XiaoMi-AI文件搜索系统
World File Search Systemgenomics
epiagent：单细胞表观基因组学的基础模型
10摘要11个大型基础模型最近为生命科学开辟了新的人工通用情报12的途径，在分析单细胞转录组数据的分析中表现出了巨大的希望。13 Nevertheless, such challenges as the tremendous number of signaling regions, extreme data sparsity, 14 and the nearly binary nature of single-cell epigenomic data have prevented the construction of a 15 foundation model for epigenomics thus far, though it is evident that abundant epigenomic properties 16 such as chromatin accessibility provide more decisive insights into cell states than transcriptomics, 17 shaping the chromatin regulatory以不同的细胞类型控制转录的景观。在这里，我们介绍了Epiagent，这是第一个单细胞染色质可访问性数据的基础模型，在手动策划的大规模的人 - 示威 - corpus上预定了19个，该模型由20个大约500万个细胞和350亿个标记组成。epiagent编码染色质可访问性21个细胞模式作为简洁的“细胞句子”，并采用双向注意机制来捕获22个捕获调节网络背后的细胞异质性。具有全面的基准测试，我们23证明，Epiagent在典型的下游任务中出色，包括无监督功能24提取，有监督的细胞类型注释和数据插补。通过掺入外部25个嵌入，Epiagent促进了对样本外26的细胞反应的预测，并刺激了看不见的遗传扰动，以及参考数据整合和查询数据27映射。通过模拟关键顺式调节元件的敲除，Epiagent可以实现silico 28治疗癌症分析。我们进一步扩展了Epiagent的零射击功能，允许在新测序数据集上进行29个直接细胞类型注释，而无需进行其他培训。30 31引言32基因表达如何受到候选顺式调节33个元素（CCR）之间的复杂相互作用的控制，长期以来一直是基因组学领域的基本问题。的确，34这些元素不仅取决于其DNA序列，还取决于驱动与基因调节1,2相关的细胞异质性的表观遗传修饰35。在这些见解上，使用测序（SCATAC-SEQ）的单细胞36分析可用于转座酶可访问的染色质（SCATAC-SEQ）为揭示单个细胞的这些调节性景观3提供了前所未有的37个机会3，实现了38个细胞异质性4，组织发育4，组织的疾病机构5和疾病机制6。随着测序39技术的进步，已经构建了众多涵盖胎儿发育7，成人组织8、40脑组织9和神经发育10的大型细胞图谱，并提供了前所未有的资源41，可在多元化的生理条件下揭露调节模式。但是，大量的42个CCR，极端的稀疏性及其几乎二元性质对Scatac- 43
基因组学如何彻底改变分类学，
基因组中包含的信息对于我们植物病理学家来说是一座金矿，使我们能够改进诊断方法并寻找与流行病学和植物-微生物相互作用有关的特征，以及它们背后的进化过程。2022 年是《自然》杂志上发表的前两个黄单胞菌全基因组序列（da Silva 等人，2002 年）的 20 周年。十年后，我加入了黄单胞菌社区，致力于宿主适应性研究，这篇出版物是我阅读的第一篇黄单胞菌论文之一。这项工作的一个核心方面是比较两种黄单胞菌致病变种，即柑橘致病菌黄单胞菌和油菜致病菌黄单胞菌，它们分别对柑橘和十字花科植物具有致病性。这种方法使作者能够识别菌株特异性基因并提出可能解释不同宿主特异性和致病过程的机制，这是我们社区中的两个热点问题（Harris 等人，2020 年；Jacques 等人，2016 年）。这种比较基因组学分析在许多方面都具有开创性，下一个黄单胞菌基因组花了三年多的时间才发表。几年后，随着越来越快、越来越便宜的测序技术的出现，全基因组测序“民主化”了（Zhao & Grant，2011 年），很快导致每年发布几十个，然后是几百个黄单胞菌基因组序列（图 1）。
卵子黑色素瘤中遗传易感因子的功能基因组学表征
