XiaoMi-AI文件搜索系统
World File Search System糖组学
人工智能生物信息学：组学和组间研究工具的开发和应用
半个世纪以来，生物信息学和计算生物学提供了工具和数据分析方法，因此组学时代的开始对研究人员来说代表了一个新的挑战，它从信息学、数学和统计学领域汇聚到生物信息学领域。在大多数情况下，所提供的解决方案似乎难以供生物医学领域的研究人员使用。这种情况尤其发生在将数据科学和人工智能 (AI) 领域的复杂方法应用于生物医学数据时 (Lisboa 等人，2000 年)。机器学习、统计学习和软计算方法（例如深度神经网络或遗传算法）也已成为生物世界中使用的术语，但对其潜力的理解并不完整（Pavel 等人，2016 年；Lin 和 Lane，2017 年；Zeng 和 Lumley，2018 年）。近年来，组学、多组学和组间实验为生物学研究迈出了新的一步，为个性化医疗打开了窗口，例如用于诊断（Riemenschneider 等人，2016 年）。医学大数据时代即将到来，代表着又向前迈出了一步。考虑到这一点，我们的研究主题介绍了生物和医学领域人工智能的新发展，以及它们在组学和组学间方法的高通量数据分析中的应用（Facchiano 等人）。
使用预先训练的深度学习模型对 EEG 数据进行内部学习......
内在语言是一种内化的语言，人们用这种语言思考纯粹的意义。从大脑活动数据中解码内在语言不仅可以促进残障患者的交流，还可以帮助健康人整理思路，提高对元认知的理解。在之前的研究中，一种名为 EEGNet 的 EEG 数据深度学习模型被用于内在语言解码。然而，它在 4 类分类任务中只达到了 30% 的准确率。数据稀缺和内在语言解码固有的难度可能是原因，但这项研究假设以前的研究中特征提取不足。为了提高解码内在语言的准确性，使用迁移学习被认为是更有效的；在这种学习中，模型事先在不同的数据集上进行训练，然后针对目标数据进行微调。然而，迁移学习尚未应用于内在语言，甚至尚未应用于 EEG 数据。迁移学习对不同任务的脑电图数据或非脑电图数据的有效性尚未得到充分验证。本研究通过使用不同任务的脑电图数据和非脑电图数据对公开的内部语音数据集进行迁移学习，验证了特征提取的改进。结果证实，使用来自不同受试者的数据的迁移学习可以提高内部语音的准确性，但使用来自不同任务的脑电图数据的迁移学习则不会。另一方面，对于图像数据集，通过冻结某些层可以确认准确性的提高，即使数据的性质与脑电图数据不同。
通过减法蛋白质组学和疫苗组学方法鉴定副溶血性弧菌的新型药物和疫苗分子
Mahmudul Hasan 1 , Kazi Faizul Azim 2 , Abdus Shukur Imran 1 , Ishtiak Malique Chowdhury 3 , Shah Rucksana Akhter Urme 4 , Md Sorwer Alam Parvez 5 , Md Bashir Uddin 6* , Syed Sayeem Uddin Ahmed 7*
LC-MS 分析儿童急性淋巴细胞白血病患者的血清脂质组学和代谢组学特征
我们在血清中发现了 2,298 种脂质特征。其中，72 种（3.13%）在 ALL 儿童患者中与健康对照者有显著差异。值得注意的是，鞘脂（神经酰胺和鞘磷脂）和磷脂表现出最明显的变化。神经酰胺的靶向分析显示，ALL 儿童患者血清中的 Cer 18:0 和 Cer 20:0 水平显著升高。此外，肠道微生物相关脂质（如磺基脂质和羟基脂肪酸的脂肪酸酯）显示出显著改变。代谢组学分析确定了 15 种差异代谢物，表明核苷酸和氨基酸代谢紊乱。此外，失调的脂质和代谢物与各种血液指标相关，神经酰胺和核苷与白细胞计数呈正相关，但与血红蛋白和血小板呈负相关。
探索大豆麸的蛋白质组学曲线
