bioRxiv

Stack:单细胞生物学的上下文学习

提出Stack基础模型,通过表格注意力机制利用细胞上下文信息生成表征,在零样本场景下显著优于传统方法;实现无需数据微调的上下文学习,可预测任意条件对细胞群体的影响;构建覆盖28种组织、201种扰动的全基因组扰动细胞图谱Perturb Sapiens。

Stack:单细胞生物学的上下文学习

提出Stack基础模型,通过表格注意力机制利用细胞上下文信息生成表征,在零样本场景下显著优于传统方法;实现无需数据微调的上下文学习,可预测任意条件对细胞群体的影响;构建覆盖28种组织、201种扰动的全基因组扰动细胞图谱Perturb Sapiens。

解锁纳米级样本超灵敏磷酸化蛋白质组学:基于Ti-PAN尖端的快速IMAC富集平台

开发了基于高亲水性PAN纤维的Ti-PAN富集尖端,实现8分钟快速原位IMAC富集,显著降低样品损耗并提升灵敏度;结合DDM裂解与turboDDA技术,首次在5个卵母细胞样本中鉴定出2709个磷酸化位点,揭示了卵母细胞成熟相关关键激酶;该方法具备高通量自动化潜力,为微量样本磷酸化组学研究提供新范式。