• 尽可能对所有远程访问 ICS 网络和设备实施多因素身份验证。 • 制定网络事件响应计划,并定期与 IT、网络安全和运营方面的利益相关者一起演练。 • 定期将所有 ICS/SCADA 设备和系统的密码(尤其是所有默认密码)更改为设备独有的强密码,以减轻密码暴力攻击,并为防御者监控系统提供检测常见攻击的机会。 • 确保正确配置 OPC UA 安全性,启用应用程序身份验证并显式信任列表。 • 确保 OPC UA 证书私钥和用户密码安全存储。 • 维护已知良好的离线备份,以便在发生破坏性攻击时更快地恢复,并对固件和控制器配置文件进行哈希和完整性检查,以确保这些备份的有效性。 • 将 ICS/SCADA 系统的网络连接限制为仅专门允许的管理和工程工作站。 • 通过配置设备保护、凭据保护和虚拟机管理程序代码完整性 (HVCI) 来可靠地保护管理系统。在这些子网上安装端点检测和响应 (EDR) 解决方案,并确保配置了强大的防病毒文件信誉设置。 • 从 ICS/SCADA 系统和管理子网实施强大的日志收集和保留。 • 利用持续的 OT 监控解决方案对恶意指标和行为发出警报,监视内部系统和通信中是否存在已知的敌对行为和横向移动。为了增强网络可见性以潜在地识别异常流量,请考虑使用 CISA 的开源工业控制系统网络协议解析器 (ICSNPP)。 • 确保所有应用程序仅在运行需要时安装。 • 执行最小特权原则。仅在需要执行任务(例如安装软件更新)时使用管理员帐户。 • 调查拒绝服务或连接切断的症状,这些症状表现为通信处理延迟、需要重新启动的功能丧失以及对操作员评论的延迟操作,这些都是潜在恶意活动的迹象。 • 监控系统是否加载了异常驱动程序,尤其是 ASRock 驱动程序(如果系统上通常不使用 ASRock 驱动程序)。
摘要 CRISPR-Cas9 是一种强大的基因组编辑技术,其中单个向导 RNA (sgRNA) 赋予靶位点特异性以实现 Cas9 介导的基因组编辑。已经基于人类和模型生物的参考基因组开发了大量 sgRNA 设计工具。然而,现有资源并不是最佳的,因为靶向区域内的基因突变或单核苷酸多态性 (SNP) 会干扰向导-靶互补性,从而影响基于 CRISPR 的方法的效率。为了便于识别 (1) 非参考基因组中的 sgRNA、(2) 不同遗传背景下的 sgRNA 或 (3) 针对含 SNP 的等位基因的特定靶向,例如疾病相关突变,我们开发了一个网络工具 SNP-CRISPR ( https://www.fl yrnai.org/tools/snp_crispr/ )。 SNP-CRISPR 可用于根据公共变异数据集或用户识别的变异设计 sgRNA。此外,该工具还计算针对变异和参考的 sgRNA 设计的效率和特异性得分。此外,SNP-CRISPR 提供了上传多个 SNP 的选项,并使用单个 sgRNA 设计同时针对一个或多个附近的碱基变化。鉴于这些功能,SNP-CRISPR 在模型系统中以及用于疾病相关变异校正的 sgRNA 设计中具有广泛的潜在研究应用。
尽可能对所有 ICS 网络和设备的远程访问强制实施多因素身份验证。 制定网络事件响应计划,并定期与 IT、网络安全和运营方面的利益相关者一起演练。 按照一致的时间表将所有 ICS/SCADA 设备和系统的密码(尤其是所有默认密码)更改为设备唯一的强密码,以减轻密码暴力攻击,并为防御者监控系统提供检测常见攻击的机会。 确保正确配置 OPC UA 安全性,启用应用程序身份验证并显式信任列表。 确保安全存储 OPC UA 证书私钥和用户密码。 维护已知良好的离线备份,以便在发生破坏性攻击时更快地恢复,并对固件和控制器配置文件进行哈希和完整性检查,以确保这些备份的有效性。 将 ICS/SCADA 系统的网络连接限制为仅专门允许的管理和工程工作站。 通过配置设备保护、凭据保护和虚拟机管理程序代码完整性 (HVCI) 来可靠地保护管理系统。在这些子网上安装端点检测和响应 (EDR) 解决方案,并确保配置了强大的防病毒文件信誉设置。 从 ICS/SCADA 系统和管理子网实施强大的日志收集和保留。 利用持续 OT 监控解决方案对恶意指标和行为发出警报,监视内部系统和通信中是否存在已知的敌对行为和横向移动。为了增强网络可见性以潜在地识别异常流量,请考虑使用 CISA 的开源工业控制系统网络协议解析器 (ICSNPP)。 确保所有应用程序仅在运行需要时安装。 执行最小特权原则。仅在需要执行任务(例如安装软件更新)时使用管理员帐户。 调查拒绝服务或连接切断的症状,这些症状表现为通信处理延迟、功能丧失需要重新启动以及对操作员评论的操作延迟,这些都是潜在恶意活动的迹象。 监控系统是否加载了不寻常的驱动程序,尤其是 ASRock 驱动程序(如果系统上通常不使用 ASRock 驱动程序)。