摘要：大豆是动物和人类食用的丰富植物蛋白来源。尽管大豆种子中的蛋白质含量很高，但获得大豆麸皮的工业加工显着降低了副产物的最终蛋白质含量。要克服这个问题，必须开发具有较高蛋白质含量的品种。然而，由于缺乏有关大豆麸皮蛋白质组的信息，因此选择靶蛋白很难。因此，这项研究获得了天然无涂料种子的比较蛋白质组学蛋白质纤维，并从精英热带大豆品种中获得了比较的麸皮。因此，它们的提取物是使用LC -MS/MS进行表征的，总共鉴定了550种蛋白质。其中，在无涂料种子和319种蛋白质中检测到526种蛋白质。此外，总共确定了139种蛋白质，因为在无毛种子和脱皮的麸皮中呈现了不同水平的含量。在种子加工后仅保留46个。这些蛋白质聚集在几种重要的代谢途径中，例如氨基酸的生物合成，糖生物合成和抗氧化活性，这意味着它们可以充当生物活性产物或基因组编辑的靶标，以改善大豆谷物的蛋白质质量和数量。这些发现可以增强我们对大豆作物蛋白质鲁棒性和商业麸皮改善的理解，因为靶蛋白在加工后必须保持完整，并且在过表达时必须具有生物活性。总的来说，首次探索了大豆麸皮蛋白质组学蛋白质组学素质，提供了可以容忍工业过程的靶蛋白的有价值的靶蛋白目录。
可扩展的蛋白质组学与药物发现兼容...
用分子胶化合物靶向蛋白质降解（TPD）是一种突破性的治疗方式，可消除以前认为不可用的疾病蛋白质。尽管具有巨大的潜力，但迄今为止，新型分子胶的系统发现及其细胞降解靶标仍然具有挑战性。在这里，我们提出了一个深度的蛋白质组学筛选和验证平台，以在各个阶段推进TPD药物发现计划，并创建新型高价值目标的广泛管道。深蛋白质组学筛选是基于数据独立的采集（DIA）技术，用于在空前的吞吐量，覆盖范围和敏感性下针对细胞蛋白质组的（潜在）分子胶的筛选化合物库。它从用分子胶水处理的细胞系中识别并量化了每样品的11,000多个蛋白质，从而实现了综合蛋白质组学的药物和药物靶标的发现。
Tofersen上的靶向蛋白质组学确定候选人...
此预印本版的版权持有人于2024年4月24日发布。 https://doi.org/10.1101/2024.04.22.24306165 doi：medrxiv preprint
组学技术改善乳腺癌研究和诊断
摘要：乳腺癌（BC）在过去两年中在全球范围内新发病例约 226 万，导致近 68.5 万人死亡，是全球最常见的癌症类型。BC 是由肿瘤微环境和恶性细胞组成的复杂生态系统，其异质性影响治疗反应。由于高通量测序革命、快速发展和广泛应用，生物医学研究已进入海量组学数据时代。这些技术——液体活检、转录组学、表观基因组学、蛋白质组学、代谢组学、药物组学和人工智能成像——可以帮助研究人员和临床医生更好地了解 BC 的形成和演变。本综述重点介绍了最近应用于乳腺癌研究的多组学研究成果，介绍了每种组学技术及其在不同乳腺癌表型、生物标志物、靶向疗法、诊断、治疗和预后中的应用，全面概述了乳腺癌研究的可能性。
苜蓿组学和基因工程方法的生物技术视角
几十年来，研究人员一直致力于开发适应性更强、对环境胁迫耐受性更强的改良主要作物。饲用豆科植物因其巨大的生态和经济价值而在世界范围内广泛传播。非生物胁迫和生物胁迫是限制豆科植物生产的主要因素，而苜蓿（Medicago sativa L.）对干旱和盐胁迫表现出较高的耐受性。对苜蓿改良的努力已导致推出了具有高产量、更好的胁迫耐受性或饲用品质等新的农艺重要性状的品种。苜蓿与固氮细菌有高效的共生关系，因此具有非常高的营养价值，而深根系统有助于防止干旱土地的土壤水分流失。与它的近亲苜蓿（Medicago truncatula Gaertn.）不同，苜蓿的全基因组尚未发布，因此现代生物技术工具在苜蓿中的使用具有挑战性。识别、分离和改良与非生物或生物胁迫反应有关的基因，对我们了解农作物如何应对这些环境挑战做出了重大贡献。在这篇综述中，我们概述了高通量测序、非生物或生物胁迫耐受基因的表征、基因编辑以及具有苜蓿改良生物技术潜力的蛋白质组学和代谢组学技术方面取得的进展。
现代医学中的放射组学和人工智能的整合
