XiaoMi-AI文件搜索系统
World File Search SystemDEGs
单个...
癌症被称为异质疾病。为了了解癌症的肿瘤异质性，需要推断癌症驱动基因（CDG）。 但是，现有的计算方法已经确定了许多常见的CDG。 探索癌症研究的主要挑战是推断癌症亚型特异性驱动基因（CSDG），该基因为诊断，治疗和预后提供了指导。 Single-Cell RNA-Sequencing（SCRNA-SEQ）技术的显着进步已为在单个细胞水平上研究人类癌症的新可能性开辟了新的可能性。 在这项研究中，我们开发了一种新颖的无概念方法CSDGI（癌症亚型特异性驱动基因推断），该方法应用了由低级别残留神经网络组成的编码器 - 模型框架，以推断与单细胞水平上潜在癌症亚型相对应的驱动基因。 为推断CSDG，我们将CSDGI应用于肿瘤单细胞转录组学数据。 为了在驱动基因推断之前过滤重新启动基因，我们执行差异表达基因（DEGS）。 实验结果表明，CSDGI有效地推断为癌症亚型特异性的驱动基因。 功能和疾病富集分析表明，这些推断的CSDG表明了关键的生物学过程和疾病途径。 CSDGI是探索癌症亚型水平上癌症驱动基因的第一种方法。 我们认为，了解细胞转化驱动肿瘤的机制可能是一种有用的方法。癌症驱动基因（CDG）。但是，现有的计算方法已经确定了许多常见的CDG。探索癌症研究的主要挑战是推断癌症亚型特异性驱动基因（CSDG），该基因为诊断，治疗和预后提供了指导。Single-Cell RNA-Sequencing（SCRNA-SEQ）技术的显着进步已为在单个细胞水平上研究人类癌症的新可能性开辟了新的可能性。在这项研究中，我们开发了一种新颖的无概念方法CSDGI（癌症亚型特异性驱动基因推断），该方法应用了由低级别残留神经网络组成的编码器 - 模型框架，以推断与单细胞水平上潜在癌症亚型相对应的驱动基因。为推断CSDG，我们将CSDGI应用于肿瘤单细胞转录组学数据。为了在驱动基因推断之前过滤重新启动基因，我们执行差异表达基因（DEGS）。实验结果表明，CSDGI有效地推断为癌症亚型特异性的驱动基因。功能和疾病富集分析表明，这些推断的CSDG表明了关键的生物学过程和疾病途径。CSDGI是探索癌症亚型水平上癌症驱动基因的第一种方法。我们认为，了解细胞转化驱动肿瘤的机制可能是一种有用的方法。
基因组，转录组和代谢组分析的氨基化albus albus提供了对南部疫病病原体的进化和抗性的见解
结果和讨论：在这里，我们组装并注释了A. albus的完整基因组，提供了一个染色体级的组件，总基因组大小为5.94 GB，而Cortig N50为5.61 MB。A. albus基因组组成了19,908个基因家族，其中包括467个独特的家族。与A. konjac相比，A. albus的基因组大小稍大，可能受到了最近的全基因组重复事件的影响。转录和代谢分析揭示了参与苯基 - 丙型生物合成的差异表达基因（DEG）和差异积累的代谢产物（DEG）的显着富集，植物激素信号传递，苯基丙氨酸代谢，苯丙氨酸的代谢和生物合成的生物合成，苯基烷胺，Tyroptanin和Tyropt。这些发现不仅提高了对A. albus的遗传和进化特征的理解，而且还为未来研究Konjac对南部疫病疾病的抗性机制的研究奠定了基础。
Cas9 介导的 Ndrg2 敲除增强了树突状细胞用于伤口愈合的再生潜力
分化（图 4d），表明伤口生物学存在重大差异。我们对三种条件下的 10,612 个细胞进行了 scRNA-seq，这些细胞被鉴定为成纤维细胞、髓细胞、中性粒细胞、淋巴细胞和红细胞（图 5b、c）。在所有细胞类型中，成纤维细胞在各组之间的差异表达基因数量（DEG，FC > 0.5，p< 0.05）最多，这表明我们的工程化 DC 疗法对伤口床内成纤维细胞基因表达的影响最大（图 5d、e）。在成纤维细胞表达的差异表达最多的基因中，我们发现了几种已被证明与伤口愈合密切相关的基因。用 Ndrg2-KO DC 治疗的伤口中的成纤维细胞几乎只表达神经生长因子受体 Ngfr，该受体已被证明
通过中心基因网络分析和连接图谱预测肝内胆管癌新型候选药物