这项工作导致了这篇论文的起草是四年的果实，这将使我在职业和个人上都发展，而没有许多人的支持，参与和友谊，这是不可能的。我首先感谢U830，其导演奥利维尔·德拉特特（Olivier Delattre）及其所有成员，因为在这个研究部门中，我很荣幸能参与其中。也感谢Carole Drique和Keila Risal在我们的研究项目的管理中以及他们无瑕的友善中所做的至关重要的作用。我感谢我的论文委员会的所有成员，他们将通过他们的想法和我们的讨论参与了该项目的塑造，尤其是乔什·沃特（Josh Waterfall）博士，乔塞林·诺伊尔（Josselin Noirel）博士，乔塞林·诺伊尔（Josselin Noirel）博士，拉斐尔·玛格隆（Raphael Margueron）博士和奥利维尔·德拉特雷（Olivier Delattre）博士的所有建议和专业知识。以同样的方式，我要热烈地感谢那些同意参加我的论文陪审团的人，对安妮·鲍科克教授的特别认可以及劳菲·阿蒙达达蒂尔博士接受了本文论文的报告员的角色，以及罗伯特·巴洛蒂（Robert Ballotti），以及Jurgio jurgio Rosan Roman-Roman-Roman-Moman，他们是Siviners ore everman seviens is os Insemers，是该论文的主席。感谢Curie Institute的教学部门，欧洲计划H2020-MSCA IC-3I-PHD Cofund和癌症联盟的招聘和4年的支持。曾是我的导师，设计了这个项目，并以生动的兴趣紧随其后，并给了我所有的信心，我最真诚地感谢Marc-Henri。自从我开始在实验室开始以来，您的完美支持，您的专业知识，您的好奇心和科学热情对于实现我的工作至关重要。感谢您紧随该项目，以技术建议和丰富的观点进行装饰，同时也赋予我对我的日常工作以及这些结果的自由和自信，因为这种自由使我自治，自信，独立和独立。拥有鼓团队的所有成员，比同事更多，您是朋友。我不会掩饰让我写这些话的情绪。lenha，谢谢您在我开始团队时用手握住我，谢谢您的仁慈，您的耐心和您教给我的一切，因为正是您将我整合到这个团队中比任何人都多。dorine，当什么都没有进行，最好的办公室邻居时，您是必不可少的支持，最重要的是您发布的角色力量启发了我以榜样为例。Stéphane，除了我们的共同作品外，我们非常感谢我们的共同经验，您以您的利他主义，您的意志和您的自愿性为我标记了我。感谢您多次在我的知识中，当时什么都没有去实验室，以及您的所有支持。我也想到了曼农（Manon），她也参加了实验室的欢乐时刻，使我笑得如此多，并以她的善良为标志。对所有积极参与该项目的工作的人，我非常感谢您的智慧和您的工作，因为您的友谊和我们所有的喜悦时刻，这些都将始终如一地刻上：Manuel，Manuel，Olivier，Alexandre H.，Alexandre H.，Alexandre E.，感谢您的感谢，我对您的论文进行了衡量的效果，并且可以通过您的身份来衡量您的机会。与André，Thomas，Thibault，Tatiana，Anaïs，Agathe以及所有其他我不会忘记的所有其他人，这要归功于一切，每天都很容易上班，与您交流并付出最好的我自己。 感谢您的友善和利他主义，小亚历克斯（Alex），最佳的共同助手/共同的人，您的倾听和诚意，为您的所有轶事提供午餐的手册（尽管是Kimchi）（尽管是Kimchi）（即与André，Thomas，Thibault，Tatiana，Anaïs，Agathe以及所有其他我不会忘记的所有其他人，这要归功于一切，每天都很容易上班，与您交流并付出最好的我自己。感谢您的友善和利他主义，小亚历克斯（Alex），最佳的共同助手/共同的人，您的倾听和诚意，为您的所有轶事提供午餐的手册（尽管是Kimchi）（尽管是Kimchi）（即
从毒理基因组学数据到累积评估组：化学分组的机制框架
摘要根据共同特性或分子作用机制对化学物质进行分组对于推进监管毒理学、减少数据缺口和实现累积风险评估至关重要。本研究引入了一个新框架，该框架使用来自比较毒理基因组学数据库 (CTDbase) 的化学-基因-表型-疾病 (CGPD) 四聚体。我们的方法整合了毒理基因组学数据，以识别和聚类不同类别中具有相似分子和表型效应的化学物质，包括农药、药品和工业化学品，如双酚和全氟和多氟烷基物质 (PFAS)。我们通过将基于 CGPD 四聚体的聚类与农药的累积评估组 (CAG) 进行比较来验证我们的方法，结果显示与已建立的分组有很大的重叠，同时确定了与风险评估相关的其他化合物。主要例子包括与内分泌紊乱和代谢紊乱相关的集群。通过将组学衍生的分子数据与表型和疾病终点相结合，该框架