1恩纳大学“ Kore”大学医学与外科学院，意大利Enna 94100； antonino.maniaci@unikore.it（a.m.）; salvatore.lavalle@unikore.it（s.l. ）; caterina.gagliano@unikore.it（c.g.） 2 ASP Ragusa，乔瓦尼·保罗二世医院，意大利拉古萨97100； marlentini@tiscali.it 3放射科，部门临床和实验，实验成像中心，Vita-Salute San Raffaele大学，20132年意大利米兰4医学和外科科学系和高级技术“ GF Ingrassia”，ENT，ENT，CATANIA，CATANIA，S.SOFIA，S.SOFIA，S. SOFIA，78，955125 CATANIA，CATANIA，955125 CATANA. federicamariaparisi@gmail.com 5'有机化学系''sapienza”，Vialedell'università，33，00185，意大利罗马； giannicola.iannella@uniroma1.it 6恩纳大学“ Kore”计算机工程系，意大利Enna 94100； nicoledalia.cilia@unikore.it 7计算机与信息科学研究所，拉德布德大学，尼亚梅根（Nijmegen），6544 Nijmegen，荷兰8号荷兰8工程与建筑系，恩纳（Kore University of Enna），恩纳大学（Kore University of Enna），意大利94100 ENNA，意大利； valerio.salerno@unikore.it 9大学医院Policlinico“ G. Rodolico-萨曼·马可（San Marco），95123，意大利卡塔尼亚； giacomo.cusumano@unict.it 10通用外科手术和医学外科专业系，卡塔尼亚大学95123 CATANIA，意大利卡塔尼亚，意大利 *通信 *通信：luigilavia7@gmail.com1恩纳大学“ Kore”大学医学与外科学院，意大利Enna 94100； antonino.maniaci@unikore.it（a.m.）; salvatore.lavalle@unikore.it（s.l.）; caterina.gagliano@unikore.it（c.g.）2 ASP Ragusa，乔瓦尼·保罗二世医院，意大利拉古萨97100； marlentini@tiscali.it 3放射科，部门临床和实验，实验成像中心，Vita-Salute San Raffaele大学，20132年意大利米兰4医学和外科科学系和高级技术“ GF Ingrassia”，ENT，ENT，CATANIA，CATANIA，S.SOFIA，S.SOFIA，S. SOFIA，78，955125 CATANIA，CATANIA，955125 CATANA. federicamariaparisi@gmail.com 5'有机化学系''sapienza”，Vialedell'università，33，00185，意大利罗马； giannicola.iannella@uniroma1.it 6恩纳大学“ Kore”计算机工程系，意大利Enna 94100； nicoledalia.cilia@unikore.it 7计算机与信息科学研究所，拉德布德大学，尼亚梅根（Nijmegen），6544 Nijmegen，荷兰8号荷兰8工程与建筑系，恩纳（Kore University of Enna），恩纳大学（Kore University of Enna），意大利94100 ENNA，意大利； valerio.salerno@unikore.it 9大学医院Policlinico“ G.Rodolico-萨曼·马可（San Marco），95123，意大利卡塔尼亚； giacomo.cusumano@unict.it 10通用外科手术和医学外科专业系，卡塔尼亚大学95123 CATANIA，意大利卡塔尼亚，意大利 *通信 *通信：luigilavia7@gmail.com