XiaoMi-AI文件搜索系统
World File Search Systemscreens
全基因组 CRISPR 筛选揭示了弥漫性大 B 细胞淋巴瘤中 CREBBP 与 EP300 之间的合成致死相互作用
摘要 弥漫性大 B 细胞淋巴瘤 (DLBCL) 是最常见的侵袭性淋巴系统恶性肿瘤，是一种高度异质性的疾病。在本研究中，我们进行了全基因组和转录组测序以及全基因组 CRISPR-Cas9 敲除筛选，以研究活化的 B 细胞样 DLBCL 细胞系 (RC-K8)。我们在 RC-K8 中发现了一种独特的遗传必需性模式，包括对 CREBBP 和 MDM2 的依赖性。对 CREBBP 的依赖性与涉及 EP300 的平衡易位有关，这导致蛋白质的截短形式缺乏关键的组蛋白乙酰转移酶 (HAT) 结构域。CREBBP 和 EP300 基因（B 细胞淋巴瘤中两个经常突变的表观遗传调节剂）之间的合成致死相互作用在之前发表的 CRISPR-Cas9 筛选和抑制剂测定中得到了进一步验证。我们的研究表明，将无偏功能筛选结果与基因组和转录组数据相结合，可以识别 DLBCL 中常见和独特的可用药物弱点，并且组蛋白乙酰转移酶抑制可以成为 CREBBP 或 EP300 突变病例的治疗选择。
T 细胞衰竭的全基因组 CRISPR 筛选可识别限制 T 细胞持久性的染色质重塑因子
利益声明 ATS 是 Immunai 的科学创始人和 Cartography Biosciences 的创始人，并从 Arsenal Biosciences、Allogene Therapeutics 和 Merck Research Laboratories 获得研究资助。JAB 是 Immunai 的顾问。SAV 是 Immunai 的顾问。KEY 是 Cartography Biosciences 的顾问。CLM 是 Lyell Immunopharma 和 Syncopation Life Sciences 的联合创始人，并为 Lyell、Syncopation、NeoImmune Tech、Apricity、Nektar、Immatics、Mammoth 和 Ensoma 提供咨询。AA 是 Tango Therapeutics、Azkarra Therapeutics、Ovibio Corporation 和 Kytarro 的联合创始人；SPARC、Bluestar、ProLynx、Earli、Cura、GenVivo、Ambagon、Phoenix Molecular Designs 和 GSK 的顾问；Genentech、GLAdiator、Circle 和 Cambridge Science Corporation 的 SAB 成员；获得 SPARC 和阿斯利康的研究支持；持有与阿斯利康共同持有的 PARP 抑制剂使用专利。AM 是 Spotlight Therapeutics、Arsenal Biosciences 和 Survey Genomics 的联合创始人。AM 是 NewLimit 的科学顾问委员会成员。AM 拥有 Arsenal Biosciences、Spotlight Therapeutics、NewLimit、Survey Genomics、PACT Pharma 和 Merck 的股份。AM 曾从 23andMe、PACT Pharma、Juno Therapeutics、Trizell、Vertex、Merck、Amgen、Genentech、AlphaSights、Rupert Case Management、Bernstein 和 ALDA 收取费用。AM 是 Offline Ventures 的投资者和非正式顾问，也是 EPIQ 的客户。Marson 实验室曾从 Juno Therapeutics、Epinomics、Sanofi、GlaxoSmithKline、Gilead 和 Anthem 获得研究支持。 KAF、ES、JC、AA、AM 和 CLM 在 CAR-T 细胞治疗领域拥有专利。JAB 和 ATS 已提交与本研究内容相关的专利。
使用上下文感知的自动编码器
对药物治疗的患者特定反应的准确，可靠的预测对于药物开发和个性化医学至关重要。但是，患者数据通常太稀缺了，无法训练广义的机器学习模型。尽管已经开发了许多方法来利用细胞系数据，但由于数据分布变化和混杂因素，很少有它们可以可靠地预测患者对新药的临床反应。我们开发了一种新颖的上下文感知的反面自动编码器（Code-AE），该自动编码器（Code-AE）可以提取通过上下文特定模式和混杂因素掩盖的常见生物学信号。广泛的研究表明，代码可以有效地减轻模型泛化的分布外问题，显着提高了对最先进方法的准确性和鲁棒性，这两种方法都可以预测患者特异性的体内和体内药物反应纯粹是从体外筛查中，并且是从体外筛查中的，并且是从体外筛查中的，并脱离了本质上的生物学因素。使用Code-AE筛选了9,808例癌症患者的50种药物，并发现了新型的个性化抗癌疗法和药物反应生物标志物。
Adam Yaari
MTAP基因的纯合缺失是癌症中最常见的遗传改变之一，影响了所有人类癌症的10-15％。开发了包括TNG908和TNG462在内的临床MTA合并PRMT5抑制剂，以利用PRMT5抑制和MTAP缺失之间充分表征的合成致死相互作用。的确，第一个披露的MTA合作性PRMT5抑制剂的临床数据证明了TNG908在MTAP删除的肿瘤中有选择性地抑制PRMT5的能力，同时在患者中保留邻近的正常，MTAP-Profofoffic-Profofoffic-MTAP-Profofoffoffient。为了进一步探索MTA骨骼删除细胞中MTA合件性PRMT5抑制剂的作用机理，我们采用了多个基于CRISPR的编辑平台（CRISPRN，CRISPRI和CRISPRA）来进行无偏MTA合件性PRMT5抑制剂锚固筛网，并在In In In In In Intro和Vivo中进行。代表多种组织学的癌症模型揭示了潜在的PRMT5抑制剂敏化和耐药途径，这些途径还包括特定于MTA合并抑制剂的机制。Specifically, the results of these screens identify 1) the effect of MTA/SAM metabolism on MTA-cooperative PRMT5 inhibitors, and 2) identification of potential sub-stratification strategies for patients with MTAP-deleted cancer, and 3) the activity of PRMT5 in anti-apoptotic pathways and synergy between PRMT5 and BCLxL inhibition.