毒理学中的药物基因组学：为遗传特征调整解毒量
药物基因组学是关于个人的遗传构成如何影响其对药物反应的研究，彻底改变了个性化医学领域。在毒理学中，药物相互作用，过量服用和中毒的后果可能会危及生命，药物基因组学的整合为改善患者结局开辟了新的途径。通过针对个体的遗传特征来调整解毒剂和治疗方法，可以增强治疗功效并最大程度地减少不良反应。这种基于精确的方法在管理毒理学紧急情况下特别有价值，在毒理学紧急情况下，及时有效的干预至关重要。药物基因组学在毒理学中的重要性源于影响毒性物质及其解毒剂的代谢，分布和消除的遗传变异性。编码酶，转运蛋白和受体的基因的变化可以显着影响个人对有害化合物的排毒或对治疗反应的能力。了解这些遗传因素使毒理学家和临床医生可以预测患者特定的风险，优化剂量策略并开发更多针对性的疗法。本文探讨了药物基因组学在毒理学中的作用，并强调了如何使用遗传见解来完善解毒剂的发展和改善患者护理的应用[1]。
基因组学中种族种族的遗传血统和殖民地遗产：跨学科对话
1社会学，哲学和人类学系，埃克塞特大学，埃克塞特大学，英国埃克塞特大学2，墨西哥国家自治大学哲学研究所，墨西哥国家自治大学，墨西哥，墨西哥，人类学系3，达勒姆大学，达勒姆大学，达勒姆大学，达勒姆大学，英国，英国杜勒姆大学4圣保罗大学生物科学研究所，巴西，圣保罗大学，6个高级基因组学部，研究与高级研究中心（cinvestav），墨西哥墨西哥，墨西哥，7人文与社会科学学院，拜瑞斯大学，拜瑞斯大学，德国贝里特大学，贝雷特，贝雷特，曼彻斯特，曼彻斯特学院8号，曼彻斯特学院，曼彻斯特学院，曼彻斯特省，伊利诺伊州伊利诺伊州，国王，伊利诺伊州。巴西圣保罗大学圣保罗大学生物科学研究所
向日葵自交系连锁累赘的基因组学
作物野生近缘种是作物改良的宝贵等位基因来源，包括适应气候变化和新出现疾病。然而，由于连锁累赘，来自野生近缘种的基因渗入可能会对理想性状（包括产量）产生有害影响。在本文中，我们分析了野生基因渗入在栽培向日葵自交系中的基因组和表型影响，以估计连锁累赘的影响。首先，我们生成了七种栽培向日葵和一种野生向日葵基因型的参考序列，以及另外两种栽培品种的改良组装体。接下来，依靠之前从野生供体物种生成的序列，我们鉴定了栽培参考序列中的基因渗入，以及它们所包含的序列和结构变体。然后，我们使用岭回归最佳线性无偏预测 (BLUP) 模型来检验基因渗入对栽培向日葵关联作图群体中表型性状的影响。我们发现基因渗入给栽培向日葵基因库带来了大量序列和结构变异，包括 3,000 多个新基因。虽然基因渗入降低了蛋白质编码序列的遗传负荷，但它们大多对产量和品质性状产生负面影响。在栽培基因库中发现的高频率基因渗入比低频率基因渗入的影响更大，这表明前者可能是人工选择的目标。此外，来自亲缘关系较远的物种的基因渗入比来自栽培向日葵野生祖先的基因渗入更容易适应不良。因此，育种工作应尽可能集中在密切相关且完全兼容的野生亲属上。
带有过程时间模型的单细胞基因组数据的轨迹推断
单细胞转录组学实验提供了跨细胞态杂基细胞群体的基因表达快照。这些快照已被用于推断轨迹和动态信息，即使没有基因表达相似性订购细胞的密集，时间序列数据。然而，尽管单细胞快照有时提供了对动态过程的有价值的见解，但当前的订购细胞的方法受到缺乏内在物理含义的“假频率”的描述性概念的限制。而不是伪赛，我们通过原则建模方法提出了“过程时间”的推断，以制定轨迹和推断对应于经受生物物理过程的细胞对应的潜在变量。我们对这种方法的实施称为Chronocell，提供了建立在细胞状态过渡的轨迹的生物物理表述。计时模型是可识别的，使参数推断有意义。更重要的是，当细胞状态位于连续体上并聚类时，当细胞聚集到离散状态时，计时核可以在轨迹推理之间插值。通过使用从类似群集到连续的各种数据集，我们表明计时赛使我们能够评估数据集的适用性，并在过程时间内揭示了与生物过程时间一致的过程。我们还将降解速率的参数估计值与来自代谢标记数据集的参数估计值进行了比较，从而展示了计时性的生物物理实用性。然而，基于模拟的性能表征，我们发现过程时间推断可能具有挑战性，突出了数据集质量的重要性和仔细的模型评估。
基因组边界的峰会2025
