XiaoMi-AI文件搜索系统
World File Search System逃避
通过对 CDKL5 基因进行 DNA 甲基化编辑，人工逃避 XCI
大量 X 连锁基因逃避 X 染色体失活，并与独特的表观遗传特征相关。与 X 逃避密切相关的一种表观遗传修饰是启动子区域的 DNA 甲基化降低。在这里，我们通过编辑 CDKL5 启动子上的 DNA 甲基化，从人类类神经元细胞中沉默的 X 染色体等位基因中创建了一种人工逃避，CDKL5 是一种导致婴儿癫痫的基因。我们发现，使用三个向导 RNA 将 TET1 的催化域与靶向 CDKL5 启动子的 dCas9 融合，结合从 CpG 二核苷酸中去除甲基，可显著重新激活失活等位基因。令人惊讶的是，我们证明 TET1 和 VP64 转录激活因子的共表达对非活性等位基因的重新激活具有协同作用，使活性等位基因的水平超过 60%。我们进一步使用多组学评估来确定转录组和甲基化组上的潜在脱靶。我们发现 dCas9 效应物的协同传递对靶位点具有高度选择性。我们的研究结果进一步阐明了与逃避 X 染色体失活相关的 DNA 甲基化降低的因果作用。了解与逃避 X 染色体失活相关的表观遗传学对患有 X 连锁疾病的人有很大的帮助。
通过逃避噬菌体抗性机制来改善噬菌体疗法
可穿戴传感器提供了巨大的机会，可以识别各种应用的活动和感兴趣的事件。但是，当前系统的主要局限性是，在系统配置的任何更改中，需要对经过特定传感器进行训练的机器学习算法，例如添加新的传感器。在本文中，我们的目标是为新传感器训练Ma-Chine学习算法，以识别现有传感器可检测的活动和观察结果。我们创建了一种域适应方法，可以将训练算法从已知的可穿戴传感器扩展到新传感器，从而消除了对机器学习算法进行手动培训的需求。具体来说，我们提出的方法消除了在新传感器上捕获取代量的数据的必要性。我们提出了用于人类活动识别的随机特征的概念，并设计了深神网络的新结构，以近似特征的后验分布。此近似通过使用新传感器的有限的未标记数据来对齐新传感器的特征空间，以便可以将先前定义的分类器与新传感器一起使用。实验结果表明，与基于确定性特征的典型卷积神经网络相比，（ii）我们的框架优于最先进的域适应算法，与典型的卷积神经网络相比，与典型的卷积神经网络相比，（i）随机特征对加性噪声更强大。与训练新传感器的模型相比，使用有限的未标记培训数据训练新的传感器时，它也可以提高10％。
