XiaoMi-AI文件搜索系统
World File Search Systemphenotypic
使用新的表型机器学习方法预测离子通道变体的功能效应
离子通道编码基因的错义变异与一系列严重疾病有关。变异对生物物理功能的影响与临床特征相关，可归类为功能获得或丧失。这些信息有助于及时诊断、精准治疗和指导预后。功能表征是转化医学的一个瓶颈。机器学习模型可能能够通过预测变异的功能效应来快速生成支持证据。在这里，我们描述了一个多任务多核学习框架，该框架能够将功能结果和结构信息与临床表型相协调。这种新方法将人类表型本体扩展到基于核的监督机器学习。我们的功能获得或丧失分类器实现了高性能（平均准确度 0.853 SD 0.016，平均 AU-ROC 0.912 SD 0.025），优于传统基线方法和最先进的方法。性能在不同的表型相似性测量中都很稳定，并且对表型噪声或稀疏性基本不敏感。局部多核学习通过突出显示具有隐含基因型-表型相关性或潜在任务相似性的通道以供下游分析，提供了生物学洞察力和可解释性。
辣椒囊肿的多样性。基于表型和分子标记的基因型以及父母选择1
摘要：观赏辣椒植物具有遗传变异性，可以通过形态学和分子特征进入。基因型选择以形成基本种群进行育种，可以通过对几种类型的数据的联合分析进行繁殖，从而提供更高的选择准确性。从这个角度来看，这项研究旨在根据对表型性状和分子标记的分析评估胡椒加入之间的多样性，并选择在育种计划中用作父母的最佳方法。这项研究是在巴西Paraíba的联邦DaParaíba大学的CenciasAgrárias进行的。使用了16种观赏性胡椒基因型，并针对八个定量性状，九个定性性状和18对微卫星引物进行了表征。使用Tocher的聚类方法，Ward的群集算法和差异矩阵进行了同时变量分析。通过定量，定性和分子数据的联合分析，聚类方法在分离基因型，鉴定遗传变异性和准确性方面是有效的。通过Tocher方法（六组）和Ward的方法（三个组）形成了基因型之间的不同组。考虑到定量，定性和分子数据的联合分析，观赏性胡椒基因型之间存在遗传变异。定性性状对于鉴定观赏辣椒垫之间的遗传差异很重要。UFPB基因型46、134、137、443和449，迷你胡椒akamu和品种Calypso被指示用于选择，可用于执行十字架并继续育种计划。
MAP3K15的代谢作用：来自23andMe研究数据库和遗传驱动招募的遗传和表型见解
MAP3K15先前与2型糖尿病（T2D）的保护相关联，促使人们对MAP3K15抑制剂的发展感兴趣，这是糖尿病的潜在治疗选择。全面基因组跨基因组关联研究（GWAS）荟萃分析和功能丧失（LOF）负担测试方法，牵涉到与T2D的关联大大受益于大型样本量。直接面向消费者的基因测试公司23andMe，Inc。是世界上最大的研究同意基因数据库。我们利用各种遗传分析方法利用23andMe数据库进一步告知MAP3K15的代谢作用。我们发现，MAP3K15 LOF载体在高多基因风险的个体中的中位数诊断中表现出4.5岁的显着延迟，并发现了MAP3K15 LOF的新型负担关联与保护高胆固醇的负担。我们通过建立能力来扩大这些发现，以招募同意参与者的能力，因为他们未知的遗传学（特别是MAP3K15中的单个LOF变体，RS148312150），并获得了中位数胆固醇和LDL/HDL/HDL Rafier in Map3k15的临床实验室证据。我们的发现证明了23AndMe数据库的发现能力，包括同意参与者招聘以告知治疗发现和开发的可行性。
种系PTEN基因型依赖性表型差异在前脑机体的早期神经发育过程中
使用10倍基因组学铬单细胞3'试剂盒（版本3.1），每个样品捕获了6,000至10,000个细胞以进行库和测序生成。在器官解离，单细胞悬浮液，凝胶珠和乳液油被添加到10x基因组单细胞芯片G中。在液滴产生后，将样品转移到PCR 8管条（USA Scientific）中，使用SimpleiaMp热循环液（Appliam appliiamp appliamp cyscler（USA Scientific）进行反转录反应（USA Scientific）。cDNA。根据10倍基因组用户指南，使用Silane Dynabead清理cDNA。将纯化的cDNA放大了11个循环，然后使用spriselect珠
心脑连接：40,000心脏和脑磁共振图像的表型和遗传见解
