本文介绍由Atanas G. Atanasov和Claudiu T. Supuran共同通讯发表在 Nature Reviews Drug Discovery 的研究成果:在过去天然产物及其结构类似物对药物治疗做出了重大贡献,然而,天然产物也给药物发现带来了挑战,比如筛选、分离、表征和优化方面的技术障碍,导致制药行业降低对它们的关注。近年来,一些技术和科学的发展,包括改进的分析工具、基因组挖掘、工程策略以及微生物培养进展,正在应对这些挑战并开辟新的机遇,将天然产物作为药物先导重新引起了人们的兴趣。本文作者总结了最近可能实现基于天然产物进行药物发现的先进技术,并讨论了关键机遇和应用前景。
近期,哈佛大学和麻省理工学院的研究团队在微生物群落研究方法学上取得重要突破,发明了微生物高通量单细胞基因组学技术——Microbe-seq。相关成果以研究长文(Research Article)的形式于6月3日在Science上以High-throughput, single-microbe genomics with strain resolution, applied to a human gut microbiome为题发表。
在整个人体组织中,细胞类型、状态和相互作用是非常多种多样的,为了更好的了解这些组织和存在的细胞类型,我们需要更高分辨率的技术,而scRNA-seq提供了在单个细胞水平上表达哪些基因的信息,恰好能满足我们的需求。
有限稀释技术(Limiting dilution technique)是利用移液管稀释分离细胞,这种方法的主要缺点是效率低下,成功率20%左右。
了解RNA提取和RNA- seq文库制备的实验过程中的步骤有助于设计RNA- seq实验,但有一些特殊的考虑因素需要强调,这些因素会极大地影响差异表达分析的质量。
癌变的特征是多种细胞过程的失调,这些过程一直是详细的遗传学、生物化学和结构学研究的主题,但直到最近,才有证据显示许多这些过程发生在生物分子凝结体的背景下。凝结体是无膜的团体,通常由液液相分离形成,将具有相关功能的蛋白质和RNA分子隔离开来。来自凝结体研究的新见解预示着我们对癌症细胞失调机制的理解将发生深刻的变化。在这里,我们总结生物分子凝结体的关键特征,指出它们已经被暗示(或很可能被暗示)在致癌发生中的作用,描述癌症治疗药物的药动学可能会受到凝结体的极大影响,并讨论一些必须解决的问题,以进一步提高我们对癌症的理解和治疗。
今天介绍的是一篇单细胞综述,发表于2013年的Nature reviews genetics ,预测了如今单细胞技术的火热。文章题目是:Single-cell sequencing-based technologies will revolutionize whole-organism science。
Binning,简称为分箱,更确切的说是 strain-level clusters 或 strain-level taxonomic units),本质是采用聚类的方法将分析对象进行归类,得到不同的集合。在宏基因组分析中,由于是混合微生物的测序,通过聚类的方法,将相同的微生物聚成一类,这个过程就是 binning。通过 binning,可以从菌落中提取到“单菌基因组”。这是一种不依赖实验室分离培养,基于分析算法开展单菌研究的策略。这样很多没法进行纯培养的微生物,通过这种方法就可以得到其基因组序列。
目前,对于嗜冷生物生命活动的研究主要是基于对嗜冷酶的理解,而嗜冷酶是经过长期的突变积累和适应性演化形成的。
今天给大家介绍印度德里Indraprastha信息技术学院的Debarka Sengupta教授等人发表在Scientific Reports上的一篇文章 “AutoImpute: Autoencoder based imputation of single-cell RNA-seq data” 。单细胞RNA测序 (scRNA-seq) 技术的出现,使我们能够以单细胞分辨率测量数千个基因的表达水平。然而,单个细胞中起始RNA的数量不足会导致显著的“dropout”事件 (被错误判断为零的表达值),在表达矩阵中引入大量的零计数。为了解决这一问题,本文提出了一种基于自编码器的稀疏基因表达矩阵的插补方法。AutoImpute,它学习输入的scRNA-seq数据的固有分布,并相应地插补缺失值,对生物沉默基因 (真实表达的零值) 进行最小的修改。在真实的scRNA-seq数据集上进行测试时,AutoImpute在基于下采样数据的表达恢复、细胞聚类精度、方差稳定和细胞类型可分离性方面表现出竞争性。
Host-Microbiome Interactions in the Era of Single-Cell Biology
这篇文章是2022年7月4日发表在bioRxiv上的文章,主要讲的是利用单细胞多组学的技术解析一个药用植物的研究过程。
当你的才华还撑不起你的野心时,请潜下心来,脚踏实地,跟着我们慢慢进步。不知不觉在单细胞转录组领域做知识分析也快两年了,通过文献速递这个栏目很幸运聚集了一些小伙伴携手共进,一起成长。
英文标题: Spatially and functionally distinct subclasses of breast cancer-associated fibroblasts revealed by single cell RNA sequencing
“学科交叉的魅力”名师系列讲座由北京大学前沿交叉学科研究院策划和主办。它的缘起是学院之前每年都要举办的“交叉学科研究生论坛活动”,今年由于疫情而改为线上讲座的形式,希望以此来欢迎更多的人参与。第一期邀请了四位报告人,分别是韩启德、乔杰、饶毅和钱乘旦教授,他们将从不同的角度来阐述学科交叉的魅力。
