XiaoMi-AI文件搜索系统
World File Search Systemeditor
初级卫生保健中的心血管风险预测因素：对采用非实验室模型的思考
采用非实验室模型摘要：本文提出了在初级保健（PHC）中使用心血管风险（CVR）分层工具的考虑，重点关注非实验室模型作为实验室预测的替代行为。这一目标是基于使用横断面和探索性方法的实证研究来反思的，重点关注米纳斯吉拉斯州一个中等城市中患有合并症（高血压和/或糖尿病）且没有记录心血管问题的成年人口（40 至 74 岁之间）的两种量表的行为。在这项名为“CardioRisco”项目中，研究人员评估了基于胆固醇信息的 Framingham 全球风险评分所进行的 CVR 分层与使用身体质量指数而非血清数据的 HEARTS 计算器非实验室版本之间的一致程度。本文对研究的总体结果进行了分析，其中，对于所构成的样本，在分层之间发现了最小一致性，并提出了关于在 PHC 背景下管理 CVR 的建议，强调了对高风险患者（例如糖尿病患者）进行全面评估的重要性。
用脱氨酶替换 SpCas9 HNH 结构域可生成具有替代靶向范围的紧凑型碱基编辑器
碱基编辑器是 RNA 引导的脱氨酶，可实现位点特异性核苷酸转换。这些 Cas 脱氨酶融合蛋白的靶向范围主要取决于靶基因座处原间隔区相邻基序 (PAM) 的可用性，并且仅限于 CRISPR-Cas R 环内的窗口，其中单链 DNA (ssDNA) 可供脱氨酶接触。在这里，我们推断 Cas9-HNH 核酸酶结构域在空间上限制了 ssDNA 的可及性，并证明省略该结构域会扩大编辑窗口。通过将 HNH 核酸酶结构域与单体或异二聚体腺苷脱氨酶交换，我们还设计了具有 PAM 近端移位编辑窗口的腺嘌呤碱基编辑器变体 (HNHx-ABE)。这项工作扩展了碱基编辑器的靶向范围，并提供了明显更小的碱基编辑器变体。此外，它还提供了 Cas9 蛋白质工程的未来潜在方向，其中 HNH 结构域可以被作用于 ssDNA 的其他酶取代。
PNB设计师：设计用于动物和植物的Prime和Base Editor指南的Web应用程序
抽象背景：CRISPR工具箱通过标记效应子域的快速扩展，以酶促无效CAS9（DCAS9）或Cas9 Nickase（NCAS9）导致了几种有希望的新基因编辑策略。最近的添加包括CRISPR胞嘧啶或腺嘌呤碱基编辑器（CBES和ABES）和CRISPR Prime编辑器（PES），其中脱氨酶或逆转录酶分别融合到NCAS9。这些工具在动物和植物模型中建模并纠正引起疾病的突变的巨大希望。但到目前为止，还没有广泛可用的工具可以自动化BE和PE试剂的设计。结果：我们开发了PNB Designer，这是一种基于Web的PEGR NAS设计的应用程序，用于BES，并指导RNA。PNB设计师使设计定位指向RNA的指南RNA针对跨越多个王国的变体或参考基因组上的单个或多个靶标的指南RNA。与PNB设计师一起，我们设计了PegrNA，以模拟所有已知疾病，从而导致Clinvar可用的突变。此外，PNB设计人员可用于设计指南RNA来安装或恢复SNV，用一个CBE和七个不同的ABE PAM变体扫描基因组，并返回最佳使用。PNB设计师可以在http：//fgcz-shiny .uzh.ch.ch.ch/pnbde signe r/结论上公开访问：结论：使用PNB设计师，我们为CRISPR PE和BE Reagents创建了一种用户友好的设计工具，应该简化选择编辑策略和避免设计并避免设计并进行设计。
全基因组碱基编辑器筛选鉴定酵母中蛋白质丰度的调节剂
摘要 蛋白质是细胞中的关键分子，其丰度不仅在基因表达水平而且在转录后水平受到广泛调控。在这里，我们描述了一种酵母基因筛选方法，该方法能够系统地表征蛋白质丰度调控在基因组中的编码方式。该筛选方法结合了 CRISPR/Cas9 碱基编辑器来引入点突变，并对内源性蛋白质进行荧光标记以方便流式细胞仪读数。我们首先使用单个 gRNA 以及正向和负向选择筛选对酵母中的碱基编辑器性能进行了基准测试。然后，我们研究了 16,452 种基因扰动对代表各种细胞功能的 11 种蛋白质丰度的影响。我们发现了数百种调控关系，包括 GAPDH 同工酶 Tdh1/2/3 与 Ras/PKA 通路之间的新联系。许多已识别的调节因子特定于这 11 种蛋白质中的一种，但我们还发现了一些基因，这些基因在受到扰动时会影响大多数测试蛋白质的丰度。虽然更具体的调控因子通常作用于转录，但广泛的调控因子往往在蛋白质翻译中发挥作用。总的来说，我们的新筛选方法为蛋白质调控网络的组成部分、规模和连通性提供了前所未有的见解。
