XiaoMi-AI文件搜索系统
World File Search System图谱
恒河猴行为灵活性的大脑功能连接图谱
倾向于从事自主习惯行为与行为障碍有关，例如强迫症和成瘾。注意集合转移任务 (ASST) 结合了控制辨别刺激与偶然强化关联的变化，通常用于测量认知 / 行为灵活性的潜在过程。本研究的目的是使用静息态 fMRI 来识别介导 ASST 表现中特质样缺陷的灵长类动物大脑网络。对三组恒河猴（共 n = 35，18 只雌性）进行了自步调 ASST。连续 30 次课程的表现提高将猴子分成两组，称为高绩效者（HP，n = 17）和低绩效者（LP，n = 17），其中一人出现异常。与LP相比，HP在训练中表现的提高率更高，并且以更少的错误完成了8组/训练。另一方面，LP猴则将每个训练的大部分时间都花在第一组中，而且经常没有获得第一次逆转。在异氟烷环境下对静息态fMRI的全脑独立成分分析确定了四个强网络。其中，双重回归分析显示，HP和LP之间指定的“执行控制网络”有所不同。恒河猴执行控制网络中的特定连接区域，包括额叶皮质（腹外侧、腹内侧和眶叶）和背侧纹状体（尾状核、壳核），与持续性错误和反应延迟相关。总体而言，结果确定了与涉及额叶纹状体网络特定核的相关大脑活动相关的行为灵活性的特征。
人脑细胞类型特异性遗传调节的单核图谱
1疾病中心神经基因组学中心，美国纽约州西奈山伊甘医学院。2弗里德曼脑研究所，美国纽约州西奈山的伊坎医学院。3美国纽约州西奈山的伊坎医学院精神病学系。4遗传学和基因组科学系，美国纽约州西奈山伊恩医学院。 5人类脑收集核心，美国国家心理健康研究所研究所，美国马里兰州贝塞斯达。 6 RUSH ALZHEIMER疾病中心，Rush University Medical Center，美国伊利诺伊州芝加哥。 7精神疾病研究，教育和临床中心Visn2，James J. Peters VA医疗中心，美国纽约州布朗克斯。 8 Psychad Consortium 9 Precision Medicine and Translational Therapeutics中心，James J. Peters VA医疗中心，美国纽约州布朗克斯市。 10人工智能和人类健康部，美国纽约州西奈山伊坎医学院4遗传学和基因组科学系，美国纽约州西奈山伊恩医学院。5人类脑收集核心，美国国家心理健康研究所研究所，美国马里兰州贝塞斯达。6 RUSH ALZHEIMER疾病中心，Rush University Medical Center，美国伊利诺伊州芝加哥。 7精神疾病研究，教育和临床中心Visn2，James J. Peters VA医疗中心，美国纽约州布朗克斯。 8 Psychad Consortium 9 Precision Medicine and Translational Therapeutics中心，James J. Peters VA医疗中心，美国纽约州布朗克斯市。 10人工智能和人类健康部，美国纽约州西奈山伊坎医学院6 RUSH ALZHEIMER疾病中心，Rush University Medical Center，美国伊利诺伊州芝加哥。7精神疾病研究，教育和临床中心Visn2，James J. Peters VA医疗中心，美国纽约州布朗克斯。 8 Psychad Consortium 9 Precision Medicine and Translational Therapeutics中心，James J. Peters VA医疗中心，美国纽约州布朗克斯市。 10人工智能和人类健康部，美国纽约州西奈山伊坎医学院7精神疾病研究，教育和临床中心Visn2，James J. Peters VA医疗中心，美国纽约州布朗克斯。8 Psychad Consortium 9 Precision Medicine and Translational Therapeutics中心，James J. Peters VA医疗中心，美国纽约州布朗克斯市。10人工智能和人类健康部，美国纽约州西奈山伊坎医学院
