XiaoMi-AI文件搜索系统
World File Search System多组
多组扰动seq解锁对转录组和表观基因组的综合扰动效果的可扩展发现
单细胞CRISPR筛选将遗传扰动与转录状态联系起来，但是将这些诱导的变化与其调节基础相连的高通量方法受到限制。在这里，我们引入了多种颗粒式seq，扩展了单细胞CRISPR筛选，以同时测量扰动诱导的基因表达和染色质访问性的变化。我们在人RPE-1细胞中的13个染色质重塑剂的CRISPRI筛选中应用多个颗粒式seq，通过改进的方法通过捕获来自核RNA的条形码转录的改进方法，使SGRNA身份有效地分配到单核。我们将表达和可及性测量组织到描述扰动对细胞状态的综合效果的一致程序中，发现ARID1A和SUZ12敲低诱导了富含发育特征的程序。扰动的假次分析将可访问性的变化与基因表达的变化联系起来，突出了多模式pro填充的价值。 总体而言，我们的方法提供了一个可扩展的实现系统，以剖析调节逻辑基础细胞状态。扰动的假次分析将可访问性的变化与基因表达的变化联系起来，突出了多模式pro填充的价值。总体而言，我们的方法提供了一个可扩展的实现系统，以剖析调节逻辑基础细胞状态。
牛津全球
NextGen Omics 2024 致力于帮助您在开发针对各种疾病的最新安全有效疗法方面取得突破，在为期 3 天的活动中，您将获得有意义的交流机会和来自多组学各个领域的开创性内容。多组学市场为更全面地了解人体细胞、组织和器官内的相互作用和动态铺平了道路，从而为人类健康和疾病提供了更深入的见解。然而，在推动多组学研究进入转化阶段并巩固其在临床中的地位以开发精确有效的诊断和治疗方法方面仍然存在重大障碍。NextGen Omics 2024 以来自领先制药和生物技术公司以及世界领先的学术机构和医院的精彩演讲为特色，它们都在探索从 NGS 和单细胞测序到空间成像、CRISPR 技术等多组学研究的创新。该活动包括一系列互动环节，包括不容错过的小组讨论、研讨会和圆桌会议，旨在推动跨学科合作并推动生物医学研究的变革。
M3NetFlow：一种用于综合多组学数据分析的新型多尺度多跳图 AI 模型
图 1. M3NetFlow 的模型架构。❶ 将独热编码和多组学特征集成到每个节点的向量中。然后，将药物-基因和基因-基因相互作用合并到邻接矩阵中。❷ 在子图中执行基于多跳注意的传播。❸ 使用组合加权邻接矩阵进行全局信号传播。❹ 下游任务。（1）解码药物节点对以预测药物协同作用分数。（2）使用池化策略预测患者结果。
基于无偏多组学网络的数据集成可以对心力衰竭患者进行临床相关的结果预测聚类
图 3 . 秩检验。对相似性网络融合 (SNF)、基础网络集成和血常规获得的簇中心力衰竭恶化的累积发生率曲线进行成对对数秩检验，并绘制对数秩 p 值的平均 -log10。对数秩 p 值的平均 -log10 越高，心力衰竭恶化结果的簇分离效果越好（4 年随访）。最佳结果是应用相似性网络融合 (SNF) 来整合组学数据，然后将其分成 8 个簇。
奥斯曼贝尤鲁实验室
• 原发性人类浸润性小叶和导管乳腺癌的染色质可及性景观和活性转录因子 (Lee, Osmanbeyoglu, Breast Cancer Research, 2022) • 综合多组学分析以了解雌激素受体 (ER) 介导的转录 (Osmanbeyoglu et al., BMC Genomics, 2012; Osmanbeyoglu et al., NAR, 2013; Watters et al., Mol. Cell. Endocrinol, 2017) • 综合多组学分析以表征 ER+乳腺癌模型对 PI3K 信号抑制剂的反应的表观基因组学和转录组学景观 (Toska, Osmanbeyoglu et al., Science, 2017)
儿童期SLE中有针对性的多组学揭示了与疾病活动相关的不同生物学表型：探索性研究的结果
