XiaoMi-AI文件搜索系统
World File Search SystemSeq2
成员（Matsushima's Lab。）教师教授兼董事长Kouji Matsushima，医学博士，博士
导致细胞社会的变化。为了克服这一局限性，在这个项目中，我们通过使用基于BD Rhapsody的新型单细胞RNA-SEQ（SCRNA-SEQ）方法来分析单细胞水平的发炎组织 - tas-seq。（Shichino等人2022，Commun。 Biol .1：602）。 就基因敏感性，检测细胞群体的检测和细胞 - 细胞相互作用的敏感性而言， tas-seq比其他主要的SCRNA-SEQ技术优于其他主要的SCRNA-SEQ技术。 通过使用这项技术，我们分析了二氧化硅诱导的肺纤维化模型，我们发现C1Q是肺间隙巨噬细胞的特定标记，C1Q充当了硅胶诱导的肺纤维化中的纤维化介质（Ogawa等人。 2022，生物化学。 生物。 res。 社区。 599：113-119）。 此外，我们开发了Tas-Seq，Tas-Seq2的更新版本，其中基因检测灵敏度及其实用性得到了增强。 tas-seq2不仅可以应用于基于纳米韦尔的系统（例如 bd rhapsody），但也要基于液滴的系统（例如 10x铬）和基于板的系统（例如 smart-seq2）。 tas-seq2在小鼠脾脏和人类冷冻的PBMC样品中，比原始10x Chroumimum V3（10x Tas-Seq2）的基因比原始10x chroumimus V3（10x Tas-Seq2）高1.5-2倍。 现在，我们正在开发用于高分辨率空间转录组学立体声的Tas-Seq2，用于分析固定细胞，并将其细胞吞吐量增加10-100倍。 此外，我们正在收集人间质肺病患者，纤维化大鼠肺和鼠2022，Commun。Biol .1：602）。tas-seq比其他主要的SCRNA-SEQ技术优于其他主要的SCRNA-SEQ技术。通过使用这项技术，我们分析了二氧化硅诱导的肺纤维化模型，我们发现C1Q是肺间隙巨噬细胞的特定标记，C1Q充当了硅胶诱导的肺纤维化中的纤维化介质（Ogawa等人。2022，生物化学。生物。res。社区。599：113-119）。 此外，我们开发了Tas-Seq，Tas-Seq2的更新版本，其中基因检测灵敏度及其实用性得到了增强。 tas-seq2不仅可以应用于基于纳米韦尔的系统（例如 bd rhapsody），但也要基于液滴的系统（例如 10x铬）和基于板的系统（例如 smart-seq2）。 tas-seq2在小鼠脾脏和人类冷冻的PBMC样品中，比原始10x Chroumimum V3（10x Tas-Seq2）的基因比原始10x chroumimus V3（10x Tas-Seq2）高1.5-2倍。 现在，我们正在开发用于高分辨率空间转录组学立体声的Tas-Seq2，用于分析固定细胞，并将其细胞吞吐量增加10-100倍。 此外，我们正在收集人间质肺病患者，纤维化大鼠肺和鼠599：113-119）。此外，我们开发了Tas-Seq，Tas-Seq2的更新版本，其中基因检测灵敏度及其实用性得到了增强。tas-seq2不仅可以应用于基于纳米韦尔的系统（例如bd rhapsody），但也要基于液滴的系统（例如10x铬）和基于板的系统（例如smart-seq2）。tas-seq2在小鼠脾脏和人类冷冻的PBMC样品中，比原始10x Chroumimum V3（10x Tas-Seq2）的基因比原始10x chroumimus V3（10x Tas-Seq2）高1.5-2倍。现在，我们正在开发用于高分辨率空间转录组学立体声的Tas-Seq2，用于分析固定细胞，并将其细胞吞吐量增加10-100倍。此外，我们正在收集人间质肺病患者，纤维化大鼠肺和鼠我们还建立了博来霉素诱导的肺纤维化模型的时间顺序scrna-seq数据中细胞 - 细胞通信的时间网络分析，并通过使用遗传修饰的小鼠来验证集线器细胞和相关的细胞外分子，并验证分子的作用。我们还建立了体内器官系统，该系统概括了博来霉素诱导的肺损伤的反应，并发现离体系统还可以诱导与鼠模型中无法观察到的与人类IPF相关的细胞集。
