T细胞受体（TCR）在适应性免疫系统中起着至关重要的作用，它们通过与特定抗原表位（epitope）结合来识别病原体。理解TCR与表位之间的相互作用对于揭示免疫反应的生物学机制以及开发T细胞介导的免疫疗法具有重要意义。然而，尽管TCR的CDR3区域在表位识别中的重要性已被广泛认可，但如何准确预测与特定疾病或表型相关的TCR-表位相互作用仍是一个挑战。为此，研究人员开发了EpicPred，一种基于注意力机制的多实例学习（Multiple Instance Learning, MIL）模型，旨在预测与癌症或COVID-19患者严重程度相关的TCR-表位相互作用。 论文来源 该论文由Jaemin Jeon、Suwan Yu、Sangam Lee、Sang Cheol Kim、Hye-Yeong Jo...

肿瘤的发展过程中，基因组拷贝数变异（Copy Number Alterations, CNAs）是驱动肿瘤异质性和进化的重要因素。理解这些变异对于开发个性化的癌症诊断和治疗方法至关重要。单细胞测序技术提供了最高分辨率的拷贝数分析，能够深入到单个细胞水平。然而，低读深（low read-depth）的全基因组测序数据给拷贝数变异的检测带来了巨大的统计和计算挑战。现有的计算方法大多忽略了细胞之间的进化关系，导致检测结果不够准确。因此，开发一种能够结合细胞进化历史的拷贝数检测方法成为当前研究的迫切需求。 论文来源 本论文由ETH Zurich（瑞士联邦理工学院）和SIB Swiss Institute of Bioinformatics（瑞士生物信息学研究所）的研究团队共同完成，主要作者包括Jac...

癌症是全球范围内导致死亡的主要原因之一。尽管近年来免疫治疗取得了显著进展，如嵌合抗原受体T细胞（CAR-T）疗法和抗体药物偶联物（ADCs）的成功应用，但如何有效识别癌症特异性表面蛋白靶点仍然是当前研究的重大挑战。表面蛋白靶点的识别对于开发精准且低毒的免疫疗法至关重要。现有的技术，如RNA测序和蛋白质组学，虽然能够帮助研究人员分析这些靶点，但仍然缺乏系统化的方法来优先选择最合适的免疫治疗靶点。 为此，来自Children’s Hospital of Philadelphia、Drexel University、BC Cancer Research Institute等机构的科研团队开发了一种名为ImmunoTAR的计算工具，旨在通过整合多种公共数据库的数据，系统化地优先选择免疫治疗靶点。该工...

单细胞转录组测序（single-cell RNA sequencing, scRNA-seq）技术的出现，为研究细胞发育和分化过程中的基因表达动态提供了前所未有的分辨率。然而，由于生物过程的复杂性，不同条件下的细胞发育轨迹往往是不对称的，这给数据的整合和比较带来了挑战。现有的方法通常依赖于将不同条件下的样本整合后再进行聚类分析或推断共享轨迹，但这些方法在处理不对称轨迹时往往效果不佳，可能会掩盖关键的差异表达基因（differentially expressed genes, DEGs）。 为了解决这一问题，研究人员开发了一种新的方法——Trajectory Alignment of Gene Expression Dynamics (Tragedy)。Tragedy方法能够在不进行数据集整合...

单细胞RNA测序（scRNA-seq）技术能够以单细胞分辨率进行高通量转录组分析，极大地推动了细胞生物学的研究。然而，scRNA-seq技术的一个显著局限性是，它需要将组织解离，导致细胞在组织中的原始空间位置信息丢失。空间转录组学（Spatial Transcriptomics, ST）技术能够提供精确的空间基因表达图谱，但其在基因检测数量、成本以及细胞类型注释的精细度方面存在限制。因此，如何在scRNA-seq数据中恢复空间信息，成为了当前研究的一个重要挑战。 为了解决这一问题，研究人员提出了通过细胞对应学习（cell correspondence learning）在scRNA-seq和ST数据之间传递知识的方法，从而恢复scRNA-seq数据中的空间信息。然而，现有的方法在建模局部和全...

