XiaoMi-AI文件搜索系统
World File Search Systemphenotype
多重编辑的小鼠概括羊毛猛mm象发作
图2。实验A和B：使用CRISPR/CAS9 RNP合子电穿孔在小鼠中进行基因编辑。（a）工作流程。我们将带有合成SGRNA的CAS9 RNP池进行了电穿孔（EP）。然后，我们将胚胎在体外培养为胚泡阶段，并基因分型，以估计编辑效率。接下来，我们将胚泡转移到替代物中进行动物生产实验。最后，我们在出生后21天从幼犬那里收集并从幼犬那里收集并进行了基因分型耳孔。（b）指南筛选。我们为每个目标基因设计了一个和八个指南，并筛选了每个指南，以编辑终端实验的效率。对于每个指南，平均总修饰效率（KO +意外编辑）作为灰色条呈现，KO效率作为未用于动物生产实验的指南的紫色棒，以及选择用于动物生产实验的指南的橙色条。栏的平均效率至少来自五个胚胎。每个圆圈代表一个单独的实验，其中包括从单个胚胎到多达18个胚胎池的数据。（c，e）小鼠的KO％曲线
心率变异性有助于对系统性硬化症中的表型进行分类
我们旨在开发系统性硬化症（SSC）子类型分类器工具，以在患者的床边使用。我们比较了静止（5分钟）的心率变异性（HRV），并响应于具有弥漫性（n = 16，DCSSC）和有限（n = 38，LCSSC）的患者（n = 58）的正抑制（5分钟）（n = 58）。在时间，频率和非线性域中从Beat-Beat RR间隔中评估HRV。DCSSC组与LCSSC组不同，主要是较高的心率（HR）和较低的HRV，在depubitus和正稳态条件下。站立机动降低了HR标准偏差（SD_HR），Poincaré拟合椭圆的RR间隔图（SD2）的主要轴长以及DCSSC组中的相关维度（CORDIM），而LCSSC组中这些HRV索引增加了（P = 0.004，P = 0.004，p = 0.002，以及增加了这些HRV指数。我们确定了5个最有用和判别的HRV变量。We then compared 341 classifying models (1 to 5 variables combinations × 11 classifier algorithms) according to mean squared error, logloss, sensitivity, specificity, precision, accuracy, area under curve of the ROC-curves and F1-score.f1得分范围从最佳1-可添加模型的0.823到4个变量最佳模型的最大0.947。最具体和精确的模型包括SD_HR，SD2和Cordim。总而言之，我们提供了高性能分类模型，能够从ECG记录中区分易于在床边执行的有限皮肤SSC子类型。模型基于1至5 HRV索引用作自主综合影响心脏活动的非线性标记。
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。
基于基因表达的表型预测深神经网络的生物学解释
摘要背景：使用预测基因标志来协助临床决策变得越来越重要。深度学习在基因表达谱的表型预测中具有巨大的潜力。但是，神经网络被视为黑匣子，在没有任何解释的情况下，提供了准确的预测。这些模型变得可解释的要求正在增加，尤其是在医学领域。结果：我们专注于解释由基因表达数据构建的深神经网络模型的预测。影响预测的最重要的神经元和基因被鉴定出来并与生物学知识有关。我们对CAN-CER预测的实验表明：（1）深度学习方法优于大型训练集的经典机器学习方法； （2）我们的方法产生的解释与生物学比最先进的方法更连贯； （3）我们可以对生物学家和医生的预测提供全面的解释。结论：我们提出了一种原始方法，用于从基因表达数据中对表型预测深度学习模型的生物学解释。由于模型可以找到表型和基因表达之间的关系，因此我们可以假设已鉴定的基因与表型之间存在联系。因此，解释可以导致生物学家研究新的生物学假设。
丝状质的系统发育和表型揭示了来自中国的三种新物种（丝状科，丝状科）
菲洛巴氏菌（Filobasidium）属，是菲洛巴·西迪亚斯（Filoba Sidiales）的家族丝虫科的成员，是一组具有许多代表性物种的基本菌。迄今为止，已经在菲洛巴氏菌中描述并接受了14种。尽管最近发表了一些来自中国的新发现，但丝状岛的物种多样性仍未完全理解。样品，并检查了该属的物种多样性。三个新物种，即F. pseudomali sp。nov。 ，F。Castaneaesp。nov。和F. Qingyuanense sp。nov。基于内部转录间隔物（ITS）的系统发育分析以及大亚基（LSU）rRNA基因的D1/D2结构域以及其单独的序列与表型特征相连。提供了完整的描述，插图，与类似物种的比较以及系统发育分析。这项研究的发现实质上丰富了中国菲洛巴氏菌的生物多样性。
