XiaoMi-AI文件搜索系统
World File Search SystemIntegrative
调节大脑整合活动作为神经精神疾病药理学方法的新视角
神经精神疾病治疗药物开发的一个关键方面是“靶标问题”，即不仅要根据病因病理分类，还要检测大脑网络中假定的结构和/或功能改变，从而选择合适的靶标。有新方法可以开发能够克服或至少减少缺陷而不会引发有害副作用的药物。为此，需要一个大脑网络组织模型，还必须确定其整合作用的主要方面。因此，为此，我们在此提出了一个更新的大脑超网络模型，其中 i) 五部分突触被认为是大脑超网络的关键节点，ii) 相互作用的细胞表面受体既是到达网络的信号解码器，也是中枢神经系统疾病的靶标。大脑网络的整合作用遵循“俄罗斯套娃组织”，包括微观（即突触）和纳米（即分子）水平。在这种情况下，整合作用主要来自蛋白质-蛋白质相互作用。重要的是，由这些相互作用产生的大分子复合物通常具有变构性质的新结构结合位点。以 G 蛋白偶联受体 (GPCR) 为潜在
用于异源基因组编辑和转录调制
摘要1类I型CRISPR-CAS系统代表了本质上最丰富，最多样化的CRISPR系统。然而，它们在通用基因组编辑中的应用受到了在异源宿主中引入特定类别的多组分效应子进行功能的困难。在这里，我们建立了一个可转让的级联系统，该系统可以通过共轭在臭名昭著的顽固性和多样化的铜绿假单胞菌基因组中稳定的整合和表达。在不同的遗传背景下，转移的级联反应显示出比CAS9系统更高的DNA干扰活性和更高的编辑能力，包括以效率和简单性去除大型（21-kb）集成盒。在基因型中启用了一个高级λred-i-f系统，具有较差的同源重组能力，缺乏序列信息的临床分离株以及含有抗Crispr元素ACR的细胞。最后，通过同时引入级联反应和微型千里阵列，以单步中表达所需的crrna，开发了一个“多合一” I- F级别介导的CRISPRI平台，用于转录调制。这项研究提供了一个框架，用于扩展多种I型级联反应，用于广泛，异源基因组编辑和在非模型病原体分离株中的编辑技术的建立。引言定期间隔短的短质体重复序列（CRISPR）和CRISPR相关蛋白（CAS）构成原核生物中的适应性免疫系统，该系统通过RNA引导的核酸破坏来抵御异物元素（1,2）。基因组编辑和治疗应用已集中在2类CRISPR-CAS系统上，因为它们对单个多功能效应子（例如Cas9和cas12a）对DNA干扰（3,4）。但是，2类系统仅代表了在原核生物中自然编码的CRISPR-CAS系统的〜10％（5）。他们在编辑细菌基因组中的应用经常受到较差的转化，细胞毒性和对物种特异性优化的优化的要求，对大型CAS9/CAS9/CAS12A蛋白的异源表达（6-8）。与真核生物中工具的快速上升和扩展相反，到目前为止，基于CAS9/CAS12A的基因组编辑仅在几种模型细菌菌株中才能成功建立。缺乏一种基于CRISPR的主要编辑策略，很容易适用于各种细菌物种。非常明显，将近50％的细菌和90％的古细菌基因组编码本地CRISPR-CAS系统和90％的自然存在的CRISPR-CAS系统属于1类系统，这些系统属于1级系统，这些系统通过称为级联的多组分效应物复合物（CRISPR-PR-PR-PRAPER-COMPAIDE COMPLECT）（CRISPR-PRAPER-SAPERAPIDECTER complace for Attiviral Sevipers of Viviral Defersication）（9,10）（9,10）。尽管这些效应子的复杂性在某种程度上阻碍了它们在真核生物中的广泛应用，但它们的流行率和多样性，尤其是1类I型系统，占所有CRISPR-CAS系统的50％，占具有七个子类型的所有CRISPR-CAS系统（即i-a至i-f plus i-u）为细菌和古细菌中基于内源性CRISPR-CAS基于内源性CRISPR-CAS的遗传开发开辟了新的途径（11）。该方法通过简单地输送一个经常在单个质粒中组装的编程的微型CRISPR阵列和所需的维修供体来运行，并将其用于原核生物细胞，从而以简单性和效率实现基因组编辑。采用该策略，编辑了几种遗传性顽固生物，例如工业细菌梭状芽胞杆菌casteurianum atcc6013（I型I-B）（12）（12），抗多药耐药性pseudomonas aeruginosa aeruginosa Genotype pa154197（I型I-f）（I型I-F）（13）和
人工智能在创意管理系统和创新过程中的作用：综合评论
人工智能 (AI) 在创意管理系统 (IMS) 和创新过程中的作用最近成为备受关注的研究主题。AI 因其通过提供多方面支持来增强创新活动的潜力而受到认可。这些领域的交叉为改进创意生成、分类、开发和评估提供了有希望的机会。然而，AI 对创新过程不同阶段的影响并不相同，在创意生成阶段的影响更为突出。通过综合审查，我们可以探索 AI 如何为通过 IMS 实施的创新过程的不同步骤做出贡献。到目前为止，AI 驱动的方法已经为管理创造性过程开辟了可能性，例如自动执行特定任务、分析大量数据以识别模式和趋势以及提供实时反馈以增强创意和决策。评估人工智能对创新和创造力的贡献对于了解其对 IMS 和创新过程未来发展的潜在影响至关重要。
