XiaoMi-AI文件搜索系统
World File Search System进化的
创造遗传多样性：释放蛋白质进化的潜力
摘要：遗传多样性是生物体进化复原力、适应潜力和旺盛生命力的基础，是生态系统健全和地球生命不断进化的基石。定向进化是一种受自然进化过程启发的强大生物技术工具，在产生遗传多样性的创新策略的推动下，定向进化格局发生了变革性的变化。这种转变受到多种因素的推动，包括使用 CRISPR-Cas 和碱基编辑器等先进工具包、对生物机制的理解加深、具有成本效益的定制寡核苷酸池合成以及人工智能与自动化的无缝集成。这篇全面的综述研究了用于构建体外和体内基因文库的各种方法，分为三大类：随机诱变、聚焦诱变和 DNA 重组。本综述的目的有三：首先，全景概述遗传多样性创造的最新进展；其次，激发遗传多样性生成的进一步创新新思路；第三，为进入定向进化领域的个人提供宝贵的资源。
标题：基于急性髓样白血病（AML）的基于Venetoclax（VEN）的抗药性和克隆进化的遗传见解
新获得的muts（中位数1，范围1-6）（图1A）。在20/30分中，获得的MUTS的VAF≥10％。新的mut是转录调节剂（n = 16），信号基因（n = 9）或两者（n = 5）。在TF处，最常见的MUT是FLT3（n = 7; 6 flt3-itd; 1 flt3 n676k），runx1（n = 5），tet2（n = 4），nf1（n = 4）和ptpn11
鹦鹉让我们了解智力是如何进化的
在过去的一年里，人工智能机器人 ChatGPT 以其回答问题、撰写论文甚至编写软件的能力让人们眼花缭乱。在美国听说过 ChatGPT 的 13 至 17 岁青少年中（大多数），19% 表示他们曾用它做作业。ChatGPT 和 Bard、Meta AI 等其他聊天机器人都基于大型语言模型（简称 LLM）。这些模型通过输入大量来自互联网的文本，经过训练可以编写出非常像人类的语言。虽然这些文本包括路易丝·格丽克的诗歌、奥普拉最爱的礼物指南和《纽约时报》的文章，但正如我们所知，它也包括虚假、诽谤、暴力和恐怖内容。作为一种安全措施，大型聊天机器人的创建者还训练它们拒绝提供不适当或有害的信息，比如如何窃取某人身份的分步说明。但训练并非万无一失，人们已经利用了聊天机器人的弱点。在本期中，物理学和资深作家 Emily Conover 深入探讨了计算机科学家为使聊天机器人走上正轨所做的努力（第 18 页）。Conover 解释说，这是一个巨大的挑战，部分原因是这些 LLM 仍然很新，科学家们才刚刚开始了解聊天机器人的弱点。随着 LLM 融入日常产品或承担地铁系统等任务，挑战将变得更大。现实情况是，尽管 LLM 有时听起来像人类，但实际上不是。在阅读 Conover 的文章时，我学到了一个有趣的术语“随机鹦鹉”。华盛顿大学的计算语言学家 Emily Bender 和同事用它来解释，虽然 LLM 可以将单词编译成散文，但他们不理解他们“写”的内容的含义，因此无法理解它是否不准确或不道德。他们只是在鹦鹉学舌。真正的鹦鹉和研究它们的科学家可能会对这个术语感到反感。鹦鹉以能够模仿人类的语言而闻名。现在，科学家们发现鹦鹉可以做更多的事情，包括使用工具、制作工具集、解决复杂的难题，有时甚至能理解我们说的话。正如特约撰稿人 Erin Garcia de Jesús 报道的那样，有些鹦鹉可以克制自己，放弃现在的小奖励，以便以后获得更大的奖励（第 24 页）。长期以来，许多科学家低估了鹦鹉——甚至认为它们很笨——因为它们的大脑不像人类和其他灵长类动物的大脑那么大、那么复杂。最近，科学家们发现，鹦鹉的小脑袋里挤满了神经元，具有与灵长类动物大脑类似的特征。鹦鹉智力的许多谜团仍有待解决，包括鸟类究竟是如何以及为什么进化出这些惊人的能力的。但找到答案最终可能有助于我们更好地理解我们自身智力的起源，以及我们遇到的其他形式的智慧。现在，我们可以惊叹于鹦鹉的欢乐、它们的美丽，以及它们似乎在用工具打开和吃海芒果时所获得的乐趣。——南希·舒特，主编
