XiaoMi-AI文件搜索系统
World File Search Systemgenomic
比较宏基因组的下一代测序和血液培养以诊断血液感染
结果：使用血液作为MNGS测试样品，宿主DNA的比例为99.9％，只有三种细菌，未检测到真菌。在MNG中使用血浆时，宿主DNA的比例约为97％，检测到84个细菌和两种真菌。值得注意的是，分别在43对血液和血浆样品中检测到16S rRNA NGS。血液培养物检测到49种细菌（23个革兰氏阴茎和26克阳性球菌）和4种真菌，其中14种细菌被临床微生物学家视为污染物。对于所有血液培养物，血浆CFDNA MNG检测到78.26％（19/23）革兰氏阴性杆，17％（2/12）革兰氏阳性球菌，没有真菌。与血液培养物相比，血浆CFDNA MNG的敏感性和特异性检测细菌和真菌分别为62.07％和57.14％。
药物基因组引导的功效和安全性...
抑郁症是造成残疾和自杀的最大贡献者之一，全球每年约有80万自杀（1）。在十年中，抑郁症的患病率增加了25％以上（2005-2015）（2，3）。这种增加与每年耗资数十亿美元的社会经济负担有关（4）。此外，COVID-19大流行进一步增加了病例，估计全球流行率为28％（2）。药物治疗是中度至重度抑郁症的第一线治疗方法（5）。但是，患者的显着比例未能对药物做出反应（6）。多达60％的抑郁症患者对他们的初始治疗没有反应，并且通常从第一种处方药转换为其他替代药物（6，7）。随后的治疗方法，患者具有临床阳性反应的可能性大大降低（6）。在某些个体/人群中，相同的抗抑郁药可能有效，但不具体，或者可能导致其他人的不良药物反应（ADR）（8）。因此，新策略专注于个性化抗抑郁药的处方。这是在临床实践中广泛努力的一部分，以使用精确药物技术（包括精确给药）改善患者的结果（9，10）。使用个体的基因型来帮助药物选择，称为药物基因组学，是一种有前途的方法，具有改善抑郁症治疗的潜力（9-13）。在非癌症药物中，精神病药物具有最高比例的药物，并具有FDA批准的PGX信息（17）。该领域最初被称为药物遗传学，因为它涉及单个基因或相对较少的基因的组合，但是它演变成药物基因组学（PGX），以适应整个基因组中许多基因的基因，从而影响基因相互作用（13）。有许多可用的商业PGX测试面板，包括Genesight，NeuroidGenetix，CNSDOSE，Neuropharmagen和Genecept（12）。一些面板除了提供PGX测试外，还提供与精神病药物有关的临床解释和决策支持工具（14、15）。医生可以主动为患者要求PGX测试，以指导新的药物处方，或者如果治疗失败。此外，还有监管机构（美国食品和药物管理局，FDA）和研究联盟（临床药物遗传学实施联盟，CPIC）提供了针对处方的建议和准则（12、14-16）。FDA标记了38种具有PGX预防措施的精神病药物，这些药物主要由两种主要的肝酶CYP2D6和CYP2C19代谢，分别由高度多型CYP2D6和CYP2C19基因编码（18）。然而，精神病学中PGX测试的临床使用仍然很低（19），由于许多原因，包括CYP酶反应，对药物治疗方案的依从性不佳，负面生活方式的影响（例如，烟草吸烟）以及有限的先例知识（20）。许多临床试验，荟萃分析和系统评价检查了PGX引导的药物选择以治疗抑郁症的效率和安全性。例如，Han等人。（24），报道了PGX指导治疗导致了A大多数研究发现，PGX引导的抗抑郁药处方优于治疗方法（处方不考虑PGX测试结果（21 - 24）。
共同基因组团结以改善全球健康平等
本文强调了在逻辑上流行的逻辑和扩大人类基因组编辑实践之间的两个关键异步，这阻碍了将新技术的有效转换为公共物品的有效和有序的转换。首先是许多非西方国家所采用的“基因组主权”框架，这些国家可能会加剧全球研究中的数据偏见，并将政策关注远离实现非歧视性和公平性基因组医疗所需的必要结构变化。另一个是参与“大规模科学”的全球缺乏效率：规范新的社会利益组合的挑战，这些挑战通常在传统机构之外，并由“政策购物”提供了争议或实验性研究。这两个问题都表明，基因组研究并不代表一个定义的科学共享，而是一个需要主动“共同”的领域，目的是促进基因组团结，以协调在国家边界内部和跨国家边界内的负责任研究。
基因组和生物信息学 - 拟南文 -