BrainForge：用于综合神经影像采集、分析和共享的在线数据分析平台
1. Morita T、Asada M、Naito E。神经影像学研究对理解人类认知大脑功能发展的贡献。Front Hum Neurosci。2016；10：464。doi：10.3389/fnhum.2016.00464 2. Bandettini PA。神经影像学方法有什么新进展？Ann NY Acad Sci。2009；1156：260-293。doi：10.1111/j.1749-6632.2009.04420.x 3. Verner E、Baker BT、Bockholt J 等人。使用 BrainForge 加速神经影像学研究。Gateways 2020，会议改善生物医学研究的数据使用； 2020 年 10 月 21 日。4. Poldrack RA、Baker CI、Durnez J 等人。扫描地平线：迈向透明和可重复的神经影像学研究。Nat Rev Neurosci。2017；18(2):115-126。doi: 10.1038/nrn.2016.167 5. Gorgolewski K、Poldrack R。提高神经影像学研究透明度和可重复性的实用指南。PLOS Biol。2016；14:e1002506。doi: 10.1371/journal.pbio.1002506 6. Baker M。1,500 名科学家揭开可重复性的面纱。Nature。2016；533(7604):452-454。 doi: 10.1038/533452a 7. Scott A、Courtney W、Wood D 等人。COINS：为大型异构数据集构建的创新信息学和神经成像工具套件。Front Neuroinform。2011；5：33。doi: 10.3389/fninf.2011.00033 8. Yoo AB、Jette MA、Grondona M。SLURM：用于资源管理的简单 Linux 实用程序。引自：Feitelson D、Rudolph L、Schwiegelshohn U 编。并行处理的作业调度策略。JSSPP 2003。计算机科学讲义。Springer；2003：44-60。9. Avesani P、McPherson B、Hayashi S 等人。开放扩散数据衍生物、通过衍生物的集成发布和可复制的开放云服务进行脑数据升级。 Sci Data 。2019；6(1)：69。doi：10.1038/s41597-019-0073-y 10. Flywheel。为医疗和研究领域的数字化转型提供动力。2021 年 5 月 14 日访问。flywheel.io 11. Kurtzer GM、Sochat V、Bauer MW。Singularity：用于移动计算的科学容器。PLoS One。2017；12(5)：e0177459。doi：10.1371/journal.pone。0177459 12. Merkel D。Docker：用于一致开发和部署的轻量级 Linux 容器。Linux J 。2014；239：2。13. Ashburner J、Barnes G、Chen CC 等人。SPM12 手册。第 2464 卷。威康信托神经影像中心；2014 年。14. Smith SM、Jenkinson M、Woolrich MW 等人。功能性和结构性 MR 图像分析进展以及作为 FSL 的实现。神经影像。2004 年；23 (Suppl 1)：S208-S219。doi: 10.1016/j.neuroimage.2004.07.051 15. Cox RW。AFNI：用于分析和可视化功能性磁共振神经影像的软件。Comput Biomed Res。1996 年；29(3)：162-173。doi: 10. 1006/cbmr.1996.0014 16. Cox RW、Hyde JS。用于分析和可视化 fMRI 数据的软件工具。NMR Biomed。 1997；10(4–5)：171-178。doi：10.1002/(SICI)1099- 1492(199706/08)10:4/5<171::AID-NBM453>3.0.CO；2-L 17. fMRI 工具箱的 Group ICA (v4.0c)。神经影像和数据科学转化研究中心。2021 年 5 月 6 日访问。https://trendscenter. org/software/gift/ 18. TReNDS 中心。Docker, Inc.访问日期：2022 年 1 月 13 日。https://hub.docker.com/orgs/trendscenter/repositories 19. 神经影像和数据科学转化研究中心。