XiaoMi-AI文件搜索系统
World File Search SystemAF4
基于人类基因组编辑的 MLL::AF4 B 细胞 ALL 模型重现了关键的细胞和分子白血病致病特征
Clara Bueno（西班牙Josep Carreras Leukemia研究所）Raul Torres-Ruíz（西班牙CNIO）Talia Velasco-Hernandez（Spain） Eno（西班牙医学院生物医学学院的Josep Carreras Leukemia研究所）弗吉尼亚·罗德里格斯·科尔特斯（Josep Carreras Leukemia Research Institute，eritxell vinyoles） Ea Vegar-García（西班牙西班牙Sant JoandeDéu研究生血液学实验室）Sandra Rodriguez-Perales（西班牙CNIO）JoséSegovia（生物医学创新单位Oscar Quintana-Bustamante（CIEMAT/CIBERER/IIS-FJD，西班牙） Anindita Roy（牛津大学，英国） Claus Meyer（DCAL，法兰克福歌德大学药物生物学研究所，德国） Rolf Marschalek（法兰克福歌德大学，德国） Alastair Smith（韦瑟罗尔分子医学研究所，英国） Thomas Milne（牛津大学，英国） Mario Fraga（罕见疾病生物医学研究中心 (CIBERER)，西班牙） Juan Ramón Tejedor（罕见疾病生物医学研究中心 (CIBERER)，西班牙） Pablo Menéndez（加泰罗尼亚高等研究院 (ICREA)，西班牙）
MINDBIGDATA 2023 MNIST-8B
因此，所使用的128个EEG频道是：FP1，FPZ，FP2，AFP1，AFPZ，AFP2，AFP2，AF7，AF3，AF3，AF4，AF4，AF4，AF8，AF5H，AFF1H，AFF1H，AFF2H，AFF2H，AFF6H，F7，F7，F7，F7，F5，F5，F3，F3，F3，F1 FFC3H，FFC1H，FFC2H，FFC4H，FFC6H，FFT8H，FFT10H，FT9，FT9，FT7，FC5，FC3，FC3，FC1，FCZ，FC2，FC2，FC4，FC4，FC6，FC6，FC6，FC6，FT8，FT10，FT10，FT10，FT10，FTT9H，FTT9H，FCC2 FCC4h, FCC6h, FTT8h, FTT10h, T7, C5, C3, C1, Cz, C2, C4, C6, T8, TTP7h, CCP5h, CCP3h, CCP1h, CCP2h, CCP4h, CCP6h, TTP8h, TP9, TP7, CP5, CP3, Cpz, CP4, CP6, TP8, TP10, TPP9h, TPP7h, CPP5h, CPP3h, CPP1h, CPP2h, CPP4h, CPP6h, TPP8h, TPP10h, P9, P7, P5, P3, P1, Pz, P2, P4, P6, P8, P10, PPO9h, PPO5h, PPO1h, PPO2H，PPO6H，PPO10H，PO9，PO7，PO3，POZ，PO4，PO4，PO8，PO8，PO10，Poo9H，Poo1，Poo1，Poo2，Poo10H，Poo10H，O1，O2，O2，O2，OI1H，OI1H，OI1H，OI2H，OI2H，I1，IZ和I2和I2。
配方条件对脂质纳米颗粒特性和 CRISPR RNP 基因敲除和校正功能传递的影响
摘要：CRISPR-Cas9 系统是一种新兴的治疗工具，具有纠正多种遗传疾病的潜力。然而，对于基因治疗应用，需要一种有效的运载工具，能够将 CRISPR-Cas9 成分运送到目标细胞群的细胞溶胶中。在本研究中，我们优化了脂质纳米颗粒 (LNP) 的配方条件，以运送现成的 CRISPR-Cas9 核糖核酸蛋白 (RNP)。复合过程中的缓冲液组成和相对 DOTAP 浓度因 LNP 封装内部生产的 Cas9 RNP 或 Cas9 RNP 与用于基因校正的额外模板 DNA 而不同。通过不对称流场流分馏 (AF4) 对 LNP 的尺寸、表面电荷和等离子体相互作用进行了表征。在荧光报告细胞系上对粒子进行了功能筛选，以进行基因敲除和基因校正。这揭示了 RNP 与柠檬酸盐缓冲液和 PBS 的不相容性。我们证明了用于基因敲除的 LNP 不一定需要 DOTAP，而用于基因校正的 LNP 仅在低浓度的 DOTAP 下才有效。AF4 研究还表明 LNP 与血浆相互作用，但保持稳定，而 HDR 模板似乎有利于 LNP 的稳定性。在最佳配方条件下，我们在纳摩尔浓度的 CRISPR-Cas9 RNP 下分别实现了高达 80% 和 20% 的基因敲除和基因校正效率。
脑膜炎球菌抑制剂
