微生物,包括细菌和真菌,可以通过一系列的生化反应将金属离子转化为纳米颗粒。这种能力是归因于其细胞机械中特异性酶,肽和生物分子的存在。12,13这些生物活性分子既是还原剂又稳定的剂,从而控制了所得的bionanoparpicles的大小,形状和特性。14微生物系统用于纳米颗粒生物合成的利用是几种优势。首先,该过程发生在轻度条件下,最大程度地减少能耗并减少危险废物的产生。其次,微生物的使用提供了可再生能源的生物活性化合物来源,可以通过基因工程或环境修饰来量身定制。最后,基于ROS的产生以及膜渗透性,生物纳米颗粒倾向于表现出增强的生物相容性,15 - 17抗菌和抗癌活性,使其成为有希望的候选者,例如在Nano-Biyology in nano-Biology中使用抗菌和抗癌疗法中的药物递送。18,19但是,必须考虑几个限制。真菌ltrate组成可能会根据培养基20和真菌菌株而有所不同,21可以影响
基因表达的调节对应于基因组中编码的信息转化为表型的过程中的关键步骤。尽管已经对转录水平变化的遗传起源进行了广泛的分析,但我们的知识仍然非常有限,因为人群水平上蛋白质丰度变异的遗传起源。在这里,我们生成了近一千个天然酵母菌株的定量蛋白质组。通过与其转录组相比,我们的分析共同表明,转录组和蛋白质组显然是两种不同的调节水平,受自然种群中不同遗传基础的控制。在一起,我们的结果突出了访问这两个级别的基因表达以更好地理解基因型 - 表型关系的相关性。
具有CRISPR-CAS9的基因组工程中的长期障碍一直无法衡量Cas9编辑结果及其在单细胞分辨率下的功能效应。在这里,我们提出了Superb-Seq,这是一种利用T7原位转录和单细胞RNA测序的新技术,以共同测量靶向靶标Cas9编辑及其对基因表达的影响。我们在10,000 k562细胞上进行了高级seq,靶向了四个用七个引导RNA的染色质重塑基因。Superb-Seq在所有七个目标站点和其他36个非目标位点上确定了11,891个编辑事件。尽管选择了七个指南的高特异性,但其中有六个导致靶向脱靶编辑,频率从0.03%到18.6%的细胞范围不等。在USP9X的第一个内含子中,明显的脱靶编辑破坏了该基因的表达和超过150个下游基因。总而言之,由于罕见和常见的编辑事件的结合,CAS9非目标是普遍存在的,主要发生在靶向基因的内含子内,并且可以对基因表达产生广泛的影响。Superb-Seq使用现成的套件,标准设备,并且不需要病毒,这将使全基因组CRISPR屏幕能够在不同的细胞类型中以及与临床相关的指南的功能表征。
具有CRISPR-CAS9的基因组工程中的长期障碍一直无法衡量Cas9编辑结果及其在单细胞分辨率下的功能效应。在这里,我们提出了Superb-Seq,这是一种利用T7原位转录和单细胞RNA测序的新技术,以共同测量靶向靶标Cas9编辑及其对基因表达的影响。我们在10,000 k562细胞上进行了高级seq,靶向了四个用七个引导RNA的染色质重塑基因。Superb-Seq在所有七个目标站点和其他36个非目标位点上确定了11,891个编辑事件。尽管选择了七个指南的高特异性,但其中有六个导致靶向脱靶编辑,频率从0.03%到18.6%的细胞范围不等。在USP9X的第一个内含子中,明显的脱靶编辑破坏了该基因的表达和超过150个下游基因。总而言之,由于罕见和常见的编辑事件的结合,CAS9非目标是普遍存在的,主要发生在靶向基因的内含子内,并且可以对基因表达产生广泛的影响。Superb-Seq使用现成的套件,标准设备,并且不需要病毒,这将使全基因组CRISPR屏幕能够在不同的细胞类型中以及与临床相关的指南的功能表征。
结果:(1)在局部大脑连接组中,整个网络特征表现出低特征路径长度,并配对中度至高全球效率,这表明局部脑连接组构建的有效性。杏仁核连接组表现出比同侧海马和帕拉希公接连接组显示更长的特征路径长度和更弱的全球效率。(2)杏仁核连接组的轮毂分散在腹侧额叶,嗅觉区域,边缘,顶部,顶部区域和皮层下核,以及枢轴的海马连接组主要位于山缘,皮层和皮层下区域内。帕拉希公接连接组的轮毂分布类似于海马结构连接组,但缺乏半球间连接以及与皮层核的连通性。(3)每个ROI的大脑局部结构连接组的亚型通过层次聚类进行分类,双侧杏仁核连接组的亚型是杏仁核 - 前额叶连接组;杏仁核 - 外侧或对侧边缘连接组和杏仁核 - 伴随连接组。双侧海马连接组的亚型主要包括域半球中的海马冲向或对侧边缘连接组和前颞张 - 海马 - 腹部颞叶枕骨。parahampocampal连接组的亚型与海马的亚型表现出相似之处。