摘要：肝内胆管癌 (ICC) 是一种恶性肿瘤，需要有效的全身治疗。基于基因表达谱的分析可以有效筛选潜在候选药物，作为 ICC 患者的新疗法。从基因表达综合 (GEO) 和癌症基因组图谱 (TCGA) 数据库下载了 ICC 和正常胆管上皮细胞的 RNA 表达谱。使用基因本体 (GO) 和京都基因和基因组百科全书 (KEGG) 数据库完成差异表达基因 (DEG) 的功能注释和富集通路分析。通过 WGCN 分析 (WGCNA) 构建加权基因共表达网络 (WGCN)。分析了 DEG 和共表达基因模块中的关键基因以生成蛋白质-蛋白质相互作用 (PPI) 网络。研究了筛选出的十大枢纽基因与ICC患者总生存期和无病生存期之间的关联。进行连接图（cMap）分析以利用枢纽基因识别ICC的潜在药物。从1287个GSE-DEG，8183个TCGA-DEG和1226个混合模块基因的重叠基因中共选出151个关键基因。分析蛋白质-蛋白质相互作用共发现10个感兴趣的枢纽基因（CTNNB1，SPP1，COL1A2，COL3A1，SMAD3，SRC，VCAN，PKLR，GART，MRPS5）。使用 cMap 筛选出对 ICC 具有潜在疗效的候选药物包括三种酪氨酸激酶抑制剂（达沙替尼、NVP-BHG712、替凡替尼）、两种大麻素受体激动剂（棕榈酰乙醇酰胺、花生四烯酸酰胺）、两种抗生素（莫西沙星、阿莫西林）、一种雌激素受体激动剂（左炔诺孕酮）、一种丝氨酸/苏氨酸蛋白激酶抑制剂（MK-2206）和其他小分子。通过网络和 PPI 分析，我们能够识别出治疗 ICC 的潜在药物。新基因表达谱的识别和相关药物筛选可能会加速识别治疗 ICC 的潜在新药物疗法。
孔雀鱼橙色斑点形成的遗传基础（
摘要背景：为了解雌性配偶选择对于丰富多彩的雄性纹饰的进化意义，必须了解此类纹饰的潜在调控机制，以研究纹饰如何与增加后代适应性或性吸引力的“雄性品质”相关联。在孔雀鱼（Poecilia reticulata）这种已建立的性选择模型系统中，雌性更喜欢拥有更大、饱和度更高的橙色斑点的雄性作为潜在配偶。虽然之前的研究已经确定了一些与橙色斑点形成相关的染色体区域和基因，但这些遗传元素在橙色斑点形成中的调控和参与尚未阐明。在本研究中，利用 RNA-seq 研究了橙色斑点和某些颜色发育阶段特有基因的表达模式，以揭示橙色斑点形成的遗传基础。结果：比较同一个体雄孔雀鱼皮肤有橙色斑点（橙色皮肤）和无彩色斑点（暗淡皮肤）的基因表达水平，鉴定出1102个差异表达基因（DEG），其中橙色皮肤中有630个上调基因和472个下调基因。此外，还比较了三个发育阶段整个躯干皮肤的基因表达水平，根据颜色发育情况，有2247个基因被鉴定为DEG。这些分析表明黄细胞的二次分化可能影响橙色斑点的形成。结论：研究结果提示，橙色斑点可能是由黄细胞的二次分化而不是从头产生形成的，而黄细胞的二次分化是由Csf1和甲状腺激素信号通路诱导的。此外，我们提出了与橙色斑点面积和饱和度水平相关的候选基因，这两者都被认为对雌性配偶选择很重要，并且受到独立调控。这项研究深入了解了橙色斑点形成的遗传和细胞调控机制，这将有助于阐明这些过程如何在进化过程中作为与性选择相关的观赏性状得以维持。关键词：配偶选择、彩色装饰品、颜色相关基因、RNA 测序
原创研究 糖尿病肾病相关的铁死亡及免疫相关基因综合分析
目的：糖尿病肾病 (DKD) 是全球慢性肾病 (CKD) 的主要原因。阐明 DKD 中铁死亡和免疫的分子机制可能有助于开发潜在有效的治疗方法。本研究旨在对 DKD 中的铁死亡和免疫相关差异表达 mRNA (DEG) 进行综合分析。材料和方法：从基因表达综合 (GEO) 数据库下载 DKD 患者和对照样本的基因表达谱。使用 R 软件筛选潜在的差异表达基因 (DEG)，并从 DEG 中提取铁死亡免疫相关差异表达基因 (FIRDEG)。我们进行了功能富集分析，并构建了蛋白质-蛋白质相互作用 (PPI) 网络、转录因子 (TF)-基因网络和基因-药物网络，以探索它们的潜在生物学功能。相关性分析和受试者工作特征曲线用于评估 FIRDEG。我们使用CIBERSORT算法来检查免疫细胞的组成并确定FIRDEG特征与免疫细胞之间的关系。最后，使用RT-PCR在动物肾脏样本中验证了六种FIRDEG的RNA表达。结果：我们鉴定了80个FIRDEG并进行了功能分析。我们利用PPI网络鉴定了六个枢纽基因（Ccl5、Il18、Cybb、Fcgr2b、Myd88和Ccr2），并预测了潜在的TF基因网络和基因-药物对。DKD中的免疫细胞（包括M2巨噬细胞、静息肥大细胞和γ-delta T细胞）发生了改变；FIRDEG（Fcgr2b、Cybb、Ccr2和Ccl5）与M2巨噬细胞和γ-delta T细胞的浸润丰度密切相关。最后，在小鼠肾脏样本中验证了枢纽基因。结论：我们鉴定了 DKD 中的六个枢纽 FIRDEG（Ccl5、Il18、Cybb、Fcgr2b、Myd88 和 Ccr2），并预测了潜在的转录因子基因网络和未来研究的可能治疗靶点。关键词：糖尿病肾病、铁死亡、免疫、生物信息学