The known and the unknown in soil microbial ecology
病毒作为一种特殊的生命形式,似乎正毗邻生命与非生命之间的界限,人类也一直寻找病毒的具体起源。
https://www.mr-gut.cn/papers/read/1070836774
全球领先的医疗技术公司BDX今天宣布,与欧洲分子生物学实验室(EMBL)合作进行的一项研究,并发表在1月21日的《Science》杂志的封面故事,介绍了流式细胞术中的一项新的BD创新,该创新增加了荧光成像和基于图像的决策,以异常高速对单个细胞进行分类,基于每个细胞的视觉细节,而不仅仅是存在的生物标志物的类型或数量。
过去十年的研究揭示了古菌在自然界的多样性和无所不在性,越来越多的研究强调了它们在生态学、生物技术甚至人类健康方面的重要性。大量的的谱系已经被发现,扩大了古菌系统发育的广度,并透露了它们在真核生物进化起源中的核心作用。这些发现,加上在极端环境下培养和实时成像古菌细胞的进展,为更好地理解古菌的生物学奠定了基础。本文就古菌细胞的形态、内部组织和表面结构特征以及膜系统重构、细胞生长和分裂等方面进行了综述。本文还强调了目前所面临的一些技术挑战,并讨论了新的和改进的技术将如何帮助解决许多悬而未决的关键问题。
2017年即将过去,回收这一年,Science公布了他们心目中的十大科学突破,供大家参考: 1.双中子星合并 2017年8月17日,LIGO和Virgo在1.3亿光年之外首次探测到了双中子星合并,合并
本来想看这篇文章 A general and flexible method for signal extraction from single-cell RNA-seq data. 一种通用、灵活的单细胞转录组数据降维方法,ZINB-WaVE。它使用零膨胀负二项式模型,能够解释dropout、超表达和数据的自然属性,在稳定性和精确性上优于PCA和ZIFA。 对应的R包是 zinbwave
看到隔壁《单细胞天地》公众号翻译了一个最新的单细胞数据处理综述,很精彩,所以申请转载到生信技能树平台以飨读者:
Link:https://link.springer.com/article/10.1007%2Fs00248-022-01962-5
头一次听说国库的“活体库”时,不少小伙伴自动脑补出一个动、植物的“伊甸园”——想必生活着各种活蹦乱跳的飞禽走兽和生机盎然的花木果草。
高通量染色体构象捕获技术(High-throughput chromosome conformation capture,Hi-C)是一种用于研究基因组中染色体的三维结构分子生物学技术。它通过对DNA进行特殊的修饰和捕获,然后对修饰后的DNA进行测序,来确定基因组中不同区域之间的相互作用。这种技术可以帮助研究人员了解基因的功能和调控,以及在染色体中的不同位置的基因之间相互作用。
Link: https://microbiomejournal.biomedcentral.com/track/pdf/10.1186/s40168-015-0094-5
分子生物学涉及生命从组成到活动的所有分子基础,包括DNA、RNA、蛋白质之间的相互作用、它们的生物合成以及这些相互作用的调节。分子生物学也是对复制、转录、翻译和细胞功能过程的分子基础的研究,这是理解该领域的一个很好的起点。
本文[1] 将从蛋白质组学的定义,蛋白质组包含的类型,常用技术,面临的挑战等方面,对蛋白质组学进行一个简要的介绍。
A context-aware deconfounding autoencoder for robust prediction of personalized clinical drug response from cell-line compound screening
比如:我只需要长度300bp左右的分子。那么,电泳后,在切胶过程中,只切300bp处的分子即可。
Thermofisher:https://www.thermofisher.com
循环肿瘤细胞(CTCs)是起源于上皮来源的原发性或转移性肿瘤并脱落到血液循环系统中的具有高活力和高转移潜能的肿瘤细胞。CTC 是液体活检的重要组成部分之一,为实时监测肿瘤进展提供了一个方法。
根据所用文库制备方法的不同,获得的RNA序列(也称reads或tags)有3'(或5')端起始的转录本(10X Genomics, CEL-seq2, Drop-seq, inDrops)和全长转录本(Smart-seq)之分。
来源:中国生物技术信息网 网站:http://www.biotech.org.cn/ 最近的研究表明,我们人类和其他哺乳动物的基因组被划分为大的功能单位,称为拓扑相关结构域(TAD)。TAD是非常长的DNA片段,包含一个或多个基因及其调控元件。TAD的一个重要功能是形成基因调控的独立区域,同时,将它们与邻近区域隔离开来。最近,根据三种人类罕见疾病,德国马克斯普朗克分子遗传学研究所和柏林夏洛蒂医科大学的科学家已经证明,TAD边界的变化,可显著破坏相关基因的调控。因此,TAD对于基因的正常功能是至关重要的。这些
2021年2月,来自美国、荷兰、中国、挪威的多国研究团队在《Current Opinion in Biotechnology》发表综述,回顾了从宏基因组学的应用中收集到的关于微生物生命的新见解,以及促进探索复杂微生物群落多样性和功能的广泛分析工具。
在宏基因组中分离单基因组,可利用序列特征或序列组装信息,常见的可用信息主要有以下几种:
scRNA-seq数据集通常包含由于不完全RNA捕获、PCR扩增偏差和/或特定于患者或样本的批次效应而产生的技术噪声,如何降低技术噪声对数据分析的影响?
