅炸弹：最大规模单细胞扰动测序数据集，支持虚拟细胞研究
Xaira Therapeutics 的研究人员证明，sgRNA 的丰度在每个细胞中能被检测到并表达数百个拷贝，这在单细胞检测中极为罕见，并且为基因被抑制的程度提供了一个可靠的替代指标。
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。
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”。
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。
【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
Cancer Cell：黄活聪团队通过单细胞空间分析，揭示抗原呈递癌症相关成纤维细胞的“双重身份”及其空间生态位
该研究通过单细胞分辨率空间分析，揭示了抗原呈递癌症相关成纤维细胞（apCAF）包含了两个截然不同的亚群——间皮样 apCAF（M-apCAF），另一种是纤维细胞样 apCAF（F-apCAF）。
Science：利用Perturb-multiome方法确定转录因子如何驱动血细胞生长和成熟
这种新的Perturb-multiome方法使得研究人员能够系统地揭示数千种转录因子变体如何影响血细胞生成和疾病风险，为寻找更多针对血液疾病的新型靶向疗法创造了机会。
MAPIT-seq，同时绘制单细胞RBP-RNA互作图谱与表达谱
研究人员开发了一项名为MAPIT-seq的新技术，它如同一位能潜入细胞内部的“分子侦探”，不仅能精确绘制出特定RBP在原位与哪些RNA分子发生了接触，还能同时拍下整个细胞的基因表达“全景图”。