在具有LEAP的临床前癌模型中预测基因的本质和药物反应：自动编码器和
临床前扰动筛选，其中在疾病模型上系统地测试了遗传，化学或环境扰动的影响，由于其规模和因果性质，对机器学习增强的药物发现具有巨大的希望。预测模型可以根据分子特征来推断以前未经测试的疾病模型的扰动反应。这些在计算机标签中可以扩展数据库并指导实验优先级。但是，对扰动特异性效应进行建模并在各种生物环境中产生健壮的预测性能仍然难以捉摸。我们介绍了LEAP（自动编码器和预测变量的分层集合），这是一个新颖的集合框架，可改善稳健性和概括。LEAP利用多个Damae（数据增强蒙版的自动编码器）表示和套索回归器。通过结合从不同随机初始化中学到的多种基因表达表示模型，在预测未见细胞系，组织和疾病模型中基因本质或药物反应方面始终胜过最先进的方法。值得注意的是，我们的结果表明，结合表示模型而不是仅预测模型会产生出色的预测性能。超出其性能增长，LEAP在计算上是有效的，需要最小的高参数调整，因此很容易将其纳入药物发现管道中，以优先考虑有希望的目标并支持生物标志物驱动的分层。这项工作中使用的代码和数据集可公开使用。
CRISPR-Cas9 敲除筛选确定 DNA 损伤反应途径和 BTK 对弥漫大 B 细胞淋巴瘤顺铂反应至关重要
简单总结：弥漫大 B 细胞淋巴瘤是最常见的淋巴瘤类型。尽管接受了初始治疗，但多达 40% 的患者未能治愈，需要二线治疗。对于那些经历晚期复发或无法获得 CAR-T 细胞疗法的患者，以铂类为基础的化疗后进行干细胞移植仍然是标准治疗方法。在这项研究中，我们使用全基因组 CRISPR/Cas9 筛选和单基因敲除实验来识别与对铂类药物的反应相关的基因。我们提供了与 DLBCL 对顺铂的反应有关的基因的综合列表。我们的功能实验强调了 DNA 损伤反应基因 XPA 和 ERCC6 以及 BTK 在对铂类药物的反应中的关键作用。此外，我们还表明，抑制较低浓度的 BTK 会使 DLBCL 细胞对铂类药物敏感。
基因筛查揭示了 BAP1 缺陷间皮瘤中新的可靶向弱点 Pandey, Gaurav Kumar; Landman, Nick; Neikes, Hannah K.; Hulsman,
Gaurav Kumar Pandey、1,4,6,7 Nick Landman、1,4,7 Hannah K. Neikes、2,4 Danielle Hulsman、1 Cor Lieftink、3 Roderick Beijersbergen、3 Krishna Kalyan Kolluri、5 Sam M. Janes、5 Michiel Vermeulen、2,4 Jitendra Badhai、1,4,8、* 和 Maarten van Lohuizen 1,4,8,9, * 1 荷兰癌症研究所分子遗传学部，Plesmanlaan 121, 1066CX 阿姆斯特丹，荷兰 2 奈梅亨内梅亨大学理学院分子生物学系，奈梅亨，荷兰 3 分子癌发生部，NKI 机器人和筛查中心，荷兰癌症研究所，荷兰阿姆斯特丹 4 Oncode 研究所，乌得勒支，荷兰 5 伦敦大学学院呼吸科肺活体研究中心，伦敦大学学院，雷恩大厦，伦敦，英国 6 现地址：印度瓦拉纳西 221005 贝拿勒斯印度教大学动物学系 7 以下作者贡献相同 8 资深作者 9 主要联系人 *通信地址：j.badhai@nki.nl (JB)，mvlohuizen@nki.nl (MvL) https://doi.org/10.1016/j.xcrm.2022.100915
Julianne Beirute-Herrera，BeatrizLópez-Amo Calvo，Frank Edenhofer和Christopher Esk*人类体外脑模型中遗传筛查的希望
摘要：体外培养模型的进步允许对人类神经生物学的前所未有的见解。同时，遗传筛查已成熟成坚固且可获得的实验策略，允许同时研究许多基因。两种技术的组合是神经科学家的新兴工具，为识别因果细胞和组织特异性发育和疾病机制打开了大门。然而，随着综合实验遗传筛查的设置，在数据解释和经验的eCreaseThatrequirea中对个人方法的好处和挑战深度理解。在这篇综述中，我们总结了遗传筛选体外大脑模型的文献，比较实验强度和劣势，并指向这些有前途的方法的未来方向。
超系统
• Determines granular process inefficiencies • Finds, monitors, and sets up tasks for automation with bots or scripts • Extrapolates information from occurrences on a workstation or recorded from screens, creates process documentation, and automates simulation model generation • Restores or expands a model and provides process recommendations based on previous data
现场控制站
• High bandwidth, mesh capable secure radio links • Real-time mission data visualization • Low latency streaming for multiple video sources, air quality and other environmental data sensors • Long battery life • Up to 3 high resolution, 1200 nit daylight viewable screens • Multiple power options—AC mains or DC battery/generator • Highly accurate, assignable unmanned systems controls