「目的:」小细胞肺癌(SCLC)化疗耐药的机制尚不清楚。本研究旨在通过全外显子组测序(WES)「探索SCLC新辅助化疗(NAC)后残留肿瘤耐药性相关的基因组谱」。
2023-10-25,Galaxy中国镜像站 UseGalaxy.cn 平台新增 5 个工具。
de novo mutation 是属于生殖细胞突变中的一类突变,指的是在一个家系中,第一次出现的突变。这个突变在父本中是没有的,只是在子代中第一次出现。
Genomic comparison of esophageal squamous cell carcinoma and its precursor lesions by multi-region whole-exome sequencing
控制细胞周期进展、凋亡和细胞生长的信号通路中发生遗传改变是癌症的共同特征,但通路改变的程度、机制和共发生在不同的个体肿瘤和肿瘤类型之间是不同的。基于TCGA中9125例肿瘤的多组学数据分析了10个典型通路的改变机制和模式,发现89%的肿瘤在这些通路中至少有一种驱动改变,57%的肿瘤至少有一种改变可以被现有药物靶向,30%的肿瘤有多靶点改变,这意味着有机会对肿瘤进行联合治疗。
在测序早期,由于该过程高强度的劳动仅测序了少量的碱基。在动物模型和细胞系中,人们确定了一些在肿瘤发病机理中起着重要作用的基因。随后,研究人员在患者样本中分析了这些突变并评估了它们对预后效果的影响。例如:TP53在各种癌症中普遍发生了突变,NPM1是现在急性髓细胞白血病最常分析的基因之一,该突变定义了当前世界卫生组织分类中的急性髓细胞性白血病亚型。
Spatial intratumoral heterogeneity and temporal clonal evolution in esophageal squamous cell carcinoma
驯化和多样化对作物基因组产生了深远的影响。高粱起源于非洲,随后传播到不同的大陆,经历了多次驯化和各种最终用途的密集育种选择。然而,这些过程如何塑造高粱基因组尚不完全清楚。在本研究中,研究者对全球445种高粱种质进行了群体基因组学分析,涵盖了野生高粱和四个具有不同农艺性状的最终用途亚群。还证明了调节茎多汁性的Dry基因是在谷物高粱改良过程中无意识地选择的。
基因突变有很多种类型,其中核苷酸的插入有可能影响基因的蛋白的编码。所以对于基因突变插入的研究是是很重要的。
基因组多倍体化是自然界中重要的突变过程之一。群体遗传学理论预测,由于冗余基因拷贝的掩蔽效应,隐性有害突变在多倍体中的积累速度快于二倍体,但该预测至今未得到证实。该研究使用多倍体(6种)和二倍体(1种)棉花(共46个样本)对有害突变从核酸和蛋白两个层面进行了研究,证明了有害突变在多倍体中的积累速度比其二倍体中更快。另外,研究表明,在异体多倍体中,有害突变的比例不同,表明同源掩蔽在亚基因组间作用不平衡。
PseudoChecker: an integrated online platform for gene inactivation inference
以往的大规模测序项目已经确定了许多公认的癌症基因,但大部分工作都集中在蛋白质编码基因的突变和拷贝数改变上,主要使用全外显子组测序和单核苷酸多态性阵列数据。全基因组测序使系统地调查非编码区域的潜在driver事件成为可能,包括单核苷酸变异(SNVs),小的插入和缺失(indels)和更大的结构变异。全基因组测序能够精确定位结构变异断点(breakpoints)和不同基因组位点之间的连接( juxtapositions并置)。虽然以前的小规模样本的全基因组测序分析已经揭示了候选的非编码调控driver事件,但这些事件的频率和功能含义仍然缺乏研究。
今天和大家分享的是2020年3月发表在Nature genetics(IF:27.603)上的一篇文章Comprehensive molecular characterization of mitochondrial genomes in human cancers,作者使用pan-cancer研究的WGS和RNA-seq数据,对癌症线粒体基因组进行了全面的分子表征。
细胞中的每一个变异过程都会在其基因组上留下印记。利用数学方法从人类癌症成千上万的体细胞突变中已确定超过40个碱基替换和10个基因组重排突变特征。目前研究人员对某些特征的突变过程有了深入的了解,突变过程与许多疾病潜在的生物学机制有关。
随着肿瘤当中测序量的逐渐增大,目前很多的高分生信分析都是基于泛癌的数据来进行分析。这样的好处是可以观察在大多数癌症当中的变化情况。今天就给大家介绍一个最近刚刚发表的Nature Communication(NC)上的泛癌分析文章
英文标题:Plasma ctDNA is a tumor tissue surrogate and enables clinical-genomic stratification of metastatic bladder cancer
