XiaoMi-AI文件搜索系统
World File Search System产出量
Clusterprofiler GO和KEGG 富集分析R代码详解
连。这些关系可以是“is_a”或“part_of”，形成了一个有向无环图（DAG）的结构。 GO注释是将基因产 物与GO术语相关联的过程，这对于理解基因的功能和进行基因表达分析至关重要。 GO注释的结果可 以用于多种分析，包括基因本体论富集分析，这是一种统计方法，用于确定在一组基因中哪些GO术 语的出现频率显着高于随机预期，从而揭示基因集的生物学功能。
靶向线粒体 ROS 产生来逆转乳腺癌细胞的上皮-间质转化
摘要：实验证据表明，活性氧 (ROS) 的生成参与了缺氧诱导因子 (HIF)-1 α 的缺氧稳定以及随后肿瘤侵袭性和转移扩散促进剂的表达。然而，线粒体 ROS 在缺氧诱导的上皮间质转化 (EMT) 激活中的作用仍不清楚。本研究旨在验证以下假设：抑制缺氧诱导的线粒体 ROS 生成（主要在线粒体复合物 III UQCRB 位点）可能导致 EMT 逆转，此外还会导致 HIF-1 α 稳定性降低。通过评估乳腺癌细胞在用抗氧化剂处理 48 小时后对 ROS、HIF-1 α 和 EMT 标志物的水平，评估了缺氧诱导的 ROS 增加在 HIF-1 α 稳定性中的作用以及抗氧化剂（其中一些直接针对线粒体复合物 III）阻断 ROS 产生和 HIF-1 α 稳定性并防止 EMT 标志物变化的能力。还通过 RNA 干扰沉默其表达并评估其下调对 ROS 产生、HIF-1 α 水平和 EMT 标志物的影响来评估 UQCRB 在缺氧诱导的 EMT 中的具体作用。我们的结果证实了 UQCRB 在缺氧信号诱导 EMT 中的关键作用。因此，UQCRB 可能是开发能够通过阻断线粒体 ROS 产生来逆转 EMT 的药物的新治疗靶点。
能量、能量、熵产最小化和能量系统的环境能量分析——简要回顾
人口增长、能源需求增加以及减少温室气体排放的迫切环境行动的需要对人类的能源转换过程的方法和实施提出了挑战，并要求仔细考虑用于设计和评估此类过程的工具和方法。在热力学范畴内，熵生成最小化、能量、能量能、第二定律和环境能分析方法是提供有关资源使用、转换效率和环境影响的定量信息的方法框架。这些方法结合起来，可以在我们未来能源基础设施（例如，增加可再生能源发电、氢能基础设施）的设计和优化中发挥重要作用。这篇小型评论的结构如下：第 2 节介绍能量和能量分析；第 3 节讨论熵生成最小化；第 4 节讨论环境能分析。目的是简要描述这些方法的核心方面，并引导读者阅读文献中进一步发展和说明核心思想的作品。
一种增强荚膜红细菌产氢的定向基因组进化方法
光合细菌（如红细菌）的固氮酶依赖性 H 2 生成已被广泛研究。使用基因操作增加 H 2 产量的一个重要限制是缺乏高通量筛选方法来检测可能的过量生产突变体。之前，我们设计了红细菌菌株，使其在 H 2 反应中发出荧光，并利用它们来识别导致 H 2 过量生产的固氮酶 Fe 蛋白突变。在这里，我们使用紫外线在工程 H 2 感应菌株的基因组中诱导随机突变，并使用荧光激活细胞分选从含有 5 × 10 5 突变体的文库中检测和分离 H 2 过量生产细胞。三轮诱变和菌株选择逐渐使 H 2 产量增加了 3 倍。对五种 H 2 过量生产菌株的全基因组进行了测序，并与亲本感应菌株的全基因组进行了比较，以确定 H 2 过量生产的基础。除了转录激活因子 nifA2 之外，与氮固定相关的已知功能没有发生突变。然而，一些突变被映射到能量产生系统和碳代谢相关功能，这些功能可以将还原力或 ATP 提供给固氮酶。在批量培养中，固氮酶抑制的时间过程实验揭示了固氮酶蛋白水平与其 H 2 和乙烯生产活动之间的不匹配，这表明能量受到限制。在恒化器中培养产生的 H 2 始终比相应的批量培养多 19 倍，揭示了选定的 H 2 过量生产菌株的潜力。
新基因工程技术造成的意外影响产生了新的危害和风险
例如，现在研究表明，与其他基因相比，物种生存所必需的基因更频繁地通过细胞中的自然机制进行修复，即它们更不容易发生突变 (Huang & Li, 2018; Belfield et al., 2018; Monroe et al., 2022)。此外，染色体的结构和基因的位置都会影响突变率 (Halstead et al., 2022; Monroe et al., 2022)。此外，基因复制起着重要作用，尤其是在植物基因组中 (Wendel et al., 2016; Gaines et al., 2022)。生物特性，如杂草对除草剂的抗性，可以通过基因复制（Gaines 等人，2019）和建立备份功能（Jones 等人，2017）来培养。这些和其他最近的发现正在挑战经典的进化理论，即突变是随机发生的，与它们对生物体的影响（例如适应度成本）无关。
以产消者为基础的配电网中分布式发电成本最小化：预印本
摘要 — 传统上，电力是由大型发电厂生产的。生产能源的成本与燃料成本（例如碳或天然气）以及维护发电厂的成本有关。随着分布式能源的出现，电力可以由一种新型主体直接在电网边缘生产：产消者。产消者是既消耗又发电的实体，例如通过光伏板。产消者生产的电力成本不再与燃料消耗有关，因为来自分布式发电机的能源基本上是免费的。相反，成本与产消者提供的服务应得的报酬有关。所提出的控制策略在上述情况下将有功发电成本降至最低。控制方案要求产消者测量其电压，然后根据连续时间反馈控制律（实际上是投影梯度下降策略）调整注入的电量。提供模拟以说明算法行为。