抽象的目标是将靶向的转录组和蛋白质组学数据结合在无监督的分层聚类方法中，以将儿童发作的SLE（CSLE）患者分类为相似的生物学表型，并研究表征簇的免疫学细胞景观。在CSLE患者中确定靶向全血基因表达和血清细胞因子的方法，以疾病活性状态预先选择（诊断时，低狼疮疾病活动状态（LLDAS），耀斑）。无监督的分层聚类，不可知对疾病特征，用于鉴定具有不同生物学表型的簇。疾病活性由临床塞莱纳·塞莱达（Selena-Sledai）评分（全身性红斑狼疮国家评估 - 系统狼疮性红斑狼疮疾病活动指数中的雌激素的安全性）。高维40彩色流式细胞仪用于识别免疫细胞子集。结果鉴定出三个独特的簇，每个群集以一组差异表达的基因和细胞因子为特征，疾病活性状态：群集1主要包含LLDAS中的患者，群集2在诊断中主要含有未接受治疗的患者，而群集3包含一组混合的患者，即LLDA的患者，即在诊断和疾病中含有混合的患者。生物学表型不能反映以前的器官系统的参与，随着时间的流逝，患者可以从一个簇转移到另一个簇。健康对照组聚集在群集1。特定的免疫细胞亚群，包括CD11C+ B细胞，常规的树突状细胞，浆膜和早期效应的CD4+ T细胞在簇之间有所不同。使用有针对性的多构方法结论，我们将患者聚集在不同的生物学表型中，这些表型与疾病活动状态有关，但与器官系统的参与无关。这支持了一个新概念，其中治疗和逐渐变细策略的选择不仅基于临床表型，而包括测量新型的生物学参数。
UNICORN：通过可解释的多任务学习框架实现通用细胞表达预测
序列到功能分析是人类遗传学中的一项具有挑战性的任务，特别是在从生物序列（例如个体化基因表达）预测细胞类型特异性多组学表型时。在这里，我们提出了一种新方法 UNICORN，其预测性能比现有方法有所提高。UNICORN 将来自生物序列的嵌入以及来自预先训练的基础模型的外部知识作为输入，并使用精心设计的损失函数优化预测器。我们证明 UNICORN 在细胞水平和细胞类型水平的基因表达预测和多组学表型预测方面均优于现有方法，并且它还可以生成预测的不确定性分数。此外，UNICORN 能够将个性化的基因表达谱与相应的基因组信息联系起来。最后，我们表明 UNICORN 能够表征不同疾病状态或扰动的复杂生物系统。总体而言，基础模型的嵌入可以促进理解生物序列在预测任务中的作用，并且结合多组学信息可以提高预测性能。
RPE-1 的完整人类二倍体参考基因组从多组学数据中识别出阶段性的表观遗传景观
对最近的人类基因组组装的比较分析突出了显著的序列差异，这种差异在着丝粒等多态性位点内达到顶峰。这引发了一个问题，即依赖人类参考基因组来准确分析来自实验细胞系的测序数据是否合适。在这里，我们提出了一种称为“同基因组参考”的新方法，该方法利用匹配的参考基因组进行多组学分析。我们为人类视网膜上皮细胞 (RPE-1) 生成了一个新的二倍体基因组组装，RPE-1 是一种广泛使用的非癌症实验室细胞系，具有稳定的二倍体核型，呈现出完全跨越着丝粒的分阶段单倍型和染色体水平支架。利用该组装体，我们表征了 RPE- 1 独有的单倍型解析基因组变异，包括一个稳定的标记染色体 X，其中 73.18 Mb 的 10 号染色体片段重复易位至该细胞系特有的微缺失端粒 t(X q ;10 q )。比较分析揭示了着丝粒区域内的序列多态性，包括所有染色体单倍型之间的意外遗传和表观遗传多样性。使用我们的组装体作为参考，我们重新分析了我们自己的和公开的 RPE-1 中生成的测序、甲基化和表观遗传数据，这些数据之前已使用非匹配和非二倍体参考基因组进行分析。我们的结果表明，同基因组参考可改善比对，将映射质量提高高达 85%，同时将错配减少一半，从而导致与着丝粒相关的峰调用发生显著变化。我们的工作代表了一个概念验证，展示了匹配的参考基因组在多组学分析中的应用，并在规模上为全面组装实验相关细胞系以广泛应用同基因组参考基因组奠定了基础。关键词：人类参考；二倍体基因组；从头组装；基因组参考；着丝粒组装；实验室细胞系；多组学分析；表观遗传学；人类多态性；实验细胞系；同基因组参考。