Part1
使用生成深度学习模型发现2型糖尿病中的药物-组学关联
Discovery of drug–omics associations in type 2 diabetes with generative deep-learning models
多组学技术在生物医学队列中的应用有可能揭示患者水平的疾病特征和个体化的治疗反应。然而，多模态数据的规模和异构性使得集成和推理成为一项有挑战的任务。研究人员开发了一个基于深度学习的框架，即 multi-omics variational autoencoders (MOVE)，以整合这些数据，并将其应用于 789 名新诊断的 2 型糖尿病患者队列，这些患者具有来自 DIRECT 联盟的深度多组学表型分析。
image
论文链接：
https://www.nature.com/articles/s41587-022-01520-x
长非编码RNA：定义、功能、挑战和建议
Long non-coding RNAs: definitions, functions, challenges and recommendations | Nature Reviews Molecular Cell Biology
长链非编码 RNA (lncRNA) 的基因占据了复杂生物基因组的很大一部分。在本文中，作者阐述了 lncRNA 的定义和命名及其保护、表达、表型可见性、结构和功能。他们还讨论研究挑战并提供建议，以促进对 lncRNA 在发育、细胞生物学和疾病中的作用的理解。
image
image
image
论文链接：
https://www.nature.com/articles/s41580-022-00566-8
全血免疫标志物的机器学习方法，用于识别炎症相关精神病发作亚组
精神病发作是一种跨诊断事件，可导致一系列精神疾病，目前通过临床观察进行诊断。多模式生物数据的整合可以揭示精神病发作的不同亚型，以针对个性化护理。在这项研究中，我们测试了受首次发作精神病（FEP）影响的患者亚组的存在，并具有可能的免疫致病性基础。为此，我们设计了一个数据驱动的无监督机器学习模型，根据12个精神病相关免疫基因转录本的外周血表达水平，对127名FEP患者和117名健康对照（HC）的样本进行聚类。为了验证模型，我们应用了基于总样本的半分割和随机分配病例的重采样策略。此外，我们进行了事后单变量分析，以验证所确定亚组的临床、认知和结构脑相关性。该模型识别并验证了两个不同的簇：1）以炎症和免疫激活基因（IL1B、CCR7、IL12A 和 CXCR3）高表达为特征的 FEP 簇;2）由相同数量的FEP和HC受试者组成的簇，其未显示任何免疫标志物（平衡亚组）的相对表达过多或不足。没有一个亚组与情感性与非情感性精神病的特定症状维度或纵向诊断相关。纳入平衡免疫亚组的FEP患者显示左边缘上皮层和额上皮层变薄（FDR调整的p值<0.05）。我们的结果表明，存在由参与炎症激活的多变量免疫标志物模式鉴定的FEP患者亚组。这一证据可能为临床研究中的样本分层铺平道路，旨在开发针对精神病特定免疫致病途径的诊断工具和疗法。
文章链接：
https://doi.org/10.1038/s41380-022-01911-1
肥胖既往史会引发先天免疫的持续表观遗传变化并加剧神经炎症
Past history of obesity triggers persistent epigenetic changes in innate immunity and exacerbates neuroinflammation
年龄相关性黄斑变性是一种普遍的神经炎症性疾病，也是由肥胖等遗传和环境因素驱动的失明的主要原因。在衰老疾病中，可改变的因素可以在一生中复合。我们报告说，在生命早期，饮食引起的肥胖会引发先天免疫系统的持续重编程，在代谢异常正常化后持续很长时间。硬脂酸通过Toll样受体4（TLR4）起作用，足以重塑染色质景观，并选择性地增强激活蛋白-1（AP-1）结合位点的可及性。骨髓细胞表现出较少的氧化磷酸化并转变为糖酵解，最终导致促炎细胞因子转录、病理性视网膜血管生成加重以及与视觉功能丧失相关的神经元变性。因此，肥胖的既往史会重新编程单核吞噬细胞并易患神经炎症。
文章链接：
https://www.science.org/doi/10.1126/science.abj8894
Part2
多模态和单细胞/亚细胞水平的空间组学技术
Spatial omics technologies at multimodal and single cell/subcellular level | Genome Biology
空间组学技术可以更深入地了解感兴趣组织内的细胞组织和相互作用。这些测定可以识别组织中具有差异转录本或蛋白质丰度的特定区室或区域，描绘它们的相互作用，并补充定义细胞表型的其他方法。在这里，作者回顾了单细胞到亚细胞分辨率空间组学技术和分析工具的当前和未来前景，为研究和临床应用提供全面的了解。
论文链接：
https://genomebiology.biomedcentral.com/articles/10.1186/s13059-022-02824-6
