Single-cell transcriptomic integrated with machine learning reveals retinal cell-specific biomarkers in diabetic retinopathy
preprint
OA: closed
CC-BY-NC-ND-4.0
AI-generated summary
This study integrated single-cell transcriptomics with machine learning to identify novel cell-specific biomarkers associated with diabetic retinopathy.
One-sentence paraphrase of the abstract; not a substitute for reading it. No clinical advice. How this works
My notes (saved in your browser only)
Citation neighborhood (sparse)
Too few in-corpus citations on either side for a chart; here are the lists.
Cites (1)
References (63)
- CCL3 production by microglial cells modulates disease severity in murine models of retinal degeneration. via crossref
- doi:10.1016/j.redox.2020.101799 via crossref
- doi:10.1016/j.preteyeres.2011.05.002 via crossref
- doi:10.3390/cells14050376 via crossref
- doi:10.3389/fcell.2022.963615 via crossref
- doi:10.1186/s12967-024-06066-x via crossref
- doi:10.1186/s12967-025-06320-w via crossref
- doi:10.3389/fendo.2024.1382896 via crossref
- doi:10.1016/j.cels.2019.03.003 via crossref
- doi:10.1093/bioinformatics/btz625 via crossref
- doi:10.1186/s13059-017-1381-1 via crossref
- doi:10.1038/s41598-018-37186-2 via crossref
- doi:10.4161/sysb.25271 via crossref
- doi:10.1186/s12864-019-5556-x via crossref
- doi:10.1038/nrg2363 via crossref
- doi:10.1093/nar/28.1.27 via crossref
- doi:10.1038/s41598-020-66092-9 via crossref
- doi:10.1186/s13024-025-00801-8 via crossref
- doi:10.1016/j.jneuroim.2014.06.009 via crossref
- doi:10.1167/iovs.12-10234 via crossref
- doi:10.1159/000365550 via crossref
- doi:10.1016/j.celrep.2015.11.007 via crossref
- doi:10.1186/s12933-024-02196-0 via crossref
- doi:10.1101/gr.279707.124 via crossref
- doi:10.1186/s13098-024-01297-w via crossref
- doi:10.1186/s12885-022-09251-7 via crossref
- doi:10.3389/fcell.2021.675517 via crossref
- doi:10.1074/jbc.m212375200 via crossref
- doi:10.3389/fendo.2022.1001391 via crossref
- doi:10.1167/iovs.65.13.30 via crossref
- doi:10.1007/s10753-022-01665-6 via crossref
- doi:10.1155/2021/2531062 via crossref
- doi:10.1186/s13045-018-0686-1 via crossref
- doi:10.3389/fphar.2021.754933 via crossref
- doi:10.1007/s00592-014-0616-9 via crossref
- doi:10.1007/s10456-024-09912-0 via crossref
- doi:10.3389/fimmu.2023.1170539 via crossref
- doi:10.1038/s41598-020-77202-y via crossref
- doi:10.1042/bj20071377 via crossref
- doi:10.3389/fendo.2024.1410066 via crossref
- doi:10.1007/s10549-006-9393-7 via crossref
- doi:10.3389/fphys.2021.689429 via crossref
- doi:10.1371/journal.pone.0280548 via crossref
- doi:10.1152/ajpendo.90234.2008 via crossref
- doi:10.1177/15353702221087175 via crossref
- doi:10.3390/ijms24021807 via crossref
- doi:10.1038/s41419-022-05199-5 via crossref
- doi:10.1002/ctm2.1751 via crossref
- doi:10.3390/ijms25042239 via crossref
- doi:10.3390/nu14071528 via crossref
- doi:10.1371/journal.pone.0130341 via crossref
- doi:10.1101/gad.1407906 via crossref
- doi:10.1084/jem.20201405 via crossref
- doi:10.3892/mmr.2021.12116 via crossref
- doi:10.1002/ila2.47 via crossref
- doi:10.1016/j.jbc.2023.104669 via crossref
- doi:10.1080/15476286.2015.1063770 via crossref
- doi:10.3390/ijms24032831 via crossref
- doi:10.1016/j.exer.2024.110112 via crossref
- doi:10.1038/ng774 via crossref
- doi:10.1167/iovs.18-25515 via crossref
- doi:10.2337/dc15-2171 via crossref
- doi:10.1016/j.ajpath.2016.08.022 via crossref
Source provenance
- crossref
- last seen: 2026-06-04T01:00:35.597411+00:00
- europepmc
- last seen: 2026-05-20T01:45:00.602351+00:00
- unpaywall
- last seen: 2026-05-22T02:00:06.705733+00:00
License: CC-BY-NC-ND-4.0