今年双双实现CNS大满贯,北大姜长涛与山大孙金鹏等再在Cell发文
此前我们曾报道过山东大学孙金鹏在短短两个半月时间内集齐了CNS,在三大顶刊连发4篇研究论文的壮举(详见文章:很强,山东大学孙金鹏两个半月内集齐CNS,发表今年第4篇顶刊文章)。近日,另一位学者也在不到3个月时间内实现了CNS大满贯,而且他还是跟孙金鹏一起合作的
此前我们曾报道过山东大学孙金鹏在短短两个半月时间内集齐了CNS,在三大顶刊连发4篇研究论文的壮举(详见文章:很强,山东大学孙金鹏两个半月内集齐CNS,发表今年第4篇顶刊文章)。近日,另一位学者也在不到3个月时间内实现了CNS大满贯,而且他还是跟孙金鹏一起合作的
5月27日,渤健与成立仅7个月的RNAi技术公司City Therapeutics达成协议,共同开发新型中枢神经系统疗法。这家公司由数名前Alnylam高管创立,将运用其RNAi工程能力,与渤健共同开发新型中枢神经系统疗法。
5月20日,三生制药宣布与辉瑞就PD-1/VEGF双特异性抗体SSGJ-707达成全球(不含中国大陆)授权协议,交易总金额最高可达60.5亿美元,其中首付款达到12.5亿美元,直接刷新了国内创新药授权的首付款纪录。
随着癌症的发展,其侵袭性逐渐增强。转移性肿瘤对一线治疗的反应性比原发肿瘤差,它们对治疗产生抗性,最终导致患者死亡。然而目前人们对转移性癌细胞状态及其转变机制仍缺乏深入了解。
4月29日,公司在投资者电话会议上宣布了这一消息。同时发布的2025年一季度财报显示,公司已经终止了多项相关管线,包括与礼来合作开发治疗阿尔茨海默症的MEDI1814、处于2期临床的偏头痛单抗MEDI0618、治疗糖尿病神经痛的双抗MEDI7352,至此公司神
2025 年 5 月 1 日,来自南方科技大学的贾宁团队在Science上发表文章Bacterial reverse transcriptase synthesizes long poly-A– rich cDNA for antiphage defense,
近年来,3D细胞培养物比常规2D细胞培养物能够更真实地代表复杂组织或器官的能力而得到普及。美国华盛顿大学Jonathan T. C. Liu等人在《Nature Methods》期刊综述了应用二维和三维显微镜方法监测和研究3D细胞培养。文章介绍
开展以《Nature/Science/Cell一作亲授:3篇顶刊背后的科研破局思路》为主题的免费在线讲座,本次在线讲座将邀请3位Nature、Science、Cell文章一作作者首次联合开麦,撕开顶刊论文的“隐形天花板”!本场直播聚焦生命科学领域前沿突破性研究
研究 科学 cns 沈艺 10xgenomics 2025-05-22 02:20 5
套细胞淋巴瘤(MCL)复发最常累及淋巴结、骨髓、消化道、脾脏和韦氏环,中枢神经系统(CNS)复发较为少见。该类患者的治疗效果不佳、生存结局较差,目前尚无标准的治疗方案,需要探寻更好的治疗手段。
5月20日,清华大学以“Integrating reproductive states and social cues in the control of sociosexual behaviors”为题在国际期刊Cell在线发表研究成果。
样本制备流程复杂,实验重复性差?肿瘤研究中时空技术应用找不到突破点?生信数据太多,分析毫无头绪?期刊投稿时实验设计、结论描述常被质疑?
福利公告:为了响应学员的学习需求,经过易生信培训团队的讨论筹备,现决定安排转录组、临床基因组/外显子组、扩增子16S、宏基因组的线上/线下开课。报名参加线上直播课的老师,可以随时开展学习,并在1年内选择参加同课程的一次线下课。期待和大家的线上线下会晤,共同学习
转化医学网、欧易生物联合10x Genomics于2025年5月22日开展以《Nature/Science/Cell一作亲授:3篇顶刊背后的科研破局思路》为主题的免费在线讲座,本次在线讲座将邀请3位Nature、Science、Cell文章一作作者首次联合开麦
直播 科研 cns 沈艺 10xgenomics 2025-05-15 19:19 4
2025年5月8日,北京理工大学生命科学团队联合珠海市人民医院,以北京理工大学附属珠海市人民医院为第一完成单位在全球顶级期刊《Cell》正刊上发表了题为Cyclic dinucleotide-induced filamentous assembly of ph
随着生命科学和技术的飞速发展,我们对人类感觉系统的理解不断深入,特别是在神经元转录特性及其对感知功能的影响方面。神经元,作为大脑和外界环境之间的重要桥梁,其转录特性不仅关乎信息的传递,还与各种感觉功能的形成密切相关。与此同时,类器官(organoids)模型作
生命科学基础研究的范式正在经历从“假设驱动”向“数据驱动”的重大转变。传统的假设驱动研究依赖于预设的已知信息,容易导致认知偏差,限制了对生物系统的全面理解。而数据驱动的研究方法则不预设影响变量,能够揭示更加全面的生物学现象。然而,海量数据对科学家的人力处理能力