数十年来，KMT2Ar 型急性白血病一直被认为是与不良预后相关的疾病定义异常。它们是由位于 11q23 上的 KMT2A 基因与 80 多个不同伴侣的致癌融合所驱动。这些重排发生在 5%-10% 的急性白血病中，是婴儿白血病的最常见原因（70%-80%）。融合伴侣可能会影响白血病表型，其中 t(9;11) (p21;q23) 或 KMT2A-MLLT3（也称为 AF9 ）在 AML 中最常见，而 t(4;11) (q21;q23) 或 KMT2A-MLLT2（也称为 AFF1 或 AF4 ）在急性淋巴细胞白血病 (ALL) 中最常见。在使用拓扑异构酶 II 抑制剂治疗后，高达 70% 的治疗相关 AML 中可检测到 KMT2Ar，其临床表现的潜伏期通常为 6 个月至 2 年。
有效的帕金森病检测框架
帕金森病 (PD) 是一种进行性神经退行性疾病，影响全球超过 1000 万人的生活质量。早期诊断对于及时干预和改善患者预后至关重要。脑电图 (EEG) 信号通常用于早期 PD 诊断，因为它们在监测疾病进展方面有潜力。但传统的基于 EEG 的方法缺乏对提供有关 PD 基本信息的大脑区域的探索，而且它们的性能不适合实时应用。为了解决这些限制，本研究提出了一种新方法，使用基于时频表示 (TFR) 的 AlexNet 卷积神经网络 (CNN) 模型来探索基于 EEG 通道的分析并从 EEG 数据中识别有效诊断 PD 的关键大脑区域。小波散射变换 (WST) 用于捕捉不同的时间和光谱特征，而 AlexNet CNN 用于检测不同尺度的复杂空间模式，准确识别与 PD 相关的复杂 EEG 模式。在两个实时 EEG PD 数据集（圣地亚哥数据集和爱荷华数据集）上的实验结果表明，与其他区域相比，大脑前额叶和中脑区域（包括 AF4 和 AFz 电极）在提供更具代表性的特征方面做出了巨大贡献，可用于 PD 检测。所提出的架构在圣地亚哥数据集和爱荷华数据集上分别实现了 99.84% 和 95.79% 的惊人准确率，优于现有的基于 EEG 的 PD 检测方法。这项研究的成果将有助于创建一种高效 PD 诊断的基本技术，从而提高患者护理水平和生活质量。
有效的帕金森氏病检测框架
帕金森氏病（PD）是一种进行性神经退行性疾病，影响了全球超过1000万个人的生活质量。早期诊断对于及时干预和更好的患者预后至关重要。脑电图（EEG）信号通常用于早期诊断，因为它们在MONI疾病进展中的潜力。但传统的基于脑电图的方法缺乏对提供有关PD的基本信息的大脑区域的探索，其性能在实时应用中却缺乏。为了解决这些局限性，本研究提出了一种新的方法，该方法使用基于时频表示（TFR）的Alexnet卷积神经网络（CNN）模型，以探索基于EEG通道的分析并确定从EEG数据中有效诊断PD的关键大脑区域。小波散射变换（WST）用于捕获不同的时间和光谱特征，而Alexnet CNN则用于检测不同尺度上的复杂空间模式，从而准确识别与PD相关的复杂的EEG模式。实验在两个实时脑电图PD数据集上结果：圣地亚哥数据集和爱荷华州的数据集证明，包括AF4和AFZ电极在内的额叶和中央大脑区域对提供与其他区域相比提供了更大的代表性特征，这对PD检测的其他区域产生了重大贡献。所提出的体系结构可在圣地亚哥数据集中获得99.84％的令人印象深刻的精度，而爱荷华州数据集则达到了95.79％，表现优于现有的基于EEG的PD检测方法。这项研究的发现将有助于创建一种基本技术，以提高PD诊断，从而增强患者护理和生活质量。
使用各种机器学习技术结合脑半球间振幅比从脑电图中识别人员
科学界正在探索脑电图 (EEG) 与个人信息之间的关联。尽管使用 EEG 进行身份识别对研究人员来说很有吸引力，但是感知的复杂性限制了此类技术在实际应用中的使用。在这项研究中，通过降低脑信号采集和分析过程的复杂性解决了这一难题。这是通过减少电极数量来实现的，在不影响准确性的情况下简化了关键任务。事件相关电位 (ERP)，又称时间锁定刺激，用于从每个受试者的头部收集数据。在放松一段时间后，向每个受试者直观地呈现一个随机的四位数字，然后要求他们思考 10 秒。对每个受试者进行了 15 次试验，在每个心理回忆片段之前都有放松和视觉刺激阶段。我们引入了一个新颖的派生特征，称为半球间振幅比 (IHAR)，它表示横向对应电极对的振幅比。该特征是在使用信号增强技术扩展训练集后提取的，并使用多种机器学习 (ML) 算法进行测试，包括线性判别分析 (LDA)、支持向量机 (SVM) 和 k-最近邻 (kNN)。大多数 ML 算法在 14 个电极的情况下显示 100% 的准确率，根据我们的结果，使用更少的电极也可以实现完美的准确率。然而，AF3、AF4、F7 和 F8 电极组合与 kNN 分类器产生了 99.0 ± 0.8% 的测试准确率，是人员识别的最佳选择，既保持了用户友好性又保持了性能。令人惊讶的是，放松阶段表现出三个阶段中最高的准确率。