层析成像是分析内部成分排列的一种方法。医学可能是利用这种方法并推动其发展的最著名学科。[1–3] 然而,层析成像也已应用于其他研究领域,如材料科学[4,5]、生物学[6]、考古学[7]甚至流体动力学[8],并且在工业领域也越来越受到认可,例如用于质量控制[9]或无损检测[10]。图像采集与实时重建算法[11]、高级图像分析[12]、特征分割和识别分析算法[13,14]与现代机器学习工具[15,16]的结合增强了这种方法的潜力。如今,实验室扫描仪普及且功能强大,受益于改进的空间和时间分辨率,尽管尖端实验仍然局限于高亮度同步加速器和X射线自由电子激光器。可以在极短的时间内获得高空间分辨率。[17,18] 对高空间和时间分辨率、大视野和高总记录时间的需求意味着目标的冲突。文献中概述了不同设备可用的实际速度和分辨率。[19–21]
背景:通过检查空间分辨转录组学平台组织样本中的高风险细胞和区域,可以深入了解特定疾病过程。对于现有方法,虽然可以识别细胞类型或簇并将其与疾病属性相关联,但无法以相同的方式关联单个细胞,这可能导致无法识别与疾病属性相关的细胞子集,尤其是当疾病相关细胞与非疾病相关细胞聚集在一起时。方法:DEGAS(单细胞诊断证据量表)[5] 使用复杂的深度迁移学习算法解决了上述问题,该算法旨在识别肿瘤样本单细胞 RNA 测序数据中的高风险成分。DEGAS 采用基因表达数据的潜在表示和域适应将疾病属性从患者转移到单个细胞。在这项研究中,我们展示了 DEGAS 在适应单细胞空间分辨转录组学平台(如 10X Genomics Xenium 平台和 Nanostring 的 CosMx 平台)产生的数据方面的多功能性。通过整合上述平台的空间位置信息,DEGAS 不仅可以识别组织样本中的高风险成分,还可以精确定位与疾病状态相关的载玻片内的位置。结果:我们在多个平台上评估了 DEGAS,包括 10X Genomics Xenium 和 Nanostring CosMx。DEGAS 成功识别了高风险细胞和区域,并通过已知标记进行了验证。此外,DEGAS 还应用于我们新生成的 T2D Xenium 数据集和公开的黑色素瘤 Xenium 数据集。我们在公开的正常和肝细胞癌组织的 Nanostring CosMx FFPE 样本上测试了 DEGAS,揭示了与关键途径相关的高风险细胞和拓扑结构。值得注意的是,高风险区域主要富集在肿瘤组织中,DEGAS 揭示了与侵袭性疾病标志物和细胞类型多样性相关的异质性。关键词:单细胞 RNA 测序、空间分辨转录组学、域适应、深度迁移学习
通过 Perturb-DBiT 进行空间分辨体内 CRISPR 筛选测序 Alev Baysoy 1,11 , 田小龙 1,2,11 , Feifei Zhang 2,11 , Paul Renauer 2,11 ,zhiliang Bai 1 , Hao Shi 3 ,Haikuo Li 1 , Bo Tao 1 , Mingyu Yang 1 , Archibald Enninful 1 , Fu Gau 1 , 王广川 2 , 张万秋 4 , Thao Tran 4 , Nathan Heath Patterson 4 , 包硕珍 1 , 董传鹏 2 , 单鑫 2 , 钟美 9 , Sherri Rankin 3 , Cliff Guy 3 , 王岩 3 , Jon P. Connelly 5 , Shondra M. Pruett-Miller 5 , 池洪博 3 , 陈思迪2,7* , Rong Fan 1,6,8,10,12 * 1 耶鲁大学生物医学工程系,美国康涅狄格州纽黑文 2 耶鲁大学医学院遗传学系,美国康涅狄格州纽黑文 3 圣犹达儿童研究医院免疫学系,美国田纳西州孟菲斯 4 Aspect Analytics NV,比利时亨克
摘要:在这项研究中,开发了高度敏感的单克隆抗体(MAB),用于玉米和饲料中黄曲霉毒素B 1(AFB 1)的分解。还建立了间接竞争性酶联免疫吸附测定(IC-ELISA)和时间分辨荧光免疫测定法(TRFICA)。首先,合成了HAPEN AFB 1 -CMO,并与载体蛋白共轭,以制备用于小鼠免疫的免疫原。随后,使用Classical杂交瘤技术产生mAb。IC-ELISA的最低半最大抑制浓度(IC50)为38.6 ng/kg,线性范围为6.25–100 ng/kg。玉米和饲料中检测的极限分别为6.58 ng/kg和5.54 ng/kg,回收率范围从72%到94%。从样本处理到阅读,开发了TRFICA的检测时间仅大幅减少21分钟。此外,玉米和饲料的检测限度分别为62.7 ng/kg和121 ng/kg。线性范围为100–4000 ng/kg,回收率范围从90%到98%。总而言之,AFB 1 MAB的开发和用于高通量样品检测的IC-ELISA以及用于快速检测的TRFICA的IC-ELISA提出了可用于多功能AFB 1在不同情况下检测的强大工具。
