XiaoMi-AI文件搜索系统
World File Search Systemanscriptomic
雄激素信号和前列腺癌的表观转录组机制
前列腺癌 (PCa) 是男性中第二常见的癌症。虽然根治性前列腺切除术和放射疗法通常可以成功治疗局部疾病，但治疗后复发很常见。由于雄激素受体 (AR) 和雄激素在前列腺癌变和进展中起着至关重要的作用，因此雄激素剥夺疗法 (ADT) 通常用于剥夺 PCa 细胞的雄激素促增殖作用。ADT 通过阻断雄激素生物合成（例如阿比特龙）或阻断 AR 功能（例如比卡鲁胺、恩杂鲁胺、阿帕鲁胺、达洛他胺）起作用。ADT 通常在最初抑制 PCa 生长和进展方面有效，但 ADT 后出现去势抵抗性 PCa 和进展为神经内分泌样 PCa 是主要的临床挑战。因此，迫切需要找到调节雄激素信号的新方法，以阻止 PCa 进展，同时防止或延迟治疗抵抗。雄激素和表观转录组信号传导的机制融合为治疗 PCa 提供了一种潜在的新方法。表观转录组涉及 mRNA 的共价修饰，特别是在本综述中提到的 N(6)-甲基腺苷 (m 6 A) 修饰。m 6 A 参与调节 mRNA 剪接、稳定性和翻译，最近已被证明在 PCa 和雄激素信号传导中发挥作用。m 6 A 修饰受含 METTL3 的甲基转移酶复合物以及 FTO 和 ALKBH5 RNA 去甲基化酶的动态调节。鉴于需要新的方法来治疗 PCa，人们对针对调节 AR 表达和雄激素信号传导的 m 6 A 的新疗法产生了浓厚的兴趣。本综述严格总结了此类表观转录组疗法对 PCa 患者的潜在益处。
对甲基化的生理和转录组反应...
摘要甲基辅酶 M 还原酶 (MCR) 催化甲烷生成的最后步骤，甲烷生成是一种微生物代谢，几乎所有的生物甲烷排放到大气中都是由它引起的。几十年的生化和结构研究已经对 MCR 的体外功能产生了详细的了解，但对于 MCR 和甲烷产菌生理之间的相互作用知之甚少。例如，虽然通常说 MCR 催化甲烷生成的限速步骤，但这尚未经过明确的测试。在本研究中，为了更直接地了解 MCR 对甲烷八叠球菌生长的控制，我们生成了一种染色体上具有可诱导的 mcr 操纵子的菌株，从而可以仔细控制 MCR 表达。我们表明，在底物充足的分批培养中，MCR 不会限制生长速率。但是，通过仔细滴定 MCR 表达，可以获得生长限制状态。对经历 MCR 限制的 M. acetivorans 进行转录组分析，揭示了一种整体反应，其中数百种基因在不同功能类别中存在差异表达。值得注意的是，MCR 限制导致甲基硫醚甲基转移酶的强烈诱导，这可能是由于代谢中间体的循环不足造成的。此外，mcr 操纵子不受转录调控，即它是组成性表达的，这表明当细胞经历营养受限或应激条件时，MCR 的过量可能是有益的。总之，我们表明存在广泛的细胞 MCR 浓度可以维持最佳生长，这表明合成代谢反应等其他因素可能是产甲烷生长的限速因素。
SSA：一种新型的单细胞和空间转录组对齐方式
抽象的单细胞RNA测序（SCRNA-SEQ）提供了单个细胞的表达谱，但无法保留关键的空间信息。另一方面，空间杂交技术能够分析组织切片中的特定区域，但缺乏单细胞分辨率检查的能力。为了克服这些问题，我们提出了单细胞和空间转录组学对齐（SSA），这是一种新型技术，它采用最佳传输算法来根据其表达曲线将单个细胞从SCRNA-SEQ ATLAS分配到其在实际组织中的SPATIAL位置。SSA与现有方法相比，已经证明了具有100,064个细胞的高分辨率空间转录组人乳腺癌数据集的10个半模拟数据集。这一进步为研究人员提供了一种精致的工具，以深入了解细胞空间组织与基因表达之间的关系。
元基因组综合，转录组和蛋白质组学分析揭示了非吸烟者的早期肺腺癌中的微生物群相互作用
©作者2024。Open Access本文是根据Creative Commons Attribution 4.0 International许可获得许可的，该许可允许以任何媒介或格式使用，共享，适应，分发和复制，只要您对原始作者和来源提供适当的信誉，请提供与创意共享许可证的链接，并指出是否进行了更改。本文中的图像或其他第三方材料包含在文章的创意共享许可中，除非在信用额度中另有说明。如果本文的创意共享许可中未包含材料，并且您的预期用途不受法定法规的允许或超过允许的用途，则您需要直接从版权所有者那里获得许可。要查看此许可证的副本，请访问http：//创建ivecommons。org/licen ses/by/4。0/。Creative Commons公共领域奉献豁免（http：//创建ivecommons。Org/publi cdoma in/Zero/1。0/1。0/）适用于本文中提供的数据，除非在数据信用额度中另有说明。
使用空间混合模型对空间转录实验进行差异基因表达分析。