Genomic and bioinformatic profiling of mutational neoepitopes reveals new rules to predict anticancer immunogenicity Fei Duan 1 , Jorge Duitama 2 , Sahar Al Seesi 2 , Cory M. Ayres 3 , Steven A. Corcelli 3 , Arpita P. Pawashe 1 , Tatiana Blanchard 1 , David McMahon 1 , John Sidney 4 , Alessandro Sette 4 , Brian M. Baker 3，I. Mandoiu 2和Pramod K. Srivastava 1 1 1 1免疫学和Carole和Ray Neag Neag Neag综合癌症中心，康涅狄格大学医学院，法明顿大学，CT 06030 2计算机科学与工程系，康涅狄格大学，康涅狄格大学，CT 06269 306269 3.巴黎圣母院（Notre Dame），在46556 46556 4 Lajolla过敏和免疫学研究所，La Jolla，CA 92037癌症的突变曲目创造了使癌症免疫原性的新皮特。在这里，我们介绍了两个新型工具，这些工具以相对较高的精度识别了一小部分的新皮特（在数百种潜在的新皮上）通过抗肿瘤T细胞响应保护宿主。这两个工具由（a）突变序列与未分离的对应物之间的NetMHC得分的数值差异称为差分激光指数（DAI），以及（b）MHC I肽相互作用的构象稳定性。从机械上讲，这些工具识别出突变以创建用于MHC结合的新的锚固残基的新皮特，并使整体肽更加刚性。这些结果大大扩展了目标癌抗原的宇宙，并确定了人类癌症免疫疗法的新工具。我们将方法应用于mutliple独立肿瘤。令人惊讶的是，此处鉴定出的保护性新皮肤引起了CD8依赖性免疫力，尽管它们对KD的亲和力是比500 nm的阈值低的数量级，但被认为合理的这种相互作用。实际上，包括DAI算法在内的管道首先是在肿瘤细胞系的甲基甲基细胞系中进行经验得出的，然后在CMS5细胞系上进行了测试。通过DAI算法预测的抗肿瘤活性在CMS5中明显强大。这种变化很可能是甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基苯甲酸酯特有的免疫抑制机制的反映，因此与DAI算法本身的优点无关。此后，DAI算法在另一种小鼠肿瘤B16黑色素瘤和该系中T细胞反应的数据中进行了测试，与仅NETMHC的显着优越性一致。尽管本研究的重点是鉴定CD8 T细胞的MHC I限制表位，但该分析也可以扩展到CD4 T细胞的MHC II限制表位。
脑肿瘤放射基因组学分类
摘要 - RSNA-MICCAI 脑肿瘤放射基因组学分类挑战赛[1]旨在通过对多参数 mpMRI 扫描（T1w、T1wCE、T2w 和 FLAIR）进行二元分类来预测胶质母细胞瘤中的 MGMT 生物标志物[2]状态。数据集分为三个主要队列：训练集、验证集（在训练期间使用），测试集仅在最终评估中使用。图像要么是 DICOM 格式[3]，要么是 png 格式[4]。使用不同的架构来研究该问题，包括 3D 版本的 Vision Transformer (ViT3D)[5]、ResNet50[6]、Xception[7] 和 EfficientNet-b3[8]。AUC 被用作主要评估指标，结果显示 ViT3D 和 Xception 模型都具有优势，在测试集上分别达到 0.6015 和 0.61745。与其他结果相比，考虑到任务的复杂性，我们的结果被证明是有效的。通过探索不同的策略、不同的架构和更多样化的数据集可以取得进一步的改进。
利用农作物生物多样性和基因组学协助 -
农业创新对于扩大农作物的遗传多样性至关重要，专注于提高产量，对生物和非生物应力因素的耐受性营养价值以及对新环境的适应性，尤其是在响应气候变化方面。利用各种遗传资源，包括在包括局部陆地等基因库中维持的农场多样性和种质，以及次级基因库，也必须变得势在必行。传统品种，陆地和其他未充分利用的种系很少被育种者使用，主要是由于不必要的联系。基因组学工具可以有效地处理这一问题。例如，大米中的“ SD1基因与干旱耐受性QTL之间的遗传联系”是一个显着的繁殖挑战，最近通过标记辅助育种克服了。另一个例子是“ Cimmyt-发现的种子（种子）”计划，该计划使用基因组学工具来大量使用小麦种质库。先进的基因组学工具和技术通过知识丰富为制定育种计划的知识发展提供了有希望的途径。通过识别和融合新等位基因来整合未充分利用的遗传多样性和解锁遗传多样性，可以扩大培养品种的遗传基础。这种方法称为“基因组学辅助杂种”，包括多样性分析，功能基因组学和结构基因组学，以及用于作物改善所需的先进统计工具。拥抱“基因组辅助 - 预育”对于满足全球粮食，燃料和鱼的需求而言至关重要。
single-cell-genomics and-computations- ...
