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: 344 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 650 с найденным полным текстом
Spatial transcriptomics (ST) facilitates the spatial resolution of gene expression profiling; however, many widely used spot-based sequencing platforms capture transcripts from multiple neighboring cells at each location, producing mixed profiles that require accurate cell-type deconvolution. The wavelet-denoised graph attention framework for spatial transcriptomics deconvolution (WDGTA), a graph attention-based framework for ST cell-type deconvolution, was developed and validated on five datasets from two species and four organs. Through the integration of real with pseudo-ST spots, WDGTA int
СтатьяПолный 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.
Tissue boundaries preserve structural integrity and guide cell differentiation during development, despite constant stress from proliferation, cell death, and tissue deformation. To study gene regulation in these regions we developed REBOSEP, a workflow for analyzing spatial transcriptomics data to detect tissue boundaries and measure gene expression relative to boundary distance. REBOSEP uses hierarchical clustering to uncover shared regulatory patterns among genes, revealing highly diverse expression changes that can shift sharply across just a few cell layers. Using this approach, the study
СтатьяПоиск 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.
MOTIVATION: Imaging-based spatial transcriptomics technologies have opened new avenues for studying cellular organization and gene expression within intact tissues. However, the accuracy of downstream analyses depends critically on the decoding step that reconstructs barcodes from fluorescence patterns and maps them to gene identities. Despite a growing number of decoding methods, systematic benchmarking has been limited.
RESULTS: Here, we introduce Serval, a modular framework for developing and benchmarking decoding methods across diverse spatial transcriptomics platforms. Serval separates k
СтатьяПоиск 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.
High-resolution spatial transcriptomics (HR-ST) technologies offer unprecedented insights into tissue architecture but lack standardized frameworks for histological annotation. We present ST2HE, a cross-platform generative framework that synthesizes virtual hematoxylin and eosin images directly from HR-ST data. ST2HE integrates nuclei morphology and spatial transcript coordinates using a one-step diffusion model, enabling histologically informative image generation across diverse tissue types and HR-ST platforms. Conditional and tissue-independent variants support both known and novel tissue c
СтатьяПолный 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.
Colorectal cancer (CRC) is a malignancy with high global incidence and mortality rates, necessitating innovative approaches to decipher its biological characteristics and clinical behaviors. The integration of single-cell sequencing and spatial transcriptomics has emerged as a revolutionary tool in CRC research. Single-cell sequencing uncovers tumor heterogeneity and interaction networks, while spatial transcriptomics precisely maps the cellular distribution and tissue architecture within the tumor microenvironment (TME). This integrated approach has revealed spatially organized tumor-stroma-i
СтатьяОбзорПолный 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.
Sepsis-associated acute kidney injury (SA-AKI) remains a frequent and life-threatening complication of sepsis, yet its pathophysiology is still not fully understood, owing to the complex interplay of immune, vascular and parenchymal responses. Closing this knowledge gap is essential for developing urgently needed targeted therapies. Although bulk and single-cell transcriptomics, as well as proteomic approaches, have advanced our understanding of the molecular mechanisms involved in SA-AKI, they lack the spatial context required to fully interpret tissue heterogeneity and microenvironmental cha
СтатьяОбзорПолный 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.
Аннотация не предоставлена источником. Откройте карточку для перехода к публикации.
СтатьяПолный 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.
The heart is a structurally complex organ where function is intimately tied to the precise spatial organization of diverse cell types. While single-cell RNA sequencing (scRNA-seq) has revolutionized cardiovascular research by providing a high-resolution "parts list" of the heart, the requisite tissue dissociation destroys the critical spatial context of intercellular communication and microenvironmental niches. Spatial transcriptomics (ST) has emerged as a transformative technology that bridges this gap, enabling the mapping of gene expression back to its histological coordinates. This review
СтатьяОбзорПолный 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.
Spatial transcriptomics faces a trade-off between the number of genes assayed and depth of per-gene sensitivity. We developed a "dual-chemistry" method that combines the high sensitivity of a 10x Genomics Xenium V1 custom panel (up to 480 genes) with the broad coverage of the Prime 5K panel (5,001 genes) on a single tissue section. This involved co-hybridizing Prime and V1 probes and sequentially running the V1 and Prime decoding chemistries. Applied to a human lung tissue microarray, we observed high concordance between the V1 and Prime chemistries when run independently (on serial sections)
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.
Histopathology preserves tissue architecture, whereas spatial transcriptomics measures gene expression within its native spatial context. Integrating these modalities with artificial intelligence (AI) can link morphology to spatial molecular states and scale spatial discoveries to routine pathology cohorts. Early hematoxylin and eosin (H&E)-to-spatial models demonstrated the feasibility of local gene-expression prediction. However, transcriptome-wide reconstruction remains constrained by gene-specific predictability, molecular sparsity, image quality, platform heterogeneity, and limited genera
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.