空间转录组学（ST）测定法代表了如何通过在空间上探索细胞来研究组织结构的一场革命。分析中的一个共同元素是描述组织结构域或“构酸”，然后检测差异表达的基因来推断组织结构域或细胞类型的生物学认同。然而，许多研究通过使用经常应用在非空间SCRNA数据分析中的统计方法（例如，两样本t检验，Wilcoxon的等级总考试）中使用差异表达分析，因此忽略了在ST数据中观察到的空间依赖性。在这项研究中，我们表明，使用空间随机效应应用空间相关结构的线性混合模型有效地说明了空间自相关，并降低了在非空间基基差分表达测试中观察到的I型错误率的通胀。我们还表明，与非空间模型相比，具有指数相关结构的空间线性模型可以更好地适合ST数据，尤其是在空间分辨的技术方面，这些技术可以在更精细的尺度（即单细胞分辨率）上量化表达。
基于空间转录组数据的预处理的超图模型的组织病理学图像的生存分析
摘要。生存分析对于乳腺癌治疗中的临床决策和预后至关重要。最近的多模式方法利用组织病理学图像和大量RNA-Seq来提高生存预测性能，但是这些方法无法在细胞水平上探索空间分离。在这项工作中，我们提出了一个多模式超图神经网络，用于生存分析（MHNN-SURV），该神经网络涉及空间转录组预测的预训练模型。该方法的特征是完全使用组织病理学图像来揭示形态学和遗传信息，从而改善了异质性的解释。具体来说，MHNN-SURV首先将全片成像（WSI）切成斑块图像，然后分别提取图像特征并分别预测空间转录组。sub-sub-因此，基于图像的超图是基于三维最近的邻于关系构建的，而基于基因的超图是基于基因表达相似性而形成的。通过融合双重超图，MHNN-SURV使用COX比例危害模型对乳腺癌进行了深入的生存分析。实验结果表明，在生存分析中，MHNN-SURV优于最先进的多模式模型。
通过推断转录组学从组织病理学图像预测癌症治疗反应
11 美国科罗拉多州奥罗拉市科罗拉多大学安舒茨医学院肿瘤内科 12 美国马里兰州贝塞斯达市国家癌症研究所癌症研究中心胸部和胃肠道恶性肿瘤分部。13 美国马里兰州贝塞斯达市国家癌症研究所癌症研究中心免疫肿瘤学中心。14 美国马里兰州贝塞斯达市国家癌症研究所癌症研究中心外科肿瘤学项目。15 美国马里兰州贝塞斯达市国家癌症研究所癌症研究中心泌尿生殖系统癌症发病机制实验室 16 美国马里兰州贝塞斯达市国家癌症研究所癌症研究中心泌尿生殖系统恶性肿瘤分部。* 通讯作者：danhtai.hoang@anu.edu.au (DTH)、eric.stone@anu.edu.au (EAS) 和 eytan.ruppin@nih.gov (ER)
单细胞转录组学数据库的系统概述，其用例和限制
高通量单细胞RNA-SEQ（SCRNA-SEQ）技术和实验协议的快速进步导致了大量转录组数据的产生，这些数据填充了几个在线数据库和存储库。在这里，我们系统地检查了大规模的SCRNA-SEC数据库，根据它们的范围和目的进行对它们进行分类，例如一般，组织特异性数据库，疾病特异性数据库，以癌症为中心的数据库和细胞类型类型的数据库。接下来，我们将讨论与策划大规模SCRNA-SEQ数据库以及当前计算解决方案相关的技术和方法论挑战。我们认为，理解SCRNA-Seq数据库，包括它们的局限性和假设，对于有效利用这些数据来做出可靠的发现并确定新颖的生物学见解至关重要。这样的平台可以通过基于用户友好的基于Web的界面来帮助对单细胞数据进行民主化，这可以帮助弥合计算和湿实验室科学家之间的差距。这些平台将促进跨学科研究，使来自各个学科的研究人员有效地合作。本综述强调了利用计算方法来阐明单细胞数据的复杂性的重要性，并为未来的研究提供了有希望的方向。
在发育中的小鼠视觉皮层中，感觉依赖性基因表达的单细胞转录图
。cc-by 4.0国际许可（未经Peer Review尚未获得认证）是作者/资助者，他已授予Biorxiv的许可证，以永久显示预印本。这是该版本的版权持有人，该版本发布于2024年6月26日。 https://doi.org/10.1101/2024.06.25.600673 doi：Biorxiv Preprint
尾脑型GABA能神经元类型的转录组和空间组织
Cin Velthoven，Michael Kunst，Changkyu McMillen，Delissa McMillen，Anish Bhaswanth Chakka，Tamara Casper，Michael Chakrabarty，Scott，Scott，Daniel，Tim 4 Dolbeare，Rebecccana Ferrbeer，Jeff Gloe，JeffGloe，Jeffgloe，Jerusalem，Jerusalem。 Ho，Mike，James，Kately，Beagan，开始了Nguy，Ronellennhen，Eric D.6 Thomas，Amy Torkelson，Mick Dee，Lydia，Lydia，Nick Deem，Nick Water，Nick Water，7 Kimbern Kim Wats，7 Kimberen Kidale Tasic，Zizen Yao和Hongkui Yao和Hongkui Zeng Zeng*