给编辑的信，涉及“ S2K指导线的反抗和手卫生”
1。Kramer A, Seifert J, Abele-Horn M, Arvand M, Biever P, Blacky A, Buerke M, Ciesek S, Chaberny I, Deja M, Engelhart S, Eschberger D, Gruber B, Hedtmann A, Heider J, Hoyme UB, Jäkel C, Kalbe P, Luckhaupt H, Novotny A, Papan C, Piechota H，Pitten FA，Reinecke V，Schilling D，Schulz-Schaeffer W，Sunderdiek U. S2K-Guideline手工反杂质和手动卫生。GMS HYG感染控制。 2024年9月6日； 19：doc42。 doi：10.3205/dgkh000497GMS HYG感染控制。2024年9月6日； 19：doc42。doi：10.3205/dgkh000497
给编辑的信：人工智能（AI）...
MATLAB是另一个强大的AI平台，革新基因组研究，机器学习（ML）和深度学习。AI使有效分析大型数据集成为可能，可视化复杂的基因组数据。这使研究人员能够分析模式并了解MPOX和其他病毒的病理机制（Mathworks，2024）。除了这些工具外，NextClade是对MPOX监视至关重要的生物信息学工具。分析病毒基因组将菌株分类为进化枝（例如进化枝IIB）和谱系（例如B.1），鉴定突变并跟踪其进化。该信息有助于理解遗传多样性，并确定不同病毒亚型的出现和传播。虽然没有直接评估毒力或感染性，但下一个clade间接地通过识别与特定谱系相关的突变，可能与疾病特征变化有关，例如体征和症状。该工具的输出与新的生成系统发育树，可视化进化关系以及通过跟踪传播模式和识别病毒进化的潜在热点来告知公共卫生策略的下一个环境（Bosmeny等，2023; Choi等，2024; Aksementov等，20221，20221）。此外，Mpoxradar是专门为MPOX创建的基因组监视工具。mpoxradar允许研究人员和公共卫生部门获得有关该疾病的信息。它允许对病毒变体的快速分析，甚至是突变，从而为公共卫生提供信息。它的界面易于使用，具有可自定义的过滤器和直观的可视化，从而可以访问和解释复杂的基因组数据（Nasri等，2023）。
给编辑的信：植物来源的干扰素
干扰素（IFNS）是宿主细胞对病原体（例如细菌，病毒和癌细胞）释放的一类信号蛋白，对宿主的免疫反应是核心。IFN不仅抑制病毒复制，还可以激活免疫细胞并上调MHC（主要的组织相容性复合物）分子，从而增强了人体对感染和癌症的防御机制（Abdolvahab等，2020年）。分类为I型（主要是IFN-α和IFN-β之类的抗病毒IFN），II型（IFN-γ（IFN-γ在炎症反应中具有作用）和III型（III-λ）（IFN-λ），这些细胞因子具有共同的结构，并具有其有效的免疫调节作用（CAO等，2022）。常规的IFN产生通常依赖于动物细胞培养物，这些动物细胞培养通常会带来较高的生产成本，可伸缩性问题以及污染的潜力。基于植物的平台在成本，可伸缩性和人类途径污染的最小风险方面具有优势，正逐渐成为可行的替代品（Takeyama等，2015）。
用于对神经系统进行最优控制建模的计算机框架 Rückauer, BJ; Gerven, MAJ van 2023，文章 / 致编辑的信 (Frontiers i