今天的内容实用而且简单!素数问题是从来都是数学家热衷探索的领域,也是程序设计竞赛和 LC 中,解决数论相关问题的基础,下面本文介绍如何更科学地筛素数和一些相关的小知识。
今天为大家介绍2013年Nature Methods、SCIENTIFIC REPORTS、nature structural & molecular biology、Nature Genetics发布的几项关于泛癌网络模块分析的研究。
本文介绍一篇来自于苏黎世联邦理工学院的Joseph M. Taft在Cell上发表的工作——《Deep Mutational Learning Predicts ACE2 Binding and Antibody Escape to Combinatorial Mutations in the SARS-CoV-2 Receptor Binding Domain》。
今天给大家介绍的是韩国科学技术学院Sungsoo.ahn等人在NeurIPS2020上发表了一篇名为“Guiding Deep Molecular Optimization with Genetic Exploration”的文章。从头开始的分子设计试图在化学空间中寻找具有理想性质的分子。最近,深度学习作为一种很有前途的解决这一问题的方法得到了相当多的关注。在这篇文章中,作者提出了一个简单而新颖的框架——遗传专家指导学习(GEGL),该框架通过训练深度神经网络(DNN)产生高回报的分子。作者的主要想法是设计一个遗传专家改进程序,产生高质量的目标,模仿学习的DNN。通过实验表明,GEGL显著改进了最先进的方法。
高斯滤波是以距离为权重,设计滤波模板作为滤波系数,只考虑了像素间的空间位置上的关系,因此滤波的结果会丢失边缘的信息。
尽管检查点阻断是治疗肝细胞癌 (HCC) 的一种有前途的方法,但尚未确定预期会出现反应的患者亚群。T 细胞介导的肿瘤杀伤 (TTK) 是免疫检查点抑制剂治疗的基本原理。
与复制修复相关的DNA聚合酶的缺陷通常表现为超高的肿瘤突变负荷(TMB),这与对免疫治疗的反应相关。不同聚合酶变异的功能和临床意义仍不清楚。
浓度越高,这一过滤过程的效率就越高。 随着全球气候变暖,世界各地的国家都开始意识到温室气体的危害。此处,温室气体指的就是由于人们焚烧化石燃料(如石油、煤炭等),或砍伐森林并将其焚烧时产生的二氧化碳。 虽然各国都在呼吁减少碳排放量,但是事实上,碳排放量并没有明显的减少,全球气候变暖的问题依然存在。针对这一问题,麻省理工学院(MIT)的研究团队给出了一个解决方案,他们研发了一种全新的系统,该系统可以将发电厂的二氧化碳排放转化为汽车、卡车和飞机所需要的燃料,或者转化为各种产品的化学原料。 据悉,这是一款由镧、钙和
源码:https://github.com/fuzhengwei/java-algorithms
瘤内异质性(intratumor heterogeneity,ITH)是指同一恶性肿瘤在同一患者的不同肿瘤部位的细胞之间,在基因型和表型上存在差异。这种不一致性导致了恶性肿瘤在演变过程中的高度复杂性和多样性。ITH可能对肿瘤活检策略、可操作靶点的表征、治疗和耐药性产生影响。
在自然数集中,质数的数量不多而且分布比较稀疏,对于一个整数N,不超过N的质数大概有N/lnN个,即每lnN个数中可能会有一个质数。
作者|谷歌大脑高级工程师 Esteban Real 编译|Debra 从 5 亿年前非常简单的蠕虫大脑到各种现代化结构,大脑经历了漫长的进化过程。如今,人类的大脑可以毫不费力地完成各种各样的活动,例如,告诉我们在某一个视觉场景中是否包含动物或建筑物。然而,为了执行这些简单的任务,开发人工神经网络的专家则需要经过数年甚至数十年的艰难研究和缜密的设计,并且通常需要设定网络完成一项具体目标,例如查找照片中的遗传变异,或辅助诊断疾病。理想情况下,人们希望能够有一种方法,能够自动化为任何给定的任务生成合适的架构。
•IC50 (half maximal inhibitory concentration)最大半抑制浓度,可以用来衡量药物诱导凋亡的能力,即诱导能力越强,该数值越低;
Integrative pathway enrichment analysis of multivariate omics data
2022年6月21日,来自小分子变构药物发现公司HotSpot Therapeutics的Michael Schauperl等人在J Chem Inf Model杂志发表文章,探讨了基于AI的蛋白质结构预测方法对药物发现领域的关键贡献,以及所面临的局限性和挑战。
英文标题:The somatic mutation profiles of 2,433 breast cancers refine their genomic and transcriptomic landscapes
随着多种药物的上市,激酶的变构抑制已与正构抑制具有相当的药理作用和临床效益。然而,尽管经过20多年的努力,FDA批准的变构药物相关的激酶靶点数量仍然十分有限,这表明识别和验证变构抑制剂面临巨大挑战。2022年3月发表在 J Med Chem 的一篇文章回顾了变构抑制剂的原理,并用MEK1/2和BCR-ABL1变构抑制剂的发现作为实际案例,讨论了筛选变构抑制剂的方法。
