XiaoMi-AI文件搜索系统
World File Search SystemGRNS
线粒体DNA中氧化链的命运
增强子在基因调节中起着至关重要的作用，对于介导与复杂性状相关的非编码遗传变异的影响至关重要。增强子活性是由转录因子（TFS），表观遗传学机构和遗传变异的细胞类型特异性术。尽管TFS和增强剂之间存在牢固的机械联系，但我们目前缺乏在细胞类型的基因调节网（GRN）中共同分析它们的框架。同样重要的是，我们缺乏一种公正的方法来讲述推断GRN的生物学意义，因为没有完整的地面真理。为了解决这些差距，我们提出了Granie（基因调节网络推断，包括增强剂）和Granpa（基因调节网络绩效分析）。granie（https://git.embl.de/grp-zaugg/granie）基于跨样品的染色质可及性和RNA-Seq的协变（例如个体），而Granpa（https：//git.embl。de/grp-Zaugg/granpa）评估了GRNS的性能，以预测细胞类型的特异性差异表达。我们通过研究巨噬细胞对感染，癌症和包括自身免疫性疾病（自身免疫性疾病的常见遗传特征的反应的基因调节机制）的基因调节机制来揭示其能力。最后，我们的方法将TF PURA识别为炎性巨噬细胞极化的推定调节剂。
genespider2：使用扰动的单细胞数据
抽象的单细胞数据越来越多地用于基因调节网络（GRN）推断，并且基于模拟数据开发了基准。ho w e v er，e xisting单细胞模拟器无法对基因扰动的影响进行建模。进一步的挑战在于产生经常在计算和稳定问题上挣扎的大规模GRN。我们介绍Genespider2，Genespider Mat-Lab工具X F或GRN基准测试，推理和分析SIS的更新。se v eral softw是模块的功能和出色的功能，并添加了NE W功能。一个主要的精力是在无规模的分布和模块化方面生成具有生物学上现实拓扑特性的大型GRN的能力。另一个主要补充是对单细胞数据的模拟，该数据越来越流行，作为GRN推断的输入。具体来说，我们引入了独特的功能，以基于遗传扰动生成单细胞数据。最后，将模拟的单细胞数据与来自两个细胞系的真实单细胞扰动数据进行了比较，表明合成和真实数据表现出相似的属性。
使用基因调节网络的顺序逻辑的可行性和可靠性
表现出布尔行为的基因调节网络，例如和或或XOR经常设计多年。但是，实现更复杂的功能，例如控制或计算，通常需要顺序的电路或所谓的状态机。对于这样的电路，输出既取决于输入和系统的当前状态。尽管仍然可以通过类比与数字电子产品进行类比设计此类电路，但生物学的某些特殊性使任务更加棘手。在本文中评估了其中两个的影响，即生物过程的随机性和调节机制响应中的不均匀性。数值仿真指出，即使是从理论的角度来看，即使设计GRNS功能的高风险也是如此。还讨论了提高此类系统可靠性的几种解决方案。
远程基因调控和 3D 组织...
3D 染色质组织和表观遗传调控的改变推动了癌症进展。在这里，我使用胶质母细胞瘤 (GB) 作为模型来了解表观遗传变化对肿瘤生物学的广泛影响。通过绘制 GB 中的启动子-增强子相互作用组和染色质状态，我们发现染色质结构的广泛重新布线导致与突触通讯、轴突发生、轴突引导和染色质重塑相关的基因网络的激活。这些网络的核心是转录因子 (TF)，例如 SMAD3 和 PITX1，它们被确定为介导神经元到胶质瘤突触通讯的基因调控网络 (GRN) 中的关键参与者。此外，我们表明，调节 TF 的活性（例如介导神经元到胶质瘤突触的 SMAD3）可以影响肿瘤生长。这些发现强调了表观遗传变化和 3D 基因组拓扑重组如何使 GB 细胞整合神经信号并将其转化为增殖反应。
摘要PDF海报
摘要：细胞类型之间的转分化依赖于基于知识的搜索最佳重编程因素。我们最近的研究发现，ASCL1，MiR9/9*-124，NPTB shRNA和p53 shRNA的过表达有效地将人皮肤成纤维细胞转换为神经元。通过分析人类皮肤成纤维细胞的纵向RNA-seq数据通过这些重编程因子的各种组合进行转化，我们构建了基因调节网络（GRN）模型，捕获了对神经元转化重要的高阶信息。GRN中基因群落和转录因子（TF）的检查确定OTX2和LMX1A是转化为神经元的关键调节剂，因为它们与与神经元发育和分化功能相关的基因的连接最强。 我们通过实验证实了OTX2和LMX1A的关键作用，因为它们的敲低显着损害了转换。 研究表明，GRN模型有效地扩大了人类皮肤成纤维细胞转差为神经元的经验发现最佳重编程因子。 这种方法的进一步改进可以确定直接细胞转换的普遍适用原理。GRN中基因群落和转录因子（TF）的检查确定OTX2和LMX1A是转化为神经元的关键调节剂，因为它们与与神经元发育和分化功能相关的基因的连接最强。我们通过实验证实了OTX2和LMX1A的关键作用，因为它们的敲低显着损害了转换。研究表明，GRN模型有效地扩大了人类皮肤成纤维细胞转差为神经元的经验发现最佳重编程因子。这种方法的进一步改进可以确定直接细胞转换的普遍适用原理。
