XiaoMi-AI文件搜索系统
World File Search System癌细胞
国际癌细胞
摘要 对基因组、转录组、蛋白质组、代谢组和相互作用组等组学数据进行综合分析是阐明癌症发生和发展的复杂机制的关键技术。最近，基于多组学分析结合各种临床信息报道了各种新发现。然而，多组学数据的综合分析极其耗费人力，因此开发新的分析技术必不可少。近年来不断发展的人工智能（AI）正迅速成为一种有效的方法，可以减少分析大量复杂数据所需的劳动力，并获取在手动分析和实验中经常被忽视的有价值信息。使用机器学习方法和深度学习系统等人工智能可以结合准确的临床信息对海量组学数据进行有效分析，并可以得到全面的预测模型，这对于进一步制定免疫治疗和分子靶向治疗的个体化治疗策略非常有益。在此，我们旨在回顾人工智能在组学数据和临床信息综合分析方面的潜力，特别关注新生物标志物的发现的最新进展以及非小细胞肺癌个性化医疗的未来方向。关键词：人工智能，非小细胞肺癌
癌细胞耐药机制
摘要 在化疗药物治疗过程中，许多癌症对所用药物的治疗效果产生了抗药性。人们提出了各种与耐药性有关的机制。耐药性最重要的原因之一是膜转运蛋白大家族（ATP 结合盒 ABC）中 ATP 依赖性膜蛋白的高表达。在这个家族中，分子量为 170 KDa 的膜转运蛋白，即糖蛋白 P，在耐药性中起着重要作用。MRP（多药耐药相关蛋白）家族的其他膜蛋白也与耐药性有关。ABC 蛋白也在正常细胞中表达。上述蛋白质负责内源性底物的转移。这些蛋白质在癌细胞中的高表达是癌症治疗的最重要障碍。临床反应的范围是由治疗的药用品质以及癌细胞的内部和后天分子和物理特性以及外部环境因素引起的。后者可能由多种因素引起，例如DNA修复能力增强、药物代谢改变、药物靶标突变或改变、药物积累减少以及细胞死亡信号失活。癌症干细胞（CSC）表现出耐药性。因为转运蛋白过度表达三磷酸腺苷（ATP）结合盒。通过特定的调控基因，FOXM1（一种特定于细胞增殖的转录因子）控制G1/S和G2/M细胞周期阶段之间的转换。此外，它是一种导致癌细胞扩增和增殖的致癌基因。通过ABCC5（ATP结合盒亚家族成员5）的表达，FOXM1过度表达导致鼻咽癌对紫杉醇产生耐药性。
CDKN2ALOW癌细胞胜过...
摘要。经过杀虫剂处理的网（ITN）仍然是控制疟疾传播的关键干预措施，但是蚊子对这些干预措施的响应蚊子的行为适应性尚未完全理解。这项研究检查了抗杀虫剂（IR）和杀虫剂敏感的（IS）Anopheles gambiae菌株（OL）网络（OL），一种氯菊酯浸渍的ITN的飞行行为，而不是未经处理的净（UT）。使用机器学习（ML）模型，我们以高精度（0.838）和ROC AUC（0.925）对蚊子飞行进行了分类。与假设OL的行为变化会随着时间的推移而加剧的假设，我们的发现表明，IR的复杂，不稳定的飞行路径和已处理的网络周围的蚊子发作。SHAP分析确定了OL暴露的三个关键预测特征：飞行角变化中零交叉的频率，飞行角度变化的第一个四分位数以及水平速度的零交叉。这些暗示了破坏性的飞行模式，表明杀虫性刺激。虽然蚊子表现出快速，无序的轨迹，并且大部分在30分钟内死亡，但在整个2小时的实验中，IR蚊子持续存在，但表现出类似的干扰行为，表明抗性并未完全触及局部破坏。我们的发现挑战文献表明，苄氯菊酯在溶液形式中的驱虫性，而不是在纳入净纤维中时支持刺激性或接触驱动的效果。未来的工作应将这些方法扩展到其他ITN，以进一步阐明蚊子行为和杀虫疗法之间的复杂相互作用。这项研究强调了基于ML的轨迹分析对于理解蚊子的价值，可以完善ITN的配置并评估旨在破坏蚊子飞行行为的新型主动感。
无标记的非电源癌细胞...