学术背景 COVID-19大流行对全球公共卫生系统造成了巨大冲击，尽管目前疫情已有所缓解，但其复杂的免疫病理机制、长期后遗症（如“长新冠”）以及未来可能出现的类似威胁，仍然推动着相关研究的深入。特别是重症COVID-19患者，常伴随“细胞因子风暴”、急性呼吸窘迫综合征（ARDS）、多器官衰竭等严重症状，亟需更精准的预测模型和生物标志物来指导临床决策。 传统的机器学习（ML）和深度学习（DL）模型在高通量组学数据分析中表现出色，但往往缺乏生物可解释性，难以揭示非线性蛋白质动态（如翻译后修饰）和复杂的信号通路调控机制。为了解决这一问题，作者开发了APNet（Activity PASNet），一种结合了差异活性分析和生物信息驱动的稀疏深度学习模型，旨在通过可解释的预测发现COVID-19重症的驱动...

学术背景 胶质母细胞瘤（Glioblastoma, GBM）是一种高度恶性的原发性脑肿瘤，尽管目前已有标准治疗方案，如手术切除、放疗和化疗，但其预后仍然极差，患者的中位生存期仅为14.6个月。传统的治疗方法往往无法彻底根除肿瘤，且容易复发。因此，寻找新的治疗策略成为当务之急。近年来，药物再利用（Drug Repurposing）成为一种有前景的研究方向，即利用已批准用于其他疾病的药物来治疗胶质母细胞瘤，以缩短研发时间和降低成本。 多巴胺受体（Dopamine Receptor, DR）在胶质母细胞瘤中的表达和作用逐渐受到关注。研究表明，多巴胺受体D2（DRD2）和D3（DRD3）在胶质母细胞瘤细胞中高表达，并且DRD2的激活能够增强肿瘤的干性和侵袭能力。因此，多巴胺受体拮抗剂被认为是一种潜在...

学术背景 胶质母细胞瘤（Glioblastoma, GBM）是最具侵袭性和异质性的中枢神经系统肿瘤之一，预后极差。尽管近年来抗血管生成治疗和免疫治疗等新型疗法不断涌现，GBM患者的生存期仍然非常有限。GBM细胞具有独特的代谢特征，尤其是在葡萄糖和谷氨酰胺的利用方面。葡萄糖代谢在GBM中已被广泛研究，而谷氨酰胺代谢的作用则相对较少被关注。谷氨酰胺不仅是癌细胞生长的重要营养物质，还参与核酸和脂肪酸的合成。然而，谷氨酰胺代谢在GBM信号传导和代谢重编程中的作用仍不明确。 本研究旨在探索谷氨酰胺代谢在GBM中的新机制，特别是通过谷氨酸脱氢酶1（Glutamate Dehydrogenase 1, GDH1）催化的谷氨酰胺分解代谢如何反馈激活表皮生长因子受体（Epidermal Growth Fact...

背景介绍 胶质母细胞瘤（Glioblastoma, GBM）是最具侵袭性的脑癌之一，患者的中位生存期仅为约15个月。尽管目前采用了手术、化疗和放疗等多种治疗手段，GBM患者的总体生存率在过去几十年中并未显著改善。近年来，研究发现GBM起始细胞（GBM-initiating cells, GICs）在肿瘤的发生、发展以及对放疗和化疗的抵抗中起着关键作用。这些细胞不仅具有强大的致瘤能力，还能抵抗常规的癌症治疗手段。因此，深入研究GICs的特性并开发针对这些细胞的新型治疗方法成为了GBM研究的重要方向。 在此背景下，研究团队先前发现了一种名为上皮V样抗原1（Epithelial V-like antigen 1, EVA1）的膜蛋白，该蛋白在GICs中特异性表达，并可能成为治疗GBM的新靶点。为了...

学术背景 胶质母细胞瘤（Glioblastoma, GBM）是最常见且最具侵袭性的原发性脑肿瘤，其治疗难度大，预后极差。尽管近年来手术、放化疗等手段有所进步，但GBM患者的5年生存率仍低于4%。GBM的复发和治疗抵抗性主要归因于胶质瘤干细胞（Glioma Stem Cells, GSCs）的存在。GSCs具有自我更新、持续增殖和多向分化能力，被认为是GBM复发和治疗抵抗的关键因素。因此，针对GSCs的治疗策略成为GBM研究的重要方向。 ROR1（Receptor Tyrosine Kinase-Like Orphan Receptor 1）是一种受体酪氨酸激酶样孤儿受体，其在多种肿瘤中高表达，但在正常组织中表达水平极低。研究表明，ROR1在肿瘤干细胞（Cancer Stem Cells, C...