3耶鲁大学癌症系统生物学中心,美国康涅狄格州西黑文。4 M.D.-PH.D. 计划,耶鲁大学,美国康涅狄格州纽黑文。 5耶鲁大学医学院实验室医学系,美国康涅狄格州纽黑文。 6耶鲁大学医学院免疫生物学系,美国康涅狄格州纽黑文市。 7免疫生物学计划,耶鲁大学,美国康涅狄格州纽黑文。 8在美国康涅狄格州纽黑文市耶鲁大学生物学和生物医学科学的合并计划。 9耶鲁大学综合癌症中心,耶鲁大学医学院,美国康涅狄格州纽黑文。 10耶鲁大学医学院神经外科部,美国康涅狄格州纽黑文。 11耶鲁大学干细胞中心,耶鲁大学医学院,美国康涅狄格州纽黑文市。 12耶鲁大学肝脏中心,耶鲁大学医学院,美国康涅狄格州纽黑文市。 13耶鲁大学生物医学数据科学中心,耶鲁大学医学院,美国康涅狄格州纽黑文市。 14耶鲁大学医学院RNA科学与医学中心,美国康涅狄格州纽黑文市。 15这些作者同样贡献:Ryan D. Chow,Jennifer S. Chen。 ✉电子邮件:sidi.chen@yale.edu4 M.D.-PH.D.计划,耶鲁大学,美国康涅狄格州纽黑文。5耶鲁大学医学院实验室医学系,美国康涅狄格州纽黑文。 6耶鲁大学医学院免疫生物学系,美国康涅狄格州纽黑文市。 7免疫生物学计划,耶鲁大学,美国康涅狄格州纽黑文。 8在美国康涅狄格州纽黑文市耶鲁大学生物学和生物医学科学的合并计划。 9耶鲁大学综合癌症中心,耶鲁大学医学院,美国康涅狄格州纽黑文。 10耶鲁大学医学院神经外科部,美国康涅狄格州纽黑文。 11耶鲁大学干细胞中心,耶鲁大学医学院,美国康涅狄格州纽黑文市。 12耶鲁大学肝脏中心,耶鲁大学医学院,美国康涅狄格州纽黑文市。 13耶鲁大学生物医学数据科学中心,耶鲁大学医学院,美国康涅狄格州纽黑文市。 14耶鲁大学医学院RNA科学与医学中心,美国康涅狄格州纽黑文市。 15这些作者同样贡献:Ryan D. Chow,Jennifer S. Chen。 ✉电子邮件:sidi.chen@yale.edu5耶鲁大学医学院实验室医学系,美国康涅狄格州纽黑文。6耶鲁大学医学院免疫生物学系,美国康涅狄格州纽黑文市。 7免疫生物学计划,耶鲁大学,美国康涅狄格州纽黑文。 8在美国康涅狄格州纽黑文市耶鲁大学生物学和生物医学科学的合并计划。 9耶鲁大学综合癌症中心,耶鲁大学医学院,美国康涅狄格州纽黑文。 10耶鲁大学医学院神经外科部,美国康涅狄格州纽黑文。 11耶鲁大学干细胞中心,耶鲁大学医学院,美国康涅狄格州纽黑文市。 12耶鲁大学肝脏中心,耶鲁大学医学院,美国康涅狄格州纽黑文市。 13耶鲁大学生物医学数据科学中心,耶鲁大学医学院,美国康涅狄格州纽黑文市。 14耶鲁大学医学院RNA科学与医学中心,美国康涅狄格州纽黑文市。 15这些作者同样贡献:Ryan D. Chow,Jennifer S. Chen。 ✉电子邮件:sidi.chen@yale.edu6耶鲁大学医学院免疫生物学系,美国康涅狄格州纽黑文市。7免疫生物学计划,耶鲁大学,美国康涅狄格州纽黑文。8在美国康涅狄格州纽黑文市耶鲁大学生物学和生物医学科学的合并计划。9耶鲁大学综合癌症中心,耶鲁大学医学院,美国康涅狄格州纽黑文。10耶鲁大学医学院神经外科部,美国康涅狄格州纽黑文。11耶鲁大学干细胞中心,耶鲁大学医学院,美国康涅狄格州纽黑文市。 12耶鲁大学肝脏中心,耶鲁大学医学院,美国康涅狄格州纽黑文市。 13耶鲁大学生物医学数据科学中心,耶鲁大学医学院,美国康涅狄格州纽黑文市。 14耶鲁大学医学院RNA科学与医学中心,美国康涅狄格州纽黑文市。 