XiaoMi-AI文件搜索系统
World File Search SystemUncovering
在大脑发育的大型自动MRI分析中发现和减轻偏差
。cc-by-nc-nd 4.0国际许可证（未经同行评审证明）获得的是作者/资助者，他授予Biorxiv授予Biorxiv的许可，以永久显示预印本。这是该版本的版权持有人，该版本于2023年3月1日发布。 https://doi.org/10.1101/2023.02.28.530498 doi：Biorxiv Preprint
揭示环境因素与珊瑚免疫之间的联系：对Acropora cervicornis中荧光蛋白表达和苯酚氧化酶活性的研究
由于气候变化而导致的环境状况恶化，严重影响了全球珊瑚礁的健康。因此，了解珊瑚如何对温度和/或极端太阳照射的极端水平和/或太阳照射的响应将指导该宝贵生态系统的未来保护和恢复工作。在此，我们介绍了一项研究，濒临灭绝的珊瑚Acropora cervicornis对水温（WT），光强度（LI）和水深度的季节性波动的免疫反应。免疫反应，这是一种参与光保护蛋白黑色素的生物合成的酶。为了研究这些反应，在12个月的时间内以三个月的间隔测量了视觉健康的A. cervicornis片段，深度为12 m，GFP，CYPF和PO活性。在此期间，还测量了每个深度的海水温度和光强度。使用一般线性混合模型来确定WT，LI和水深对免疫蛋白的季节性变化的影响。GFP，CYFP和PO活动在随着时间的流逝差异很大 - 在夏末/秋季秋末/秋季较低，在冬季晚期/早春较低。同样，WT和LI显着影响GFP，CYFP和PO活动。另一方面，水深仅对荧光蛋白浓度有显着影响，而不是PO活性。我们的研究表明，珊瑚可以在自然季节性爆发中调节这些关键的免疫相关蛋白质。也就是说，在较高的热和光条件下增加的几个月，同时在轻度的热和光条件下减少了几个月。
揭示CRISPR/ ... div>的精确维修动态
图1。UMI-DSBSEQ定量单分子测序DSB和修复产品在番茄中的三个靶标。a）时间课的收集：叶肉细胞原生质体是从2-3周大的M82 Solanum Lycopersicum的幼苗中分离出来的。重复的样品在72小时内为72个时间点中的每一个中的每一个制备了200,000个原生质体。CRISPR RNP由PEG介导的转换引入。在提取RNP引入和DNA后，在0、6、12、24、36、48和72小时将样品冷冻。b）UMI-DSBSEQ目标设计：特定于目标序列的引物，与SGRNA目标序列两侧的限制酶位点结合，以创建完整分子（WT或Indel）的可用端，以连接适配器。c）UMI-DSB文库制备：从时间探索收集中提取DNA，其中包含WT（1），未经修复的DSB（2）和包含Indels（3）的完整分子，在体外受到限制，限制了确定目标切割位点的限制酶。通过填充和a添加的最终修复后，由P7 Illumina流量细胞序列和包含i7索引和9BP唯一分子标识符（UMIS）组成的Y形适配器（UMIS）与未经修复的DSB和受限端相连。通过连接介导的PCR进行的靶标特异性扩增，其中一个引物与适配器序列相同，并包含P7 Illumina Tail（橙色）和一个针对靶序列（蓝色）的引物（橙色），带有P5 Illumina Tail（红色）。这会导致SPCAS9切位点和底漆之间的DSB的单端扩增。红色X表示DSB的未捕获端。
通过 RNA 测序分析揭示基因编辑荷斯坦牛角发育中 Pc 基因座的新特征
