XiaoMi-AI文件搜索系统
World File Search Systemprofiling
CAS9变体特异性的高度平行分析
确定可编程核酸酶的脱靶裂解谱是任何基因组编辑实验的重要考虑因素，并且已经报道了许多提高特异性的CAS9变体。我们在这里描述了基于标记的标签积分位点测序（TTISS），这是一种有效的，可扩展的方法，用于分析我们在59个目标中与八个CAS9变体平行应用的双链断裂。此外，我们生成了数千种其他CAS9变体，并筛选了具有增强特异性和活动的变体，识别LZ3 Cas9，这是具有唯一+1插入曲线的高特异性变体。这种全面的比较揭示了CAS9活动和特异性之间的一般权衡，并提供了有关+1插入频率的信息，这对校正移码突变具有影响。
对 1350 例神经内分泌肿瘤进行分析可识别出多种...
结果：总体而言，在 1350 例病例中，有 1295 例 (96%) 被确认存在药物治疗相关改变。在 149/243 例胰腺病例 (61%) 和 488/1015 (48%) 非胰腺 NET 中发现 MGMT 表达低或缺失 (IHC 为 0 或 1+)，MGMT 是烷化剂敏感性的生物标志物。在 927/1193 例 NET (78%) 中发现 RRM1 是吉西他滨敏感性的生物标志物，RRM1 表达低或缺失 (IHC 为 0 或 1+)，在 950/1187 例 NET (80%) 中发现胸苷合酶 TS 是氟嘧啶敏感性的生物标志物，TS 表达低或缺失。肿瘤测序表明，BRAF（6/446（3 例为 V600E、2 例为 G596R、1 例为 K601E）、CTNNB1（3/223）、KIT（4/357）、EGFR（1/245）、FGFR2（2/224）、GNAS（1/224）、HRAS（2/192）、PIK3CA（10/418）、RB1（4/222）VHL（2/203）、KRAS（23/472）、NRAS（2/349）和 APC（14/224）存在致癌突变，EGFR（46/688）和 MET（4/306）存在扩增。在有记录的病例中，以基于机制的生物标志物为指导的治疗产生了持久的反应：一例患有 KIT 突变的转移性 NET 患者对伊马替尼治疗后部分缓解（PR）>1 年，对于 MGMT 低 / TS 低的患者，则使用链脲佐菌素或替莫唑胺加氟嘧啶化疗进行治疗，从而支持 NET 靶标分析的临床相关性。结论：尽管单个生物标志物的频率较低，但对大量 NET（n=1350）进行全面的多平台分析，在 90% 以上的患者中确定了临床相关靶标。鉴于 NET 化疗的使用率越来越高，我们的研究结果为未来临床试验评估基于生物标志物的 NET 治疗的疗效提供了基础。
基于分子分析的癌症精准医疗
基于新一代测序的匹配治疗目前已成为指导晚期实体瘤患者治疗的常规护理的一部分。然而，患者是否以及在多大程度上可以从这一策略中受益仍不确定。在过去的十年中，该领域进行了多项临床研究，其中只有一项是随机试验。我们回顾了有关这个主题的文献，并总结了关于这种治疗策略疗效的现有数据。目前，证据是有希望的，但并不牢固。我们还总结了多项正在进行的试验。我们还讨论了这种治疗策略的局限性和一些尚未解决的重要问题，包括如何选择样本和靶点水平，如何解释结果，以及药物可及性问题。所有这些问题都应该在未来的临床试验设计和靶向治疗在癌症治疗中的应用中得到更多的关注。
非小细胞肺癌的分子分析
肺癌通常采用常规疗法治疗，包括化疗和放疗。然而，这些方法并不针对癌细胞，而是攻击存在的每个细胞，包括正常细胞。个性化疗法提供了更有效的治疗选择，因为它们针对的是个人的基因组成。这项研究的目的是确定早期各种肺癌亚型中致病基因突变的频率。从 799 名接受肺癌切除术的患者中选取了 833 个非小细胞肺癌样本，对六种已知突变进行分子分析，包括 EGFR、KRAS、BRAF、PIK3CA、HER2 和 ALK。SNaPshot 检测用于点突变，片段分析用于搜索插入和缺失。通过 IHC +/- FISH 评估 ALK。进行了统计分析以确定分子数据与临床/病理患者数据之间的相关性。在大多数（66.15%）病例中均未发现任何测试变异。在总样本和腺癌病例中观察到的频率有明显差异，频率最高的是 KRAS 突变（24.49% vs. 35.55%），其次是 EGFR（6.96% vs. 10.23%）、PIK3CA（1.20% vs. 0.9%）、BRAF（1.08% vs. 1.62%）、ALK（0.12% vs. 0.18%），而最低的是 HER2 突变（两者均为 0%）。统计分析显示，突变的存在与性别、癌症类型、血管侵犯和吸烟史之间存在相关性。本研究结果将提供帮助分层患者预后的数据，并支持开发更精准的治疗方法，从而改善未来肺癌患者的预后。
癌症表观基因组分析：技术与治疗意义
表观基因组学是研究整个基因组的表观遗传变化的学科，它对理解基因表达的控制及其对癌症生物学的影响大有裨益。表观遗传修饰，包括 DNA 甲基化、组蛋白修饰、染色质重塑和非编码 RNA 调控，与基因突变不同，会影响基因活性而不改变 DNA 序列。这些改变在控制基因表达方面起着关键作用，而基因表达会影响细胞功能，如生长、分化和死亡。表观遗传修饰在癌症中起着重要作用，它会导致基因表达失调，从而沉默肿瘤抑制基因，激活致癌基因，并加剧基因组不稳定。例如，肿瘤抑制基因（如 p16INK4a 和 BRCA1）启动子处 CpG 岛的高甲基化会导致这些基因的转录抑制。相反，整体低甲基化会激活致癌基因并导致染色体不稳定。组蛋白改变和染色质重塑也对基因表达和癌症的发展产生了重大影响。本文介绍了表征表观遗传变化（如 DNA 甲基化、组蛋白修饰、染色质可及性和非编码 RNA 相互作用）的方法。它强调了这些方法对于识别导致癌症发展和进展的表观遗传变化的重要性。通过解决治疗意义和 DNA 甲基化和组蛋白去乙酰化酶抑制剂等新疗法，本综述缩小了基本表观基因组变化与其在临床实践中的可能应用之间的差距。本研究旨在通过提供对表观基因组分析的全面了解来改善癌症检测、预后和治疗，为更加个性化和成功的治疗方法打开大门。
纵向尿液代谢分析和胎龄...