针对实体癌的抗体药物偶联物靶点图谱
记录为“低”，低于一个标准差的记录为“未检测到”。没有表达值的蛋白质被记录为“不可用”丰度。从 IHC 获得的人体组织蛋白表达谱的自然格式是上述五个类别，因此没有调整。而对于从 HPA、GTEx 和 FANTOM5 整合的 RNA 共识表达谱，20 到 40 之间的共识标准化表达 (NX) 值被记录为“中”，高于此阈值的 NX 值被记录为“高”。同样，1-20 范围内的 NX 值被记录为“低”，低于
RTX-KG2：构建转化生物医学语义标准化知识图谱的系统
背景：生物医学转化科学越来越多地利用大型结构化知识库（如统一医学语言系统 (UMLS)、语义医学数据库 (SemMedDB)、ChEMBL、DrugBank 和小分子途径数据库 (SMPDB)）和数据的计算推理，以促进发现新的治疗目标和治疗方式。自 2016 年以来，NCATS 生物医学数据翻译器项目一直致力于在分布式系统内联合自主推理代理和知识提供者，以回答转化问题。在该项目内以及更广泛的领域内，迫切需要一个开源框架，可以有效且可重复地构建一个集成的、符合标准的、全面的生物医学知识图谱，该图谱可以以标准序列化形式下载或通过符合 FAIR 数据原则的公共应用程序编程接口 (API) 进行查询。
经验能量图谱揭示蛋白酶体在多肽转运中的机制
摘要 AAA+ 家族中的环状 ATPase 复合物执行多种细胞功能，这些功能需要其各个 ATPase 亚基的构象转变之间的协调（Erzberger 和 Berger，2006 年；Puchades 等人，2020 年）。如何通过这些协调运动捕获 ATP 水解产生的能量来做机械功尚不清楚。在本研究中，我们开发了一种新方法，用于基于互补的结构和动力学测量来描绘蛋白酶体异六聚体 ATPase 复合物的核苷酸依赖性自由能景观 (FEL)。我们使用 FEL 模拟蛋白酶体的动力学并定量评估预测的结构和动力学特性。FEL 模型预测与本研究和以前研究中的广泛实验观察结果一致，并提出了蛋白酶体 ATPase 的新型机制特征。我们发现 ATPase 亚基的协同运动源自 ATPase 六聚体的设计，该设计要求每个核苷酸结合状态具有独特的最小自由能。ATP 水解通过触发 ATPase 复合物的能量耗散构象转变来决定底物转位的方向。
独特的基因组图谱与卵巢癌的治疗反应和生存相关
大多数卵巢癌患者最终会发展为复发性化疗耐药性疾病。治疗分层主要基于组织学亚型和分期、对铂类化疗的既往反应以及疾病复发时间。在这里，我们将临床治疗、治疗反应和生存数据与 132 例转移性上皮性卵巢癌实体瘤活检的全基因组测序图谱相结合，以探索基于基因组的分层机会。原发性和复发性疾病的样本含有相当数量的单核苷酸变异和结构变异。突变特征代表铂暴露、同源重组缺陷和衰老。基于基因组输入数据的无监督层次聚类确定了特定的卵巢癌亚组，其特征是同源重组缺陷、基因组稳定性和重复。这些聚类表现出不同的反应率和生存概率，根据我们的分析，这些亚组可以通过基于基因组的治疗分层得到改善。
使用扩散 MRI 进行多室映射的图谱和通用先验
