Уникальные публикации PubMed, Europe PMC и Crossref, сохранённые в библиотеке. Одна статья учитывается один раз, даже если получена из нескольких источников. Личные исследования и документы команд не публикуются.
Идёт проверка счётчикаДоступно в поиске—
Публикации, уже подготовленные для быстрого поиска. Остальная библиотека подключается в фоне.
Переведено на русский—
Готовые переводы среди доступных в поиске публикаций. Автоматический медицинский перевод и проверка специалистом учитываются отдельно.
Полные тексты—
Найденные полные тексты среди доступных в поиске публикаций. Доступность определяется первоисточником и условиями использования.
Оригиналов на русском—
Русскоязычные оригиналы доступны без ожидания перевода. Ниже — языки остальных оригиналов; для них готовится медицинский перевод на русский.
Пополняем библиотеку по диагнозам—Проверяем состояние обновлений
Для каждого диагноза из справочника МКБ-10 ищем связанные публикации в научных базах и добавляем их в библиотеку. Числа ниже — диагнозы, а не статьи.
Если сбор прервался, тема требует повторной попытки. Уже сохранённые статьи остаются в библиотеке.
Нажмите на показатель для подробностей. Показатели поиска обновляются автоматически; размер всей библиотеки сверяется отдельно. Время последней проверки указано явно.
Результаты поиска
6324 публикаций
Поиск: 143 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 650 с найденным полным текстом
The Mexican axolotl (Ambystoma mexicanum) is an established model for studying tetrapod regeneration and development. Notably, axolotls exhibit remarkable brain regeneration as adults, a trait rarely observed in other adult vertebrates. Adult axolotls can undergo metamorphosis, a process that induces dramatic remodeling of multiple organs and is accompanied by a gradual decline in regenerative capacity and lifespan. However, systematic studies on whole-brain cellular dynamics and molecular mechanisms in both adult and metamorphosed individuals remain lacking. Here, we profiled five representat
СтатьяDatasetПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Spatial transcriptomics enables genome-wide measurement of gene expression in intact tissues, but typically captures mixtures of multiple cell types at each spatial location. Deconvolving these mixtures is essential for resolving cell-type-specific spatial organization and transcriptional programs. Existing approaches often rely on matched single-cell references or curated marker genes, which may be unavailable, incomplete, or difficult to integrate across platforms. We present RETROFIT, a Bayesian framework for reference-free deconvolution of spatial transcriptomics data that operates directl
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Understanding how cells change state, interact with their neighbors, and organize into tissues requires recording of cellular lineage history in native spatial context. Here, we present SPACE-seq (spatial tracing enabled by CRISPR-based barcodes and slide-seq), a versatile platform that integrates CRISPR-based lineage recording with spatial transcriptomics to jointly resolve lineage, cell state, and tissue architecture at near-cellular resolution in situ. Using SPACE-seq, we uncovered intratumor transcriptional diversification among clonally related cells and identified tumor-stroma crosstalk
СтатьяПоддержка исследования: вне правительства СШАПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Spatial transcriptomics shows that airway remodelling of severe COPD is characterised by increased epithelial cells, reduced vascularity and altered immune cells, providing new insights into the pathological changes in COPD small airways https://bit.ly/4bWF8VG.
Письмо в редакциюПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Invasive lobular carcinoma (ILC) is the second most common histological subtype of breast cancer and displays distinct clinical and biological behavior compared to breast cancer of no special type. However, current molecular classifications largely overlook its complex spatial organization and tumor microenvironment (TME). Here, we performed spatial transcriptomics on 43 hormone receptor-positive, HER2-negative (HR+/HER2-) ILC tumors with detailed morphological annotation and long-term clinical follow-up. By integrating spatial gene expression with histology and single-cell deconvolution, we c
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Predicting spatial gene expression from hematoxylin and eosin (H&E)-stained histological images is a central challenge in the field of computational pathology. Although many models leverage the spatial context from entire whole-slide images to boost performance, the predictive capability achievable from single, isolated tissue patches remains unexplored. Without this fundamental baseline, it is difficult to fairly measure the marginal benefit of incorporating spatial context. In this study, we established a lightweight, efficient, and reproducible baseline for single-patch gene expression pred
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Accurately identifying spatial domains based on spatial transcriptomics (ST) data can greatly promote our understanding of cellular composition and tissue organization. While graph neural networks (GNNs) have shown significant advancements in spatial clustering, they tend to be insensitive to noisy edges, leading to intersections among identified spatial domains. Here, we introduce a GNN-based ST Clustering framework, called STCGCar, utilizing a Graph Contrastive learning model with reliable augmentation and redundancy reduction strategies. The framework begins by creating an enhanced view thr
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Advances in imaging- and sequencing-based spatial transcriptomics have increased molecular throughput and resolution, enabling the measurement and analysis of spatial transcriptomes at single-cell resolution. However, accurate cell segmentation remains challenging because cell morphology, tissue processing and staining methods vary across samples and platforms, limiting the accuracy and generalizability of existing algorithms. Here we show that DISSECT, a cell segmentation model integrating cytological images with spatial transcriptomic profiles, improves spatial single-cell transcriptome reco
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Foundation models offer a promising paradigm for modeling spatial transcriptomics, but capturing tissue context over cellular graphs makes training at scale challenging. We introduce spaGFM, a graph foundation model that serializes cellular neighborhoods through random walks to generate transformer-compatible representations of tissue organization. By replacing classical graph message passing with augmented self-supervised neighborhood reconstruction, spaGFM captures higher-order spatial context while allowing scaling at the atlas level. Pretrained on 43.9 million cells from 132 image-based sp
СтатьяПрепринтПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
INTRODUCTION: Synucleinopathies, including Parkinson's disease (PD) and Lewy body dementia (LBD), are characterized by misfolding and aggregation of α-synuclein (α-syn) into Lewy bodies, a key pathological hallmark. These disorders display region-specific vulnerability, with PD affecting the nigrostriatal dopaminergic system and LBD involving the neocortex. However, the molecular basis of selective vulnerability, particularly hippocampal involvement, remains poorly understood.
