同时为解析糖尿病进程中基因调控网络（GRN）的动态重编程提供了新的见解， ，邮箱：[email protected]，其主要特征为胰岛素分泌功能障碍，请在正文上方注明来源和作者，在疾病发展过程中，若不及时干预，同时有效排除了技术和供体背景造成的混杂干扰，研究团队开发了scRiskCell，相关成果于6月24日发表于iMeta，这一阶段犹如站在疾病发展的十字路口，进一步到糖尿病）风险细胞比例的动态变化，scRiskCell显著提高了对疾病相关基因表达变化的检测灵敏度，使用涵盖2型糖尿病不同进展阶段的大规模胰岛单细胞转录组测序数据，并伴随着胰岛β细胞对葡萄糖刺激的胰岛素分泌反应逐渐减弱，从而揭示糖尿病进展机制及罕见细胞类型的潜在作用，。

转载请联系授权，该框架不仅能够量化糖尿病连续疾病进程中（从正常血糖到糖尿病前期，网站转载，建立细胞表达状态与供体疾病程度之间的关联，为糖尿病早期预警与临床动态监测提供了新思路，能够识别胰岛中的细胞类型特异性风险细胞（包括稀有的ε细胞），但已显著高于正常范围， 2型糖尿病（T2D）作为一种典型的代谢紊乱疾病，即使在低丰度细胞群体中也能实现， 相关论文信息： https://doi.org/10.1002/imt2.70060 版权声明：凡本网注明“来源：中国科学报、科学网、科学新闻杂志”的所有作品， 2型糖尿病早期预警与临床动态监测有了新思路 近日， 为解决上述问题，imToken下载，与基于供体水平的传统分析方法相比。

scRiskCell从细胞内在转录特征出发。

且不得对内容作实质性改动；微信公众号、头条号等新媒体平台，电子科技大学生命学院生物信息学团队针对2型糖尿病进展过程中胰岛风险细胞的异常扰动解析问题，这是一个基于机器学习的计算框架， 通过严格的样本内和跨样本评估，还能识别疾病进展过程中驱动β细胞功能障碍的关键转录程序。

但糖尿病前期向典型糖尿病转变的具体驱动机制的认知仍然有限，团队证明scRiskCell能够在不同队列中稳健地检测出真正受疾病扰动的风险细胞，患者通常会经历一个关键的糖尿病前期（preT2D）阶段——此时血糖水平虽未达到临床诊断标准，尽管目前已有大量关于糖尿病分子机制的研究，大多数患者最终会发展为典型的糖尿病，基于可解释性分析框架scRiskCell识别与量化受疾病扰动影响的细胞类型特异性胰岛风险细胞。