XiaoMi-AI文件搜索系统
World File Search Systemanscriptomic
散装转录组分析，inmoose，python中的综合多摩管开源环境
我们引入了Inmoose，这是一种旨在OMIC数据分析的开源Python环境。我们说明了其批量转录组数据分析的功能。由于其广泛的采用，Python在对生物信息学管道（例如数据科学，机器学习或人工智能（AI））中越来越重要的领域中已成为一种事实上的标准。作为一种通用语言，Python的多功能性和可扩展性也被认可。Inmoose旨在将历史上用R的最先进的工具带入Python生态系统。我们的目的是为R工具提供替换，因此我们的方法专注于对原始工具成果的忠诚。第一个开发阶段集中于批量转录组数据，当前功能包括数据模拟，批处理效应校正以及差分分析和荟萃分析。
使用Dreamlet
单细胞和-Nucleus转录组学的进步已使数百名受试者和数百万个单元的越来越大的数据集生成。这些研究承诺将对人类疾病的细胞类型特异性生物学提供前所未有的见解。然而，由于这些复杂研究的统计模型和对大型数据集的统计模型中的挑战，对受试者进行差异表达分析仍然很困难。我们的开放源r软件包dreamlet（dieseneurogenomics.github.io/dreamlet）使用基于精确加权的线性混合模型的伪库尔克方法，以识别每个细胞群体中跨受试者均具有差异表达的基因。为来自大型同类数据的数据而设计，Dreamlet的速度比现有工作流程更快，并且使用的内存少，同时支持复杂的统计模型并控制误报率。我们在已发布的数据集上展示了计算和统计性能，以及来自150例阿尔茨海默氏病后大脑的14m单核的新型数据集和149个对照组。
患者的积云细胞的转录组景观<...患者的积云细胞的转录组景观<...
自体血小板血浆（PRP）的自养生注入最近已被研究为卵巢储备降低的患者的一种潜在治疗方法。在当前的研究中，将从用PRP治疗的患者获得的积云细胞中的差异基因表达与对照组进行了比较。RNA测序库是由积云细胞构建的，并以p值≤0.05的错误发现率阈值进行差异表达分析，Log2折叠变化≥0.584。RNA测序的积云细胞的RNA测序表明，在比较了用PRP治疗的人（n = 5）与活出生（n = 5）的对照或失败植入的对照（n = 5）进行比较（n = 5）时，基因表达显着差异。同样，当所有用PRP处理的样品（导致活产或被捕的胚胎的样品（n = 10））与对照组的所有样品进行比较（那些导致活产，无怀孕或滞留的胚胎（n = 13）的样品（n = 13）），基因表达显着差异。通过多次比较（包括碳水化合物代谢，细胞死亡和生存，细胞生长和增殖以及细胞对细胞信号传导）始终受到PRP处理的影响，这些途径均与人类不育的原因有关。
在出现1型糖尿病胰岛自身抗体和肠病毒感染之前的儿童中不同的转录组轮廓
尽管已经对1型糖尿病的遗传基础和发病机理进行了广泛的研究，但宿主对环境因素的反应如何可能导致自身抗体发展。在这里，我们使用纵向血液转录组测序数据来表征儿童在出现1型糖尿病链接胰岛自身抗体之前12个月内的宿主反应，以及匹配的对照儿童。我们报告说，伴有胰岛素特异性自身抗体的孩子首先与那些开发GADA自身抗体的人具有独特的转录pro漏洞。特别是，GSTM1的基因剂量驱动的表达与GADA自身抗体阳性有关。此外，与对照组相比，我们观察到单核细胞增加并在自身抗体阳性前9-12个月降低B细胞比例，尤其是在开发抗胰岛素抗体的儿童中。最后，我们表明，控制儿童的转纹符号与对肠病毒感染的强大免疫反应一致，而后来患有自身免疫性胰岛的儿童则没有。这些发现突出了病例和对照儿童之间的不同免疫相关的转录组差异，然后病例发展为胰岛自身免疫力，并发现后来发展胰岛自身免疫性的儿童中有效的抗病毒反应。
单细胞转录组学揭示了鼠心力衰竭中成纤维细胞激活的独特模式，并保留的射血分数
