牛津大学圣安妮学院•2025年2月25日•9:30 - 18:15在此事件中,我们希望探讨平衡对具有极少数情况的婴儿进行筛查的好处,这需要涉及到没有亲自受益的婴儿的参与。我们希望这将是一个建设性和务实讨论的论坛,查看目前在新生儿筛查中的位置,并考虑我们如何充分利用当前的研究机会来测试和改善筛选过程。此事件是由个性化医学中心在剑桥棱镜的支持下组织的。(本计划的整个艺术是由年轻人在7至9年级为2023-24个个性化医学中心青年艺术竞赛中心创建的,其主题是筛查新生婴儿的疾病。)
能够产生稀有鞘氨碱(例如鞘氨酸和鞘氨酸)的微生物菌株的有效识别对于推进微生物发酵过程和解决工业需求的增加至关重要。wickerhamomyces ciferrii是一种非惯性酵母,自然会过量产生四乙酰基植物磷酸盐(TAPS);但是,其他有价值的鞘氨素碱基的产生,包括鞘氨醇,鞘氨酸和三乙酰基鞘氨醇,仍然是一个关键目标。在这项研究中,我们开发了一种新型的筛选方法,利用氟钠钠(一种选择性的荧光染料,它特异性地与非乙酰化的鞘氨酸鞘氨酸碱(鞘氨酸,鞘氨醇和植物磷酶)反应,同时对TAPS没有反应性。通过伽马射线诱变产生了W. ciferrii的突变库,并使用荧光激活的细胞分选(FACS)进行筛选。通过三轮分类分离出表现出高荧光强度的突变体,表明非乙酰化或部分乙酰化的鞘氨醇化碱基的产生,并通过HPLC分析进一步验证。这种方法成功地识别了三种突变菌株:P41C3(产生鞘氨酸),M01_5(鞘氨碱产生)和P41E7(产生三乙酰基肾上腺素产生)。中,p41c3突变体在摇动培养过程中达到了36.7 mg/l的鞘氨酸滴度,并伴随着TAPS产生的显着降低,表明代谢量的重定向。这项研究证明了荧光素钠作为用于鞘脂基碱产生菌株的选择性筛选染料的实用性,并为W. ciferrii代谢工程建立了有效的平台,以增强工业上重要的鞘脂的产生。
同时抑制含溴脱域的蛋白4(BRD4)和信号转导子和转录3(STAT3)激活因子可能是针对肾细胞癌(RCC)的有效策略。在这里,我们使用组合筛选协议成功地识别了五个双靶标BRD4/STAT3抑制剂(BSTS 1-5)。尤其是BST-4是最有效的抑制剂,同时靶向BRD4(IC 50 = 2.45±0.11 nm)和STAT3(IC 50 = 8.07±0.51 nm)。MD模拟表明,BST-4稳定与BRD4和STAT3的活动位点结合。细胞毒性测定表明,BST-4针对RCC细胞系具有显着的抗增殖活性,尤其是CAKI-2细胞(IC 50 = 0.76±0.05μm)。此外,与阳性对照RVX-208和CJ-1383相比,体内实验表明,BST-4更有效地抑制异种移植肿瘤的生长。总体而言,这些数据表明BST-4可能是RCC治疗的有前途的候选化合物。
为了利用环境中存在的微生物以获得其有益资源,有效的选择和从环境样品中隔离了微生物是必不可少的。在这项研究中,我们使用树脂制造了一个用于微生物培养的凝胶填充的微孔阵列装置。该设备具有集成的密封机制,可以基于微生物的培养物进行高密度隔离。该设备易于管理,使用明亮场显微镜促进观察。这款由甲基丙烯酸甲酯(PMMA)/聚乙二醇三苯二甲酸酯(PET)制成的低成本装置具有900个微孔(600μm×600μm×600μm×700μm),填充在玻璃滑板板中的微生物培养基培养基。它还具有用于维持微凝胶中水分含量的凹槽。井之间的分区壁具有高度疏水的涂层,可抑制微生物迁移到相邻井中并防止液体物质交换。密封后,该设备可以在琼脂糖凝胶中保持水分7天。在使用该设备的细菌培养实验中,将环境细菌分离出来,并在3天后在单个井中培养。此外,然后从井中捡起孤立的细菌并重新培养。该设备可有效地首次筛选海洋环境样品中的微生物。
设计酶以在新型化学环境中起作用是合成生物学具有广泛应用的核心目标。在这项工作中,我们描述了一项由机器学习(ML)引导的运动,以设计核酸酶NucB,核酸核酸核酸hut(一种酶)在治疗慢性伤口时应用。在多轮酶演化运动中,我们将超高通量功能筛选与ML相结合,并将其与维特罗定向进化(DE)的平行运动(DE)和硅内命中率重组(HR)进行了比较。ML引导的运动发现了数百种高度活跃的变体,最多有19倍的核酸酶活性改善,表现优于DE发现的12倍改进。此外,ML设计的命中率距离NUCB WildType高达15个突变,在命中率和多样性方面远远超过了HR方法。我们还表明,仅在进化数据上训练的模型而无需访问任何实验数据,就可以比传统的初始图书馆生成方法以明显高的速率设计功能变体。为了推动ML引导设计的未来进展,我们策划了一个55K多种变体的数据集,这是迄今为止最广泛的基因型 - 表型酶活性景观之一。数据和代码可在以下网址提供:https://github.com/google-deepmind/nuclease_design。