基于GWAS和转录组数据的生物信息学分析多发性硬化症和干燥综合征的共同机制及候选药物
结果：基于GWAS数据，发现14个枢纽共同易感基因（HLA-DRB1、HLA-DRA、STAT3、JAK1、HLA-B、HLA-DQA1、HLA-DQA2、HLA-DQB1、HLA-DRB5、HLA-DPA1、HLA-DPB1、TYK2、IL2RA、MAPK1），8种药物靶向2个或2个以上的基因，28条共同易感通路，15种药物靶向3个或3个以上的通路。基于转录组数据，发现3个枢纽共同DEG（STAT1、GATA3、PIK3CA）与3种药物，10条共同风险通路与435种药物。“JAK-STAT信号通路”同时被纳入共同易感通路和共同风险通路。 GWAS 数据和转录组数据中的药物有 133 个重叠，包括 JAK-STAT 抑制剂。此外，我们发现 IL2RA 和 HLA-DRB1 被确定为中心常见易感基因，是用于治疗 MS 的达克珠单抗和格拉替雷的靶点，这表明达克珠单抗和格拉替雷可能对 SS 有治疗作用。
口服免疫疗法中的过敏原B细胞反应 -
缩写：ABS，抗体； BCl-6，B-细胞淋巴瘤6; Bcl-XL，B-细胞淋巴瘤 - 超大； BCR，B细胞受体； Breg，B监管； CD，分化簇； CD40L，CD40配体； cDNA，互补的DNA； CMA，牛奶过敏； DEG，差异表达的基因； GFP，绿色荧光蛋白； HC，健康对照； IG，免疫球蛋白； il，白介素； LPS，脂多糖； nt，自然耐受性； OIT，口服过敏原免疫疗法； PBMC，外周血单核细胞；豌豆，接近扩展测定； RNA，核糖酸； RNA-seq，RNA测序； SIGE，特定的免疫球蛋白E； SIGG，特定的免疫球蛋白G； SIGG1，特异性免疫球蛋白G1； SIGG2，特异性免疫球蛋白G2； SIGG3，特异性免疫球蛋白G3; SIGG4，特异性免疫球蛋白G4； TGF-β，转化生长因子β； TLR，喜欢的受体。
使用生物信息学和机器学习鉴定子宫中重要的诊断基因
摘要背景：子宫子宫内膜癌（UCEC）被称为世界第六大癌症。生物信息学和深度学习的进步提供了筛查大规模基因组数据并发现指示疾病状态的潜在生物标志物的两种工具。这项研究旨在研究使用生物信息学和机器学习算法鉴定子宫诊断和预后的重要基因。方法：分析UECE患者的RNA表达谱，使用深度学习技术鉴定差异表达的基因（DEG）。预后生物标志物。此外，彻底检查了分子途径，蛋白质 - 蛋白质相互作用（PPI）网络，DEG的共表达模式及其与临床数据的关联。最终，通过基于深度学习的分析来确定诊断标记。结果：根据我们的发现，MEX3B，CTRP2（C1QTNF2）和AASS是UCEC的新生物标志物。评估指标证明了深度学习模型的功效（DNN）功效，最小平均平方误差（MSE）为5.1096067E-5，而根平方误差（RMSE）为0.007，表示准确的预测。0.99的R平方值强调了该模型解释数据中差异的很大一部分的能力。因此，该模型在曲线（AUC）下达到了一个完美的区域，表示特殊的歧视能力，精度率为97％。因此，确定新的UCEC生物标志物有望有效护理，改善预后和早期诊断。结论：GDCA数据库和深度学习算法确定了3个重要基因-MEX3B，CTRP2（C1QTNF2）和AASS，是UCEC的潜在诊断生物标志物。关键词：子宫语料库子宫内膜癌，深度学习，生物标志物，生物信息学分析，UCEC利益冲突：无宣布的资金：这项研究得到了Shahid Beheshti医学科学大学的资助和支持。*这项工作已根据CC BY-NC-SA 4.0许可发布。版权所有©伊朗医学科学大学引用本文的引用：Valizadeh Laktarashi H，Rahimi M，Rahimi M，Abrishamifar K，Mahmoudabadi A，Nazari E.使用生物学信息和机器学习对子宫中重要的诊断基因的鉴定。Med J Islam Repub伊朗。2025（1月6日）; 39：4。 https://doi.org/10.47176/mjiri.39.4
合成视觉系统商用飞机...