单细胞RNA-seq (scRNA-seq)作为一种流行的工具,通过提供单细胞中单核苷酸分辨率的所有转录本的列表来绘制真核细胞状态图。在过去的几年中,scRNA-seq在人和小鼠细胞中广泛应用并取得重大进展。然而,微生物学的绝大多数研究仍然依赖于平均数千甚至数百万个细菌的批量测量。
基因组倍型通常指一个生物体细胞中染色体的组合,即染色体数目的倍数。在生物学中,主要有两种类型的基因组倍型:单倍体和多倍体。
紫杉醇是全球销量第一的植物抗癌药物,而且随着癌症防治需求的日益增加,紫杉醇成为全球销量第一的植物抗癌药,预期其市场规模在2030年以后将达到近千亿人民币规模。自从1971年鉴定化学结构以来,紫杉醇已发展成为同青蒿素齐名的、教科书级别的经典植物天然产物的代表。半个世纪以来,紫杉醇生物合成途径依然未被完全解析,成为科学界一直关注的难点。
今天给大家介绍宾夕法尼亚大学Nancy R. Zhang教授等人发表在Nature Methods上的一篇文章 “SAVER: gene expression recovery for single-cell RNA sequencing”。大规模并行单细胞RNA测序 (scRNA-seq) 的快速发展为生物样本的高分辨率单细胞分析铺平了道路。在大多数scRNA-seq研究中,每个细胞中只有一小部分的转录物被测序。在高度并行化的实验中,为每个细胞分配的读数很小,效率 (即被测序的转录本的比例) 会很低。这导致对低表达和中表达基因的测量是不可靠的,且引起了数据极为稀疏并阻碍了下游分析的问题。为了解决这一挑战,本文介绍了SAVER (通过表达恢复进行单细胞分析),一种针对scRNA-seq的表达恢复方法,它借用了跨基因和细胞的信息来插补零值并改善所有基因的表达。
从本文开始,将带领还未分析过单细胞(scRNA-seq)数据的读者,从如何构建环境,什么是单细胞,单细胞的完整分析流程各方面开展学习,由于内容较多,将会分章节展开,后续会整理成完整PDF教程,请持续关注。
从本文开始,将带领还未分析过单细胞(scRNA-seq)数据的读者,从如何构建环境,什么是单细胞,单细胞的完整分析流程各方面开展学习,由于内容较多,将会分章节展开,后续会整理成完整PDF教程,请持续关注本公众号。
近期,临床阶段生成式人工智能(AI)驱动的生物科技公司英矽智能于计算化学领域权威期刊美国化学学会旗下《化学信息与建模》杂志发表论文,分享云上人工智能靶点发现软件平台PandaOmics最新研发进展。PandaOmics是英矽智能自研端到端Pharma.AI药物研发平台的重要组成部分,以专有人工智能算法、海量文本与组学数据、基因与信号通路分析、靶点预测与优先排序,以及用户友好的操作界面,为药物靶点发现与新颖生物标志物研究提供助力。
宏基因组研究涉及的样品广泛,因此样品提取比较困难,且有很强的针对性。这里面为大家推荐国内的 Bio-protocol 精选集。下面是引用里面的简介。
单细胞测序可以揭示单个细胞的微妙的变化并对细胞进行分型,在经历了动物单细胞的火热后,植物单细胞转录组的春天来了,Science, PC, PP, MP, bioRxiv各一个。本文详细解析了2019年4月,Brad Nelms和Virginia Walbot两位研究人员在Science期刊上通过单细胞转录组测序解释玉米减数分裂进程的工作。
1、细胞周期蛋白:在细胞周期的后期逐渐合成、至周期的中间阶段突然消失的周期性存在蛋白,成为细胞周期蛋白。细胞周期蛋白可分为3类:S期周期蛋白,M期周期蛋白,G1期周期蛋白。S期周期蛋白为cyclin A,在S期开始表达,到中期时开始消失;M期周期蛋白为cyclin B,在S期开始表达,在G2/M期到达峰值,中期到后期转换时消失。G1期周期蛋白在脊椎动物中位cyclin C、D、E,在酵母中为Cln1、Cln2、Cln3,他们在G1期开始表达,进入S期后消失。
从今天开始,用 21 天精通单细胞数据分析。我们将理论联系实际,边学边练,本文先从理论开始。
距离上次《生信宝典》联合《宏基因组》组织的扩增子分析线下培训结束己经有三个多月了。
领取专属 10元无门槛券
手把手带您无忧上云