XiaoMi-AI文件搜索系统
World File Search System重排
ALK 重排肺癌中通过 EGFR 信号对 Lorlatinib 产生适应性耐药性
重排的 NSCLC 细胞系，随后评估厄洛替尼的额外疗效。六株 ALK 重排的 NSCLC 细胞系根据基线时 EGFR 表达的高低分为两组（图 4D）。厄洛替尼加速了对几种 ALK-TKI（包括劳拉替尼）的敏感性，并降低了 EGFR 高表达细胞 A925L 和 H2228 的活力，但对低 EGFR 表达细胞（H3122、KTOR1、KTOR1 RE 和 CCL185IG）的活力仅显示出边际影响（图 4E，补充图 5、6）。劳拉替尼和厄洛替尼联合治疗后的组合指数值小于 1.0，表明在 A925L 和 H2228 细胞中具有协同作用（补充图 7）。这些发现表明，基线时 EGFR 高表达可能是 ALK-
碱基重排时的全氟辛烷磺酸盐和全氟辛酸
众议院报告 116-445 第 29 页，附带 HR 7609《2021 年军事建设、退伍军人事务和相关机构拨款法案》，要求国防部环境部副助理部长向国会国防委员会提交季度报告，介绍国防部 (DoD) 在基地重新调整和关闭 (BRAC) 地点识别和修复全氟辛烷磺酸 (PFOS) 和全氟辛酸 (PFOA) 方面取得的进展，以及提高透明度的建议。此外，众议院报告 117-81 第 22 页，附带 HR 4355《2022 年军事建设、退伍军人事务和相关机构拨款法案》和 HR 2471《2022 年综合拨款法案》的联合解释性声明，要求国防部环境和能源恢复副助理部长为国会国防委员会准备一份综合报告，建立有关 BRAC 地点 PFOS/PFOA 的信息基线。本报告涵盖 2021 财年要求的所有剩余季度报告和 2022 财年报告语言中要求的有关已关闭军事设施中 PFOS/PFOA 的信息基线。具体而言，本报告包括 (1) 清理过程的背景；(2) 提高国防部清理过程透明度的建议；(3) 所有 BRAC 地点的列表；(4) 指示是否在饮用水和地下水中检测到 PFOS/PFOA； (5) 检测到的 PFOS/PFOA 水平；(6) 有关 PFOS/PFOA 可能来源的信息；(7) 对当前缓解措施和拟议补救计划的说明；(8) 补救状态；(9) 清理时间表；以及 (10) 对调查和清理 BRAC 地点全氟和多氟烷基物质 (PFAS) 的当前和未来成本的估计。
复杂染色体重排的植入前基因检测：临床结果和潜在危险因素
结果：在17个PGT-SR循环后，将100个胚泡进行活检，并在15个CCR夫妇中进行分析，其中16.0％为倍倍体，78.0％的肾上布类和6.0％的马赛克。11正常/平衡的胚胎和一个镶嵌胚胎被转移，导致八个活产。此外，根据54个CCR载体的组合数据，正常/平衡胚胎的比例为10.8％，与男性杂合子相比，雌性载体中观察到的显着降低（6.5％vs. 15.5％，15.5％，p = 0.002）。B型以仅6.7％的速率表现出最低的多倍体胚胎速率，其次是A型为11.6％，C型为14.0％，尽管差异不是显着的（p = 0.182）。完成多变量概括估计方程（GEE）分析后，B型（P = 0.014）和女性载体（P = 0.002）被鉴定为较少的卵子胚胎的独立风险因素。
利用零拍的视觉和语言模型，家庭多对象重排任务的个性化
旨在开发一种可推广的计划方法，以进行偏爱的多对象重排。对个性化家庭对象重排的事先研究收集了模拟或人类演示的特定任务数据集，并试图匹配此数据集中存在的偏好[1，15，16，23]。然而，策划大量的人类示范数据集具有多种偏好是具有挑战性的。可能的偏好空间有效地无限。的偏好是高度的，并且取决于个人的身心质量。因此，收集代表所有用户偏见的数据集都是具有挑战性的。此外，这些偏好可能是复杂且抽象的。例如，某人首选的桌面设置可能基于可访问性，视觉美学或文化和传统规则。因此，以可推广的方式学习或建模这些偏好是不平凡的。最后，偏好通常被指定。通常会发出诸如“帮助我设置晚餐餐桌”之类的命令，但并不表明一个人喜欢为除了应该用硅胶设置的孩子以外的所有人使用陶瓷菜肴。以可操作性的方式详尽而明确地交流此类偏爱可能是乏味的，需要很难生产的精确语言。最近进入视觉和语言基础模型（VLM）为所有这三个问题提供了解决方案。我们在单步表设置任务上介绍了此方法的初始结果，并找到了我们方法的概念概念。我们希望开发一种可推广的个性化家庭重排的方法，即1）样品复杂性低2）能够建模有关对象重新安排的抽象和复杂偏好，3）即使根据指定的说明，也可以制定这些任务计划。大型语言模型（LLM）和在互联网量表数据上预处理的VLM已被证明可以有效解决无明确培训的无数任务。具体来说，将LLM与文本学习[3]相结合[3]在制定任务计划方面取得了长足的进步，这些任务计划可以在几次拍摄中根据易于指定的人类偏好[32]解决一般的多对象重排任务并根据这些任务解决这些任务。我们提出了一种初始方法，该方法利用了Internet规模验证的VLM中的这些最新进步，以根据个人喜好解决多对象重排任务，即使这些偏好尚未完全指定。
SAFER-Detection 用于有效检测基因编辑人类细胞中的 DNA 重排