我们提出了一个控制理论框架来研究嵌入在模拟环境中的生物驱动人工神经系统（Sussillo，2014）的稳定性和可控性。从高层的角度来看，这个框架模拟了脑-机-环境的相互作用。我们首先考虑建模一个神经系统在虚拟环境中执行行为任务的问题。用控制理论的语言来说，神经系统与环境过程形成一个闭环反馈控制器。在第二步中，我们模拟神经系统的退化（例如在传感器或执行器处）并添加一个二级控制器（假肢），目的是恢复行为功能。在此过程中，我们考虑了大脑模型中的不确定性、非线性、测量噪声以及可观察状态和可控神经元的有限可用性。神经系统，从单个神经元到大规模群体，都以复杂的动态为特征，建模和控制可能具有挑战性（Ritt and Ching，2015）。经典控制理论（Khalil，2002；Brunton 和 Kutz，2017；Astrom 和 Murray，2020）为设计控制律提供了强大的工具，并在神经技术领域得到广泛应用，例如机械臂或计算机光标的闭环脑机接口 (BMI) 控制（Shanechi 等人，2016）、癫痫发作缓解的模型预测控制（Chatterjee 等人，2020）以及大脑在认知状态之间转换的机制解释（Gu 等人，2015）。闭环控制的一个特别成功的应用是通过深部脑刺激治疗帕金森病。在那里，可以使用基于阈值、比例积分或自调节控制器将病理性 β 波段振荡活动抑制在所需的目标水平（Fleming 等人，2020a、b）。 Schiffi (2011) 建立了一种将控制理论与神经科学和生物医学联系起来的典型方法，其中时空皮质动态模型与卡尔曼滤波器相结合，以估计未观察的状态并跟踪未知或漂移的模型参数。神经形态社区中的团队最近通过实现生物学上合理的操作和学习状态估计和控制规则（Friedrich 等人，2021；Linares-Barranco 等人，2022）以及神经形态 BMI 电路（Donati 和 Indiveri，2023）为这项工作做出了贡献，这有望在低功耗运行时实现更好的生物相容性。在上述许多方法中反复出现的一些挑战是线性（可实现）或低维系统的假设、对底层动态的知识或所需目标状态的可用性（如帕金森病的 DBS）。本文针对这些局限性做出了两项主要贡献。首先，我们建议一致使用动力系统来模拟大脑、环境、和假肢。除了统一方法论之外，这种选择还可以灵活地对不同程度的真实模型进行实验。在这里，我们展示了循环神经网络 (RNN) 作为神经系统和假肢的简单、高度可扩展的构建块的使用。其次，我们逐步消除了线性、系统知识、完全可观测性和监督目标状态的假设，通过使用强化学习 (RL)（Sutton 和 Barto，2020 年）进行系统识别和合成假肢控制器。
使用 ZX 演算简化稳定器分解模拟量子电路 Kissinger, A.; Wetering, JMM van de 2022，文章 / 致编辑的信
摘要 我们介绍了一种用于量子电路强经典模拟的增强技术，该技术将“稳定器求和”方法与基于 ZX 演算的自动简化策略相结合。最近有研究表明，通过将电路中的非稳定器门表示为魔法状态注入，并将它们一次分解为 2-6 个状态的块，可以对量子电路进行经典模拟，从而获得（可有效模拟的）稳定器状态的总和，并且比简单方法的项少得多。我们将这些技术从具有魔法状态注入的 Clifford 电路的原始设置改编为通用 ZX 图，并表明通过将这种“分块”分解与基于 ZX 演算的简化策略交错，我们可以获得比现有方法小几个数量级的稳定器分解。我们说明了这种技术如何对具有多达 70 个 T 门的随机 50 和 100 量子比特 Clifford + T 电路的输出以及 Bravyi 和 Gosset 先前考虑过的具有超过 1000 个 T 门的隐藏移位电路系列执行精确范数计算（从而进行强模拟）。
减少量子电路中非 Clifford 门的数量 Kissinger, A.; Wetering, John van de 2020，文章 / 致编辑的信（Physical Review A
我们提出了一种减少电路中非 Clifford 量子门（特别是 T 门）数量的方法，这是有效实现容错量子计算的重要任务。此方法与大多数基准电路中无辅助 T 计数减少的先前方法相当或优于后者，在某些情况下可带来高达 50% 的改进。我们的方法首先将量子电路表示为 ZX 图，这是一种张量网络结构，可以根据 ZX 演算规则进行变换和简化。然后，我们扩展了最近的简化策略，添加了一个不同的成分，即相位小工具化，我们使用它通过 ZX 图传播非 Clifford 相位以找到非局部抵消。我们的程序可不加修改地扩展到任意相位角和变分电路的参数消除。最后，我们的优化是自检的，也就是说，我们提出的简化策略足够强大，可以独立验证输入电路和优化输出电路的相等性。我们已经在开源库 P y ZX 中实现了本文的例程。