摘要：无角凯尔特（Pc）突变位点是一种遗传学上简单的单突变，是利用基因编辑技术培育无角牛的最佳选择。但Pc位点调控角芽发育的机制尚不明确，因此利用基因编辑、体细胞核移植和胚胎移植的方法获得无角荷斯坦胎牛（妊娠期90天），以纯合Pc插入的胎牛（基因编辑荷斯坦胎牛，EH）和野生型90天荷斯坦胎牛（WH）作为对照。苏木精-伊红（HE）染色结果显示，与WH相比，EH角芽没有白色角化突起或空泡状角质形成细胞，真皮组织下没有粗大的神经束。DNA测序结果显示，Pc位点以纯合方式插入胎牛基因组中。通过转录组测序分析共鉴定出791个差异表达基因。差异表达基因富集分析与蛋白相互作用分析结果显示，Pc插入后存在丰富的基因改变，与粘附分子调控、肌动蛋白表达、细胞骨架变形以及角蛋白表达与角化有关。同时值得注意的是，结果中还包含多个已报道与角性状发育相关的基因，如RXFP2、TWIST1等，本研究首次鉴定出这些改变并进行了总结。研究结果提示，Pc突变位点可能抑制神经嵴细胞EMT生成和角蛋白表达，导致神经嵴细胞不能迁移和角芽组织不能角化，从而调控无角表型的产生。
发现头颈癌的药物再利用候选药物：系统药物基因组学数据分析的见解
目前缺乏针对头颈部鳞状细胞癌 (HNSCC) 的有效治疗选择。我们利用 PRISM 再利用数据集中用 4,518 种化合物筛选的 28 种 HNSCC 细胞系的药物反应和基因组数据来发现用于 HNSCC 的再利用药物候选物。总共确定了 886 种活性化合物，包括 418 种靶向癌症化合物、404 种非肿瘤化合物和 64 种化疗化合物。靶向癌症化合物中作用机制最强的类别包括 PI3K/AKT/MTOR、EGFR 和 HDAC 抑制剂。我们已将 36 种具有丰富杀伤活性的化合物列入候选名单，用于 HNSCC 的再利用。综合分析证实，EGFR 配体（AREG、EREG、HBEGF、TGFA 和 EPGN）的平均表达与奥希替尼敏感性相关。发现新的假定反应生物标志物（包括参与免疫信号传导和细胞周期的生物标志物）分别与 MEK 抑制剂的敏感性和耐药性有关。我们还开发了一个 RShiny 网页，以促进交互式可视化，从而为 HNSCC 药物再利用提供进一步的假设生成。我们的研究提供了丰富的 HNSCC 药物敏感性资料参考数据库，为探索优先候选药物中的潜在反应生物标志物提供了机会。我们的方法还可以揭示其他癌症药物再利用的见解。
揭示了纳入癌症药物的隐藏成本
口服处方肿瘤药物可以在不静脉内干预的情况下进行癌症治疗。 简化的管理通常可以在患者的家中舒适地完成，并与生活质量相关。 这些治疗方法降低了医院基础设施和相关主席的资源成本的利用。 口服疗法还可以最大程度地减少患者日常生活中的护理人员和患者中断，包括前往诊所的旅行时间。 在全球生物制药管道中的一半以上的肿瘤药物中正在口服配方中开发。 3越来越多的疗法在癌症治疗方面提供了更高的精度和成功：靶向较小，更罕见的癌症亚型和/或包括预测性生物标志物（即需要确认遗传亚型）。 这些进步导致了可观的临床益处，尽管其成本可能更高，并且有可能适合较小的患者人群。 THCD的覆盖范围资格在整个加拿大省份差异很大，从而造成了跨层差异。 在安大略省，魁北克和大西洋省，THCD不属于公共癌症局预算的管辖范围；患者别无选择，只能依靠私人计划，自付费用（OOP）现金支付，省级药品计划（如果符合资格）或药品制造商提供的富有同情心的计划，当时患者可用的程序未涵盖药物。 相比之下，居住在西部省份的加拿大人将其癌症药物由省政府支付，无论其年龄，社会经济地位和药物的行政途径如何。口服处方肿瘤药物可以在不静脉内干预的情况下进行癌症治疗。简化的管理通常可以在患者的家中舒适地完成，并与生活质量相关。这些治疗方法降低了医院基础设施和相关主席的资源成本的利用。口服疗法还可以最大程度地减少患者日常生活中的护理人员和患者中断，包括前往诊所的旅行时间。在全球生物制药管道中的一半以上的肿瘤药物中正在口服配方中开发。3越来越多的疗法在癌症治疗方面提供了更高的精度和成功：靶向较小，更罕见的癌症亚型和/或包括预测性生物标志物（即需要确认遗传亚型）。这些进步导致了可观的临床益处，尽管其成本可能更高，并且有可能适合较小的患者人群。THCD的覆盖范围资格在整个加拿大省份差异很大，从而造成了跨层差异。在安大略省，魁北克和大西洋省，THCD不属于公共癌症局预算的管辖范围；患者别无选择，只能依靠私人计划，自付费用（OOP）现金支付，省级药品计划（如果符合资格）或药品制造商提供的富有同情心的计划，当时患者可用的程序未涵盖药物。相比之下，居住在西部省份的加拿大人将其癌症药物由省政府支付，无论其年龄，社会经济地位和药物的行政途径如何。由于经济状况的变化和疾病进展的阶段的变化，在不同药物计划之间移动的患者可能会发现同一药物的不同报销规则。在THCD跨各省的覆盖范围内，这些差距导致无法获得癌症治疗，可能对患者及其家人带来的意外成本，并且在其癌症治疗中常常不连续。THCD从患者的角度4