用于异常姿态恢复的合成视觉系统商用飞机驾驶舱显示技术 Lawrence (Lance) J. Prinzel III、Kyle E. Ellis、Jarvis (Trey) J. Arthur、Stephanie N. Nicholas 美国国家航空航天局兰利研究中心 弗吉尼亚州汉普顿 Daniel Kiggins 上尉 美国国家航空航天研究所 弗吉尼亚州汉普顿 一项针对全球 18 起失控事故和事件的商业航空安全小组 (CAST) 研究确定，在其中 17 起事件中，缺乏外部视觉参考与机组人员失去姿态意识或能量状态意识有关。因此，CAST 建议开发和实施虚拟日间视觉气象条件 (VMC) 显示系统，例如合成视觉系统，该系统可以促进机组人员在类似于日间 VMC 环境中的姿态意识。本文介绍了高保真大型运输飞机模拟实验的结果，该实验评估了虚拟日间 VMC 显示器和“背景姿态指示器”概念，以帮助飞行员从异常姿态中恢复。12 名商业航空公司飞行员进行了多次异常姿态恢复，并收集了定量和定性相关指标。描述了该 CAST 计划和 NASA“飞机状态意识技术”研究项目下的实验结果和未来研究方向。最近的事故和事件数据表明，运输类飞机的空间定向障碍 (SD) 和能量损失状态意识 (LESA) 正在成为所有国内和国际运营中日益普遍的安全问题 (Bateman, 2010)。SD 是指对飞机姿态的错误感知，可直接导致失控 (LOC) 事件并导致事故或事件。LESA 的典型特征是无法监控或理解能量状态指示（例如空速、高度、垂直速度、指令推力），从而无法准确预测维持安全飞行的能力。LESA 的主要后果是飞机失速。CAST 对 18 起失控事故的研究表明，在其中 17 起事件中，缺乏外部视觉参考（即黑暗、仪表气象条件或两者兼有）与机组人员失去姿态意识或能量状态意识有关。虚拟日间 VMC 显示 虚拟日间 VMC 显示旨在为机组人员提供类似的视觉提示，这些提示在外部能见度不受限制时可用（即在 VMC 下观察到）。飞机状态意识联合安全分析 (JSAT) 和实施小组 (JSIT) 报告 (CAST, 2014a; CAST, 2014b) 建议，为了提供必要的视觉提示，防止机组人员的 SD/LESA 导致 LOC，制造商应开发和实施虚拟日间 VMC 显示系统，例如合成视觉系统。为了支持这一实施，CAST 要求美国国家航空航天局 (NASA) 进行研究，以支持定义虚拟日间 VMC 显示的最低要求，以实现提高机组人员对飞机姿态意识的预期功能；请参阅 CAST 安全增强 200 (SE-200)，标题为“飞机状态意识 - 虚拟日间 VMC 显示”。飞机状态感知 – 虚拟日间 VMC 显示器 NASA 开发了一个名为“飞机状态感知技术”（TASA）的项目，该项目部分解决了 CAST 的研究请求，以支持制造商设计和实施虚拟日间 VMC 显示器，这将提供必要的视觉提示以防止 SD/LESA 并有助于检测异常姿态和执行恢复。在大型运输飞机中，异常姿态在操作上定义为机头向上俯仰姿态大于 25 度、机头向下俯仰姿态大于 10 度、倾斜角大于 45 度或在这些参数范围内飞行但空速不适合条件。它们的预期功能是提高连续姿态、高度和地形感知能力，降低不稳定进近、无意中进入