GitHub, Inc. https://github.com/trendscenter/ 20. Gorgolewski K、Burns CD、Madison C 等人。Nipype：一个灵活、轻量且可扩展的 Python 神经影像数据处理框架。Front Neuroinform。2011；5：13。doi：10.3389/fninf.2011.00013 21. GorgolewskiKJ、AuerT、CalhounVD 等人。Thebrainimagingdatastructure，一种组织和描述神经影像实验输出的格式。Sci Data。2016；3(1)：160044。 doi: 10.1038/sdata.2016.44 22. FosterI.Globusonline：通过云服务加速和民主化科学。IEEEInternetComput。2011；15(3)：70-73。doi: 10.1109/MIC。2011.64 23. Allen B、Bresnahan J、Childers L 等人。面向数据科学家的软件即服务。Commun ACM。2012；55(2)：81-88。doi: 10.1145/2076450.2076468 24. Calhoun VD、Adali T、Pearlson GD、Pekar JJ。一种使用独立成分分析从功能性 MRI 数据进行组推断的方法。Hum Brain Mapp。2001；14(3)：140-151。 doi: 10.1002/hbm.1048 25. Allen E、Erhardt E、Damaraju E 等。静息状态网络多变量比较的基线。Front Syst Neurosci。2011；5：2。doi: 10.3389/ fnsys.2011.00002 26. Allen EA、Damaraju E、Plis SM、Erhardt EB、Eichele T、Calhoun VD。跟踪静息状态下的全脑连接动态。大脑皮层。2014；24(3)：663-676。doi: 10.1093/cercor/bhs352 27. Ashburner J、Friston KJ。基于体素的形态测量——方法。神经影像学。2000；11(6)：805-821。 doi: 10.1006/nimg.2000.0582 28. Fischl B. FreeSurfer。神经影像学。2012；62(2):774-781。doi: 10.1016/j.neuroimage.2012.01.021 29. Andersson JLR、Sotiropoulos SN。一种用于校正扩散 MR 成像中的偏共振效应和受试者运动的综合方法。神经影像学。2016；125:1063-1078。doi: 10.1016/j.neuroimage.2015.10.019 30. Andersson JL、Skare S、Ashburner J。如何校正自旋回波平面图像中的磁化率畸变：应用于扩散张量成像。神经影像学。 2003；20(2):870-888。doi: 10.1016/s1053-8119(03)00336-7 31. Andersson JLR、Graham MS、Drobnjak I、Zhang H、Filippini N、Bastiani M。面向扩散 MR 图像运动和失真校正的综合框架：体积运动内。神经影像学。2017；152:450-466。doi: 10.1016/j.neuroimage.2017.02.085 32. CalhounVinceD、MillerR、PearlsonG、Adal 𝚤 T。Thechronnectome：时变连接网络作为fMRIdatadiscovery 的下一个前沿。神经元。2014；84(2):262-274。 doi: 10.1016/j.neuron.2014.10.015 33. Du Y、Fu Z、Sui J 等人。NeuroMark：一种基于自动化和自适应 ICA 的管道，用于识别可重复的 fMRI 脑部疾病标记物。神经影像：临床。2020；28：102375。doi: 10.1016/j.nicl.2020.102375 34. Griffanti L、Zamboni G、Khan A 等人。BIANCA（脑强度异常分类算法）：一种用于自动分割白质高信号的新型工具。神经影像学。2016；141：191-205。doi：10.1016/j.neuroimage.2016.07.018
人类细胞中DNA复制起源和兽人结合位点的综合分析
此预印本的版权持有人（该版本发布于2023年7月27日。; https：//doi.org/10.1101/2023.07.25.550556 doi：Biorxiv Preprint
综合元素揭示了迅速发展的调节序列驱动灵长类动物大脑进化
