Bulk转录组与单细胞RNA测序联合分析教程 本教程提供了一套整合Bulk RNA-seq与scRNA-seq数据的分析方法，重点结合TCGA临床数据与单细胞分辨率进行生存分析。主要内容包括： 数据准备：TCGA-LIHC数据集处理与单细胞Seurat对象整合 Bulk数据分析：单基因/多基因/临床变量的生存分析（KM和Cox回归） 联合分析方法： 使用BayesPrism进行反卷积，预测Bulk

AI驱动发现跨癌种CAR-T疗法新靶点GPNMB 《Cell》最新研究利用AI技术突破CAR-T疗法瓶颈，通过整合单细胞测序数据与多模态生物信息库，结合ChatGPT-4o等大语言模型系统性筛选，鉴定出糖蛋白GPNMB作为跨血液瘤和实体瘤（如黑色素瘤、结直肠癌）的通用靶点。实验验证显示，GPNMB CAR-T在白血病和多种实体瘤模型中均实现强效杀伤且安全性良好。该研究创新性地建立了AI辅助靶点发现

AI驱动发现跨癌种CAR-T疗法新靶点GPNMB 《Cell》最新研究利用AI技术突破CAR-T疗法瓶颈，通过整合单细胞测序数据与多模态生物信息库，结合ChatGPT-4o等大语言模型系统性筛选，鉴定出糖蛋白GPNMB作为跨血液瘤和实体瘤（如黑色素瘤、结直肠癌）的通用靶点。实验验证显示，GPNMB CAR-T在白血病和多种实体瘤模型中均实现强效杀伤且安全性良好。该研究创新性地建立了AI辅助靶点发现

本手册系统介绍了单细胞RNA测序数据中拷贝数变异(CNA)的分析方法。主要内容包括：1)两类主流CNA推断工具：基于表达的inferCNV、copykat等工具，以及结合表达与等位基因信息的Numbat等方法；2)详细操作指南：从环境配置、数据预处理到infercnvpy和copykat工具的参数设置、运行及可视化；3)肿瘤细胞识别流程：通过CNV谱聚类、UMAP展示、热图绘制等技术区分肿瘤与正常

Claudecode具备进程记忆功能，支持会话恢复，可通过以下方式继续操作：1)输入"claude--continue"恢复最近会话；2)使用"claude--resume编号"重启指定对话。建议配合Tmux管理终端会话防止掉线。程序支持后台运行，并提供快捷键操作提升效率。该功能支持跨会话记忆用户习惯，也可通过CLAUDE.md配置全局上下文。

《Python入门课》是生信学习的重要基础课程，本文详细介绍了Python的下载与安装方法。主要内容包括：1）从官网下载对应操作系统的安装包；2）Windows系统安装时需勾选"Add Python to PATH"选项；3）Linux/macOS可通过命令行安装；4）推荐使用Miniconda创建虚拟环境；5）配置Jupyter Notebook开发环境。课程共11个模块21

本文介绍了Python生态中实现R语言ggplot2绘图语法的两种方案：plotnine和ggplot2-python项目。重点分析了后者通过移植R的底层图形栈（grid/gtable/scales）到Python，首次在Python中实现了与R同构的图形语法分层抽象。文章对比了两种方案的技术差异，指出matplotlib缺乏R中grid包的抽象布局系统是plotnine的局限所在，而ggplot

Biomamba生信基地推出空间转录组主题鼠标垫，参与过相关课程的用户可免费领取。同时提供多门生信培训课程，包括R/Python编程入门、单细胞测序基础与进阶专题、空间转录组全程班等，课程含回放与答疑服务。另设有理论自测题帮助学员检验学习成果，详情可联系客服咨询。

本文介绍了三款显著提升单细胞数据分析效率的工具：1. fastCCC - 细胞通讯分析加速工具，计算速度比主流工具快10倍，支持百万级细胞分析，采用快速傅里叶变换技术实现高效p值计算。2. fastCNV - 拷贝数变异推断加速工具，可快速处理空间转录组和scRNA-seq数据，在肿瘤细胞鉴定和克隆分析中表现优异，与WES数据相关性达0.75以上。3. rapidsingle-cell - GPU

R语言中基础的机器学习主要有：分类、聚类、降维、回归(预测，自变量和因变量)这积累问题。拿到数据和问题首先要会判定是这4类中的哪一种。此前我们也用专门的教程介绍过在。