👋 Welcome to BioF3's Daily Trends! Today's edition features 3 GitHub projects and 1 research papers from bioRxiv, arXiv, and PubMed.
Content generated by GLM-4.7 (Deep Thinking Mode) 🧠
1. Spatial-Transcriptomics
🔧 GitHub Project | Language:
Jupyter Notebook| ⭐0| 🍴0
A collection of Jupyter notebooks for analyzing spatial transcriptomics data using three major platforms: 10x Genomics Visium (H&E), Visium (Fluorescence), and 10x Genomics Xenium. These notebooks cover the full analysis pipeline — from raw data loading to clustering, differential gene expression, and spatial visualization.
Key Topics: analysis bioinformatics spatial-transcriptomics
AI Technical Review (深度解读)
一句话定位 基于 Scanpy 与 Squidpy 的多平台空间转录组学全流程分析实战指南。
痛点直击
你是否在处理 10x Genomics Visium 或 Xenium 空间转录组数据时，面对繁杂的参数设置和平台差异感到无从下手？你是否希望拥有一套现成的、基于 Scanpy 和 Squidpy 生态的代码，能够直接从原始数据跑出高质量的空间聚类与可视化图表？
核心亮点
- 多平台全流程覆盖：不仅涵盖 10x Visium 平台的 H&E 和荧光成像数据分析，还包含高分辨率 Xenium 平台的单细胞级分析，实现了从基于 Spot 的组织切片到亚细胞分辨率的无缝衔接。
- 深度空间统计分析：基于 Scanpy 和 Squidpy 生态，深入集成了质量控制、降维聚类、空间自相关分析（Moran's I）以及邻域富集分析，能够精准识别空间变异基因及细胞共定位模式。
- 多模态数据整合：特别针对 Visium 荧光数据提供了与转录组数据的叠加分析流程，并在 Xenium 分析中引入了配体-受体相互作用推断，有效揭示了组织微环境中的细胞通讯机制。
适用人群
空间转录组学初学者、需要快速搭建分析流程的生物信息学分析师、以及关注组织微环境与空间异质性的科研人员。
领域归类
领域：空间组学, 转录组
2. 10x-Genomics-Spatial-Transcriptomics-Methods-
🔧 GitHub Project | Language:
Jupyter Notebook| ⭐0| 🍴0
The repository covers spatial transcriptomics using Scanpy and Squidpy across four tutorials. It analyzes 10x Genomics Visium (H&E & fluorescence) and Xenium data, covering QC, clustering, image feature extraction, spatial statistics, and tissue visualization.
AI Technical Review (深度解读)
基于 Scanpy 与 Squidpy 的 10x 空间转录组全流程实战教程，涵盖 Visium 与 Xenium 平台的数据分析
痛点直击
你是否在面对 10x Genomics Visium 荧光或 H&E 图像时，苦于无法将组织形态学特征与转录组数据进行有效整合？你是否希望掌握从基础的质控聚类到高阶的图像特征提取与空间统计分析的完整代码实现，从而跨越不同空间组学平台（Visium 与 Xenium）的数据分析门槛？
核心亮点
- 全流程标准化分析体系：构建了基于 AnnData 对象的完整分析管线，涵盖数据加载、QC 指标计算、标准化、高变基因筛选、PCA/UMAP 降维、Leiden 聚类及 Marker 基因识别，确保分析结果的复现性与规范性。
- 多模态数据深度融合：深度演示了 Squidpy 在图像分析中的应用，包括荧光通道可视化、Watershed 分割算法实施，以及提取分割统计量、直方图和纹理等多尺度图像特征，实现了基于图像特征的聚类与转录组聚类的对比分析。
- 跨平台兼容性实战：针对 10x Genomics 不同技术路线（Visium H&E、Visium 荧光及 Xenium 亚细胞分辨率数据）分别定制了分析策略，详细展示了如何在组织空间中可视化基因表达模式与空间异质性。
适用人群
空间转录组学初学者、需要整合组织病理图像与基因表达数据的研究人员、以及使用 10x Genomics 平台的科研人员
领域归类
领域：空间组学, 转录组, 可视化
3. analysis-of-genomic-and-transcriptomic-data-itmo-2026
🔧 GitHub Project | Language:
HTML| ⭐0| 🍴0
A repository for the implementation of a project on the academic subject "Analysis of genomic and transcriptomic data" at the 3rd year Bioinformatics minor of the Faculty of Biotechnology at ITMO University
AI Technical Review (深度解读)
一句话定位 ITMO大学生物信息学辅修课程的基因组与转录组数据分析教学实践仓库。
痛点直击
你是否正在寻找高校生物信息学课程的实战案例参考？你是否想了解知名学府如何设计从基因组到转录组的分析流程？或者你是初学者，急需一份规范的学术项目结构来指导自己的数据挖掘实践？
核心亮点
- 全流程覆盖：项目紧扣课程主题，涵盖基因组学与转录组学的核心分析步骤，体现了从原始数据到生物学意义解读的完整逻辑链条。
- 学术规范示范：作为ITMO大学三年级课程的成果展示，其代码组织与数据管理遵循学术严谨性，为高校教学项目提供了高质量的范本。
- 教学与实战结合：展示了将生物信息学理论算法应用于实际数据解构的过程，适合作为连接理论知识与工程实践的桥梁。
适用人群
生物信息学及相关专业的在校大学生、高校课程设计者、寻求项目结构参考的初学者。
领域归类
领域：基因组/变异, 转录组
4. Multiplex Hypergraph Modeling of Higher Order Structures in Psychometric Networks
📄 arXiv Paper | Date:
2026-04-24| Category:q-bio.QM
Authors: Francesca Possenti, Laura Girelli, Paolo Tieri et al.
AI Research Digest (科研解读)
一句话概括 本研究提出了一种基于信息论的多重超图框架，用于量化并比较进食障碍心理测量网络中的高阶相互作用（协同与冗余），揭示了超越传统成对关联的潜在病理机制。
研究背景
精神病理学网络模型强调症状间的直接相互作用，但现有方法多局限于成对关联分析，难以捕捉多变量间涌现的高阶依赖关系（如协同或冗余机制），而这些机制对于理解复杂疾病的组织结构至关重要。
方法创新
该研究构建了结合信息论与图论的计算流程，核心在于利用 $\Omega$-信息（$\Omega$-information）量化高阶冗余与协同的平衡；通过基于二元网络拓扑的候选
Powered by BioF3 Auto-Bot & ZhipuAI GLM-4.7