XiaoMi-AI文件搜索系统
World File Search Systemnovo
分生组织中的新干细胞建立需要抑制器官边界细胞命运
*信函的作者：patrick.laufs@inrae.fr A.N.，P.L。和A.M.C.构思了该项目和P.L.监督该项目。A.N. 在P.L.，A.M.C.，A.M.B。和M.S.的帮助下进行了大多数实验。 在S.B的监督下执行了Y1H屏幕。 A.M.C. 进行了初步的遗传分析。 B.A. 有助于产生双突变体和转基因线。 L.C. 构思了整个原位协议并监督A.N. 为此。 yu.l. 在Y.L的监督下进行了凝胶移位实验。 J.B.写了荧光平均脚本。 A.N. 和P.L. 用AMC的输入写了这篇文章。 根据作者指示（https://academic.up.com/plcell）中描述的政策，负责分配本文提出的材料积分不可或缺的材料的作者。A.N.在P.L.，A.M.C.，A.M.B。和M.S.的帮助下进行了大多数实验。在S.B的监督下执行了Y1H屏幕。A.M.C. 进行了初步的遗传分析。 B.A. 有助于产生双突变体和转基因线。 L.C. 构思了整个原位协议并监督A.N. 为此。 yu.l. 在Y.L的监督下进行了凝胶移位实验。 J.B.写了荧光平均脚本。 A.N. 和P.L. 用AMC的输入写了这篇文章。 根据作者指示（https://academic.up.com/plcell）中描述的政策，负责分配本文提出的材料积分不可或缺的材料的作者。A.M.C.进行了初步的遗传分析。B.A. 有助于产生双突变体和转基因线。 L.C. 构思了整个原位协议并监督A.N. 为此。 yu.l. 在Y.L的监督下进行了凝胶移位实验。 J.B.写了荧光平均脚本。 A.N. 和P.L. 用AMC的输入写了这篇文章。 根据作者指示（https://academic.up.com/plcell）中描述的政策，负责分配本文提出的材料积分不可或缺的材料的作者。B.A.有助于产生双突变体和转基因线。L.C. 构思了整个原位协议并监督A.N. 为此。 yu.l. 在Y.L的监督下进行了凝胶移位实验。 J.B.写了荧光平均脚本。 A.N. 和P.L. 用AMC的输入写了这篇文章。 根据作者指示（https://academic.up.com/plcell）中描述的政策，负责分配本文提出的材料积分不可或缺的材料的作者。L.C.构思了整个原位协议并监督A.N.为此。yu.l.在Y.L的监督下进行了凝胶移位实验。J.B.写了荧光平均脚本。A.N. 和P.L. 用AMC的输入写了这篇文章。 根据作者指示（https://academic.up.com/plcell）中描述的政策，负责分配本文提出的材料积分不可或缺的材料的作者。A.N.和P.L.用AMC的输入写了这篇文章。根据作者指示（https://academic.up.com/plcell）中描述的政策，负责分配本文提出的材料积分不可或缺的材料的作者。
植物生物学年度评论：利用基因组编辑进行从头驯化的力量与风险
人们对使用基因组编辑技术驯化野生植物或加速改良弱驯化作物（即从头驯化）有着浓厚的兴趣。在本文中，我们讨论了有前景的遗传策略，重点是植物发育。重要的是，基因组编辑使我们摆脱了对随机诱变或种内多样性的依赖，使我们能够从多样性中更广泛地寻找解决方案。然而，对多样性复杂遗传学的了解不足限制了创新。除了遗传学之外，我们还敦促合乎道德地使用本土知识、本土植物和民族植物学。从头驯化仍然需要通过表型选择进行常规育种，特别是在为不同的环境和文化开发作物时。事实上，将基因组编辑与选择性育种结合起来可以比单独使用任何一种技术更快地取得更好的成果。驯化是复杂的，尚未完全理解，涉及植物生物学和人类文化的许多方面的变化。从头驯化的成功需要仔细关注历史和跨越传统界限的合作。
