XiaoMi-AI文件搜索系统
World File Search SystemTFBS
拟南芥转录因子结合位点与转录起始位点的语法
对TFBS间距配置的比较分析以及相对于体内TSS和体外实验条件的距离。tfs分为Y轴的家庭和类，颜色与PlantTF级超类3相对应。TSS以0 bp为中心，并均匀地定向右侧。每行右侧的数字表示分析中使用的样本数量。浅灰色颜色的行表示相应的TF家族缺乏数据。tfbss以与TSS相同的方向为方向而定，指向右侧的蓝色箭头表示，而相对于TSSS的TFBS朝着相反的方向表示的，用指向左侧的红色箭头表示。plindromic TFBS由紫色钻石表示。颜色的强度反映了平均z得分，固体颜色代表更高的分数和更透明的颜色代表得分较低。
![arxiv：2503.07948v1 [cond-mat.supr-con] 2025年3月11日](/simg/b\b7fe77e862d2a74130d1e2e51748d475ab242687.webp)
arxiv：2503.07948v1 [cond-mat.supr-con] 2025年3月11日
顺式调节元件（CRE），例如启动子和增强子，是直接调节基因表达的相对较短的DNA序列。CRE的适应性，通过其调节基因表达的能力来衡量，高度取决于Nu-Cleotide序列，尤其是特定的基序被称为转录因子结合位点（TFBSS）。设计高素质CRE对于治疗和生物工程应用至关重要。当前的CRE设计方法受两个主要缺点的限制：（1）他们通常依靠迭代优化策略来修改现有序列并易于局部Optima，并且（2）他们缺乏序列优化的生物学先验知识的指导。在此过程中，我们通过提出一种生成方法来解决这些局限性，该方法杠杆化的增强学习（RL）以微调预先训练的自动回旋（AR）模型。我们的方法通过得出基于综合推理的奖励来模拟激活剂TFBS并去除阻遏物TFBS，从而结合了数据驱动的生物学先验，然后将其集成到RL过程中。我们在两个酵母媒体条件下的启动子设计任务和三种人类细胞类型的增强剂设计任务中评估了我们的方法，这表明了其产生高素质CRE的能力，同时保持序列多样性。该代码可在https://github.com/yangzhao1230/taco上找到。
使用加固学习的调节DNA序列设计
顺式调节元件（CRE），例如启动子和增强子，是直接调节基因表达的相对较短的DNA序列。CRE的适应性，通过其调节基因表达的能力来衡量，高度取决于Nu-Cleotide序列，尤其是特定的基序被称为转录因子结合位点（TFBSS）。设计高素质CRE对于治疗和生物工程应用至关重要。当前的CRE设计方法受两个主要缺点的限制：（1）他们通常依靠迭代优化策略来修改现有序列并易于局部Optima，并且（2）他们缺乏序列优化的生物学先验知识的指导。在此过程中，我们通过提出一种生成方法来解决这些局限性，该方法杠杆化的增强学习（RL）以微调预先训练的自动回旋（AR）模型。我们的方法通过得出基于综合推理的奖励来模拟激活剂TFBS并去除阻遏物TFBS，从而结合了数据驱动的生物学先验，然后将其集成到RL过程中。我们在两个酵母媒体条件下的启动子设计任务和三种人类细胞类型的增强剂设计任务中评估了我们的方法，这表明了其产生高素质CRE的能力，同时保持序列多样性。该代码可在https://github.com/yangzhao1230/taco上找到。
合成和基因组调控元件揭示小鼠胚胎干细胞中顺式调控语法的一些方面
摘要 在胚胎干细胞 (ESC) 中，核心转录因子 (TF) 网络建立了多能性所必需的基因表达程序。为了解决四种关键 TF 之间的相互作用如何促进小鼠 ESC 中的顺式调控，我们分析了两个由 SOX2、POU5F1 (OCT4)、KLF4 和 ESRRB 的结合位点组成的大规模并行报告分析 (MPRA) 文库。合成的顺式调控元件与具有可比结合位点配置的基因组序列之间的比较揭示了调控语法的某些方面。合成元件的表达受结合位点的数量和排列的影响。这种语法对基因组序列的作用很小，因为基因组序列的相对活性最好通过预测的结合位点占用率来解释，而与结合位点身份和定位无关。我们的结果表明，转录因子结合位点 (TFBS) 的影响受位点顺序和方向的影响，但在基因组中，TF 的整体占用率是活性的主要决定因素。
合成和基因组调控元件揭示顺式
摘要 在胚胎干细胞 (ESC) 中，核心转录因子 (TF) 网络建立了多能性所必需的基因表达程序。为了解决四种关键 TF 之间的相互作用如何促进小鼠 ESC 中的顺式调控，我们分析了两个由 SOX2、POU5F1 (OCT4)、KLF4 和 ESRRB 的结合位点组成的大规模并行报告分析 (MPRA) 文库。合成的顺式调控元件与具有可比结合位点配置的基因组序列之间的比较揭示了调控语法的某些方面。合成元件的表达受结合位点的数量和排列的影响。这种语法对基因组序列的作用很小，因为基因组序列的相对活性最好通过预测的结合位点占用率来解释，而与结合位点身份和定位无关。我们的结果表明，转录因子结合位点 (TFBS) 的影响受位点顺序和方向的影响，但在基因组中，TF 的整体占用率是活性的主要决定因素。
