肠道-脑轴新突破!Nat Methods | 诱导多能干细胞变身「内脏感觉...
单细胞RNA分析结果通过对i-VSNs和VSGO进行单细胞RNA测序并整合分析,研究团队确定了多种细胞类型,包括VSNs、施万样细胞(SCs)、卫星胶质样细胞(SGCs)以及EpP样细胞(EpPLs)。这些细胞类型各自具有独特的标记基因表达模式,为深入了解细胞的组成和特性提供了基础。图1:VSGO单细胞RNA分析发育轨迹分析通过轨迹分析技...
精准“算病”!AI检测癌症,准确率高达94%,研究登上Nat
在从独立队列收集的5个活检数据集中,CHIEF在包括食道癌、胃癌、结肠癌和前列腺癌在内的多种癌症类型中达到了96%的准确率。当研究人员在以前从未见过的结肠、肺、乳腺、子宫内膜和子宫颈手术切除肿瘤的切片上测试CHIEF时,该模型的准确率超过90%。相关研究论文以“Apathologyfoundationmodelforcancer...
NAT子刊丨母体妊娠期间产生的IL-17A影响胚胎神经发育
最后,在埋珠测试中观察到重复挖掘行为的减少。这些发现表明,母体在妊娠期间的IL-17A水平可能对后代的神经发育和行为健康具有重要影响。图三对IL-17A印记的成年小鼠小胶质细胞分析小胶质细胞是大脑常驻的免疫细胞类型,对神经元功能和行为至关重要。MIA会影响后代的小胶质细胞,作者选择分析PRIMA-17模型中出生于IL-17A...
Nat Methods丨汤富酬组开发出scNanoSeq-CUT&Tag技术,可精准检测单...
利用scNanoSeq-CUT&Tag技术获得的H3K4me3数据可以精准区分小鼠体内各种生精细胞类型(包括精原细胞(SPG)、细线期/偶线期精母细胞(L/Z)、粗线期/双线期精母细胞(P/D)、分裂期初级精母细胞与次级精母细胞的混合物(SPC)、三种不同成熟阶段的精子细胞(Sperml、Sperm2、Sperm3)和睾丸支持细胞(Sertoli))。通过...
Nat子刊丨科学家发现情感应激相关神经精神疾病的重要靶点
GluK1红藻酸受体,也称为GluR5受体,是一种离子型谷氨酸受体的特殊类型。这些受体在中枢神经系统中扮演着至关重要的角色,通过促进快速突触传递这一基本神经元交流过程,影响学习、记忆及多种认知功能。谷氨酸作为一种主要的兴奋性神经递质,通过结合这些受体能够开启离子通道,允许特定离子(如钠和钾离子)跨膜流动,进而引发神...
Nat Mach Intell | 识别肿瘤新抗原-物理启发的Sliding...
2.Katsikis,P.D.,Ishii,K.J.&Schliehe,C.Challengesindevelopingpersonalizedneoantigencancervaccines.NatRevImmunol24,213–227(2024).3.Blass,E.,Ott,P.A.Advancesinthedevelopmentofpersonalizedneoantigen-basedtherapeuticcancervaccines.NatRevClinOncol...
王佐仁/胡霁点评 Nat Commun︱陕西师范大学邰发道团队揭示MeA中...
有趣的是,作者观察到被试在安慰和攻击时MeA中OXT释放量及PVN中投射向MeA的OXT神经元类群的活动水平产生了无行为类型甄别性的显著上调。但是,MeAOXTR+AI和MeAOXTR+VMHvl神经元类群却能够分别在安慰和攻击时出现特异地活动水平的即时性上升(图3w-z),这个结果说明MeA中的OXT系统在OXTR神经元(而非OXT释放量)层面实现...
Nat Commun|空间转录组学和单细胞多组学整合分析构建人类胸腺细胞...
研究人员能够通过使用常规标记基因绘制不同阶段的细胞类型,重建T细胞的发育途径(图4d)。由于TCR链重组是T细胞发育和成熟的关键方面,研究人员生成并分析了16个正常胸腺样本的αβ-VDJ测序数据。TCR克隆的多样性在儿童组最高,在老年组最低。结合胸腺TCR-seq、scRNA-seq和ST-seq数据,观察到克隆较大(≥3)的T细胞通常富...
Nat. Methods. 速递:考虑生物背景信息的单细胞蛋白质计算模型
来自哈佛大学的MarinkaZitnik教授团队开发了一种考虑生物背景信息的单细胞蛋白质计算模型——PINNACLE,为每个蛋白质生成细胞类型特异的低维表示,进而完成诸如发现靶点、分析特定细胞类型的药物反应等下游任务。关键词:单细胞蛋白质,生物背景信息,几何深度学习,表示学习...
Nat Med | Paige、微软携手发表迄今最大的计算病理学基础模型...
数据显示,Virchow嵌入在所有癌症类型检测中表现最佳(图2a),使用Virchow嵌入的泛癌模型AUC为0.950,使用UNI嵌入为0.940,使用Phikon嵌入为0.932,使用CTransPath嵌入为0.907;与其他嵌入相比,Virchow模型的AUC更高,在95%灵敏度下,使用Virchow嵌入的泛癌检测模型特异性更高且训练数据更少(图2b)。同时,Virchow嵌入的罕见癌症...