时空新闻_时空组学成果_STOmics - 华大时空

登录注册

EN

时空新闻

时空新闻

时空新闻

时空新闻

首页> 新闻>新闻报道

时空组学成果入选《中国2023年度重要医学进展》

时空组学成果入选《中国2023年度重要医学进展》

4月21日，中国医学科学院在2024年中国医学发展大会上发布了《中国2023年度重要医学进展》。华大时空组学技术Stereo-seq成果“构建单细胞分辨率的食蟹猴大脑皮层细胞空间分布图谱”入选《中国2023年度重要医学进展》（基础医学与生物学领域）。

了解详情

新华网：太强了！这“照相”技术

新华网：太强了！这“照相”技术

4月19日，新华网对华大自主研发的时空组学技术Stereo-seq进行了报道。让我们一起跟随报道，解锁这个超广角百亿像素“生命照相机”，未来将如何造福人类健康。

了解详情

Nature Genetics背靠背！华大联合分子细胞卓越中心等绘制肝脏时空图谱

Nature Genetics背靠背！华大联合分子细胞卓越中心等绘制肝脏时空图谱

4月16日，杭州华大生命科学研究院与中国科学院分子细胞科学卓越创新中心主导，联合吉林大学、广州医科大学第五附属医院、山西医科大学、上海科技大学等国内外机构，在国际期刊Nature Genetics以背靠背形式发表了两篇研究成果。

了解详情

战略合作 | 美吉生物成为华大时空组学STOmics生态合作伙伴

战略合作 | 美吉生物成为华大时空组学STOmics生态合作伙伴

近日，华大时空组学STOmics与美吉生物达成合作，美吉生物正式成为华大时空组学STOmics生态合作伙伴。美吉生物在单细胞组学、微生物组学、基因组学、转录调控组学、蛋白组学、代谢组学、（高分辨）空间组学等方向积累了丰富经验，致力于通过一站式组学无忧解决方案，加速客户科研进程和成果产出。

了解详情

华大时空组学2024年度新品重磅登场，14项目入选时空蛋白转录组科研支持计划

华大时空组学2024年度新品重磅登场，14项目入选时空蛋白转录组科研支持计划

3月27日上午，“聚势5载，向新而生”华大时空组学2024新品发布会成功举行。时空组学首席科学家陈奥正式发布了时空蛋白转录组Stereo-CITE，同时公布了在今年1月份启动的“时空蛋白转录组科研支持计划”的14个入选项目名单；此外时空转录组FFPE、时空转录组V1.3等即将上市的新品也在本次发布会上集中亮相。

了解详情

聚势5载，向新而生 | 华大时空组学2024新品发布会即将重磅开启

聚势5载，向新而生 | 华大时空组学2024新品发布会即将重磅开启

聚势5载，向新而生。华大时空组学始终致力于开发前沿技术工具，为生命科学行业进阶发展、生物科技产业蓬勃发展注入澎湃势能，助力我国“新质生产力”加速发展。

了解详情

Stereo-seq FFPE时空图谱登Cancers封面

Stereo-seq FFPE时空图谱登Cancers封面

2024年2月20日，德克萨斯大学安德森癌症中心（The University of Texas MD Anderson Cancer Center）研究团队通过整合华大自主研发的时空组学技术Stereo-seq、空间质谱和免疫组化等检测方法，开发出了一种能够有机结合多种空间组学数据的分析流程。

了解详情

再登央视，时空组学为加快打造“新质生产力”加码助力

再登央视，时空组学为加快打造“新质生产力”加码助力

习近平总书记强调，“新质生产力是创新起主导作用，摆脱传统经济增长方式、生产力发展路径，具有高科技、高效能、高质量特征，符合新发展理念的先进生产力质态”。
3月19日晚，央视《新闻联播》对重庆大力发展新质生产力进行了报道，时空组学技术作为全球领先的生命科研利器在其中亮相。

了解详情

多组学多模态TB级数据高效分析，一文读懂时空组学数据分析工具SAW

多组学多模态TB级数据高效分析，一文读懂时空组学数据分析工具SAW

近日，华大生命科学研究院在《GigaScience》及《GigaByte》期刊，以专题形式发布了时空组学算法工具系列成果。新工具采用先进的统计技术和算法，可对高维度和复杂结构的时空组学数据进行有效地处理，助力其深入理解生物系统结构和功能。

了解详情

6大算法工具文章集中上线，一键拿捏时空组学数据分析流程

6大算法工具文章集中上线，一键拿捏时空组学数据分析流程

大生命科学研究院时空组学算法团队开发了多种时空组学分析算法工具。首批发表在GigaScience及GigaByte上的算法工具包括：高效、准确的空间转录组数据分析工作全流程（SAW）、提高信噪比和数据质量的工具（EAGS）、去批次效应工具（BatchEval）、提高细胞聚类准确性的工具（SGAE）、关联细胞膜/壁染色图像与空间基因表达图的工具（STCellbin），以及基于基因表达和空间坐标，可更好地对细胞进行聚类的变邻域搜索（VNS）方法。

了解详情

1 2 3 4 5

8