用于粗粒基因调节网络的数据驱动优化方法。
总结系统生物学中的一个主要挑战是了解基因调节网络（GRN）中的各种基因如何共同执行其功能和控制网络动态。在具有数百个基因和边缘的大型网络的情况下，该任务变得极为难以解决，其中许多具有冗余的调节作用和功能。现有的模型减少方法通常需要对动态系统及其响应动力学参数的详细数学描述，而动力学系统通常不可用。在这里，我们提出了一种用于使用基于合奏的数学建模，降低维度降低和通过Markov Chain Monte Monte Carlo方法优化基因的数据驱动的大grn，名为Sacograci的粗粒度大GRN，称为Sacograci。sacograci需要网络拓扑作为唯一的输入，并且可以抵抗GRN中的错误。我们通过合成，基于文学和生物毒素的GRN进行基准并证明其用法。我们希望Sacograci能够增强我们建模复杂生物系统基因调节的能力。
多组学基础模型通过零样本预测表观遗传调控
由于基因组元素具有细胞类型特异性，并且受遗传和表观遗传调控的影响，因此识别基因组元素具有挑战性。揭示基因组元素对基因和细胞状态的功能作用需要大量资源。在这里，我们提出了顺式调控元件转换器 (CREformer)，这是一种大型深度学习模型，可通过多模态方法揭示功能和调控机制。CREformer 包含 30 亿个参数，通过整合批量和单细胞数据集的优势进行预训练，涵盖批量多组学片段中的 550 亿个核苷酸和 1.65 亿个单细胞配对多组学谱。预训练后，CREformer 以零样本方式执行所有预测，这使得在没有数据可供微调的情况下也能进行预测。这包括主调节器、增强子、基因调控网络 (GRN) 和功能变体的计算推断，以及表观遗传扰动、细胞状态转变和疾病治疗的计算机模拟。此外，CREformer 还发现了新的肿瘤治疗靶点，并在体外进行了验证。总体而言，CREformer 的基础、零样本能力有可能加速对广泛范围内功能元素及其动态的全面发现的研究。
GAO-21-306，NASA：主要项目评估
DrACO 复杂有机物采集钻探 DraMS 蜻蜓质谱仪 DSL 深空物流 EGS 探索地面系统 EIS 欧罗巴成像系统 EPFD 电动动力系统飞行演示 ESA 欧洲航天局 ESM 欧洲服务舱 ESPRIT-RM 欧洲加油、基础设施和电信系统 加油舱 EUS 探索上面级 GERS 网关外部机器人系统 GRNS 伽马射线和中子光谱仪 GSLV 地球同步卫星运载火箭 HALO 居住和物流前哨 HLS 载人着陆系统 i-Hab 国际栖息地 I&T 集成和测试 ICON 电离层连接探测器 ICPS 临时低温推进级 IMAP 星际测绘和加速探测器 IOC 初始运行能力 ISRO 印度空间研究组织 ISS 国际空间站 JAXA 日本宇宙航空研究开发机构 JCL 联合成本和进度置信水平 JWST 詹姆斯·韦伯太空望远镜 KaRIn Ka 波段雷达干涉仪KASI 韩国天文与空间科学研究所 KDP 关键决策点 L9 Landsat 9 LBFD 低空飞行演示器 LCRD 激光通信中继演示 LICIACube Light 意大利立方体卫星（用于小行星成像） LIDAR 光探测与测距 MASPEX 行星探测质谱仪 MDR 任务定义审查 MISE 测绘成像光谱仪（用于木卫二） ML2 移动发射器 2 MPM 多用途模块 NASA 美国国家航空航天局 NE
隐杆线虫和其他线虫内胚层基因调控网络的进化和发育系统漂移
发育基因调控网络 (GRN) 是后生动物胚胎发生的基础，经历了重大修改，形成了当今地球上种类繁多的动物形态。线虫秀丽隐杆线虫一直是推动基础机械生物学许多重要发现的核心模型，最近，它为探索 GRN 结构的进化多样化和其他物种的发育过程提供了坚实的基础。在这篇简短的综述中，我们将重点关注最古老的胚胎胚层内胚层的 GRN 进化多样化。早期胚胎发生在线虫门中存在很大差异。值得注意的是，虽然一些物种部署了调控发育，但更衍生的物种，如秀丽隐杆线虫，则表现出胚胎发生的马赛克模式。尽管不同物种的线虫肠道形态相对相似，但已观察到启动内胚层 GRN 的信号输入存在广泛差异，这是发育系统漂移 (DSD) 的一个典型。我们将探索内胚层 GRN 的遗传变异如何帮助在物种间和物种内推动 DSD，从而形成强大的发育系统。使用不同线虫进行比较研究有望揭示控制发育可塑性的遗传机制，并为控制胚胎 GRN 进化修饰的原理提供范例。