单细胞技术的出现和快速发展使得以前所未有的分辨率和规模研究细胞异质性成为可能。细胞异质性是个体之间表型差异的基础，研究细胞异质性是我们对疾病分子机制理解的重要一步。单细胞技术提供了从不同角度表征细胞异质性的机会，但是如何将细胞性均质与疾病表型联系起来需要仔细的计算分析。在本文中，我们将回顾人类疾病研究中单细胞方法的当前应用，并描述我们迄今为止对人类遗传变异的研究所学到的知识。随着单细胞技术广泛适用于人类疾病研究，人口水平的研究已成为现实。我们将描述应如何追求和设计这些研究，特别是如何选择研究对象，如何确定每个受试者的细胞数量以及每个细胞所需的测序深度。我们还讨论了用于分析单细胞数据的计算策略，并描述了如何将单细胞数据与批量组织数据和从全基因组关联研究产生的数据集成在一起。最后，我们指出了开放的问题和未来的研究方向。
植物遗传和基因组资源促进作物持续改良
一般而言，作物的起源中心与其最大程度的多样性有关。然而，也应注意，作物在驯化和栽培的过程中可能会形成多个多样性中心（Harlan，1971；Harlan，1975）。提出的驯化过程长期多中心模型特别适用于栽培作物，而不适用于其野生近缘种，因为栽培作物受到的人工选择压力较大，而野生近缘种只受到自然选择压力（Allaby 等人，2008）。这反映在一种作物的不同种质种质中多种性状以阵列模式共存于多个位置，每个种质都拥有不同的感兴趣性状组合（Esquinas-Alca zar，2005）。例如，为了表示水稻的谷粒大小和颜色、植株结构、种子落粒性（但适合脱粒）、各种非生物和生物胁迫耐受性、糯粒、开花时间和生命周期（短、中、长周期）等性状的完全变异性，我们需要大量的基因型（Izawa，2022 年；Shang 等人，2022 年）。如果我们将驯化过程中选择压力的结果以性状与变异性的形式列出，每个细胞包含适当的基因型，我们将获得一系列代表不同表型性状及其内部变异性的种质。这将揭示，如果特定基因型丢失，作物植物更容易受到遗传侵蚀（与作物野生近缘种 CWR 相比）。这是因为尽管存在自然选择压力，但农作物野生亲缘植物由于缺乏人工选择压力而未能多样化（在排列模式上）。保护这些珍贵的农作物遗传资源和农作物野生亲缘植物对于通过持续的农作物改良实现粮食安全至关重要。
大西洋鲑鱼功能基因组学中的研究人员
基因组结构变体，包括缺失，重复，反演和遗传序列的易位，是遗传多样性的丰富资源。特别是，大西洋鲑鱼基因组显示出基因组结构变异的极端水平，这可能是由于它们最近的全基因组重复的独特历史所致。大西洋鲑鱼基因组中的结构变异是进化基因组学和水产养殖基因组学中最有希望的边界之一。然而，由于其复杂的性质，以及结构变体如何以功能优势驱动适应性进化，这尚待澄清。
宏基因组二代测序在传染病诊断中的应用
宏基因组新一代测序 (mNGS) 是诊断传染病的一种变革性方法，它利用无偏高通量测序直接检测和表征临床样本中的微生物基因组。本综述全面概述了 mNGS 技术的基本原理、测序工作流程和平台。该方法的骨干包括对从不同样本类型中提取的总核酸进行散弹枪测序，能够在不了解传染源的情况下同时检测细菌、病毒、真菌和寄生虫。mNGS 的主要优势包括它能够识别稀有、新型或不可培养的病原体，与传统的基于培养的方法相比，可以更全面地了解微生物群落。尽管有这些优势，但数据分析复杂性、高成本以及需要优化样品制备方案等挑战仍然是重大障碍。mNGS 在各种全身性感染中的应用凸显了其临床实用性。本综述中讨论的案例研究说明了其在诊断呼吸道感染、血流感染、中枢神经系统感染、胃肠道感染等疾病方面的功效。通过快速识别病原体及其基因组特征，mNGS 有助于及时和有针对性的治疗干预，从而改善患者的治疗结果和感染控制措施。展望未来，mNGS 在传染病诊断领域的前景看好。生物信息学工具和测序技术的进步有望简化数据分析、提高灵敏度和特异性并缩短周转时间。与临床决策支持系统的集成有望进一步优化 mNGS 在常规临床实践中的利用。总之，mNGS 代表了传染病诊断领域的范式转变，为微生物多样性和发病机制提供了无与伦比的见解。尽管挑战依然存在，但持续的技术进步具有巨大的潜力，可以巩固 mNGS 作为现代医学武器库中的关键工具的地位，使临床医生能够精确、快速、全面地检测病原体。