扩大无阳极固态锂薄膜电池的生产规模，满足高体积能量密度应用需求
摘要：容量范围为 1-100 mAh 的紧凑型可充电电池适用于外形尺寸受限的可穿戴设备和其他高性能电子设备，这些设备的核心要求包括高体积能量密度 (VED)、快速充电、安全性、表面贴装技术 (SMT) 兼容性和长循环寿命。为了最大限度地提高 VED，我们开发了采用卷对卷工艺在超薄不锈钢基板（厚度为 10-75 μm）上制造的无阳极固态锂薄膜电池 (TFB)。高设备密度干法工艺图案化流程定义了可定制的电池设备尺寸，同时产生的废料可忽略不计。整个制造操作在传统的湿度控制洁净室中进行，无需昂贵的干燥室环境，并允许简化、降低制造成本。使用无阳极架构的这种扩大规模还可以实现与热预算兼容的封装和金属化方案，以与行业兼容的 SMT 工艺为目标。进一步的可制造性改进，例如使用高速测试，增加了大规模生产所需的总体要素范围。
dipwmsearch：用于搜索 di-PWM 图案的 Python 包
摘要 动机 在序列中寻找概率基序是注释假定转录因子结合位点 (TFBS) 的常见任务。有用的基序表示包括位置权重矩阵 (PWM)、双核苷酸 PWM (di-PWM) 和隐马尔可夫模型 (HMM)。双核苷酸 PWM 结合了 PWM 的简单性（矩阵形式和累积评分函数），但也加入了基序中相邻位置之间的依赖关系（不同于忽略任何依赖关系的 PWM）。例如，为了表示结合位点，HOCOMOCO 数据库提供了来自实验数据的 di-PWM 基序。目前，两个程序 SPRy-SARUS 和 MOODS 可以在序列中搜索 di-PWM。结果 我们提出了一个 Python 包 dipwmsearch，它为这项任务提供了一种原创且高效的算法（它首先枚举 di-PWM 的匹配词，然后立即在序列中搜索它们，即使它包含 IUPAC 代码）。用户可以通过 Pypi 或 conda 轻松安装，使用文档化的 Python 界面和可重复使用的示例脚本，从而顺利使用 di-PWM。可用性和实施：dipwmsearch 可在 https://pypi.org/project/dipwmsearch/ 和 https://gite.lirmm.fr/rivals/dipwmsearch/ 下根据 Cecill 许可获得。
用于预测3D基因组组织的机器和深度学习方法
三维（3D）染色质相互作用，例如增强子促销相互作用（EPIP），LOOP，拓扑结合结构域（TADS）和A/B室通过调节基因表达在广泛的细胞过程中起关键作用。最近的染色质构象捕获技术的最新发展使各种3D结构的全基因组分析也能够使用单细胞。但是，由于技术，工具和低数据分辨率的差异，3D结构的当前目录仍然不完整和不可靠。机器学习方法已成为获得缺失的3D相互作用和/或改善分辨率的替代方法。这种方法经常使用基因组注释数据（chip-seq，dnase-seq等。），DNA测序信息（K-MER，转录因子结合位点（TFB）基序）和其他基因组特性，以了解基因组特征与染色质相互作用之间的关联。在本综述中，我们讨论了用于预测三种类型的3D相互作用（EPIP，染色质相互作用，TAD边界）的计算工具，并分析其优点和缺点。我们还指出了3D相互作用的计算预测障碍，并提出了未来的研究方向。
薄膜微生物制造
微生物是一种固态电池（SSB），旨在为小型电子设备提供电力。SSB在性能，可持续性和安全性方面，由于其更高的热和化学稳定性，较高的能量密度以及不存在可易受的液体而具有显着优势。由于可植入的医疗设备或皮肤贴片等灵活的电子微型电视的需求不断增长，因此许多研究人员都集中在阳性和负电极的沉积以及固体电解质上，以开发微生物。在微型SSB中，薄膜电池（TFB）通常具有逐层堆叠结构，其中各种组件（阴极，电解质和阳极）顺序沉积在基板上，这也可以用作电流连接器。为了确保电气和离子电荷的能力转移，电极必须非常薄（最大厚度为几微米），电解质甚至更薄。为了实现这一目标，已经探索了各种沉积技术，例如磁子溅射，脉冲激光沉积（PLD），热蒸发，化学蒸气沉积（CVD），原子层沉积（ALD）和打印（Xia等，2023）。在其中，PLD被广泛认为是薄膜增长的多功能技术。由于有可能沉积密集和纯净的薄膜，PLD引起了科学家对固态电池开发的关注（SSB）（Julien and Mauger，2019年； Fenech和Sharma，2020年）。几个PLD的角色在PLD中，脉冲激光束从固体靶标燃烧材料，以薄膜的形式沉积在基板上。激光与靶材料之间的相互作用会引起激光光子的吸收，从而导致靶标和血浆形成的高层蒸发，由原子，分子，离子，电子和簇组成。等离子体的组成和膨胀与沉积参数密切相关，尤其是环境背景（例如真空或背景气体惰性或反应性）和激光参数（包括脉冲持续时间，波长和流量）。因此，可以通过控制沉积过程中的许多实验参数（例如激光波长，能量和脉冲长度，沉积温度和大气等）来调整所获得的纤维的组成，形态，结晶度和厚度。