Cell-cell communication (CCC) is involved in regulating cellular behavior in tissues. Spatial transcriptomics adds local context to gene expression, enabling more biologically grounded CCC inference than single-cell RNA-seq alone. Rapid method development has yielded diverse CCC methods, each addressing distinct biological questions through varied analytical frameworks. We review 33 recent methods and organize them into three categories: inference of communication networks at cell-type or single-cell resolution, modeling of microenvironment-driven transcriptional variability and regulatory mod
СтатьяОбзорПоиск 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.
MOTIVATION: Spatial transcriptomics (ST) profiles gene expression in tissue context, enabling spatial domain detection. However, relatively few methods jointly recover discrete spatial domains and continuous within-section pseudotemporal trends in a single framework. Current spatiotemporal approaches often emphasise trajectory continuity to recover smooth progression-associated gradients, but this may blur neighbouring domain boundaries and reduce clustering accuracy. Conversely, specialised spatial clustering algorithms typically rely on external single-cell trajectory tools rather than provi
СтатьяПоддержка исследования: вне правительства СШАПолный 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.
BACKGROUND: Kidney diseases, which are broadly classified into acute kidney injury (AKI) and chronic kidney disease (CKD), represent a significant and ongoing health burden in China and across the globe. AKI is a clinical syndrome marked by a rapid decline in renal function within 48 h due to diverse causes. Despite its high prevalence among hospitalized patients as a common complication, current therapeutic outcomes remain unsatisfactory. Therefore, a critical step toward resolving this issue is the precise identification of the specific cell types that drive renal regeneration during AKI rep
СтатьяОбзорПолный 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.
MOTIVATION: For spot-based spatial transcriptomics (ST), accurate cell-type deconvolution is essential for downstream analysis since each spot captures mixtures of multiple cell types. Meanwhile, spatial niches define distinct micro-environmental contexts, also salient for biological interpretation. However, existing deconvolution methods usually rely on fixed reference signatures or mapping single cells onto ST spots, without incorporating niche priors or modeling niche-dependent shifts. Consequently, existing methods remain focused on spot-level proportion estimation, with limited ability to
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.
Аннотация не предоставлена источником. Откройте карточку для перехода к публикации.
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.
INTRODUCTION: Immune checkpoint inhibitor-associated acute interstitial nephritis (ICI-AIN) is the most common finding on histopathology among patients with ICI-associated acute kidney injury (ICI-AKI). Patients with ICI-AIN often have T cell-dominant infiltration of the kidney and high tissue levels of CXCR3 ligands such as CXCL9, 10, and 11; however, the mechanisms of inflammation in ICI-AIN are not well-understood.
METHODS: We applied a subcellular spatial transcriptomics platform (Xenium Prime 5K) to compare the cellular composition of kidney biopsy tissue from patients with ICI-AIN with
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.
Subcellular spatial transcriptomics can resolve tissue architecture at cellular scale, but sparse gene panels and limited detection sensitivity constrain downstream analysis. Existing enhancement methods often require tissue-matched single-cell RNA sequencing (scRNA-seq) references and dataset-specific retraining. Here we show that stPainter, a conditional generative model pretrained on a pan-cancer scRNA-seq atlas, can enhance spatial transcriptomics data without matched references or retraining. Using a latent diffusion architecture guided by Stochastic Differential Equations (SDE), stPainte
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.
Lymph node (LN) metastasis is a major determinant of prognosis in gastric cancer, yet the immune microenvironment of metastatic versus non-metastatic nodes remains incompletely defined. Spatial resolution of tumor-immune interactions may clarify mechanisms of immune escape associated with nodal progression. We performed compartment-resolved spatial transcriptomic profiling to characterize immune gene expression in gastric cancer LNs. Forty-seven formalin-fixed paraffin-embedded LNs from 13 patients with T2-T4, M0 gastric adenocarcinoma (N1-2: n = 7; N3: n = 6) were analyzed using the NanoStrin
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.
Malignant genitourinary tumors have demonstrated a rising incidence and are characterized by significant morbidity and mortality. Advances in sequencing technologies have greatly enhanced our understanding of the genetic and molecular mechanisms that drive tumor biology. In recent years, spatial transcriptomics technologies have rapidly evolved, enabling precise quantification and visualization of gene expression within the spatial context of tissues. Unlike conventional transcriptomics, which focuses on gene expression levels, spatial transcriptomics provides additional insights into the spat
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.
Spatial transcriptomics enables multiplex profiling of gene cellular expression and location within the tissue context. Although large volumes of spatial transcriptomics data have been generated, the lack of systematic curation and analysis limits biological discovery. We present Spatial transcriptOmics Analysis Resource (SOAR), a comprehensive spatial transcriptomics platform with 3461 uniformly processed samples across 13 species, 42 tissue types, and 19 different spatial transcriptomics technologies. Using SOAR, we found that CXCL16/SPP1 macrophage polarity characterizes the coordination of
СтатьяПоиск 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.