。cc-by 4.0国际许可(未经Peer Review尚未获得认证)是作者/资助者,他已授予Biorxiv的许可证,以永久显示预印本。这是该版本的版权持有人,该版本发布于2025年2月14日。 https://doi.org/10.1101/2025.02.12.637986 doi:Biorxiv Preprint
。cc-by-nc-nd 4.0国际许可证(未经同行评审证明)获得的是作者/资助者,他授予Biorxiv授予Biorxiv的许可,以永久显示预印本。这是该版本的版权持有人,该版本发布于2025年1月18日。 https://doi.org/10.1101/2024.08.11.607360 doi:biorxiv Preprint
基因组学和蛋白质组学技术的进步推动了大型基因和蛋白质网络(“相互作用组”)的创建,以用于了解生物系统。然而,相互作用组的激增使选择用于特定应用的网络变得复杂。在这里,我们对 45 个当前的人类相互作用组进行了全面的评估,涵盖蛋白质-蛋白质相互作用以及基因调控、信号传导、共定位和遗传相互作用网络。我们的分析表明,大型复合网络(如 HumanNet、STRING 和 Fun-Coup)对识别疾病基因最有效,而较小的网络(如 DIP、Reactome 和 SIGNOR)在相互作用预测方面表现出更强的性能。我们的研究为跨不同生物应用的相互作用组提供了基准,并阐明了影响网络性能的因素。此外,我们的评估流程为未来继续评估新兴和更新的相互作用网络铺平了道路。
单细胞RNA-Seq以前所未有的规模和细节来表征生物样品,但数据解释仍然具有挑战性。在这里,我们介绍了Cellwhisperer,这是一种多模式的机器学习模型和软件,该模型和软件连接转录组和文本,用于交互式单细胞RNA-seq数据分析。Cell Whisperer启用25英语中基于聊天的转录组数据的询问。为了培训我们的模型,我们创建了一个具有超过一百万对RNA-seq配置文件和匹配的文本注释的A-Ai-Cunip策划数据集,并在广泛的人类生物学上进行了匹配,我们建立了使用对比学习的匹配转录组和文本的多模式嵌入。我们的模型启用了按单元类型,状态和其他属性以零摄像的方式启用转录组数据集的自由文本搜索和注释,而无需参考数据集。此外,细胞-30个耳语者回答了关于自然语言聊天中细胞和基因的问题,使用生物学流利的大语言模型,我们对我们进行了微调,以分析各种生物应用中的批量和单细胞转录组数据。我们将Cell Whisperer与广泛使用的CellXgene浏览器集成在一起,使用户可以通过集成的图形和聊天接口进行遗传探索RNA-Seq数据。我们的方法展示了一种使用转录组数据的新方法,利用自然语言进行单细胞数据35分析,并为未来的基于AI的生物信息学研究助理建立重要的基础。
摘要 快速生长表型是通过最佳转录组分配实现的,其中细胞必须在不同功能之间平衡资源分配的权衡。大肠杆菌中的一种应激准备和无节制生长之间的平衡被称为恐惧与贪婪 (f/g) 权衡。在适应快速生长过程中观察到的两种特定 RNA 聚合酶 (RNAP) 突变先前已被证明会影响 f/g 权衡,这表明遗传适应可能已准备好控制 f/g 资源分配。在这里,我们对不同条件下 f/g 权衡的遗传控制进行了一项大大扩展的研究。我们引入了在适应性实验室进化 (ALE) 期间通常获得的 12 种 RNA 聚合酶 (RNAP) 突变,并获得了每种突变的表达谱。我们发现这些单个 RNAP 突变菌株导致 f/g 权衡发生巨大转变,主要发生在 RpoS 调节子和核糖体基因中,可能是通过修改 RNAP-DNA 相互作用实现的。其中两个突变还导致了条件特异性转录适应。虽然这种权衡以前以 RpoS 调节子和核糖体表达为特征,但我们发现 GAD 调节子在应激准备中起着重要作用,而 ppGpp 在翻译活动中起着重要作用,从而扩大了权衡的范围。系统发育分析发现,权衡的贪婪相关基因存在于许多细菌物种中。结果表明,f/g 权衡代表了细菌转录组分配的一般原则,其中小的遗传变化可导致对生长条件的巨大表型适应。