†这些作者同样贡献了 *对应:bennie.lemmens@ki.se摘要DNA复制对于生活至关重要,并确保了遗传信息的准确传播,这在癌症发育和化学疗法中受到了严重干扰。虽然DNA复制在时间和空间中受到严格控制,但缺乏可视化和量化3D人类细胞内复制动力学的方法。在这里,我们引入了3D空间测定,以进行复制动力学(3D Spark),这是一种实现DNA合成动力学的纳米级分析的方法。3D Spark与超分辨率显微镜相结合,以检测,分类和量化单细胞中的复制纳米结构。通过将免疫荧光技术与基于化学的新生DNA标记和荧光核苷酸衍生物转染的转染相结合,我们绘制了与已建立的复制蛋白,局部RNA-蛋白辅助蛋白或大型亚核域相关的多色DNA合成事件。我们证明了化学治疗,CDC6癌基因表达和染色质组织者RIF1的尺寸,相对丰度和空间排列的定量变化。3D Spark的灵活性,精度和模块化设计有助于弥合空间细胞生物学,基因组学和基于2D纤维的健康和疾病的复制研究。引言DNA复制是一个基本的生物学过程,对于细胞增殖,基因组稳定性和整体生物体健康至关重要。它确保每个细胞周期一次完全,准确地重复基因组,并遵循定义的时间和空间顺序,称为复制时序(RT)程序。该程序在脊椎动物物种中是高度保守的(Masai和Foiani,2017年),并引起在早期,中期和晚期S-相细胞中观察到的特征复制焦点模式
同源重组因子在 DNA 复制过程中对保护新生 DNA 起着至关重要的作用,但染色质在此过程中的作用尚不清楚。在这里,我们使用了已知可在酿酒酵母中诱导位点特异性复制叉停滞的细菌 Tus/Ter 屏障。我们报告称,Set1C 亚基 Spp1 被募集到停滞的复制叉后面,与其与 Set1 的相互作用无关。Spp1 染色质募集依赖于其 PHD 结构域与沉积在停滞叉后面的 H3K4me3 亲本组蛋白的相互作用。它的募集通过限制 Exo1 的访问来防止 ssDNA 在停滞叉处积累。我们进一步表明,删除 SPP 1 会增加屏障上游的突变率,有利于微缺失的积累。最后,我们报告称 Spp1 保护 Tus/Ter 停滞复制叉处的新生 DNA。我们认为 Spp1 限制了叉的重塑,最终限制了新生 DNA 对核酸酶的利用。
摘要由严重的急性呼吸综合症冠状病毒-2(SARS-COV-2)引起的冠状病毒疾病19(COVID-19)的当前流行呼吁开发病毒复制抑制剂。在这里,我们对包括伊马替尼梅赛酸酯在内的已发表和声称的SARS-COV-2抗病毒药进行了生物信息学分析,我们发现,我们发现对Vero E6细胞的SARS-COV-2复制抑制了SARS-COV-2复制,并根据有关其他冠状病毒的文献来抑制其他关于其他冠状病毒的文献,这可能会以酪氨酸动物学酶为酪氨酸动物酶抗抑制剂。我们确定了具有溶酶体剂特征的SARS-COV-2抗病毒药簇,这意味着它们是能够渗透到细胞中的亲脂性弱碱基。These agents include cepharentine, chloroquine, chlorpromazine, clemastine, cloperastine, emetine, hydroxychloroquine, haloperidol, ML240, PB28, ponatinib, siramesine, and zotati fi n (eFT226) all of which are likely to inhibit SARS-CoV-2 replication by non-speci fi c(脱靶)的效果,这意味着它们可能不对其“官方”药理学靶标作用,而是通过对包括自噬体,内体和溶酶体在内的嗜酸细胞器的非特征作用来干扰病毒复制。伊马替尼梅赛酸盐并未落入该簇。总而言之,我们根据其理化特征提出了将SARS-COV-2抗病人的初步分类与特异性(靶)与非特殊(非目标)(非目标)药物的特定分类。
1.2. REM 的相图。获取 REM 相图的一个简单方法是使用微正则系综。对于给定的样本,即对于 2 N 能量 E ( C ) 的给定实现,让 N ( E ) 表示能量在区间 ( E, E + δE ) 内的配置数(我们选择 δE 小于 N ,但不小于 N 的指数级)。显然,样本中 N ( E ) 的平均值是 ⟨N ( E ) ⟩ = 2 NP ( E ) δE 。然后,由于能量是独立的,对于典型样本 N ( E ) ≃⟨N ( E ) ⟩,在 ⟨N ( E ) ⟩≫ 1 的能量范围内(即当 | E/N | < J √ log 2 时),有且有 N ( E ) = 0,在 ⟨N ( E ) ⟩≪ 1 的范围内。这立即告诉我们基态能量为 E GS /N = − J √ log 2,并且在 | E | /N < J √ log 2 范围内的熵由 S ( E ) = N log 2 − E 2 / ( NJ 2 ) 给出。在此范围之外,没有能级(对于典型样本),因此 S ( E ) = −∞ 。综上所述,