6 LIANGZHU实验室，郑明大学医学中心，杭州，中国广东，7云南元南灵长生物医学研究所，灵长类动物转化医学研究所，昆明科学与科技大学，昆明，昆明，尤恩南，尤恩南，尤恩南，中国8号动物进化和遗传学的Yunnan，Yunnan 8 Models and Human Disease Mechanisms of Chinese Academy of Sciences & Yunnan Province, Kunming Institute of Zoology, Chinese Academy of Sciences, Kunming, Yunnan, China 10 National Resource Center for Non-Human Primates, Kunming Primate Research Center, and National Research Facility for Phenotypic & Genetic Analysis of Model Animals (Primate Facility), Kunming Institute of Zoology, Chinese Academy of Sciences, Kunming,中国云南11 KIZ-CUHK生物库和共同疾病的分子研究联合实验室，昆明动物学研究所，中国科学院，昆明，尤恩南，尤恩，中国12号医学遗传学研究所，医学院，医学院，加拿大大学，加拿大大学，威尔士，威尔士13号，英国人，西北大学，Xi'同样对这项工作。6 LIANGZHU实验室，郑明大学医学中心，杭州，中国广东，7云南元南灵长生物医学研究所，灵长类动物转化医学研究所，昆明科学与科技大学，昆明，昆明，尤恩南，尤恩南，尤恩南，中国8号动物进化和遗传学的Yunnan，Yunnan 8 Models and Human Disease Mechanisms of Chinese Academy of Sciences & Yunnan Province, Kunming Institute of Zoology, Chinese Academy of Sciences, Kunming, Yunnan, China 10 National Resource Center for Non-Human Primates, Kunming Primate Research Center, and National Research Facility for Phenotypic & Genetic Analysis of Model Animals (Primate Facility), Kunming Institute of Zoology, Chinese Academy of Sciences, Kunming,中国云南11 KIZ-CUHK生物库和共同疾病的分子研究联合实验室，昆明动物学研究所，中国科学院，昆明，尤恩南，尤恩，中国12号医学遗传学研究所，医学院，医学院，加拿大大学，加拿大大学，威尔士，威尔士13号，英国人，西北大学，Xi'同样对这项工作。
多维综合分析显示 BCL2L1 甲基化是儿童恶性肿瘤中 MCL1 依赖性的预测因子
简介高级别胶质瘤 (HGG) 是一种中枢神经系统恶性肿瘤，在成人和儿童中均有发生（1、2）。WHO 将 HGG 归类为 3 级和 4 级肿瘤，其特征是细胞过多、细胞核异形性、微血管增生和中心坏死（3-5）。HGG 在成人中更为常见，超过一半 (60%) 的胶质瘤被诊断为 HGG，而儿童中只有大约 10%-15% 的中枢神经系统肿瘤被诊断为 HGG，而低级别胶质瘤更为常见（6-8）。治疗包括手术、放疗和化疗相结合的多模式方案。然而，这些治疗无效，不到 20% 的患者在诊断后 5 年内存活（9-11）。因此，迫切需要寻找这种毁灭性疾病的创新疗法并改善生存结果。
细胞功能障碍和死亡作为糖尿病的治疗剂
巴黎大学，INSERM，PARCC，巴黎F-75006，法国B CIC1418和DMU卡，AP-HP：巴黎的公共援助疗程，PARCC，欧洲医院Georges-Georges-Pompidou，56 Rue Leblanc，Paris f-75015 Pompidou and Necker医院，巴黎，法国D心脏病学系，神经肌肉病理学中心，AP-HP，Cochin医院，Cochin医院，巴黎，法国E高血压部和AP-HP的DMU Carte，AP-HP，欧洲Georges-Pompidou医院，巴黎F-75015 F-75015，法国G心脏病学系和DMU Carte，AP-HP，欧洲医院Georges-Pompidou，Paris F-75015，法国
整合基因组学凸显了针对胆囊癌肿瘤微环境的创新疗法的机会
Stephanie Roessler、Julien Edeline、Peter Schirmacher、Cédric Coulouarn。整合基因组学强调了针对胆囊癌肿瘤微环境的创新疗法的机会。《肝脏病学杂志》，2021 年，74 (5)，第 1018-1020 页。�10.1016/j.jhep.2020.12.024�。�hal-03156698