使用基于深度学习的图正则化矩阵分解从头预测细胞药物敏感性
人工智能 (AI) 在精准肿瘤学中的应用通常涉及根据之前的训练细胞样本对这些药物的反应来预测患者的癌细胞（之前 AI 模型未见过）是否会对一组现有的抗癌药物中的任何一种产生反应。为了扩大抗癌药物的范围，AI 还被用于重新利用尚未在抗癌环境中测试过的药物，即从头预测新药对以前未见过的癌细胞的抗癌作用。在这里，我们报告了一个在统一的 AI 框架中解决上述两个任务的计算模型。我们的模型称为基于深度学习的图正则化矩阵分解 (DeepGRMF)，它集成了神经网络、图模型和矩阵分解技术，利用来自药物化学结构、它们对细胞信号系统的影响和癌细胞细胞状态的各种信息来预测细胞对药物的反应。 DeepGRMF 学习药物的嵌入，以便具有相似结构和作用机制 (MOA) 的药物在嵌入空间中紧密相关。同样，DeepGRMF 还学习细胞的表示嵌入，使得具有相似细胞状态和药物反应的细胞紧密相关。在癌症药物敏感性基因组学 (GDSC) 和癌细胞系百科全书 (CCLE) 数据集上对 DeepGRMF 和竞争模型的评估显示了其在预测性能方面的优势。最后，我们表明该模型能够预测化疗方案对癌症基因组图谱 (TCGA) 数据集中肺癌患者患者结果的有效性。⇤
田纳根：纯变压器编码器为从头分子的生成提供了有效的离散gan
使用离散数据（例如简化的分子输入线 - 输入系统（Smiles）字符串）的从头生成的深层生成模型吸引了药物设计中的广泛关注。然而，训练不稳定经常困扰生成的广告网络（GAN），导致可能崩溃和低偏移性等概率。这项研究提出了一个纯粹的变压器编码器GAN（宽度）来解决这些问题。宽度的发电机和鉴别剂是变压器启动器的变体，并与加固学习（RL）结合使用，以生成具有所需化学特性的分子。此外，变体微笑的数据增强是为了学习微笑字符串的范围和语法的宽度培训。在方面，我们引入了一个增强的田纳州的变体，称为十（w）gan，其中包含了微型批处理歧视，并提高了生成分子的能力。对QM9和锌数据集的实验结果和消融研究表明，所提出的模型以计算有效的方式产生了具有所需化学性质的高效和新颖的分子。
DNMT3A添加域是有效的DNA甲基化和小鼠卵母细胞中的母体印迹所必需的
在哺乳动物卵母细胞中建立适当的DNA甲基化景观对于母体的印记和胚胎发育很重要。de de dNA甲基化，该DNA甲基转移酶DNMT3A具有ATRX-DNMT3-DNMT3L（ADD）结构域，该域与组蛋白H3尾巴相互作用，在赖氨酸-4处未甲基化的组蛋白H3尾部（H3K4ME0）。该结构域通常通过分子内相互作用阻止甲基转移酶结构域，并与组蛋白H3K4me0结合释放自身抑制。然而，H3K4ME0在染色质中广泛存在，并且添加 - 固定相互作用的作用尚未在体内研究。我们在此表明，小鼠DNMT3A的添加域中的氨基酸取代会导致矮人。卵母细胞显示CG甲基化的镶嵌性丧失和几乎完全的非CG甲基化丧失。源自此类卵母细胞的胚胎在中胎妊娠中死亡，并在印记控制区域内具有随机，通常是全或无人类型的CG-甲基化损失，并且链接基因的misexpression。随机损失是一个两步的过程，在裂解阶段胚胎中发生损失，并在植入后重新恢复。这些结果突出了添加域在有效且可能是过程中，从头甲基化和构成一种模型，是生殖细胞中表观遗传扰动对下一代的随机遗传的模型。
DNA转座子通过富集转录因子结合基序