评估人类基因组编辑产品安全性的一个重要标准是验证基因组完整性。这包括对大量插入或缺失、外源 DNA 整合以及致癌性或插入诱变可能性的评估。在本研究中，我们介绍了 SAFER-Detection（高效重排检测的选择性扩增）。SAFER-Detection 是一种基于标记和下一代测序的方法，旨在以单碱基分辨率定量检测染色体重排断点。该方法能够对由可编程核酸酶（如 CRISPR/Cas 和 TALEN）进行的靶向和脱靶编辑导致的重排进行分类。SAFER-Detection 使用 Cas9 和 CCR5 向导 RNA，可轻松识别靶位点 (CCR5) 与附近同源物 (CCR2) 中的脱靶或同源位点之间的染色体内缺失、插入和倒位。CCR5 靶位点与 chr1 和 chr13 上的脱靶位点之间的染色体间易位也被捕获并通过 PCR 进一步验证。SAFER-Detection 在检测由脱靶活动或同源重组介导的染色体内和染色体间重排方面表现出高灵敏度，适用于含有低细胞数的样本。当与灵敏的脱靶提名技术（如 ONE-seq）结合使用时，SAFER 检测提供了一种评估治疗性基因组编辑中染色体重排风险的宝贵方法。
研究文章 NUT 中线癌：一种以染色体重排为特征的罕见实体肿瘤
目的 . 罕见低分化NUT中线癌（NMC）是一种高度恶性肿瘤。但由于NMC罕见，关于其临床、影像学和病理特征的报道仍然很少。方法 . 本研究以3例位于腮腺、肺和气管的NMC患者为例，总结NMC的临床病理特征。所有病例均通过双色FISH检测后检测NUT抗体核反应阳性进行诊断，结果均为阳性，提示NUT基因15q14发生染色体重排。结果 . 这3例患者均接受了手术治疗和放化疗等常规治疗。鉴于常规强化治疗效果不佳，建议使用两种新型疗法，即组蛋白去乙酰化酶抑制剂 (HDACi) 和溴结构域抑制剂 (BETi)，因为两者都可以抑制肿瘤细胞的生长，这些靶向疗法可能会延长患者的生存时间。结论。NMC 是一种容易误诊且预后不良的癌症；因此，提高临床医生的认识对于提高诊断准确性至关重要，选择有效的治疗方法是改善预后的主要方法。
循环肿瘤DNA可以对癌症类型的可起作基因融合和重排的敏感检测
摘要◥目的：基因组重排可以产生有效的致癌驱动因素或破坏肿瘤抑制基因。本研究检查了循环肿瘤DNA（CTDNA）在不同癌症类型的循环肿瘤DNA（CTDNA）检测到的融合局势和重排的景观。实验设计：使用FoundationOneleliquid CDX（一种杂交捕获测序平台，从53,842例患者进行66例实体瘤类型的患者的LBX，该LBX被降低，该平台查询了324个与癌症相关的基因。使用粉底核定型的组织活检（TBX）利用为比较器。结果：在所有LBX中，有7,377（14％）检测到≥1个致病后脉冲。总共3,648（6.8％）LBX具有≥1个功能（GOF）致癌基因重排，而检测到4,428（8.2％）LBX的功能障碍障碍丧失。癌症类型具有较高的GOF重排率的癌症类型包括
定量评估临床前铸造的原代基因编辑人干细胞中染色体重排的定量评估
研究人员开发了具有越来越复杂和规模的神经系统的计算模型，通常情况下，从头开始模型的开发是不切实际且效率低下的。因此，迫切需要快速找到，评估，重复使用和建立其他研究人员开发的模型和模型组件。我们介绍了Neuroml数据库（Neuroml-db.org），该数据库已开发出来，以满足这一需求并汇总其他模型共享资源。Neuroml-DB存储以前已转换为模块化神经模型描述语言的离子通道，细胞和网络的1,500多个离子通道，细胞和网络模型。数据库还提供了与其他神经科学模型数据库（模型，开源大脑）的相互链接以及对原始模型出版物的访问（PubMed）。这些链接以及神经科学信息框架（NIF）搜索功能提供了与其他神经科学社区建模资源的深入集成，并极大地促进了寻找合适的重复使用模型的任务。作为一种中间语言，NeuroMl及其工具生态系统可以有效地翻译模型为其他流行的模拟器格式。模块化性质还可以有效地分析大量模型和对其性质的检查。数据库的搜索功能以及基于Web的可编程在线界面，使研究人员社区可以快速评估存储的模型电力学，形态和计算复杂性属性。此分析提供了有关模型相似性的进一步信息，以丰富数据库搜索。我们使用这些功能来对神经元和离子通道模型进行数据库规模分析，并描述由细胞模型簇在模型性能和f构图的空间中形成的新型四面体结构。
复杂的染色体重排中的断点对应于成熟精子的DNA的转座酶可访问区域
电气惊人用于捕获鳄鱼以执行常规管理程序。从福利点开始，电气令人惊叹必须引起动物的无意识。然而，没有信息有关电气令人惊叹是否引起尼罗河鳄鱼（Crocodylus niloticus）的无意识。该研究的目的是使用5通道参考脑电图分析来评估鳄鱼中电气惊人之前和之后的大脑活动，以确定意识。的行为指标和15个圈养鳄鱼的脑电图记录被捕获并使用功率谱密度分析在令人惊叹前后的功率频谱密度分析进行分析，然后以60 s的间隔，直到播放后5分钟。在湿颈上施加了5–7 s的标准化刻度170伏。无意识的定义是α波功率的降低和增长三角波功率的增加。无法评估三个脑电图。在12个鳄鱼中的6个中发现了无意识，平均持续120 s。脑电图波形振幅和滋补性癫痫发作的波形活性和行为指标的增加并不是可靠的无意识指标。进一步的研究应集中于提高电气惊人的效率和可靠性。