。cc-by-nc-nd 4.0国际许可证是根据作者/资助者提供的，他已授予Medrxiv的许可证，以永久显示预印本。（未通过同行评审认证）
大规模人群研究中常染色体显性多囊肾病的基因型和表型特征以及对精准医疗干预的启示
引文：Behnam S. Holler Benjamin。（2025 年）。大规模人群研究中常染色体显性多囊肾病的基因型和表型特征以及对精准医学干预的启示。国际肾脏病学杂志 (IJNE)，3(1),1–7。摘要链接：https://iaeme.com/Home/article_id/IJNE_03_01_001 文章链接：https://iaeme.com/MasterAdmin/Journal_uploads/IJNE/VOLUME_3_ISSUE_1/IJNE_03_01_001.pdf
天然蛋白质组织的接近性分析揭示了自闭症和相关神经发育条件的小鼠模型中的表型修饰符
自闭症谱系障碍的主要驱动因素之一是数百个基因内的风险等位基因，它们可能在共享但未知的蛋白质复合物中相互作用。在这里，我们开发了一种可扩展的基因组编辑介导的方法来靶向小鼠大脑内的14个高强烈的自闭症风险基因，用于基于接近性的内源性蛋白质组学，从而实现了高特异性空间蛋白质组织的识别。产生的天然接近蛋白质组富含自闭症个体大脑失调的人类基因，并揭示了来自高强调风险基因与低调的蛋白质之间的接近性相互作用，这些蛋白质与较低信号的蛋白质之间可能提供新的途径，从而可以为遗传风险确定优先确定遗传风险。重要的是，数据集丰富了可能构成条件的共享旋转功能和遗传相互作用。我们通过两个自闭症模型中的空间蛋白质组学和基于CRISPR的表达调节来测试这一概念，证明了调节其失调机制的功能相互作用。一起，这些结果揭示了与自闭症相关的体内蛋白质组网络，从而为理解和操纵其病因的细胞驱动器提供了新的侵害。
基因型到表型：CRISPR 基因编辑揭示了遗传补偿是变体和突变体表型分离的机制
摘要：正向遗传筛选已显示出有害突变的后果；然而，它们最适合于繁殖率高、繁殖量大的模式生物。此外，研究人员必须如实地识别表型变化，即使是细微的变化，才能充分发挥筛选的优势。反向遗传方法也探测基因型与表型的关系，只是遗传目标是预先定义的。直到最近，反向遗传方法还依赖于非基因组基因沉默或相对低效的同源性依赖基因靶向来产生功能丧失的产物。幸运的是，成簇的规律间隔的短回文重复序列 (CRISPR)/Cas 系统的灵活性和简单性彻底改变了反向遗传学，几乎可以随意对任何生物体中的任何基因进行精确诱变。成功整合插入/缺失 (INDEL) 和无义突变，从表面上看，会产生预期的功能丧失表型，但事实证明，这些整合几乎没有效果，即使其他基因沉默方法显示出强大的功能丧失后果。结果之间的分歧提出了有关我们对基因型到表型的理解的重要问题，并强调了中心法则中的补偿能力。本综述描述了最近似乎存在基因组补偿的研究，讨论了可能的补偿机制，并考虑了对强大的基因功能丧失研究很重要的因素。
避免有益植物 - 微生物相互作用的有害防御反应
Bertrand Cariou，Matthieu Pichelin，Thomas Goronflot，CélineGonfroy，Michel Marre等。在住院的COVID-19患者中，新诊断为糖尿病的典型特征和预后，Coronado研究的结果。糖尿病研究与临床实践，2021，175，pp.108695。10.1016/j.diabres.2021.108695。hal-03150683
M-GCN：一种多模态图卷积网络，用于整合功能和结构连接组学数据来预测多维表型特征
我们提出了一种多模态图卷积网络 (M-GCN)，它整合了静息态 fMRI 连接和弥散张量成像纤维束成像来预测表型测量。我们的专门 M-GCN 过滤器在逐个主题的结构连接组的指导下，以拓扑方式作用于功能连接矩阵。结构信息的纳入还可充当正则化器，并有助于提取可预测临床结果的丰富数据嵌入。我们在来自人类连接组项目的 275 名健康个体和来自内部数据的 57 名被诊断为自闭症谱系障碍的个体上验证了我们的框架，以分别预测认知测量和行为缺陷。我们证明 M-GCN 在五重交叉验证环境中的表现优于几种最先进的基线，并从健康和自闭症人群中提取了预测性生物标志物。因此，我们的框架提供了表征灵活性，可以利用结构和功能的互补性质，并在训练数据有限的情况下将这些信息映射到表型测量。关键词：图卷积网络、功能连接组学、结构连接组学、多模态整合、表型预测、自闭症谱系障碍