设计酶以在新型化学环境中起作用是合成生物学具有广泛应用的核心目标。使用机器学习(ML)引导蛋白质设计有可能通过精确导航坚固的健身景观来加速发现高性能酶。在这项工作中,我们描述了ML引导的运动,以设计Nuclease NucB,该核定是一种酶,该酶在治疗慢性伤口的酶降解生物膜,以治疗慢性伤口。在多发酶演化活动中,我们将超高通量功能筛选与ML相结合,并将其与平行的电脑内定向进化(DE)和硅内命中重组(HR)策略进行了比较。ML引导的运动发现了数百种高度活跃的变体,最多有19倍的核酸酶活性改善,而DE的最佳变体提高了12倍。此外,ML设计的命中率距离NUCB WildType高达15个突变,在命中率和多样性方面远远超过了HR方法。我们还表明,仅在进化数据上训练的模型而无需访问任何实验数据,就可以比传统的初始图书馆生成方法以明显高的速率设计功能变体。为了推动ML引导设计的未来进展,我们策划了一个55K多种变体的数据集,这是迄今为止最广泛的基因型 - 表型酶活性景观之一。数据和代码可在以下网址提供:https://github.com/google-deepmind/nuclease_design。
。cc-by-nc-nd 4.0国际许可证(未获得同行评审证书)获得的是作者/资助者,他已授予Biorxiv授予Biorxiv的许可,以永久显示预印本。这是该版本的版权所有,于2024年5月23日发布。 https://doi.org/10.1101/2024.05.22.595167 doi:Biorxiv Preprint
Number Cas9-expressing cell lines 1, ATCC: CCL-185 A549 , adherent 2, Coriell Institute GM12878 , suspension 3, ATCC: CCL-247 HCT116 , adherent 4, ATCC: CRL-1573 HEK293 , adherent 5, ATCC: CCL-2 HeLa , adherent 6, ATCC: HB-8065 Hep G2 , adherent 7, ATCC: TIB-152 Jurkat , suspension 8, ATCC: CCL-243 K562 , suspension 9, ATCC: HTB-22 MCF7 , adherent 10, ATCC: HTB-132 MDA-MB-468 , adherent 11, ATCC: CRL-5807 NCI-H358 , adherent 12, ATCC: CRL-5872 NCI-H1437,遵守13,ATCC:CRL-5887 NCI-H1693,ADHERENT 14,ATCC:CRL-2577 RKO,RKO,RKO,辅助15,ATCC:CRL-2137 SK-N-AS,sk-n-as,ASCCC:CCL-235 SW837,ATCC:ATCC:ATCC:TIB:TIB:TIB:TIB:TIB:TIB:TIB:TIB:TIB:TIB:TIB:TIB-202: U-2 OS,附着
hal是一个多学科的开放访问档案,用于存款和传播科学研究文件,无论它们是否已发表。这些文件可能来自法国或国外的教学和研究机构,也可能来自公共或私人研究中心。
基于CRISPR的单细胞转录组筛选是有效的遗传工具,可同时评估由一组指南RNA(GRNA)靶向的细胞的表达式,并从观察到的扰动中推断靶基因函数。然而,由于各种局限性,这种方法在检测弱扰动方面缺乏灵敏度,并且在研究主调节器(例如转录因子)时基本上是可靠的。为了克服检测微妙的GRNA诱导的转录组扰动和对响应最快的细胞进行分类的挑战,我们开发了一种新的监督自动编码器神经网络方法。我们稀疏的监督自动编码器(SSAE)神经网络提供相关特征(基因)和实际扰动细胞的选择。我们将此方法应用于基于基于缺氧的长期非编码RNA(LNCRNA)的子集的基于内部单细胞CRISPR干扰(CRISPRI)转录组筛查(CROCPRI)转录组筛选(CROP-SEQ),该子集受缺氧调节的疾病,该疾病在肺腺癌(Lung adenacoarcinoma)(LUAD)的背景下促进了肿瘤的侵略性和耐药性。针对LNCRNA的子集进行了经过验证的GRNA的农作物序列库,并且作为阳性对照,HIF1A和HIF2A(低氧反应的2个主要转录因子)在3、6或24 h期间在正态氧中培养的A549 LUAD细胞中转导的2个主要转录因子。我们首先通过确定在低氧反应的时间开关期间确定其敲低的特定效应,从而验证了HIF1A和HIF2上的SSAE方法。接下来,SSAE方法能够检测出稳定的短缺氧依赖性转录组特征,该特征是由某些LNCRNA候选者的敲低诱导的,表现优于先前发表的