带有光波导的分子发光材料在发光二极管,传感器和逻辑门中具有广泛的应用前景。但是,大多数传统的光学波导系统都是基于脆性分子晶体,该晶体限制了在不同的应用情况下的柔性设备的制造,运输,存储和适应。迄今为止,在同一固态系统中具有较高柔韧性,新型光学波导和多端口色调发射的光功能材料的设计和合成仍然是一个开放的挑战。在这里,我们已经构建了新型的零维有机金属卤化物(Au-4-二甲基氨基吡啶[DMAP]和DMAP),对于光学波导而言,弹性很小,损失系数很少。对分子间相互作用的理论计算表明,2分子晶体材料的高弹性是原始的,它是从其人字形结构和滑移平面的。基于2个晶体的一维柔性微脚架和Mn-Dmap的2维微板,具有多色和空间分辨光学波导的异质界面。杂合的形成机理是基于表面选择性生长,因为接触晶体平面之间的低晶格不匹配比。因此,这项工作描述了具有高灵活性和光学波导的基于金属壁的晶体异质结的首次尝试,从而扩展了用于智能光学设备(例如逻辑门和多路复用器)的传统发光材料的前景。
摘要:对气候的精确模拟始终至关重要,同时也是一个挑战。本研究基于粗细模型的概念,提出一种利用贝叶斯网络对全局分辨能量平衡 (GREB) 模型进行改进的方法。改进方法在以 GREB 模型为全局框架的基础上,构建了动力学模型与统计模型相结合的粗细结构,并利用基于 GREB 模型内部气候变量相互关系构建的贝叶斯网络实现局部优化。为了客观地检验改进方法的性能和推广应用,将该方法应用于1985—2014年美国国家环境预测中心(NCEP)和美国国家大气研究中心(NCAR)提供的3.75°×3.75°全球数据集,对地表温度和大气温度的模拟。结果表明,改进模型比原始GREB模型表现出更高的平均精度和更低的空间分异,并且在长期模拟中具有良好的稳健性。该方法解决了GREB模型在局部区域由于过度依赖边界条件和初始条件,以及缺乏完全可用的观测数据而导致的精度问题。此外,该模型还克服了由于气候包含项不明确导致统计模型稳健性较差的挑战。因此,改进方法为可靠、稳定的气候模拟提供了一种有希望的方法。
X射线反射率(XRR)被广泛用于研究硬和软凝结物质材料的表面和界面,包括2D材料,纳米材料和生物系统。它允许沿其正常的横向平均电子密度曲线沿其正态分子延伸,并具有子角度的精度。[4-6]这有助于确定各种参数,包括表面粗糙度,单层或多层材料的结构以及毛细血管对液体表面的影响。高毛利率同步X射线束可以在环境条件下实时解决分子水平的材料结构,而其他表面敏感的实验技术几乎无法访问。[7]此类实验的示例是使用专用设备和样品单元的液体表面和界面进行研究。[8–11]但是,与液体的XRR相关的特定问题。液体和支撑之间的润湿角会引起样品液体的曲率,这通常使数据分析复杂化。[12]可以通过利用能够使用大面积样品(例如Langmuir槽,[13])使用特殊数据处理方法的样本环境来解决此问题。[15]但是,在某些情况下,可以有利地利用样品曲率,例如Festersen等。[15]使用宽平行的合成光束将XRR曲线记录在“一击”中,但在散射矢量q的范围内有限。[17]这些系统正在促进高质量材料的生长[18],但同时在实验上可能非常苛刻。最新的样本环境的发展[16]发表于原位和/或操作XRR研究开放了新的机会,例如,通过化学蒸气沉积(CVD)对2D材料在液态金属催化剂(LMCAT)上的生长过程中对2D材料进行了研究。[19]必须适应高运行温度,高材料蒸发以及在大气压下暴露于反应性气体的混合物中。此外,它们仅限于有限尺寸的样本
双光子频率梳 (BFC) 是用于大规模和高维量子信息和网络系统的有前途的量子源。在这种情况下,单个频率箱的光谱纯度对于实现量子网络协议(如隐形传态和纠缠交换)至关重要。测量组成 BFC 的未预告信号或闲置光子的时间自相关函数是表征其光谱纯度并进而验证双光子状态对网络协议的实用性的关键工具。然而,通过实验可获得的测量 BFC 相关函数的精度通常受到探测器抖动的严重限制。结果,相关函数中的精细时间特征(不仅在量子信息中具有实用价值,而且在量子光学研究中也具有根本意义)丢失了。我们提出了一种通过电光相位调制来规避这一挑战的方案,通过实验证明了集成 40.5 GHz Si 3 N 4 微环产生的 BFC 的时间分辨 Hanbury Brown-Twiss 特性,最高可达 3 × 3 维二四分体希尔伯特空间。通过使电光驱动频率从梳状的自由光谱范围略微失谐,我们的方法利用 Vernier 原理来放大时间特征,否则这些特征会被探测器抖动平均掉。我们在连续波和脉冲泵浦模式下展示了我们的方法,发现与理论高度一致。我们的方法不仅揭示了贡献频率箱的集体统计数据,还揭示了它们的时间形状 - 标准全积分自相关测量中丢失的特征。