Nibmg副主任Arindam Maitra教授，Kalyani，Kalyani教授Analabha Basu教授，Nibmg教授，Kalyani，Kalyani教授Nirala Ramchiary教授，JNU，JNU，JNU，新德里教授（博士）（博士）Subhash Khanna，Subhash Khanna，Subhash Khanna，Swagat Swagat Swagat Supperspeciality Hospital，Guwahati rakess rakesh plar Hardia chand chand plarhatia plarhatia satverser p. rimim tilerhan p. Sharma，Niper，Mohali Ram Rup Sarkar博士，CSIR-NCL高级科学家，Pune，Sahaj Uddin Ahmed博士，科学家F，DBT，Govt。 IITR科学家Sheelendra Pratap Singh博士，勒克瑙，Jayaramulu Kolleboyina博士，助理。 IIT教授，查mu Roshan M. Borkar博士，助理。 教授，吉瓦哈蒂教授，古瓦哈蒂，拉米·阿德拉（Ramu Adela）博士，尼珀（Niper），古瓦哈蒂（Guwahati），罗米·瓦赫巴姆（Romi Wahengbam）博士，科学家，CSIR-NEIST，JORHAT，JORHAT，ASSAM PANKAJ BHARALI博士，科学家，科学家，CSIRNEIST，CSIR-NEIST，CSIR-NEIST，JORHAT，JORHAT，JORHAT，JORHAT，ASSAM >>>>>>>Nibmg副主任Arindam Maitra教授，Kalyani，Kalyani教授Analabha Basu教授，Nibmg教授，Kalyani，Kalyani教授Nirala Ramchiary教授，JNU，JNU，JNU，新德里教授（博士）（博士）Subhash Khanna，Subhash Khanna，Subhash Khanna，Swagat Swagat Swagat Supperspeciality Hospital，Guwahati rakess rakesh plar Hardia chand chand plarhatia plarhatia satverser p. rimim tilerhan p. Sharma，Niper，Mohali Ram Rup Sarkar博士，CSIR-NCL高级科学家，Pune，Sahaj Uddin Ahmed博士，科学家F，DBT，Govt。IITR科学家Sheelendra Pratap Singh博士，勒克瑙，Jayaramulu Kolleboyina博士，助理。 IIT教授，查mu Roshan M. Borkar博士，助理。 教授，吉瓦哈蒂教授，古瓦哈蒂，拉米·阿德拉（Ramu Adela）博士，尼珀（Niper），古瓦哈蒂（Guwahati），罗米·瓦赫巴姆（Romi Wahengbam）博士，科学家，CSIR-NEIST，JORHAT，JORHAT，ASSAM PANKAJ BHARALI博士，科学家，科学家，CSIRNEIST，CSIR-NEIST，CSIR-NEIST，JORHAT，JORHAT，JORHAT，JORHAT，ASSAM >>>>>>>，勒克瑙，Jayaramulu Kolleboyina博士，助理。IIT教授，查mu Roshan M. Borkar博士，助理。 教授，吉瓦哈蒂教授，古瓦哈蒂，拉米·阿德拉（Ramu Adela）博士，尼珀（Niper），古瓦哈蒂（Guwahati），罗米·瓦赫巴姆（Romi Wahengbam）博士，科学家，CSIR-NEIST，JORHAT，JORHAT，ASSAM PANKAJ BHARALI博士，科学家，科学家，CSIRNEIST，CSIR-NEIST，CSIR-NEIST，JORHAT，JORHAT，JORHAT，JORHAT，ASSAM >>>>>>>IIT教授，查mu Roshan M. Borkar博士，助理。教授，吉瓦哈蒂教授，古瓦哈蒂，拉米·阿德拉（Ramu Adela）博士，尼珀（Niper），古瓦哈蒂（Guwahati），罗米·瓦赫巴姆（Romi Wahengbam）博士，科学家，CSIR-NEIST，JORHAT，JORHAT，ASSAM PANKAJ BHARALI博士，科学家，科学家，CSIRNEIST，CSIR-NEIST，CSIR-NEIST，JORHAT，JORHAT，JORHAT，JORHAT，ASSAM