XiaoMi-AI文件搜索系统
World File Search System无标记
硝酸盐还原菌 Rhodanobacter denitrificans 中无标记缺失诱变系统的开发
摘要 在美国田纳西州橡树岭，Rhodanobacter 是受高浓度硝酸盐和铀污染的蓄水层中的优势菌属。原位刺激反硝化已被提出作为修复硝酸盐和铀污染的潜在方法。在 Rhodanobacter 种中，据报道 Rhodanobacter denitri filcans 菌株具有反硝化能力并含有丰富的金属抗性基因。然而，由于这些菌株缺乏诱变系统，我们对低 pH 抗性和在污染环境中占主导地位的能力的潜在机制的理解仍然有限。在这里，我们在两株 R. denitri filcans 菌株中开发了一种无标记缺失系统。首先，我们优化了 10 株 Rhodanobacter 菌株的生长条件，测试了抗生素抗性，并确定了合适的转化参数。然后，我们在 R. denitri filans 菌株 FW104-R3 和 FW104-R5 中删除了编码尿嘧啶磷酸核糖基转移酶的 upp 基因。所得菌株被命名为 R3_ D upp 和 R5_ D upp，并用作宿主菌株，以 5-氟尿嘧啶 (5- FU) 抗性作为反选择标记进行诱变，以产生无标记缺失突变体。为了测试开发的方案，在 R3_ D upp 和 R5_ D upp 宿主菌株中敲除了编码硝酸盐还原酶的 narG 基因。正如预期的那样，narG 突变体无法在以硝酸盐为电子受体的缺氧培养基中生长。总体而言，这些结果表明，同框无标记删除系统在两种 R. denitri ficans 菌株中有效，这将有助于未来对这些菌株进行功能基因组研究，进一步了解 Rhodanobacter 种中存在的代谢和抗性机制。
硝酸盐还原菌 Rhodanobacter denitrificans 中无标记缺失诱变系统的开发
摘要 在美国田纳西州橡树岭，Rhodanobacter 是受高浓度硝酸盐和铀污染的蓄水层中的优势菌属。原位刺激反硝化已被提出作为修复硝酸盐和铀污染的潜在方法。在 Rhodanobacter 种中，据报道 Rhodanobacter denitri filcans 菌株具有反硝化能力并含有丰富的金属抗性基因。然而，由于这些菌株缺乏诱变系统，我们对低 pH 抗性和在污染环境中占主导地位的能力的潜在机制的理解仍然有限。在这里，我们在两株 R. denitri filcans 菌株中开发了一种无标记缺失系统。首先，我们优化了 10 株 Rhodanobacter 菌株的生长条件，测试了抗生素抗性，并确定了合适的转化参数。然后，我们在 R. denitri filans 菌株 FW104-R3 和 FW104-R5 中删除了编码尿嘧啶磷酸核糖基转移酶的 upp 基因。所得菌株被命名为 R3_ D upp 和 R5_ D upp，并用作宿主菌株，以 5-氟尿嘧啶 (5- FU) 抗性作为反选择标记进行诱变，以产生无标记缺失突变体。为了测试开发的方案，在 R3_ D upp 和 R5_ D upp 宿主菌株中敲除了编码硝酸盐还原酶的 narG 基因。正如预期的那样，narG 突变体无法在以硝酸盐为电子受体的缺氧培养基中生长。总体而言，这些结果表明，同框无标记删除系统在两种 R. denitri ficans 菌株中有效，这将有助于未来对这些菌株进行功能基因组研究，进一步了解 Rhodanobacter 种中存在的代谢和抗性机制。
通过无标记质谱筛选定向进化具有新活性的环二肽合酶
我们和其他人最近开发了一系列高通量 MS 筛选方法，用于定向蛋白质进化。13 – 16 然而，MS 的无标记优势尚未在设计新的酶活性中得到充分体现，这可能是因为非靶向 MS 筛选存在困难。特别是，它需要仔细标准化和优化样品制备、MS 采集和数据处理，这对于最大限度地减少实验噪音和发现新产品的微弱信号是必不可少的。另一方面，生物铸造厂提供了一种新兴的基础设施，通过机器人标准化和并行化来协助生物工程中的设计 – 构建 – 测试 – 学习 (DBTL) 循环。17 – 19 使用集成生物铸造厂，我们在此报告了一种重组文库的无标记 MS 筛选工作流程，以快速分离催化新产品形成的酶突变体。这种新的工作流程将我们之前的基于基质辅助激光解吸/电离飞行时间 (MALDI-ToF) MS 的筛选方法从琼脂菌落 16 扩展到行业标准微孔板中的液体培养物，以获得更好的均匀性。与菌落不同