OBJECTIVES: We aimed to determine whether the G2-3 α-synuclein transgenic mouse model recapitulates region-specific v
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Recent advances in pathology foundation models have markedly improved the accuracy and generalizability of histopathological image analysis in breast cancer. However, the mechanisms of resistance to CDK4/6 inhibitors in hormone receptor-positive, HER2-negative advanced breast cancer remain incompletely understood. This article outlines a strategy to identify therapeutic targets by integrating pathology AI with spatial transcriptomics. We developed AI-directed spatial transcriptomics (AID-ST), a framework that compares gene expression profiles between drug-sensitive and drug-resistant regions i
Аннотация на английскомСтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Spermatogenesis is a complex and dynamic cellular differentiation process critical to male fertility. Although the full continuum of gene expression patterns from spermatogonial stem cells (SSCs) to spermatozoa in steady state was characterized using single-cell RNA sequencing technologies, the transcriptional dynamics of spermatogenesis within its native tissue context was largely unexplored. The recent development of spatial transcriptomics (ST) technologies has transformed male fertility research from a single-cell level to a two-dimensional spatial coordinate system and facilitated the stu
СтатьяОбзорПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Metabolism supplies energy, building blocks, and signaling molecules vital for cell function and communication, but methods to directly measure it at single-cell and/or spatial resolutions remain technically challenging and inaccessible for most researchers. Single-cell and spatial transcriptomics offer high-throughput data alternatives with a rich ecosystem of computational tools. Here, we present scCellFie, a computational framework to infer metabolic activities from human and mouse transcriptomic data at single-cell and spatial resolution. Applied to ~30 million cell profiles, we generated
СтатьяПрепринтПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Understanding Alzheimer's disease (AD) at the cellular level requires insights into how diverse cell types respond to hallmark pathologies, including amyloid plaques and tau aggregates. Although single-cell transcriptomic approaches have illuminated the trajectories of AD progression in both animal models and human brains, they often lack the spatial context necessary to fully comprehend cell-cell interactions and microenvironmental influences. In this review, we discuss recent advances in spatial transcriptomics-integrating both imaging- and sequencing-based methods-that map gene expression w
СтатьяОбзорПоддержка NIH: внешняя программаПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Imaging-based spatial transcriptomics technologies allow us to explore spatial gene expression profiles at the cellular level. Cell type annotation of imaging-based spatial data is challenging due to the small gene panel, but it is a crucial step for downstream analyses. Many good reference-based cell type annotation tools have been developed for single-cell RNA sequencing and sequencing-based spatial transcriptomics data. However, the performance of the reference-based cell type annotation tools on imaging-based spatial transcriptomics data has not been well studied yet.
RESULTS:
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
The heart is the first organ to form in the developing embryo. Throughout development, it continues to grow and function to support the maturing fetus by circulating nutrients to all of the developing organs. Defects in the spatial organization of cardiac cells can lead to congenital heart defects (CHD), which affects 1-3 % of all live births, as well as adult heart diseases. Spatial transcriptomics has revolutionized our understanding of cardiac biology by providing high-resolution maps of gene expression within intact tissue, offering insights into cellular interactions and spatial organizat
СтатьяОбзорПоддержка NIH: внешняя программаПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Osteoarthritis (OA) is a multifactorial joint disease characterized by complex tissue interactions, spatially compartmentalized pathology, and diverse cellular phenotypes. Traditional transcriptomic approaches have provided valuable insights into OA pathogenesis but lack the spatial resolution required to understand how cellular behaviour is influenced by local tissue context. Spatial transcriptomics (ST) has emerged as a transformative tool that enables in situ gene expression profiling while preserving the anatomical architecture of tissues. In this review, we explore recent advances in ST t
СтатьяОбзорПоддержка исследования: вне правительства СШАПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Macular neovascularization is a relatively common and potentially visually devastating complication of age-related macular degeneration. In macular neovascularization, pathologic angiogenesis can originate from either the choroid or the retina, but we have limited understanding of how different cell types become dysregulated in this dynamic process. In this study, we performed spatial RNA sequencing on a human donor eye with macular neovascularization as well as a healthy control donor. We identified genes enriched within the area of macular neovascularization and used deconvolution algorithms
ПрепринтСтатьяПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
With the rapid generation of spatial transcriptomics (ST) data, integrative analysis of multiple ST datasets from different conditions, technologies and developmental stages is becoming increasingly important. Here we present a graph attention neural network called STAligner for integrating and aligning ST datasets, enabling spatially aware data integration, simultaneous spatial domain identification and downstream comparative analysis. We apply STAligner to ST datasets of the human cortex slices from different samples, the mouse olfactory bulb slices generated by two profiling technologies, t
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Periodontitis is a highly prevalent chronic inflammatory disease of the periodontium, leading ultimately to tooth loss. In order to characterize the gene expression of periodontitis-affected gingival tissue, we have here simultaneously quantified and localized gene expression in periodontal tissue using spatial transcriptomics, combining RNA sequencing with histological analysis. Our analyses revealed distinct clusters of gene expression, which were identified to correspond to epithelium, inflamed areas of connective tissue, and non-inflamed areas of connective tissue. Moreover, 92 genes were
СтатьяПоддержка исследования: вне правительства СШАПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.