两个单倍型解析的基因组揭示了大叶绣球花（Hydrangea macrophylla）的重要花朵特征以及对菊科植物进化的见解
绣球花属属于绣球花科，属于开花植物山茱萸目，该目早期在菊科中分化，包括几种常用的观赏植物。其中，大叶绣球是苗圃贸易中最有价值的物种之一，但这种作物或密切相关的菊科物种的基因组资源很少。绣球花品种“Veitchii”和“Endless Summer”的两个高质量单倍型解析参考基因组[最高品质为 2.22 千兆碱基对 (Gb)、396 个重叠群、N50 22.8 兆碱基对 (Mb)]被组装并支架到预期的 18 条假染色体中。利用新开发的高质量参考基因组以及其他相关开花植物的高质量基因组，发现核数据支持菊科植物演化支中的单个分歧点，其中山茱萸目和杜鹃花目均与真菊科植物分化。使用 F 1 杂交种群进行基因作图证明了连锁作图与新基因组资源相结合的强大功能，可以识别位于 4 号染色体上的花序形状基因 CYP78A5 和位于 17 号染色体上的导致重花的新基因 BAM3。本研究开发的资源不仅有助于加速绣球花的遗传改良，还有助于了解最大的开花植物群——菊科植物。
使用 DEQSeq 大规模量化进化的 DNA 编辑酶
背景 定向进化将达尔文进化原理应用于实验室，以改良蛋白质特性 [ 1 , 2 ]。在多轮诱变和选择过程中，会产生大型基因变体文库（~ 10 5 – ~ 10 8 ）[ 3 – 5 ]。筛选文库以识别有效变体传统上是一个手动过程，耗费大量人力、资源和时间。此外，可供测试的变体数量有限，这降低了识别最佳变体的概率。希望有一种用于比较大量酶的高通量方法。事实上，已经开发了许多用于高通量筛选酶变体的应用程序。例如，CombiSEAL [ 6 ] 允许筛选确定的突变组合，但它不太适合分析进化产物。另一方面，Evoracle [ 4 ] 适合此目的，因为它使用多个进化周期的序列数据推断基因的适应度和序列组成。然而，它不能用于分析多个目标位点上的变异。evSeq [ 7 ] 是一种基于微孔板的方法，可以分别筛选变异表型，并分析基因
进化的 AAV 变体可实现小鼠 T 细胞的有效基因工程
通信地址：justin.eyquem@ucsf.edu 和 aravind.asokan@duke.edu。 *这些作者的贡献相同 作者贡献 JA、AA、WAN 和 JE 概念化了研究并规划和设计了实验。WAN 和 JA 执行实验、指导研究助理并领导所有实验的后勤和技术方面。JA 领导定向进化和后续数据分析。WAN 领导敲除筛选和敲入策略的设计。An.T. 和 SC 负责实验设计、体外测定数据收集和病毒生产。GR 负责实验设计和体内测定数据收集，An.TAR、JJM 和 JY.C. 负责体外测定数据收集和病毒生产。Al.T、CC 和 VA 负责体外测定数据收集。WHX 负责体外测定数据收集和数据分析。ZS 负责敲除筛选的 NGS 文库设计和测序。LPH 负责实验设计。 HP 与 SK 一起分析了全基因组筛选生成的数据，最后，WAN、JA、AA 和 JE 在 JJM 和合著者的帮助下撰写了手稿。
交叉喂养影响抗性进化的目标......