使用深度神经网络对头部固定小鼠的前爪进行实时选择性无标记跟踪
这里，我们描述了一个能够以高帧率（70.17 Hz）跟踪特定小鼠爪子运动的系统，并且具有高精度（平均值 = 0.95，SD，0.01）。特定身体部位的短延迟无标记跟踪开启了操纵运动反馈的可能性。我们提出了一种基于 DeepLabCut（一种强大的运动跟踪深度神经网络框架）的软件和硬件方案，可以实时估计小鼠的爪子和手指运动。使用这种方法，当一只爪子（而不是另一只爪子）的运动有选择地超过预设阈值时，我们通过触发 USB-GPIO（通用输入/输出）控制的 LED 来演示运动生成的反馈。爪子运动开始和 LED 闪烁之间的平均时间延迟为 44.41 毫秒（SD = 36.39 毫秒），这个延迟足以应用行为触发的反馈。我们将 DeepLabCut 改编为一个开源包，用于实时跟踪，我们称之为 DeepCut2RealTime。该系统能够快速评估动物行为，其通过强化限制饮水、头部固定的小鼠的特定动作得到了证实。该系统可以为未来的研究提供参考
用于个性化癫痫发作预测的自适应、无标记和实时近似学习平台 (AURA)
高性能事件检测系统是进行某些预测研究所需的全部。在这里，我们介绍 AURA：一种使用未标记的实时数据训练的自适应预测模型，使用内部生成的近似标签进行实时训练。通过利用时间序列数据的相关性质，一对检测和预测模型耦合在一起，使得检测模型自动生成标签，然后用于训练预测模型。AURA 依赖于几个简单的原则和假设：(i) 目标应用中事件预测/预报模型的性能仍然低于事件检测模型的性能，(ii) 检测到的事件被视为弱标签，并被认为足够可靠，可用于在线训练预测模型，以及 (iii) 系统性能和/或系统响应反馈特性可以针对被测对象进行调整。例如，在医疗患者监测中，这可以实现个性化预测模型。癫痫发作预测被认为是 AURA 的理想测试案例，因为发作前脑电波因患者而异，根据患者情况定制模型可以显著提高预测性能。AURA 用于为 10 名患者生成个人预测模型，结果显示灵敏度平均相对提高 14.30%，误报率降低 19.61%。本文提出了一个概念验证，证明了在时间序列神经生理数据流上进行在线迁移学习的可行性，为低功耗神经形态神经调节系统铺平了道路。
使用深度神经网络对头部固定小鼠的前爪进行实时选择性无标记跟踪
1) 稿件标题：使用深度神经网络对头部固定小鼠的前爪进行实时选择性无标记跟踪。 2 2) 缩写标题：使用深度神经网络实时跟踪小鼠身体部位。 3 4 3) 作者： Brandon J Forys 1,2†、Dongsheng Xiao 1†、Pankaj Gupta 1、Timothy H Murphy 1 5 1 加拿大不列颠哥伦比亚省温哥华不列颠哥伦比亚大学金斯曼神经学研究实验室精神病学系 7 2 加拿大不列颠哥伦比亚省温哥华不列颠哥伦比亚大学 Djavad Mowafaghian 脑健康中心心理学系 9 † 共同第一作者 10 11 4) 贡献：BF 和 DX 设计了研究、进行了研究、贡献了分析工具、分析了数据并撰写了论文。PG 贡献了分析工具。THM 设计了研究并撰写了论文。 14 15 5) 通讯地址：Timothy H Murphy 16 地址：2255 Wesbrook Mall, Detwiller Pavilion, Vancouver, BC V6T 1Z3, Canada 17 电子邮箱：thmurphy@mail.ubc.ca 18 19
使用深度神经网络对头部固定小鼠的前爪进行实时选择性无标记跟踪