其中 (i) wj 是体积分数，(ii) b 和 g 分别是定义扩散梯度的 b 值和方向，δ 和 Δ 是脉冲持续时间和分离 (iii) S IR 是由 [3] 中提出的 IR 扩散模型预测的 MR 信号，该模型具有两个参数：IR 扩散率（以 mm2/s 为单位）和平均细胞半径（以 为单位）；(iv) μ j 是第 j 个各向异性隔室的扩散方向。数据我们根据来自人类连接组计划的 HCP105 数据库 [4] 的数据选择了这样一个模型。先验模型我们为许多 MCM 通用的该模型参数定义先验。我们使用具有适当支持的参数分布，每个先验取决于各向异性隔室的数量。整个管道过程如图 1 所示。我们为 0、1、2 和 3 个各向异性隔室计算了它们。这样做可以确保用户最终能够根据数据选择最合适的隔间数量。
配体导向两步标记：一种绘制贩运图谱的新技术
背景：GLUT4 在胰岛素或运动刺激下促进脂肪细胞和骨骼肌吸收葡萄糖，在维持葡萄糖稳态方面发挥着至关重要的作用。GLUT4 运输中断是 2 型糖尿病的标志，与肥胖有关。1 目前研究 GLUT4 的技术主要依赖于 GFP-GLUT4 融合蛋白的表达 2 或抗体的使用。3 尽管如此，GFP 融合蛋白不适合研究 GLUT4 的亚群，而基于抗体的方法存在特异性问题，通常仅限于固定组织。缺乏标记内源性 GLUT4 和识别其在各个区室中的相互作用伙伴的工具，阻碍了对其运输和调节的理解，并限制了为治疗目的而调节其分布的策略的发展。配体引导的两步标记提供了一个平台，可以以极好的特异性标记内源性 GLUT4，同时保留其功能（图 1a）。该方法可以标记目标蛋白 (POI) 的亚群，之前曾用于研究神经元中的 AMPA 受体运输。4 我们的实验室在设计、合成和应用类似的配体定向标记探针方面拥有丰富的经验。我们建议采用这种技术标记内源性 GLUT4，以研究其运输并绘制其相互作用组图。
根据二维数据构建和优化三维图谱并应用于小鼠大脑发育
摘要 3D 成像数据需要 3D 参考图谱才能进行准确的定量解释。现有的从 2D 衍生图谱生成 3D 图谱的计算方法会产生大量伪影，而手动管理方法则需要大量劳动力。我们提出了一种 3D 图谱构建的计算方法，通过识别底层成像数据中的解剖边界并使用这些边界来指导 3D 转换，大大减少了伪影。解剖边界还允许将图谱扩展到完整的边缘区域。将这些方法应用于 Allen 发育小鼠大脑图谱 (ADMBA) 中的八个发育阶段，可以得到更全面、更准确的图谱。我们从 15 个完整的小鼠大脑生成了成像数据来验证图谱的性能，并观察到了定性和定量的改进（图谱和解剖边界之间的一致性提高了 37%）。我们提供 MagellanMapper 软件和八个 3D 重建的 ADMBA 图谱作为流程。这些资源有助于在样本之间和整个发育过程中进行全器官定量分析。
下一代人类大脑组织学图谱及其在自动脑部 MRI 分割中的应用
图 1：组织学图谱中的 NextBrain，具有优点（）、缺点（）和中立点。（）。（A）打印的图谱 [1]，其中包含一组稀疏的手动追踪切片 [1]。（BG）覆盖范围有限的特定 ROI 的组织学图谱：（B）手动追踪的基底神经节切片 [8]；（C）确定性丘脑图谱的 3D 渲染 [11]；（DF）追踪的 MRI 切片、组织学切片和海马图谱的 3D 渲染 [12]；（G）我们的丘脑概率图谱切片 [14]。（HN）整个人脑的组织学图谱：（H）BigBrain 的 3D 重建切片 [13]；（I）MNI 模板上的 Julich-Brain 标签切片； (J) 标记的 Allen 参考脑组织学切片 [7]；(K) 使用受 (J) 启发的协议标记 MNI 模板；(LN) AHEAD 脑的 MRI、组织学和 3D 渲染 [22]。(OS) 我们的新图谱 NextBrain 包括五个标本的密集 3D 组织学 (OP) 和全面的手动标记 (Q)，从而可以构建概率图谱 (R)，该图谱可与贝叶斯技术相结合，自动标记体内 MRI 扫描中的 333 个 ROI (S)。