15这些作者同样贡献:Ryan D. Chow,Jennifer S. Chen。 ✉电子邮件:sidi.chen@yale.edu11耶鲁大学干细胞中心,耶鲁大学医学院,美国康涅狄格州纽黑文市。12耶鲁大学肝脏中心,耶鲁大学医学院,美国康涅狄格州纽黑文市。13耶鲁大学生物医学数据科学中心,耶鲁大学医学院,美国康涅狄格州纽黑文市。14耶鲁大学医学院RNA科学与医学中心,美国康涅狄格州纽黑文市。15这些作者同样贡献:Ryan D. Chow,Jennifer S. Chen。 ✉电子邮件:sidi.chen@yale.edu15这些作者同样贡献:Ryan D. Chow,Jennifer S. Chen。✉电子邮件:sidi.chen@yale.edu
。CC-BY-ND 4.0 国际许可证(未经同行评审认证)是作者/资助者,他已授予 bioRxiv 永久展示预印本的许可。它是由此预印本的版权持有者于 2021 年 12 月 3 日发布的。;https://doi.org/10.1101/2021.12.02.470943 doi:bioRxiv 预印本
背景:噬菌体疗法显示出治疗抗生素耐药性克雷伯菌感染的希望。识别噬菌体的噬菌体去聚合物酶,使毛发囊囊多糖获得至关重要,因为这些胶囊对生物膜形成和毒力构成了贡献。但是,基于同源的搜索在新型解聚酶发现中存在局限性。目标:开发用于识别和对针对克雷伯氏病的潜在噬菌体解放酶进行排名的机器学习模型。方法:我们开发了Deporanker,这是一种机器学习算法,以蛋白质的可能性为蛋白质。该模型在5种新表征的蛋白质上进行了实验验证,并与BLAST进行了比较。结果:驱动器在识别潜在的解聚酶时表现出较高的性能。实验验证证实了其对新蛋白质的预测能力。结论:Deporanker提供了一种准确且功能上的工具,可以加快对克雷伯氏菌的噬菌体疗法发现的去聚合酶发现。它可作为网络服务器和开源软件提供。可用性:WebServer:https://deporanker.dcs.warwick.ac.uk/源代码:https://github.com/wgrgwrgrght/deporanker
功能精密医学(FPM)提供了一种激动的简化方法,可以为现有分子找到正确的应用并增强治疗潜力。综合和r ob ob ust工具可确保结果的高精度和可靠性至关重要。响应于这种需求,我们会在viousl y开发了Breez E,这是一种药物筛选数据分析管道,旨在以用户友好的方式促进质量控制,剂量响应曲线和数据可视化。在这里,我们描述了最新版本的Breeze(Release 2.0),该版本实现了一系列高级数据探索功能,为用户提供了全面的分析和交互式可视化选项,这对于最大程度地降低了假阳性 /负面 /负面结果以及对药物敏感性和抵抗性数据的准确解释至关重要。Breeze 2.0 Web-Tool还与公开可用的药物回复数据集构成了用户剥夺数据的集成分析和交叉相比。更新的版本包含新的药物量化指标,支持对多剂量和单剂量药物筛查数据的分析,并引入了重新设计的直观用户界面。通过这些增强功能,Breeze 2.0预计将大大扩展其在FPM不同领域的潜在应用。
广泛的治疗曲目已适用于肿瘤学家,包括放射性和化学疗法,小分子和单克隆抗体。但是,药物疗效可以受到使癌细胞逃脱治疗的遗传变化的限制。在这里,我们设计了一个网络工具,可促进癌症中药物敏感性基因组学(GDSC)数据库的数据分析,并在265种认可的化合物上与癌细胞系百科全书中的1001个细胞系(ccle,ccle,cbioportal)中的1001个细胞系有关的大量遗传变化进行了批准。WebTool计算一组遗传改变的耐药性比值比。它提供了分配给细胞信号通路的单个化合物或一组化合物的功效的结果。使用此网络工具,我们复制了已知的遗传驱动因素,并确定了新的候选基因,种系变体,共同享受和药物基因组耐药性和药物重新利用的药物基因组修饰剂。WebTool可用性:https://tools.hornlab.org/gdsc/。
• VITA/TCE 计划指南 • 角色和职责 • 表格和出版物信息 • 志愿者招募、培训和认证 • 设备贷款计划 • 电子服务和电子归档 • 网站评论 • 资源和网络工具 • 缩略词词汇表