使用一组可解释的人工智能模型揭示协同药物反应的表达特征
复杂的机器学习模型有望通过帮助医生根据分子特征选择最佳的抗癌药物组合来彻底改变急性髓系白血病 (AML) 等疾病的治疗。虽然准确的预测很重要，但了解抗癌药物协同作用的潜在分子基础也同样重要。可解释的人工智能 (XAI) 为数据驱动的癌症药理学提供了一种有前途的新途径，将高度准确的模型与可解释的模型决策见解相结合。然而，由于癌症转录组数据具有高度相关性和高维性，我们发现现有的 XAI 方法在应用于大型转录组数据集时并不理想。我们展示了一种基于模型集成的新方法如何帮助提高解释的质量。然后，我们使用我们的方法来证明造血分化特征是各种抗 AML 药物组合协同作用的基础。
发现信息和通信技术的纳米结构光发射器的最新进展
具有低维度（如量子点和量子破折号）的抽象半导体纳米结构是实现高性能光子设备的最具吸引力和启发式解决方案之一。当纳米晶方法的一个或多个空间维度时，纳米级的大小效应会产生载体的空间量化，从而使能量水平的完全离散化以及其他量子现象以及其他量子现象（如纠缠 - photon产生或挤压光态）。本文回顾了我们最新的基于纳米结构的光发射器的发现和前景，其中用量子点和量子扣纳米结构制成活跃区域。从基于硅的集成技术到量子信息系统的许多应用都依赖于此类激光源的利用。在这里，我们将材料和基本属性与设备物理联系起来。为此，仔细检查了频谱宽度，极化各向异性，光学非线性以及微波，动态和非线性特性。该论文重点是在天然基材（INP和GAA）上生长的光子设备，以及在硅底物上生长的异质和外展生长的光子设备。这项研究将使用纳米结构作为获得媒体的光发射器开发的最令人兴奋的最新创新，并突出了纳米技术对工业和社会的重要性，尤其是塑造未来的信息和通信社会。
用于 P300 解码的轻量级多尺度卷积神经网络：训练策略分析与网络决策揭示
卷积神经网络 (CNN) 可以自动从原始数据中学习特征以近似函数，这种网络越来越多地应用于脑电图 (EEG) 信号的端到端分析，尤其是用于解码脑机接口 (BCI) 中的大脑状态。尽管如此，CNN 引入了大量可训练参数，可能需要较长的训练时间，并且缺乏学习到的特征的可解释性。本研究的目的是提出一种用于 P300 解码的 CNN 设计，重点在于其在保证高性能的同时的轻量级设计、不同训练策略的影响以及使用事后技术来解释网络决策。所提出的设计名为 MS-EEGNet，以高效和优化（就可训练参数而言）的方式学习了两个不同时间尺度（即多尺度，MS）中的时间特征，并在三个 P300 数据集上进行了验证。使用不同的策略（参与者内和会话内、参与者内和跨会话、留一法、迁移学习）训练 CNN，并与几种最先进的 (SOA) 算法进行了比较。此外，分析了基线 MS-EEGNet 的变体，以评估不同超参数对性能的影响。最后，使用显着图来推导驱动 CNN 决策的相关时空特征的表示。尽管 MS-EEGNet 具有多个时间尺度，但它与测试的 SOA CNN 相比是最轻的 CNN，并且明显优于 SOA 算法。事后超参数分析证实了 MS-EEGNet 创新方面的优势。此外，MS-EEGNet 确实受益于迁移学习，尤其是使用少量训练示例，这表明所提出的方法可用于 BCI 中以准确解码 P300 事件，同时减少校准时间。从显著性图得出的表示与 P300 时空分布相匹配，进一步验证了所提出的解码方法。本研究通过专门解决轻量级设计、迁移学习和可解释性方面的问题，有助于推动基于 P300 的 BCI 深度学习算法的开发。