基于Python3 开发的细胞分裂模拟程序。程序可设定细胞死亡周期，细胞分裂需要的资源空间，细胞分裂的最大次数等参数。可以自行优化调整

代码运行效果图见压缩包

厦门大学620分子细胞生物学历年考研真题及答案解析

单反 这是在《自然方法》上发表的论文的python实现，该论文的标题为“通过基于内核的相似性学习对单细胞RNA-seq数据进行可视化和分析”。 概述 单细胞RNA-seq技术可实现单个细胞的高通量基因表达测量，并允许发现细胞群体内的异质性。 细胞间基因表达相似性的测量对于细胞群的鉴定，可视化和分析至关重要。 然而，由于高水平的噪声，离群值和遗漏，单细胞数据对基因表达相似性的常规测量提出了挑战。 我们开发了一种新颖的相似性学习框架SIMLR（通过多内核学习进行单细胞解释），该学习方法从数据中学习了合适的距离度量以进行降​​维，聚类和可视化。 与现有的降维方法相比，SIMLR能够在单细胞数据集中更准确地分离已知子种群。 此外，SIMLR对通过10x Genomics的GemCode单细胞技术生成的高通量外周血单个核细胞（PBMC）数据集表现出高灵敏度和准确性。 实施方式 我们为大型单细胞RNA

csp基准 这是对进行基准测试的。 Cellsnp-lite在C中实现，并执行每个细胞的基因分型，同时支持给定SNP的（模式1）和不（模式2）。 在后一种情况下，将自动检测杂合SNP。 Cellsnp-lite适用于基于液滴的（例如10x Genomics数据）和基于Kong的平台（例如SMART-seq2数据）。 有关这四个选项的摘要以及每种模式下的示例替代方法，请参见表1。 表格1 模式 单核苷酸多态性 Bam文件 平台 选择 模式1a 给定 汇集一 水滴 VarTrix 模式1b 给定 每个单元格 智能序列 BCFtools mpileup 模式2a 检测 汇集一 水滴 不适用 模式2b 检测 每个单元格 智能序列 Freebayes 如何使用 此仓库包含dir 六个，每个用于特定的基准测试任务。 提供了包装器脚本 ，使运行单个任务更加容易。 要使用存储库，请先将其

诸如动​​脉粥样硬化的血管疾病涉及血管壁刚性的变化。 有证据表明，血管硬度的变化可能会影响血管中细胞的各种功能，包括内皮细胞（ECs）和平滑肌细胞。 另一方面，片上血管已成为疾病建模的新兴研究领域。 但是，材料刚度对血管重塑的影响尚不清楚。 因此，制备了具有与健康（正常）或脂质沉积（软）的情况相匹配的血管壁的刚性相匹配的培养底物的体外培养系统。 基材的刚度通过原子力显微镜确认。 尽管在EC形态上没有观察到显着差异，但是软底物可显着诱导促炎细胞因子的表达水平，包括白介素6（IL6），肿瘤坏死因子α（TNF-α）和白介素1β（IL1β）。 一致地，与炎症相关的JNK信号传导也被激活。 另外，microRNA-146a（miR-146a）的表达水平显着降低。 因此，miR-146a的直接靶点TNF受体相关因子6（TRAF6）的mRNA表达水平显着增加。 总之，这些发现为基质对EC的刚性影响提供了新的见解。 在体外工程化血管模型时，可以精心定制具有适当刚度的基质以模拟处于静止或发炎状态的EC。

2020年中国细胞生物产业和商业应用分析报告.pdf

FCS 用于处理流式细胞仪文件的R函数（使用flowCore）。

2021-2027全球及中国卵母细胞玻璃化解决方案行业研究报告

UNet的一种Python实现，用于检测细胞边缘。对实现相关算法具有一定的参考作用。