基于CMOS的微电极阵列（CMOS MEAS）包含数千个密集的传感器位点，并且通常用于生物技术应用中，以记录高空间（几乎没有……几十µm）和高时间分辨率的神经元活性和高度分辨率（高达20 kHz带翼）。CMOS MEAs能够以几毫秒数的时间精度和数十微米的空间精度刺激活性[1-3]。未开发的CMOS MEA的应用是它们通过记录和分析由电阻粘附裂隙引起的电压噪声来检测粘附细胞的能力[4-6]。这可能归因于该方法，该方法需要考虑传感器位点的规模，粘附单元的大小，连接电容和相应的采样频率。在这里，我们采用两种不同类型的CMOS MEA和相应的记录系统来评估其可靠的无标签检测能力检测粘附细胞培养的能力（癌细胞系HT-29）。细胞粘附电压噪声通过光谱功率密度（S V）分析。
持久癌细胞：致命的幸存者
摘要：持久性癌细胞是癌症药物治疗后仍能存活下来的离散且通常未被发现的细胞，是治疗失败的主要原因。这些细胞的特点是增殖缓慢、能量消耗高度灵活、适应微环境和表型可塑性。其持久性背后的机制提供了令人垂涎和备受追捧的治疗靶点，包括多种表观遗传、转录和翻译调控过程，以及复杂的细胞间相互作用。尽管持久性癌细胞的成功临床靶向仍未实现，但在理解其持久性方面已取得巨大进展，并产生了有希望的临床前结果。
癌细胞持久性的现象学方法
引言癌症界面临的最大问题之一是靶向治疗产生耐药性 [1]。典型的情况是，对于相当一部分依赖于该药物所针对的特定通路驱动突变的肿瘤患者，某种药物能带来立竿见影的效果，即减轻肿瘤负担。然而，在相对较短的一段时间后，肿瘤生长会反弹，患者病情会恶化。了解这种耐药性的机制，从而找到防止其发生的方法，显然至关重要。耐药机制可能涉及基因改变、表型重塑或两者兼而有之 [2]。近年来一个有趣的发现是持久性现象在最终产生耐药性中的作用，即一些肿瘤细胞即使在可以杀死大多数细胞的药物浓度下也能存活很长时间 [3]。持久性最初是在能够耐受抗生素的小细菌亚群中发现的 [4, 5]。在癌症领域，人们已经在 PC9 肺癌细胞对 EGFR 抑制剂的反应中发现了持久性 [6]。此时，一些细胞将转变为静止状态，死亡率降低。最终，其中一些细胞将恢复生长能力 [7]，并可能最终修复导致完全耐药性的突变 [8]。这种基本现象已在各种不同的癌症背景下得到证实；例如见参考文献 [9]。细菌系统中的持久性似乎依赖于离散亚群，这些亚群是由与生长相关的遗传网络中的多稳定性产生的 [10–12]。相反，在癌细胞中，持久性似乎是一种可以在特定克隆亚群之间连续变化的数量性状。在这项工作中，我们制定了一个基于人群的癌细胞持久性模型。我们受到近期实验工作的启发 [13]，该实验表明，单个癌细胞具有“持久机会”（CTP）和存活机会。
癌细胞治疗：临床试验前景
细胞治疗药物的数据由 GlobalData 的制药情报中心收集，随后由癌症研究所 (CRI) 根据 CRI IO Analytics 对不同细胞治疗类型和药物靶点信息的定义进行整理。根据不同的作用机制，细胞疗法分为七类：(1) CAR-T，(2) T 细胞受体 (TCR)，(3) 针对未指定的肿瘤相关抗原 (TAA) 或肿瘤特异性抗原 (TSA) 的自体循环 T 细胞，(4) 肿瘤浸润 T 细胞 (TIL)，(5) 基于新技术的 T 细胞疗法（如诱导多能干细胞 (iPSC)、CRISPR 或 γδT 细胞），(6) 源自自然杀伤 (NK) 或 NKT 细胞的细胞疗法，以及 (7) 源自其他细胞类型的疗法（其他细胞疗法，如巨噬细胞或干细胞）。符合癌症疫苗条件的细胞疗法被排除在本次分析之外。临床试验数据来自 GlobalData 的临床试验数据库 (globaldata.com)，该数据库来自 50,000 多个来源，包括全球 190 多个临床试验注册中心、科学会议、公司新闻稿、投资者介绍、SEC 文件、已发布的报告和许多其他来源。在之前的报告中，临床试验信息仅来自 clinicaltrials.gov。随后分析了符合 CRI IO Analytics 定义的研究细胞疗法的试验。药物和临床试验的截止点为 2020 年 3 月 31 日，分析使用 PostgreSQL 和 Tableau 完成。
