摘要 - RSNA-MICCAI 脑肿瘤放射基因组学分类挑战赛[1]旨在通过对多参数 mpMRI 扫描(T1w、T1wCE、T2w 和 FLAIR)进行二元分类来预测胶质母细胞瘤中的 MGMT 生物标志物[2]状态。数据集分为三个主要队列:训练集、验证集(在训练期间使用),测试集仅在最终评估中使用。图像要么是 DICOM 格式[3],要么是 png 格式[4]。使用不同的架构来研究该问题,包括 3D 版本的 Vision Transformer (ViT3D)[5]、ResNet50[6]、Xception[7] 和 EfficientNet-b3[8]。AUC 被用作主要评估指标,结果显示 ViT3D 和 Xception 模型都具有优势,在测试集上分别达到 0.6015 和 0.61745。与其他结果相比,考虑到任务的复杂性,我们的结果被证明是有效的。通过探索不同的策略、不同的架构和更多样化的数据集可以取得进一步的改进。
0009-0000-3805-9735 https://orcid.org/0009-0000-3805-9735,vipet103@uni-duesseldorf.de https://orcid.org/orcid.org/0009-0009-0009-0009-0009-8999999999999999999999-DEARELD https://orcid.org/0009-0006-6743-0904,tobias.finkenrath@hhu.de.de https://orcid.org/0009-0009-50007-5319-563X https://orcid.org/0000-0002-3523-2907,matias.zurbriggen@uni-duesseldorf.de https://orcid.org/000000-0000-0000-0000-7975-5013,urquizag@hhu.de artifortions:1)德国杜塞尔多夫2)德国植物科学卓越群体 *相应的作者关键词:植物合成基因组学,生物设计自动化,植物学,植物托布里克,金门,随机DNA。
学期学时20学期 - VI课程代码课程类型学会时间HQ-006古兰经强制性的翻译1 Chem-319物理化学I-I(化学动力学)强制性2 Chem-320物理化学化学(体温动力学)强制性2化学-321物理化学实验室强制性化学1 Chemistory 1 Chemistor 1 Chemistor 1 Chemistor 1 Comportor 2 Comprions 2 Comportion 1 Chemistor 1 Comportor 2 Comistry 1 Comportor 2 Cosistry 2 Comistry 1 Chemistry 1 Comportion 2 Comistor 2 Chem-323 Inorganic Chemistry-II (f-block elements) Compulsory 2 Chem-324 Inorganic Chemistry Lab Compulsory 1 Chem-325 Organic Chemistry-I (Reaction Mechanisms-I) Compulsory 2 Chem-326 Organic Chemistry-II (Spectroscopy) Compulsory 2 Chem-327 Organic Chemistry Lab Compulsory 1
公共基因组资源的可用性可以为科学的管理决策提供证据,从而极大地帮助生物多样性评估、保护和恢复工作。本文,我们调查了生物多样性和保护基因组学的主要方法和应用,同时考虑了实际因素,例如成本、时间、必备技能和当前应用的缺点。大多数方法与目标物种或密切相关物种的参考基因组结合使用效果最佳。我们回顾了案例研究,以说明参考基因组如何促进整个生命之树的生物多样性研究和保护。我们得出的结论是,现在是时候将参考基因组视为基本资源并将其使用作为保护基因组学的最佳实践。
我写这本书的首要动机是一句您将在接下来的内容中多次看到的短语。这句话是:“转移性疾病无法治愈”。这句话之所以如此重要,是因为尽管我们在癌症研究方面取得了数十年的巨大进步,但一旦疾病扩散到远处器官,患者的治疗进展就非常有限。正因为如此,我们作为一个社区显然是时候尝试一些新方法了,因为标准化疗虽然在疾病的其他阶段有用,但无法让我们到达最后的顶峰,即转移性癌症的治愈。在我看来,其中一种这样的策略涉及将现代人工智能 (AI) 和机器学习 (ML) 方法应用于从癌症患者和癌症衍生细胞系中积累的大量基因组数据,以制定真正个性化的策略,以对个体患者进行癌症逆向工程。因此,本书的目标是让读者相信这是可能的,至少是一条值得追求的途径。首先我要说的是,我将在本书中强调人工智能对基因组数据的分析如何帮助我们更好地利用癌症靶向疗法。与此同时,其他人也在努力开发类似的方法,利用计算和人工智能方法来改善癌症免疫疗法的使用,因为免疫疗法提供了另一套可用于转移性癌症患者的工具。由于我不是免疫学家,我不会在这里讨论这些方法,因为它们可以在其他出版物中找到。
基因组结构变体,包括缺失,重复,反演和遗传序列的易位,是遗传多样性的丰富资源。特别是,大西洋鲑鱼基因组显示出基因组结构变异的极端水平,这可能是由于它们最近的全基因组重复的独特历史所致。大西洋鲑鱼基因组中的结构变异是进化基因组学和水产养殖基因组学中最有希望的边界之一。然而,由于其复杂的性质,以及结构变体如何以功能优势驱动适应性进化,这尚待澄清。
Asteraceae是最大的被子植物家族,因其出色的药用,园艺和观赏价值引起了广泛的关注。然而,关于星形科植物的研究由于复杂的遗传背景而面临挑战。随着测序技术的持续发展,从星状科物种中积累了大量的基因组和遗传资源。这促使对这个多样化的植物群中对全面的基因组分析的需求。为了满足这种需求,我们开发了Asteraceae基因组学数据库(AGD; http://cbcb.cdutcm.edu.cn/agd/)。AGD充当集中和系统的资源,赋予了各种领域的研究人员,例如基因注释,基因家族分析,进化生物学和遗传育种。AGD不仅包含高质量的基因组序列和细胞器基因组数据,而且还提供了广泛的分析工具,包括BLAST,JBROWSE,SSR FINDER,HMMSEARZER,HMMSEARCH,HEMMAP,HEATMAP,PRIMER3,PLANTIMSISMASH和CRISPRCASFINDER。这些工具使用户能够方便地查询,分析和比较各种星际科中的基因组信息。AGD的建立在推进Asteraceae基因组学,促进遗传育种并通过为研究人员提供全面且用户友好的基因组资源平台来维护生物多样性方面具有巨大的意义。
在番茄基因组资源库 (https://lifesciences.uohyd.ac.in/rtgr/),这是一个 DBT SAHAJ 国家设施和 DBT 生物技术卓越与创新中心 (CEIB):“番茄基因组工程计划支持”,我们正在研究番茄功能基因组学,涉及基因组编辑、全基因组测序、蛋白质组学和代谢组学以及 TILLING 方法来操纵番茄果实成熟。该小组目前的目标是分离番茄果实中番茄红素、β-胡萝卜素 (维生素原 A)、叶酸含量高的番茄突变体,并改善番茄植株的结构。有关该小组的最新出版物,请参阅(新植物学家 2023 https://doi.org/10.1111/nph.19510、植物科学前沿 2023 https://doi.org/10.3389/fpls.2023.1290937,园艺研究,2023,10:uhac235,https://doi.org/10.1093/hr/uhac235,植物杂志2022 https://onlinelibrary.wiley.com/doi/10.1111/tpj.15925;植物科学2022 https://doi.org/10.1016/j.plantsci.2022.111177;植物杂志2021 106:844-861。https://onlinelibrary.wiley.com/doi/10.1111/tpj.15206;植物杂志2021 106:95-112。 https://doi.org/10.1111/tpj.15148;等等)。