1) 稿件标题：使用深度神经网络对头部固定小鼠的前爪进行实时选择性无标记跟踪。 2 2) 缩写标题：使用深度神经网络实时跟踪小鼠身体部位。 3 4 3) 作者： Brandon J Forys 1,2†、Dongsheng Xiao 1†、Pankaj Gupta 1、Timothy H Murphy 1 5 1 加拿大不列颠哥伦比亚省温哥华不列颠哥伦比亚大学金斯曼神经学研究实验室精神病学系 7 2 加拿大不列颠哥伦比亚省温哥华不列颠哥伦比亚大学 Djavad Mowafaghian 脑健康中心心理学系 9 † 共同第一作者 10 11 4) 贡献：BF 和 DX 设计了研究、进行了研究、贡献了分析工具、分析了数据并撰写了论文。PG 贡献了分析工具。THM 设计了研究并撰写了论文。 14 15 5) 通讯地址：Timothy H Murphy 16 地址：2255 Wesbrook Mall, Detwiller Pavilion, Vancouver, BC V6T 1Z3, Canada 17 电子邮箱：thmurphy@mail.ubc.ca 18 19
AI-Smartphone无标记运动捕获反转跳动期间髋关节，膝盖和踝关节运动学的运动
f i g u r e 1 Vicon标记（前后）用于反射标记（A）：右前头部RFHD，左前头部LFHD，左后头LBHD，左后头LBHD，右后头RBHD，Clavicle Clav，Clavicle Clav，Clavicle clav，serternum strn，c7，C7，C7，C7，c7 LWRA/LWRB, Left Finger LFIN, Right Shoulder RSHO, Right Upper Arm RUPA, Right Elbow RELB, Right Forearm RFRM, Right Wrist RWRA/RWRB, Right Finger RFIN, Left ASIS LASI, Left PSIS LPSI, Right ASIS RASI, Right PSIS RPSI, Left thigh LTHI, Left Knee LKNE, Left Tibia LTIB, Left Ankle LANK, Left脚跟Lhee，左脚趾ltoe，右大腿Rthi，右膝盖rkne，右胫骨rtib，右脚踝等级，右脚跟Rhee和右脚趾rtoe； SBSQ置（B）的标记模型由24个解剖键组成组成，结合成骨骼模型：0：骨盆中心，1：中心左髋关节，2：右臀部中心臀部，3：下脊柱，4：左膝盖中心，4：左膝盖，5：右膝盖的中心，6：中心，7：中心，7：左中间：左左：左：左：左：左：8：左：脚趾，11：右脚趾的中心点，12：脖子，13：左锁骨中心点，14：右侧锁骨中心点，15：头部中心，中心，16：左肩关节中心：17：右肩关节中心，右肘接头，18：左肘接头中心，19：右肘中心，右肘关节中心，20：20：左手腕的中心：左手腕的中心，21：左手腕的中心，左右22：左侧的中心：左侧的右侧孔右侧和23：23：23：23：23：23：23：23：23：23：
通过无标记富集和重组基因工程位点 (MERGE) 实现快速、可扩展的组合基因组工程
‡ 通信地址：aashiq.kachroo@concordia.ca 关键词：基因组工程、CRISPR-Cas9、人源化酵母、蛋白酶体 缩写：CFU、菌落形成单位；DSB、双链断裂；HDR、同源定向 DNA 修复；HR、同源重组；CELECT、基于 CRISPR-Cas9 的选择以丰富基因型；MERGE、无标记富集和重组基因工程位点；SGA、合成遗传阵列
通过无标记富集和重组基因工程位点 (MERGE) 实现快速、可扩展的组合基因组工程
‡ 通信地址：aashiq.kachroo@concordia.ca 关键词：基因组工程、CRISPR-Cas9、人源化酵母、蛋白酶体 缩写：CFU、菌落形成单位；DSB、双链断裂；HDR、同源定向 DNA 修复；HR、同源重组；CELECT、基于 CRISPR-Cas9 的选择以丰富基因型；MERGE、无标记富集和重组基因工程位点；SGA、合成遗传阵列