在大环境下从DNA序列中的单细胞基因表达预测
人类遗传变异影响诸如疾病易感性等性状的人类遗传变异经常通过以高细胞类型的特异性方式调节基因表达来起作用。能够直接从DNA序列预测基因表达的计算模型可以帮助解释表达调节变体的解释，而机器学习模型现在在捕获远程人体转录调控所需的较大序列环境中运行。然而，现有的谓词集中在批量转录测量上，其中基因表达异质性可以淹没在广泛定义的细胞类型中。在这里，我们使用转移学习框架，SEQ2细胞，利用预训练的表观基因组模型从单细胞分辨率的大序列上下文中进行基因表达预测。我们表明，SEQ2CELLS捕获了超出伪膨胀数据的分辨率的细胞特异性基因表达。使用SEQ2CELLS进行变异效应预测揭示了带注释的细胞类型中的异质性，并在细胞种群之间启用了变异效应的硅化转移。我们证明了单细胞分辨率下基因表达和变异效应预测的挑战和价值，并为解释基因组变异的解释提供了毫不妥协的分辨率和规模。
在大环境下从DNA序列中的单细胞基因表达预测
人类遗传变异影响诸如疾病易感性等性状的人类遗传变异经常通过以高细胞类型的特异性方式调节基因表达来起作用。能够直接从DNA序列预测基因表达的计算模型可以帮助解释表达调节变体的解释，而机器学习模型现在在捕获远程人体转录调控所需的较大序列环境中运行。然而，现有的谓词集中在批量转录测量上，其中基因表达异质性可以淹没在广泛定义的细胞类型中。在这里，我们使用转移学习框架，SEQ2细胞，利用预训练的表观基因组模型从单细胞分辨率的大序列上下文中进行基因表达预测。我们表明，SEQ2CELLS捕获了超出伪膨胀数据的分辨率的细胞特异性基因表达。使用SEQ2CELLS进行变异效应预测揭示了带注释的细胞类型中的异质性，并在细胞种群之间启用了变异效应的硅化转移。我们证明了单细胞分辨率下基因表达和变异效应预测的挑战和价值，并为解释基因组变异的解释提供了毫不妥协的分辨率和规模。
ChEC-seq2：一种改进的染色质内源性裂解测序方法和生物信息学分析流程，用于绘制体内蛋白质-DNA 相互作用
摘要 确定转录因子 (TF) 的体内 DNA 结合特异性几乎完全依赖于染色质免疫沉淀 (ChIP)。虽然 ChIP 揭示了 TF 结合模式，但其分辨率较低。采用核酸酶的高分辨率方法，例如 ChIP-exo、染色质内源性裂解 (ChEC-seq) 和 CUT&R UN，可解决 TF 占用和结合位点保护问题。ChEC-seq 中内源性 TF 与微球菌核酸酶融合，既不需要固定也不需要抗体。然而，有人认为 ChEC 期间 DNA 裂解的特异性低于 ChIP 或 ChIP-exo 识别的峰的特异性，这可能反映了转录因子与 DNA 的非特异性结合。我们简化了 ChEC-seq 协议，以最大限度地减少核酸酶消化，同时提高裂解 DNA 的产量。 ChEC-seq2 的切割模式在重复实验和已发表的 ChEC-seq 数据之间具有高度可重复性。结合 DoubleChEC（一种可去除非特异性切割位点的新型生物信息学流程），ChEC-seq2 为三种不同的酵母 TF 确定了高可信度的切割位点，这些位点因其已知结合位点而高度富集，并且与已知靶基因相邻。