1. 拉瓦尔大学科学与工程学院生物化学、微生物学和生物信息学系，加拿大 G1V 0A6 10 11 2. 拉瓦尔大学综合生物学与系统研究所（IBIS），加拿大 G1V 0A6 13 14 3. 拉瓦尔大学魁北克蛋白质功能、工程和应用研究小组 PROTEO，加拿大 G1V 0A6 17 18 4. 拉瓦尔大学海量数据研究中心（CRDM），加拿大 G1V 0A6 20 21 5. 拉瓦尔大学科学与工程学院生物学系，加拿大 G1V 0A6 23 24 6. 现地址：拉瓦尔大学医学院生物化学与分子医学系，蒙特利尔大学，H3C 3J7，加拿大 26 27 通讯作者：romain.durand.1@ulaval.ca 或 28
基于差异进化的神经结构搜索脑血管分割
脑血管分析对于开发神经退行性疾病的新型治疗靶标至关重要。这样的准确分析不能手动执行，而需要半自动或完全自动化的方法。深度学习方法最近已证明对医学图像的自动分割和分析必不可少。但是，优化深度学习网络体系结构是另一个挑战。手动选择深度学习网络体系结构并调整其超参数需要大量的专业知识和精力。为了解决这个问题，文献中提出了探索具有高分从细分性能的更高效网络体系结构的神经体系结构搜索（NAS）方法。这项研究介绍了基于差异进化的NAS方法，其中提出了新的搜索空间以用于脑血管分割。我们选择了经常用于医学图像分割的两个架构，即u-net和注意U-net，作为NAS优化的基准。传统的差异进化和基于反对的差异进化与新型搜索空间一起用作NAS中的搜索方法。此外，我们进行消融研究并评估特定损失函数，模型修剪，阈值选择和概括性能对所提出模型的影响。实验是在提供335个单渠道8位灰度图像的两个数据集上进行的。这些数据集是公共体积脑血管系统数据集（CONSEINN）和我们自己的名为Kuvesg的数据集。所提出的NAS方法，即UNAS-NET和COATION UNAS-NET体系结构，就不同的分割指标而言产生了更好的分割性能。更具体地说，具有差分进化的UNAS-NET揭示了高骰子得分/敏感性值分别为79.57/81.48。此外，它们的推理时间比基线方法短9.15。
高保真、超精确和进化的突变体在 CRISPR-Cas9 中重新连接原子级通信
此预印本的版权所有者此版本于 2023 年 8 月 26 日发布。；https://doi.org/10.1101/2023.08.25.554853 doi：bioRxiv preprint
社论：吸血节肢动物和其他动物的微生物伴侣：与其生理学，生态学和进化的相关性
虱子，臭虫，tick虫，水ches和其他微小的吸血的爬行生物被视为讨厌的吸血鬼，引起瘙痒，引起令人恶心的感觉，使人类和动物疾病探向人类和动物疾病，从而带来了有关人类社会的医疗，健康，健康，卫生和精神问题（Lehane Socieities（Lehane）（Lehane），Lehane，2005年）。除了它们携带和传播的微生物病原体外，独特的微生物与它们相关，并以多种方式影响其生理，生态学和其他生物学方面（Rio等，2016; Husnik，2018）。例如，他们的食物，脊椎动物的血液肯定是营养丰富的，但没有一些重要的营养素，例如B族维生素。因此，许多流血器具有称为细菌的专业器官，用于托管维生素养育共生体（Buchner，1965年），这使它们只能在血液粉上壮成长（Duron和Gottlieb，2020年）。完全充血的血液喂食器表现出充满挑战的肠道环境，具有大量的蛋白质，铁，血红素和抗微生物成分，例如抗体和补充，这可能会促进独特的肠道微生物组（Sterkel等，2017）。由于高通量DNA测序技术的最新发展，我们对与这些吸血无脊椎动物相关的微生物组的了解，必须与它们独特的喂养习惯和生理学有关，这已经迅速增长。因此，这个研究主题是“吸血节肢动物和其他动物的微生物伴侣：与其生理，生态和进化的相关性”旨在为这项研究网络中出现的新发现提供一个论坛。In total, nine articles and two reviews are compiled, which showcase the microbial associates of a diverse array of blood-feeding invertebrates including lice (Insecta: Psocodea), tsetse flies (Insecta: Diptera), fleas (Insecta: Siphonaptera), ticks (Arachnida: Ixodida) and mites (Arachnida: Mesostigmata）来自