解锁黑色素瘤抑制:通过PI3K-AKT-ZEB1轴调控miRNAs的见解

非热大气压等离子体通过PI3K-AKT-ZEB1轴调控miRNA抑制黑色素瘤的研究报告 学术背景 黑色素瘤是皮肤癌中最具侵袭性且死亡率最高的类型,尤其在中晚期,其治疗难度极大。尽管近年来靶向治疗和免疫治疗的进展使患者的生存率有所提高,但整体疗效仍不理想。因此,探索新的治疗手段成为当前研究的重点。非热大气压等离子体(Non-Thermal Atmospheric Pressure Plasma, NTP)作为一种新兴的物理治疗手段,近年来在癌症治疗中展现出潜力。NTP通过产生活性氧和氮物种(Reactive Oxygen and Nitrogen Species, RONS),诱导癌细胞氧化应激,从而发挥抗肿瘤作用。然而,NTP在分子水平上的作用机制,特别是其对微小RNA(microRNA, ...

单细胞基因表达适应性进化的随机模型揭示肿瘤亚克隆进化的非基因组贡献

单细胞基因表达适应性进化揭示肿瘤亚克隆的非基因组贡献 学术背景 癌症是一种复杂的疾病,其进展是由细胞的进化驱动的,这些细胞通过获得生长优势的适应性而被选择。传统上,癌症进化的研究主要集中在基因突变上,认为突变是驱动肿瘤进化的主要因素。然而,越来越多的证据表明,非遗传因素,如表观遗传改变和基因表达的变化,也在癌症进化中起着重要作用。基因表达的适应性变化可能直接影响细胞功能,揭示这些变化有助于理解肿瘤进化中的选择性压力,并为设计更有效的治疗方案提供依据。然而,由于技术限制,尤其是基于批量测序的研究难以区分细胞水平的表达变化和细胞群体组成的变化,单细胞RNA测序(single-cell RNA sequencing, scRNA-seq)为研究基因表达的进化提供了新的机会。 本文的研究团队通过构建...

T细胞受体表示对比学习的研究

T细胞受体(TCR)特异性预测的新突破——SCEPTR模型的提出 学术背景 T细胞受体(TCR)在免疫系统中扮演着至关重要的角色,它们通过与主要组织相容性复合物(MHC)呈递的肽段结合,决定了免疫反应的特异性。理解TCR与特定肽段-MHC复合物(pMHC)的相互作用是免疫学中的一个重大挑战。尽管高通量实验技术的发展为我们提供了大量TCR序列数据,但精确预测TCR与特定pMHC的结合能力仍然是一个难题。当前,蛋白质语言模型(PLMs)在高通量数据分析中展现出了强大的潜力,但在TCR特异性预测任务中表现欠佳,尤其是在数据稀缺的情境下。因此,如何有效利用无标注的TCR序列数据来训练模型,成为解决这一问题的关键。 论文来源 本文由Yuta Nagano、Andrew G.T. Pyo、Martina...

研究揭示ERK激酶定位报告中的CDK2活性交叉作用

CDK2活性对ERK和p38 KTR信号的干扰及其计算方法 近日,由Timothy E. Hoffman、Chengzhe Tian、Varuna Nangia等作者发表在《Cell Systems》上的一篇论文,揭示了细胞周期依赖性激酶2(CDK2)对ERK(细胞外信号调节激酶)和p38信号通路中激酶转位报告(KTR)的干扰现象,并提出了通过计算方法消除这种干扰的技术。该研究不仅为理解细胞信号传导的复杂性提供了新的视角,还为未来的相关研究提供了重要的工具和方法。 研究背景 MAPK(丝裂原活化蛋白激酶)通路在细胞生长、分化和存活中扮演着至关重要的角色。其中,ERK和p38信号通路分别响应生长因子和应激信号,调控细胞的增殖和应激反应。为了实时监测ERK和p38的活性,研究人员开发了激酶转位报...

多模态学习用于基因型-表型动态映射

多模态学习揭示基因型-表型动态关系 背景介绍 基因型与表型之间的复杂关系一直是生物学领域的核心问题之一。基因型(genotype)指生物体的遗传信息,而表型(phenotype)则是这些遗传信息在特定环境下的表现。尽管早在1909年,Wilhelm Johannsen就提出了这两个术语,并试图量化它们之间的关系,但一个多世纪以来,我们仍然无法精确地描述基因型如何通过复杂的基因表达模式塑造表型。近年来,单细胞RNA测序(single-cell RNA sequencing, scRNA-seq)等技术的发展使得我们能够在细胞分辨率下观察基因表达的复杂动态,然而这些技术仍然无法全面映射基因型组合如何导致表型的产生。 当前的研究方法,如正向遗传学(forward genetics)和反向遗传学(r...

GSPA:基于单细胞分辨率的基因信号模式分析实现基因空间映射

单细胞分辨率下的基因空间映射:基因信号模式分析(GSPA)研究 学术背景 单细胞RNA测序(single-cell RNA sequencing, scRNA-seq)技术近年来在生物学研究中取得了重大进展,尤其是在揭示细胞状态空间(cellular state space)的组织结构方面。然而,尽管已有许多计算方法用于映射细胞状态空间,但关于基因空间(gene space)的映射或嵌入(embedding)的研究却相对较少。基因表达是高度组织的,基因之间通过复杂的生物过程和通路协同工作。然而,由于生物和技术噪声(如基因丢失“dropout”现象),准确量化基因间的相似性仍然具有挑战性。为此,本文提出了一种基于图信号处理(graph signal processing, GSP)的新方法——...