怀孕是一个至关重要的时期，影响了孕产妇和胎儿健康，对孕产妇的代谢，胎儿生长和长期发育产生了影响。虽然母体代谢组在怀孕期间经历了重大变化，但孕产妇尿液的纵向转移在很大程度上没有探索。在这项研究中，我们应用了基于液相色谱 - 质谱法的非靶向代谢组学来分析346个母体尿液样本，从36位具有不同背景和临床特征的女性中收集的整个怀孕期。关键的代谢产物变化包括糖皮质激素，脂质和氨基酸衍生物，表明有系统的途径改变。我们还开发了一种机器学习模型，可以使用尿液代谢物准确地预测胎龄，从而提供一种非侵入性妊娠约会方法。此外，我们证明了尿液代谢组预测分娩时间的能力，为产前护理和交付计划提供了补充工具。这项研究强调了尿液不靶向代谢组学在产科护理中的临床潜力。
云雷达：医疗保健行业报告
数据质量是一个重要的问题，并且在所有组织中都陷入困境，这些组织使用数据分析来得出智能和明智的业务决策。不幸的是，这是整个行业和领域的，大多数数据源都充满了各种不准确性，使它们不可靠，并且在潜在的风险或危险中更糟。
miRNA分析胰腺癌和化学敏感性的恢复
胰腺癌是美国癌症相关死亡率的第五个主要原因[1]。吉西他滨（Gemzar）是胰腺癌的第一线，但在等离子体中进行了显着代谢，因此需要高剂量导致毒性[2-4]。最初该药物有效地增加了胰腺癌患者的生存率，但对初始化学治疗药物具有抗性的继发性肿瘤的可能性很高。实际上，大多数患者最终将发展为以化学抗性，转移和预后不良为特征的疾病的先进形式[5]。对于这些研究，根据当前的治疗方案，胰腺癌的总体预后仍然相当黯淡。大多数实体瘤，包括胰腺瘤，由大量和癌症干细胞（CSC）组成，后者形成了一个小但独特的亚群。的证据表明，CSC不仅可能参与肿瘤发生，而且还可以在Intial化学疗法中生存，并利用其自我更新潜力来再生化学抗性的次要肿瘤[6,7]。对抗癌药物（包括这些细胞的吉西他滨）的化学耐药性可以由microRNA（miRNA）（miRNA）造成并贡献，它们是非编码RNA分子，最近作为分子开关而出现，用于许多生命过程，包括发育和发生的许多生命过程。通过
EcoCTD 用于分析海洋物理-生物特性...
作者：M Dever · 2020 · 被引用 16 次 — 国防研究与发展。加拿大科技。报告，13 页，https://apps.dtic.mil/dtic/tr/fulltext/u2/ · 1005165.pdf ...
使用患者进行体外和体内药物反应分析...
1 Helene 和 Stephen Weicholz 细胞治疗实验室，马库斯神经科学研究所，博卡拉顿地区医院，800 Meadows Road，博卡拉顿，佛罗里达州 33486，美国；robin.rajan@baptisthealth.net（RGR）；schowdhary.md@gmail.com（SAC）；khanafy@health.fau.edu（KAH）2 赫伯特沃特海姆佛罗里达大学斯克里普斯研究所分子筛选中心，分子医学系，佛罗里达大学斯克里普斯生物医学研究中心，130 Scripps Way，朱庇特，佛罗里达州 33458，美国；vfernandezvega@ufl.edu（VF-V.）；scampl@ufl.edu（LS）3 Certis Oncology，5626 Oberlin Dr. Suite 110，圣地亚哥，加利福尼亚州 92121，美国；jsperry@certisoncology.com（JS）； nakashima@certisoncology.com（JN）；ldo@certisoncology.com（LHD）；wandrews@certisoncology.com（WA）4 生物医学信息学创新中心（ICBI），肿瘤学和生物统计学系、生物信息学和生物数学系，乔治城大学医学中心，2115 Wisconsin Ave NW, Suite G100，华盛顿特区 20007，美国；simina.m.boca@gmail.com 5 佛罗里达大西洋大学医学院，777 Glades Road，博卡拉顿，FL 33431，美国；islamr@health.fau.edu 6 Greiner Bio-One North America, Inc.，4238 Capital Drive，Monroe，NC 28110，美国；jan.seldin@gbo.com（JS）； glauco.souza@gbo.com (GRS) * 通信地址：fvrionis@baptisthealth.net (FDV); spicert@ufl.edu (TPS) † 这些作者对这项工作的贡献相同。