a）综合鼠HFPEF和HFREF（ANGII和MI）成纤维细胞研究的示意图。b+c）综合成纤维细胞的UMAP嵌入，疾病（HF，心力衰竭）与对照（B），研究（C）。d）综合成纤维细胞状态的顶部细胞状态标记表达的概述。e）UMAP嵌入，显示由细胞簇着色的集成的成纤维细胞地图集，即集成的成纤维细胞状态（IFS）。标签指示基于功能表征的可能的成纤维细胞分化。f）基于综合成纤维细胞状态中足迹基因的效果大小（AVG log2折叠变化）的估计途径活动。*后代z得分> 2。g）具有综合成纤维细胞状态标记的细胞外基质基因组的过度代表性分析。使用Benjamini Hochberg校正的超几何测试， *Q <0.05，** Q <0.01，*** q <0.001。
空间转录组学揭示了胚胎人动脉瓣重塑期间的新基因
。cc-by 4.0国际许可证（未经同行评审证明）获得的是作者/资助者，他已授予Biorxiv授予Biorxiv的许可，以永久显示预印本。这是该版本发布的版权所有，于2023年5月9日发布。 https://doi.org/10.1101/2023.05.09.539950 doi：Biorxiv Preprint
单个细胞中的关节谱系，转录组和表观基因组分析的高克隆条形码多样性的小鼠模型
细胞谱系历史及其分子状态编码组织发育和稳态的基本原理。当前的谱系录制小鼠模型的条形码多样性有限，单细胞谱系覆盖范围较差，从而排除了它们在由数百万个细胞组成的组织中的使用。在这里，我们开发了Darlin，这是一种改进的CAS9条形码小鼠系，它利用末端脱氧核苷酸转移酶（TDT）来增强30个CRISPR目标位点的插入事件，稳定地整合到3个不同的基因组基因座中。darlin是可诱导的，估计有〜10 18个层次条形码，并可以检测约60％的剖面单细胞中可用的条形码。使用Darlin，我们检查了发育中的造血干细胞（HSC）中的命运启动，并揭示了HSC迁移的独特特征。此外，我们为单个细胞中的共同介绍了一种方法来共同介绍DNA甲基化，染色质可及性，基因表达和谱系信息。darlin将在各种组织和生理环境中对谱系关系及其分子特征进行广泛的高分辨率研究。
基于gan的转录组学数据增强
动机：由于高通量和昂贵的测序方法，转录组学数据变得越来越易于访问。但是，数据稀缺性阻止了利用深度学习模型对表型预测的完整预测能力。人工增强训练集，即数据增强，建议作为正规化策略。数据增强对应于训练集的标签不变转换（例如，在文本数据上进行图像和语法解析的几何变换）。不幸的是，这种转换在跨文字组范围内未知。因此，已经提出了深层生成模型，例如生成对抗网络（GAN）来生成其他样本。在本文中，我们分析了基于GAN的数据增强策略，就性能指标和CAR表型的分类分析。
胰腺癌中 ANGPTL4 过表达的转录组学和功能分析提名逆转化学耐药性的靶点
摘要 胰腺导管腺癌 (PDAC) 是根据五年生存率得出的最致命癌症之一。了解化学耐药性可以制定新的治疗策略来改善患者的预后。肿瘤中高水平的 ANGPTL4 与胰腺癌的不良预后相关。我们发现 ANGPTL4 过表达会导致体外对吉西他滨产生耐药性并缩短患者的生存时间。ANGPTL4 的过表达会诱导肿瘤侵袭和转移、增殖和分化以及抑制细胞凋亡的转录特征。为了更好地了解 ANGPTL4 如何导致耐药性并探索它是否可能成为有用的治疗靶点，我们测量了 ANGPTL4 过表达或敲低的细胞的转录反应。我们还测量了吉西他滨治疗对这些细胞的影响。这些分析揭示了与 ANGPTL4 激活和吉西他滨反应相关的基因的重叠特征。患者 PDAC 组织中该标记基因表达增加与患者生存期缩短显著相关。我们确定了 42 个与 ANGPTL4 共同调控且对吉西他滨治疗有反应的基因。ITGB4 和 APOL1 就是其中之一。在过表达 ANGPTL4 的细胞系中敲低这两个基因可逆转观察到的吉西他滨耐药性并抑制与上皮间质转化 (EMT) 和 ANGPTL4 过表达相关的细胞迁移。这些数据表明 ANGPTL4 促进 EMT 并调节基因 APOL1 和 ITGB4。重要的是，我们表明抑制这两个靶标可逆转化学耐药性并降低迁移潜力。我们的研究结果揭示了调节肿瘤对治疗反应的新途径，并提出了胰腺癌的相关治疗靶点。