癌细胞治疗的临床管线
cPR，临床部分缓解；HNSCC，头颈部鳞状细胞癌；NSCLC，非小细胞肺癌；ORR，客观缓解率；SD，病情稳定；uPR，未经证实的部分缓解补充方法数据集和分析细胞免疫治疗药物的数据是从 GlobalData 的药物数据库收集的，随后由癌症研究机构 (CRI) 根据 CRI IO Analytics 对不同细胞免疫治疗类型和药物靶标信息的定义进行整理。根据不同的作用机制，细胞免疫疗法分为七类：（1）CAR-T，（2）T 细胞受体（TCR），（3）针对未指明的肿瘤相关抗原（TAA）或肿瘤特异性抗原（TSA）的自体循环 T 细胞，（4）肿瘤浸润淋巴细胞（TIL），（5）基于新技术（如诱导多能干细胞 (iPSC)、CRISPR 或 γδT 细胞）的 T 细胞免疫疗法，（6）源自自然杀伤 (NK) 或 NKT 细胞的细胞免疫疗法，以及 (7) 源自其他细胞类型（其他细胞免疫疗法，如巨噬细胞或干细胞）的疗法。符合癌症疫苗条件的细胞免疫疗法被排除在分析之外。临床试验数据来自 clinicaltrials.gov。随后分析了符合 CRI IO Analytics 定义的细胞免疫疗法试验。数据提取于2020年4月，分析使用PostgreSQL和Tableau完成。CAR-T细胞临床应用的真实世界数据来自IQVIA专有数据库，该数据库包含来自1.1亿患者的美国医疗和处方索赔数据库，其中76%来自私人保险索赔，21%来自医疗保险索赔，4%来自医疗补助索赔。
在体外评估癌细胞诱导的...
表面声波是局限于材料表面的机械波。这些波浪自然发生在地震期间，并且还经过设计用于微型设备，在传感和处理超高频率电信号中起着至关重要的作用。人造表面声波通常以数百MHz或更高的频率运行，波长在千分尺尺度上，并且表面位移的表面位移数百个皮仪 - 可与原子的大小相当。可以通过在压电材料上的互换能器的机电转换来进行这些波的激发。表面声波的损失可能很低，结合能够通过压电材料中的应变或电场将多个量子系统搭配到许多量子系统，最近已实现了量子声学领域的探索。在经典级别上，这种耦合都是可能的，其中大量相干的声子与量子系统相互作用，以及在量子级别，量子系统理想地耦合到单个声子。这不仅对量子物理学研究非常有意义，而且对于从量子传感到量子转导的应用，其中量子信号从一种类型的载体转换（例如光子）到另一个（例如声子）。在本文中，我们与GAAS上的表面声波一起工作，GAA既是压电材料，又是半导体。以这种方式，可以在托有Ingaas量子点的同一介质中生成表面声波，这些介质是光学活跃的量子系统。可以通过将声子限制在声腔中并将量子点放在光学微腔中以增强光学读数来增强表面声波和量子点之间的耦合。为此，我们在这里描述了一个包括声学腔和开放式光学微腔的平台，在不久的将来，该平台将用于使用Gigahertz表面声波和Ingaas Semicicductor量子点进行量子声学实验。由于多种损失机制，高铁表面声波腔的制造并不是微不足道的。由于系统的复杂性，有限的元素模拟是耗时的，并且不容易执行。因此，高铁表面声波腔的制造通常涉及基于迭代样品制造和表征的优化过程。在我们的情况下，我们通过电子束光刻和Al上的Al上的AL纳米表面声波杆纳米表面的声波杆。这些空腔在1 GHz下运行，并包含用于表面声波激发的插入式传感器。在第2章中，着重于表面声波腔的表征，我们建立了基于纤维的扫描光学干涉仪，用于测量GHz表面声波的位移的幅度和相位，以及在声学空腔中成像它们的空间分布。表面表面声波腔的表征通常是通过使用相同的用于波激发的相同二聚体换能器的全电测量进行的。我们通过成像表面声波腔中的横向模式我们发现此方法不完整，并且可能导致误导信息，尤其是关于腔体内声场的分布。