非同源最终连接(NHEJ)因素在复制叉保护,重新启动和维修中。在这里,我们确定了一种与RNA相关的机制:在裂变酵母中建立NHEJ因子KU介导的障碍物的DNA杂种。rNase H活性促进新生的链降解和复制重新开始,RNase H2在处理RNA中的重要作用:DNA杂种以克服新生链降解的KU级杂种。rNase H2与MRN-CTP1轴合作,以KU的方式维持对复制应激的抗性。从机械上讲,新生链降解中RNAseH2的需求需要培养基活性,该活动允许建立KU级驻射击器exo1,而损害Okazaki碎片的成熟会加强KU驻式甲壳。最后,复制应力以原始酶依赖性方式诱导KU灶,并有利于KU结合与RNA:DNA杂交。我们提出了RNA的功能:DNA杂交源自冈崎片段的DNA杂交,以控制KU驻式核能指定核酸酶的要求,以使分叉切除。
代谢和DNA复制是生活中两个最基本的生物学功能。代谢的分解代谢分支分解了营养,以产生代谢的能量和前体,该能量由代谢分支用于合成大分子的代谢分支。DNA复制消耗了能量和前体,以忠实地复制基因组,从而一代地传播遗传物质。我们对支撑和调节这两种生物功能的机制有精致的理解。然而,将复制与代谢复制及其生物学功能的分子机制仍然未知。通过细胞周期动态变化对生物的营养刺激作出反应,并在广泛的生长条件下可重复地和明显地将DNA合成时间暂时性化,这是重要的,这在所有领域都具有广泛的含义。总结了建立复制代谢控制概念的开创性研究后,我们回顾了将代谢与从细菌到人类复制的复制联系在一起的数据。然后提出了基于这些联系的基于这些联系的分子见解,以提出复制的代谢控制使用信号系统齿轮代谢体稳态来协调复制时间的时间化。在该控制的突变体中发现的显着复制表型突出了其在复制调节以及潜在的遗传稳定性和肿瘤发生中的重要性。
推荐引用 推荐引用 Pavlov, Y., Mushtaq, F., Adamian, N., Appelhoff, S., Arvaneh, M., Benwell, C., Beste, C., Bland, A., Bradford, D., Bublatzky, F., Busch, N., Clayson, P., Cruse, D., Czeszumski, A., Dreber, A., Dumas, G., Ehinger, B., Ganis, G., He, X., Hinojosa, J., Huber-Huber, C., Inzlicht, M., Jack, B., Johannesson, M., Jones, R., Kalenkovich, E., Kaltwasser, L., Karimi-Rouzbahani, H., Keil, A., & König, P. (2021) '#EEGManyLabs: Investigating the replicaability of influence EEG 实验”,Cortex,。可从以下网址获取:10.1016/j.cortex.2021.03.013 本文由 PEARL 健康学院免费开放获取。它已被 PEARL 授权管理员接受纳入心理学学院。如需更多信息,请联系 openresearch@plymouth.ac.uk。
摘要 DNA 复制过程需要与其他 DNA 代谢交易协调,最终必须扩展到整个基因组,无论染色质状态、基因表达、二级结构和 DNA 损伤如何。DNA 复制的完整性和准确性对于维持基因组完整性、限制正常细胞中的转化以及为增殖的癌细胞提供靶向机会至关重要。因此,DNA 复制与染色质动力学和 3D 基因组结构紧密协调,我们才刚刚开始了解其背后的分子机制。虽然最近已经发现了很多关于 DNA 复制起始如何在不同基因组区域和核区域(所谓的“DNA 复制程序”)中组织和调节的信息,但我们对正在进行的复制叉的延长以及特别是对复制障碍的反应如何受到局部核组织的影响知之甚少。此外,核结构的特定组成部分如何参与复制应激反应仍然难以捉摸。在这里,我们回顾了已知的机制和因素,这些机制和因素协调了复制起始和压力下的复制叉进展,重点关注将基因组组织和核结构与细胞对复制干扰的反应联系起来的最新证据,并强调了开放的问题和未来的挑战,以探索这一令人兴奋的新研究途径。
为了提高单个DNA测序结果的性能,研究人员经常使用同一个人和各种统计聚类模型的重复来重建高性能呼叫仪。在这里,考虑了基因组Na12878的三个技术重复,并比较了五个模型类型(共识,潜在类,高斯混合物,kamila - 适应性的K-均值和随机森林),涉及四个性能指标:敏感性,精度,精度,准确性和F1评分。与不使用组合模型相比,i)共识模型提高了精度0.1%; ii)潜在类模型带来了1%的精度改善(97% - 98%),而不会损害灵敏度(= 98.9%); iii)高斯混合模型和随机森林提供了更高精确度(> 99%)但敏感性较低的呼叫; iv)卡米拉提高了精度(> 99%),并保持高灵敏度(98.8%);它显示出最好的总体表现。根据精确和F1得分指标,比较了组合多个呼叫的非监督聚类模型能够改善测序性能与先前使用的监督模型。在比较模型中,高斯混合模型和卡米拉提供了不可忽略的精度和F1得分的改进。因此,可能建议将这些模型用于呼叫集重建(来自生物或技术重复),以进行诊断或精确医学目的。
此预印本的版权所有者此版本于 2025 年 1 月 28 日发布。;https://doi.org/10.1101/2024.03.11.584335 doi:bioRxiv preprint