了解癌细胞转化的机制是开发癌症筛查方法和治疗方法的关键。而实现这一目标的关键是识别出能够驱动肿瘤的突变基因。
在基因组分析中,处理流程从上游测序数据到下游突变分析,中间的关键就是call突变。
神经母细胞瘤是一种外周交感神经系统的小儿肿瘤。肿瘤的表现从自发退化到无法治愈的进展不等。尽管有广泛的治疗,如化疗、手术、放射治疗和免疫治疗,高风险神经母细胞瘤患者的存活率仍低于50%。在大多数患者中,可以观察到对治疗的初步反应,然而,这些患者中高达60%的患者随后复发,并伴有难治性肿瘤。一些遗传变异,包括MYCN扩增和染色体节段性改变,如1p缺失、11q缺失或17q扩增,与预后不良有关。然而,尚不清楚哪些遗传缺陷与疾病复发有关。
Mutational Analysis Reveals the Origin and Therapy-Driven Evolution of Recurrent Glioma
神经胶质瘤是中枢神经系统中最常见的原发性肿瘤类型之一。先前的研究发现,巨噬细胞积极参与肿瘤的生长。
Genomics of lethal prostate cancer at diagnosis and castration-resistance
除了自身之外,无法被其它整数整除的数称之为质数,要求质数很简单,但如何快速的 求出质数则一直是程式设计人员与数学家努力的课题,在这边介绍一个着名的 Eratosthenes求质数方法。
衡宇 梦晨 发自 凹非寺 量子位 | 公众号 QbitAI AI蛋白质结构预测赛道,国产模型又有吸睛表现: 在蛋白质结构预测竞赛CAMEO上,有支队伍连续四周夺得全球第一。 达成这一成就的是来自清华大学智能产业研究院(AIR)的AIRFold。 △AIRFold 在7.23-8.20的评估中连续四周全球第一 CAMEO竞赛(Continous Automated Model Evaluation)与CASP并列为蛋白质结构预测领域的两大权威竞赛。 不同之处在于CASP两年一届,CAMEO则是持续举办,每周
英文标题:Integrated Multiregional Analysis Proposing a New Model of Colorectal Cancer Evolution
【引子】周末,读了一篇同事推荐的论文《STUN: Reinforcement-Learning-Based Optimization of Kernel Scheduler Parameters for Static Workload Performance》,很有启发,遂加入个人思考编译成文。
本次分享的是PLOS Computational Biology于2021年8月4日刊登的文章《Deep geometric representations for modeling effects of mutations on protein-protein binding affinity》,作者是来自分别来自清华大学的Xianggen Liu,Pengyong Li, Sen Song和伊利诺伊大学厄巴纳-香槟分校的Yunan Luo以及彭健。在这次的研究中,作者团队开发了一个名为GeoPPI的深度学习框架。基于蛋白质的三维结构,GeoPPI首先通过自监督学习方案学习编码蛋白质结构拓扑特征的几何表示,然后将这些表示用作训练梯度增强树的特征,以预测突变后蛋白质-蛋白质结合亲和力的变化。
Nature的这6项研究来自全基因组泛癌分析(Pan-Cancer Analysis of Whole Genomes, PCAWG)联盟,这是他们迄今为止最为全面的癌症基因组荟萃分析:
Somatic point mutations are detectable in spatial transcriptomics data
VCF 是生物信息分析中非常重要的一种格式。主要用来描述基因组突变的信息,无论是检测出来的 SNP,indel,cnv,还是 SV,都可以存储格式都为 vcf 格式。从比对生成的 bam 文件中,将潜在变异信息筛选出来,就是 vcf 格式。vcf 是一种列表格式,里面包含很多的内容。需要掌握每一列的信息,并能使用相对应的软件对 vcf 进行处理。处理 VCF 格式软件主要包括 bcftools,vcftools,gatk,python pyvcf,plink 等。
一般来说,肿瘤体细胞突变的分析都要求需要肿瘤与正常配对样本,采用如 MuTect2、MuSE、Varscan2、SomaticSniper、Strelka2 之类的工具来 call 体细胞突变。 对于得到的体细胞突变位点,以 vcf 文件的形式保存,需要进一步过滤,突变过滤主要有以下几种策略:
当然 python是一个很好的工具,学习一下无可厚非,我只是对某些生物医药的科研课程不感冒。
领取专属 10元无门槛券
手把手带您无忧上云