MétaCan
← tous les travaux

Simultaneous single-cell profiling of lineages and cell types in the vertebrate brain

2018· article· en· 655 citations· W2795331645 sur OpenAlex· 10.1038/nbt.4103

Pourquoi ce travail est-il dans la base ?

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

Organisme subventionnaire canadienUn organisme canadien l'a financé. Le travail peut ne porter aucune affiliation canadienne.

Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Scores machine (provisoires)

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Tête enseignante Opus0,006
Tête enseignante GPT0,221
Écart entre enseignants
0,215 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validation
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Résumé

The lineage relationships among the hundreds of cell types generated during development are difficult to reconstruct. A recent method, GESTALT, used CRISPR-Cas9 barcode editing for large-scale lineage tracing, but was restricted to early development and did not identify cell types. Here we present scGESTALT, which combines the lineage recording capabilities of GESTALT with cell-type identification by single-cell RNA sequencing. The method relies on an inducible system that enables barcodes to be edited at multiple time points, capturing lineage information from later stages of development. Sequencing of ∼60,000 transcriptomes from the juvenile zebrafish brain identified >100 cell types and marker genes. Using these data, we generate lineage trees with hundreds of branches that help uncover restrictions at the level of cell types, brain regions, and gene expression cascades during differentiation. scGESTALT can be applied to other multicellular organisms to simultaneously characterize molecular identities and lineage histories of thousands of cells during development and disease.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

La notice

Revue
Nature Biotechnology
Thématique
Single-cell and spatial transcriptomics
Domaine
Biochemistry, Genetics and Molecular Biology
Établissements canadiens
Organismes subventionnaires
National Human Genome Research InstituteNational Institute of General Medical SciencesNational Institute of Mental HealthCanadian Institutes of Health ResearchNational Institutes of HealthEdward Mallinckrodt, Jr. FoundationWellcome TrustNational Heart, Lung, and Blood InstituteLife Sciences Research FoundationEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentHoward Hughes Medical Institute
Mots-clés
BiologyCell typeLineage (genetic)Multicellular organismZebrafishVertebrateComputational biologyGeneCellular differentiationEvolutionary biologyCellGenetics
Résumé présent dans OpenAlex
oui