胶质母细胞瘤的恶性表型的衰减，在白藜芦醇和铜的促氧化剂组合短期之后
Chaitra Bandiwadkar 1,6, Naorem Leimarembi Devi 2,3,6, Aliasgar voiyadi 4,6, Vikas Singh 4,6, Prakash Shetty 4,6, Sridhar Epari 5,6, Harshali Tandel 1,6, Gorantla v Raghuram 1,6, Snehal Shabrish 1,6, Pratik Chandrani 2,3,6， *，Indraneel Mittra 1,6， *Chaitra Bandiwadkar 1,6, Naorem Leimarembi Devi 2,3,6, Aliasgar voiyadi 4,6, Vikas Singh 4,6, Prakash Shetty 4,6, Sridhar Epari 5,6, Harshali Tandel 1,6, Gorantla v Raghuram 1,6, Snehal Shabrish 1,6, Pratik Chandrani 2,3,6， *，Indraneel Mittra 1,6， *
mybpc3（c.194c> t）突变介导的RYR2功能障碍有助于HIPSC建模揭示的扩张心肌病的致病性表型
保留所有权利。未经许可就不允许重复使用。（未经同行评审证明）是作者/资助者，他已授予Medrxiv的许可证，以永久显示预印本。
b'由于 TGF- 信号在免疫稳态中的作用，其紊乱是炎症性疾病的根本原因。许多慢性炎症性疾病都以纤维化为特征，纤维化与细胞外基质的过度沉积同时发生，导致受影响器官的正常功能丧失。TGF- 家族还通过激活成纤维细胞向肌成纤维细胞表型转变，在纤维化的启动和进展中发挥着重要作用。在肿瘤发生的早期阶段，TGF- 可能通过诱导肿瘤前细胞的细胞停滞和凋亡而充当肿瘤抑制因子。然而，在后期，当癌细胞获得致癌突变，从而脱离 TGF- 肿瘤抑制因子功能时，它会通过刺激肿瘤细胞进行上皮\xe2\x80\x93间质转化 (EMT) 而成为肿瘤促进剂，从而增加迁移和侵袭。 TGF- 在肿瘤微环境内的免疫抑制中也发挥着核心作用，最近的研究揭示了它在肿瘤免疫逃避和癌症免疫治疗反应不佳中的作用。'
b'由于 TGF- 信号在免疫稳态中的作用，其紊乱是炎症性疾病的根本原因。许多慢性炎症性疾病都以纤维化为特征，纤维化与细胞外基质的过度沉积同时发生，导致受影响器官的正常功能丧失。TGF- 家族还通过激活成纤维细胞向肌成纤维细胞表型转变，在纤维化的启动和进展中发挥着重要作用。在肿瘤发生的早期阶段，TGF- 可能通过诱导肿瘤前细胞的细胞停滞和凋亡而充当肿瘤抑制因子。然而，在后期，当癌细胞获得致癌突变，从而脱离 TGF- 肿瘤抑制因子功能时，它会通过刺激肿瘤细胞进行上皮\xe2\x80\x93间质转化 (EMT) 而成为肿瘤促进剂，从而增加迁移和侵袭。 TGF- 在肿瘤微环境内的免疫抑制中也发挥着核心作用，最近的研究揭示了它在肿瘤免疫逃避和癌症免疫治疗反应不佳中的作用。'
基于脑成像的表型预测中的性能储备
机器学习研究表明，可以从结构和功能性大脑图像中预测各种表型。然而，在大多数此类研究中，预测性能从中等到令人失望不等。目前尚不清楚样本量增加是否会显著提高预测性能，或者大脑图像中预测信息不足是否会阻碍进一步的进展。在这里，我们使用远远超出常见神经影像学研究可能范围的样本量，系统地评估样本量对预测性能的影响。我们预计，当样本量从一千个增加到一百万个时，行为和心理健康表型的预测性能将提高 3-9 倍。此外，我们发现从单一成像模式转变为多模式输入数据可以进一步提高预测性能，通常与样本量增加一倍相当。我们的分析表明，基于神经影像学的表型预测具有相当大的性能储备。机器学习模型可能从极大的神经影像学数据集中受益，远超目前的想象。
比较转录组学揭示了蚊子的抗性和敏感的表型之间的不同曲线
在几种物种中，抗性和易感个体之间的表型差异与基因表达的组成型变化有关。例如，在对神经毒性杀虫剂有抵抗力的个体中观察到了排毒基因家族的构型过表达。这表明了代谢解毒在抗性中的作用，在某些情况下，允许允许使用哪些基因参与耐药的遗传方法。细胞色素P450单糖酶和三磷酸腺苷（ATP）结合盒（ABC）转运蛋白的情况就是这种情况。5,24 - 29除解毒基因之外，已经记录了编码角质层合成基因的过表达，并导致耐药性和易感性的独立物（即穿透性抗性）之间的表皮变化。30该证据突出了通常基于抗性表型的复杂性，并表明需要研究基因表达以充分理解昆虫抗性。与其他杀虫剂相反，抗药性个体中的表达情况已被广泛阐明，蚊子对CSIS的抗性表型的整个基因表达模式仍然被忽略了。在这里，我们的目标是通过分析蚊子CX的易感和耐DFB个体的构成基因表达来弥补这一差距。pipiens。