从基因组的非编码区域通过突变依次出现。除其他外，此类突变分析转录并创建一个新的开放阅读框（ORF）。尽管ORF出现的机制有充分的文献证明，但对实现新转录事件的机制知之甚少。然而，在许多物种中，已经报道了基因组所有区域的缺乏和非常突出的转录之间的连续体。在这项研究中，我们使用新组装的基因组和七个果蝇的近交系列的转录组和转录组搜索了从头转录本，该基因组和一个来自六个欧洲和一个非洲人口的近交系列。此设置使我们能够检测Sam ple特定的从头转录本，并将其与其他样品中的同源非转录区以及遗传和基因间控制序列进行比较。我们研究了与转换元件（TES）的关联，并富集了从头开始出现的转录本上游的转录因子基序，并将其与调节元素进行了比较。我们发现，从头的成绩单与TES重叠的频率比偶然性的频率更高。新转录本的出现cor与高鸟嘌呤 - 环蛋白含量和TE表达的区域有关。此外，从头转录本的上游区域高度丰富了调节基序。这种基序在与TES（尤其是DNA TES）重叠的新转录物中更丰富，并且比上游的“非转录同源物”更保守上游。总体而言，我们的研究表明，TE插入对于转录本的出现很重要，部分是通过引入DNA te家族的新调节图案。
从头脑机接口改变了人类大脑皮层中群体神经活动模式的多样性
摘要 人类大脑能够调节先天活动以适应新的环境和任务；对于感觉运动神经系统来说，这意味着获得丰富的活动模式库，从而提高行为表现。为了将在执行任务过程中获得神经系统功能的过程直接映射到表现改进上，我们分析了女性和男性在通过脑机接口 (BCI) 操作学习其自愿调节过程中的净神经群体活动。对记录的全头部高密度头皮脑电图 (EEG) 进行降维算法，以捕捉皮质活动模式的变化，以适应过程中神经元振荡的同步为代表。虽然降维后目标特征的保留方差为 20%，但我们发现活动模式和检测运动尝试的 BCI 分类器之间存在系统性相互作用；基于模型的固定分类器会将嵌入空间中得到的神经流形与 EEG 的运动相关特征一起拉伸，但自适应分类器则不会，因为自适应分类器会根据用户活动不断重新校准。此外，基于生物学上非自然的特征，具有固定决策边界的从头分类器会将流形变形为与边界正交。总的来说，人类皮质信号模式的灵活性 (即可塑性) 只有通过分类器需要固定活动的 BCI 操作才能诱导，即使该要求与生物学上自然的反应不一致，也可以诱导适应。这些宏观层面的神经适应原理可能是人类学习广泛行为技能和适应新环境能力的基础。
经过精确编辑的克隆小牛基因组没有显示出脱靶事件或从头诱变增加的证据
。CC-BY-NC-ND 4.0 国际许可下可用（未经同行评审认证）是作者/资助者，他已授予 bioRxiv 永久展示预印本的许可。它是此预印本的版权持有者此版本于 2021 年 1 月 29 日发布。；https://doi.org/10.1101/2021.01.28.428703 doi：bioRxiv 预印本
通过混合仿生从头预测分子设计加速 ELP 基材料的工程设计
受自然启发而设计高性能蛋白质材料的努力主要集中在改变自然发生的序列以赋予所需的功能，而从头设计则明显落后，需要非常规的创新方法。在这里，使用部分无序的弹性蛋白样多肽 (ELP) 作为初始构建块，这项工作表明，可以通过混合仿生设计加速蛋白质材料的从头工程，这项工作通过整合计算建模、深度神经网络和重组 DNA 技术实现了这一点。这种可推广的方法涉及整合一系列具有 𝜶 螺旋构象的从头设计序列，并将它们遗传编码为受生物启发的内在无序重复基序。新的 ELP 变体保持结构构象，并在体外表现出可调节的非热平衡超分子自组装和相行为。这项工作说明了预测的分子设计在结构和功能材料中的有效转化。所提出的方法可应用于广泛的部分无序生物大分子，并可能为发现新的结构蛋白铺平道路。
诺和诺德成功完成针对超重或肥胖患者的皮下注射阿米克林的 1b/2a 期临床试验
该试验是一项随机、安慰剂对照和双盲研究，旨在评估超重或肥胖人群皮下注射阿米克林后的安全性、耐受性、药代动力学和概念验证。该试验分为 5 个部分：单次递增剂量（A 部分）用于确定药代动力学和第一个多剂量组的起始剂量，其中使用剂量递增探索安全性和耐受性，直至总治疗持续时间为 36 周（B 部分）。最后，在概念验证部分，通过分别递增至 1.25 毫克、5 毫克和 20 毫克的剂量水平，共 12 周，探索长达 36 周的给药体重减轻情况（E、D 和 C 部分）。