XiaoMi-AI文件搜索系统
World File Search Systematlas
拟南芥叶定量地图集：通过统一数据整合的细胞和亚细胞映射
需要进行定量分析和模型，以将植物的细胞组织与其新陈代谢联系起来。但是，定量数据通常散布在多个研究中，发现此类数据并将其转换为有用的信息是耗时的。因此，有必要集中可用数据并突出其余的知识差距。在这里，我们提出了一种逐步的方法，可以从各种信息源中手动提取定量数据，并统一数据格式。首先，对拟南芥叶的数据进行了整理，检查了一致性和正确性，并通过交叉检查来源进行策划。第二，通过应用计算规则将定量数据组合在一起。然后将它们集成到代表Arabidopsis参考叶的独特综合，参考，可重复使用的数据汇编中。该地图集包含在细胞和亚细胞水平的叶片中发现的15种细胞类型的指标。
空间人胸细胞图映射
Nadav Yayon 1.2 ^，Veronika R. 1 ^ 1 ^，Lena Boehme 3 ^，很快1，Brianna 3 Wachter 4，Rebecca T. Tuck 1，Emma Dann 1， 9，Vitalii 7骨骼1，维护材料10，David Crossland 10，Martia Bostics 4，8 French Palace 4，Elena Prigmore 1，Roger A. Barker 11，小小，11岁， Marioni 2:14 *，Tom Tagon 3:13 *，Sarah A. Teichmann 1.15 *
胰腺癌的单细胞和空间分辨地图集揭示了与临床结果相关的免疫表型
摘要 - 胰腺导管腺癌（PDAC），占胰腺肿瘤的90％的占90％的特征，其预后不良，5年生存率仅为12％。大多数患者被诊断出患有转移性或局部晚期疾病，只有15％有资格进行治疗切除术。PDAC表现出对化学疗法，靶向疗法和免疫疗法的抗性，这主要是由于其高度异质性肿瘤微环境（TME）。在这项研究中，我们对公开可用的SCRNA，空间转录组学和批量RNA测序数据集进行了整合分析，以研究TME组成和肿瘤结构对PDAC进展，治疗反应，治疗反应和临床结果的影响。我们确定了具有不同细胞组成，功能特征和免疫调节性细胞 - 细胞相互作用的TME亚型。在空间上不同的细胞壁细分市场和基因模块揭示了原发性肿瘤和转移性病变的异质性。发现与患者生存相关的独特集群，为TME生物学及其临床意义提供了新的见解。这些发现强调了整合多摩管方法以揭示PDAC TME复杂性的重要性，并强调了其为治疗策略提供信息并改善患者结果的潜力。
BAL的单细胞图集来自学龄前囊性纤维化揭示了CFTR调节剂ivacaftor在早期生活中修饰的关键炎症1途径
1计算生物学计划，彼得·马卡卢姆（Peter MacCallum）癌症中心，澳大利亚维克帕克维尔市7 2呼吸道疾病，默多克儿童研究所，澳大利亚帕克维尔，帕克维尔，澳大利亚帕克维尔8 3 3 3墨尔本大学，帕克维尔大学，帕克维尔大学，维克，维克，维克，维克，澳大利亚9 4呼吸和睡眠医院澳大利亚VIC帕克维尔12 6 6 6墨尔本大学医学生物学系，澳大利亚帕克维尔大学，澳大利亚帕克维尔13 7 Garvan-Weizmann蜂窝基因组学中心，加尔万医学研究所，新南威尔士州悉尼14号，澳大利亚悉尼14 15 8 8 8 UNW Cellular Genomics Futures Institute，New South Wales，New Southney，New Sydney，Newne of Melbcoltion of Mer Berimol，16澳大利亚爵士。帕克维尔，维克，18澳大利亚19 10 10数学与统计学院，墨尔本大学，帕克维尔，维克，澳大利亚20 21 *同等22＃通讯作者23
![和多ATLA的动态校正[11C] ...](/simg/b/bdcb4903c87106cafabedc034d8aef0c931b7037.webp)
和多ATLA的动态校正[11C] ...