预测学习规则产生了概率感官体验的类似皮质的重播
。cc-by 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。这是该版本的版权持有人，该版本于2024年7月29日发布。 https://doi.org/10.1101/2023.02.17.528958 doi：Biorxiv Preprint
评论文章 C1 气体发酵产乙酸底盘生物的遗传和代谢工程挑战
石油和石油资源的开采和利用以及将其转化为基本燃料和化学品，对环境产生了严重影响，导致全球变暖和气候变化。此外，化石燃料是有限的资源，很快就会短缺。因此，研究工作越来越侧重于开发化学品和燃料生产的可持续替代品。在这种情况下，依赖微生物的生物过程引起了特别的兴趣。例如，产乙酸菌使用 Wood-Ljungdahl 途径以单碳 C1 气体（CO 2 和 CO）作为唯一碳源生长，并产生有价值的产品，如醋酸盐或乙醇。因此，这些自养生物可用于大规模发酵过程，从丰富的温室气体中生产工业相关化学品。此外，最近已经开发出遗传工具，通过合成生物学方法改进这些底盘生物。本综述将重点介绍遗传和代谢改造产乙酸菌的挑战。它将首先讨论这些生物体中成功进行 DNA 转移的物理和生化障碍。然后将介绍目前为几种产乙酸菌开发的遗传工具，这些工具对于菌株工程巩固和扩大其产品目录至关重要。最后将介绍用于代谢工程目的的最新工具应用，这些工具允许重新定向代谢通量或生产非天然化合物。
针对产肠毒素大肠杆菌菌毛的多价候选疫苗，可广泛预防猪断奶后腹泻
摘要 菌毛介导的初始粘附是产肠毒素大肠杆菌 (ETEC) 感染所需的初始和关键步骤。因此，已经开发出针对这些菌毛并诱导特异性抗菌毛抗体以阻断 ETEC 初始粘附的候选疫苗。虽然这种疫苗可以有效预防 ETEC 相关的断奶后腹泻 (PWD)，但由于这些抗原之间的免疫异质性，开发一种广泛有效的针对 ETEC 初始粘附的疫苗仍然是一个具有挑战性的问题。在这里，我们应用多表位融合抗原 (MEFA) 技术构建了 FaeG–FedF–FanC–FasA–Fim41a MEFA，使用主要菌毛 K88 和 F18 的粘附亚基作为骨架，它还整合了来自稀有菌毛 K99、987P 和 F41 的粘附亚基的表位；然后我们生成了一个 MEFA 计算模型并在免疫小鼠中测试了这种 MEFA 蛋白的免疫原性。接下来我们通过体外评估其抗菌毛、抗体导向的细菌粘附抑制作用，评估了针对菌毛的 MEFA 作为疫苗候选物有效预防 PWD 的潜力。计算模型表明，所有相关表位都暴露在 MEFA 表面，并且用 MEFA 蛋白皮下免疫的小鼠产生了针对所有五种菌毛的 IgG 抗体。此外，MEFA 蛋白诱导的抗菌毛抗体显著抑制了 K88 + 、F18 + 、K99 + 、987P + 和 F41 + ETEC 菌株对猪小肠 IPEC-1 和 IPEC-J2 细胞系的粘附。综合起来，这些结果表明 FaeG–FedF–FanC–FasA–Fim41a MEFA 蛋白诱导了针对五种目标菌毛的特异性抗菌毛中和抗体。至关重要的是，这些结果显示了菌毛靶向 MEFA 的潜力，并表明它们有望成为一种广泛有效的 PWD 疫苗。关键词：ETEC、PWD、菌毛、MEFA、疫苗
证据的综合产生了由于结构模型变化和不确定性而导致的碳的高社会成本
M.D.在德国的卓越策略（EXC 2037和CLICCS）项目编号下，非常感谢DFG的支持。390683824，对汉堡大学地球系统研究与可持续性中心（CEN）的贡献。We are very grateful to our many survey respondents, to David Anthoff, Kenneth Gillingham, Frikk Nesje, James Archsmith, Radley Horton, Jim Stock, Bob Litterman, and seminar audiences at AERE 2022, AURO 2023, CESifo 2023, ASSA 2024, University of Potsdam, University of California San Diego, Columbia Business School, Harvard肯尼迪学校（Kennedy School）和在皮克（Pik）向罗伯特·鲍（Robert Bao）寻求技术援助的有益评论，并向约翰娜·达姆斯塔特（Johanna Darmstadt），卢克·埃斯普朗（Luc Esprabens），戴维·卢修斯（David Esprabens），戴维·卢修斯（David Lucius），尼尔·斯坦布雷赫（Nele Steinbrecher），亨利·威廉姆斯（Henry Williams），安吉拉·郑（Angela Zeng），尤其是马克·卢斯蒂格（Mark Lustig），以提供出色的研究帮助。本文所表达的观点是作者的观点，不一定反映国家经济研究局的观点。