结果：对于BP ND，ZTE-MRAC在纹状体区域显示出最高的准确性（偏差<2％）。Atlas-MRAC在尾状核（-12％）中表现出明显的偏见，而MaxProb-MRAC揭示了壳虫的实质性偏置（9％）。r 1估计值对所有MRAC方法都有边缘偏差（-1.0 - 3.2％）。maxprob-MRAC显示R 1和BP ND的最大主体间变异性。纹状体区域的标准化吸收值（SUV）显示出ZTE-MRAC的平均偏差最强（〜10％），尽管随着时间的推移和最小的主体间可变性持续不变。ATLAS-MRAC随着时间的推移（+10至-10％）的偏置变化最大，其次是MaxProb-MRAC（+5至-5％），但MaxProb显示出最低的平均偏差。 对于小脑，MaxProb-MRAC显示出最高的变异性，而Atlas和ZTE-MRAC随着时间的流逝，偏差是恒定的。ATLAS-MRAC随着时间的推移（+10至-10％）的偏置变化最大，其次是MaxProb-MRAC（+5至-5％），但MaxProb显示出最低的平均偏差。对于小脑，MaxProb-MRAC显示出最高的变异性，而Atlas和ZTE-MRAC随着时间的流逝，偏差是恒定的。
通过直接电刺激绘制临界皮质枢纽和白质途径：人脑的原始功能图集
神经外科，结构和功能连接实验室项目，Azienda Provinciale Per I Servizi Sanitari（APSS），9 Largo Medaglie D'Oro，38122，Trento，Trento，意大利BTRENALO B，ITALY B TRENTO B，NEUROSER GURIGY和NEURORGIGY和NEURELOGRY和NEURELOGY和NEURELOGY和NEURELOGY和NEURELOGY，NERURELOGY和NEURELOGY，NERTERINGER UNIVEMENT，NORTHWESTERN UNIXICY神经外科手术室，神经科学和神经康复部，BambinoGesù儿童医院IRCCS，4 Piazza Sant'Onofrio，00165，00165，意大利d Bruno Kessler Foundation（FBK）法国蒙彼利埃，国家健康与医学研究所（INSERM），U1051，“中枢神经系统的可塑性，人类干细胞和神经胶质肿瘤”，蒙彼利埃大学医学中心蒙彼利埃神经科学研究所，80 AV AVERTIN FLICHE，MONTPELLIER，MONTPELLIER，FRANCE，FRANCE
巴西研究人员创建与严重癫痫相关的脑畸形的细胞图谱
“利用先进的基因组技术，我们获得了这种脑畸形的细胞视图，因此获得了极其详细的视图。我们发现这些患者皮层中存在深刻的细胞变化，包括上层神经元的丢失，以及病变中未成熟的星形胶质细胞和小胶质细胞群的扩增以及与炎症有关。该细胞图谱对于理解机制和寻找可以针对已识别细胞的特定疗法非常重要，”计算生物学家 Diogo Veiga 解释说，他是本文的通讯作者。
计算机辅助解剖胎儿解剖 3D 图谱的可行性
Vincent Balaya、Fabien Guimiot、Matthieu Bruzzi、Salma El Batti、Alexis Guedon 等人。通过计算机辅助解剖学研究胎儿解剖学 3D 图谱的可行性。《妇产科与人类生殖杂志》，2020 年，第 49 期，第 101880 页 -。�10.1016/j.jogoh.2020.101880�。�hal-03493180�
西尼罗河病毒感染期间Culex Tarsalis Midgut的单细胞图集
蚊子中肠作用是病原体和载体之间的关键界面。然而，对中肠生理学和病毒感染动态的研究很少，在Culex tarsalis中，西尼罗河病毒（WNV）极有效的载体（不存在）。我们在CX上进行了单细胞RNA测序。tarsalis midguts，定义了多种细胞类型，并确定了特定的细胞类型是否更允许WNV感染。我们确定了20个细胞状态，其中包括8种不同的细胞类型，与果蝇和伊迪斯伊蚊的现有描述一致。大多数中肠细胞种群允许WNV感染。然而，肠内分泌细胞（EE）中的WNV RNA（VRNA）水平较高，表明该人群的复制增强。相反，增殖的肠干细胞（ISC）的VRNA水平最低，这一发现与表明中肠中ISC增殖的研究一致，参与感染对照。iSC对WNV感染具有强烈的转移反应；在WNV感染的ISC种群中，涉及核糖体结构和纤维基因SIS的基因显着下调。值得注意的是，我们没有检测到明显的WNV感染引起的蚊子抗病毒免疫基因的上调（例如，AGO2，R2D2等）在整个中型水平上。相反，我们观察到了免疫基因表达水平与单个细胞中的VRNA负载之间存在显着的正相关，这表明在中肠细胞中，高水平的VRNA可能会触发抗病毒反应。我们的发现建立了CX。tarsalis midgut细胞地图集，并通过表征细胞类型的特异性增强/限制，并在单细胞水平上介绍对WNV的中肠感染动力学的见解。
简要探讨人类大脑图谱的选择对 ASD 分类模型性能的影响
本研究使用功能性磁共振成像 (fMRI) 数据研究了脑图谱选择对自闭症谱系障碍 (ASD) 模型分类准确性的影响。脑图谱（例如 AAL、CC200、哈佛-牛津和 Yeo 7/17）用于定义 fMRI 分析的感兴趣区域 (ROI)，在帮助研究人员研究 ASD 患者的连接模式和神经动态方面发挥着至关重要的作用。通过系统回顾，我们检查了不同图谱在各种机器学习和深度学习框架中对 ASD 分类的表现。结果表明，图谱选择显著影响分类准确性，较密集的图谱（例如 CC400）提供更高的粒度，而较粗的图谱（例如 AAL）提供计算效率。此外，我们讨论了结合多个图谱以增强特征提取的动态，并探索了在不同数据集中选择图谱的含义。我们的研究结果强调了标准化图谱选择方法的必要性，并强调了未来的研究方向，包括整合新的图谱、先进的数据增强技术和端到端深度学习模型。这项研究为优化基于 fMRI 的 ASD 诊断提供了宝贵的见解，并强调了解释图谱特定特征对于更好地理解 ASD 中的大脑连接的重要性。