image
2022年EMBL的欧洲生物信息学研究所
EMBL’s European Bioinformatics Institute (EMBL-EBI) in 2022 | Nucleic Acids Research
欧洲分子生物学实验室的欧洲生物信息学研究所 (EMBL-EBI) 是世界领先的公共生物分子数据来源之一。本概述总结了 EMBL-EBI 数据资源为全球科学界提供的服务。 EMBL-EBI 增值数据库的规模、开放性、丰富的元数据和广泛的管理使它们特别适合作为深度学习、机器学习和人工智能应用程序的训练集，这里描述了其中的一部分。
论文链接：
https://academic.oup.com/nar/article/51/D1/D9/6880745?login=true
执行医学图像的计算分析的十个快速小技巧 Ten quick tips for computational analysis of medical images | PLOS Computational Biology
医学成像是现代医学的一项重要技术，因为它允许医生在空间上询问疾病部位，从而对诊断和治疗进行精确干预，并观察患者状况的特定方面。此外，医学图像的计算分析可以发现疾病模式和患有相同疾病的患者队列之间的相关性，从而提出常见原因或提供有用信息以更好地治疗和治愈。特别是应用于医学图像的机器学习和深度学习已经产生了前所未有的新成果，可以为医学发现的前沿领域铺平道路。在这篇文章中，作者提供了十个快速技巧来执行医学图像的计算分析，避免过去在多项研究中注意到的常见错误和陷阱。
论文链接
https://journals.plos.org/ploscompbiol/article?id=10.1371/journal.pcbi.1010778
MetaBinner：一种高性能、独立的集成分箱方法，用于从复杂的微生物群落中回收单个基因组
MetaBinner: a high-performance and stand-alone ensemble binning method to recover individual genomes from complex microbial communities | Genome Biology
Binning 旨在从宏基因组数据中恢复微生物基因组。对于复杂的宏基因组群落，可用的 binning 方法远不能令人满意，通常不能充分利用不同类型的特征和重要的生物学知识。研究人员开发了一种新的方法 MetaBinner，它通过 k-means 生成具有多种类型特征的成分结果，并使用单拷贝基因信息进行初始化。然后，它采用基于单拷贝基因的两阶段集成策略，高效且有效地整合成分结果。
论文链接
https://genomebiology.biomedcentral.com/articles/10.1186/s13059-022-02832-6
image
Part3
核酸细胞术鉴定星形胶质细胞调节因子
Identification of astrocyte regulators by nucleic acid cytometry
多发性硬化症（MS）是一种中枢神经系统（CNS）的慢性炎症性疾病1.星形胶质细胞是异质性CNS驻留神经胶质细胞，参与MS及其模型实验性自身免疫性脑脊髓炎（EAE）的发病机制2,3.然而，很少有独特的表面标志物可用于分离星形胶质细胞亚群，从而阻止了它们的分析和候选治疗靶点的鉴定;致病性星形胶质细胞的罕见性进一步放大了这些局限性。为了应对这些挑战，我们开发了FIND-seq（通过N核酸D检测和Sequencing对细胞进行F烧I细胞），这是一种高通量微流控细胞术方法，该方法结合了液滴中的细胞包封，基于PCR的靶核酸检测和液滴分选，以能够以单细胞分辨率对感兴趣的细胞进行深入的转录组学分析。我们应用FIND-seq研究了以剪接驱动激活转录因子XBP1为特征的星形胶质细胞的调节，该转录因子XBP1促进了MS和EAE的疾病病理学4.将FIND-seq与条件敲除小鼠，体内CRISPR / Cas9驱动的遗传扰动研究以及小鼠EAE和人类MS样品的批量和单细胞RNA-seq分析结合使用，我们确定了核受体NR3C2及其核心加压器NCOR2在限制XBP1驱动的致病性星形胶质细胞反应中的新作用。总之，FIND-seq能够鉴定出一种治疗靶向机制，该机制限制了XBP1驱动的致病性星形胶质细胞反应。FIND-seq允许研究以前无法接近的细胞，包括由独特的基因表达特征或其他核酸标记定义的稀有细胞亚群。
文章链接
受感染T细胞库中的HIV沉默和细胞存活特征
在抗逆转录病毒治疗下含有HIV的罕见CD4 T细胞是HIV治愈的重要障碍1，2，3但是，在自然状态下分离和表征这些细胞的不可行性导致不确定它们是否具有HIV治愈定向疗法可能利用的独特属性。在这里，我们使用微流体技术来解决这一挑战，该技术仅基于对HIV DNA的检测来分离HIV感染细胞的转录组。接受抗逆转录病毒治疗的人血液中的HIV-DNA记忆CD4 T细胞显示抑制六种转录组途径，包括死亡受体信号传导，坏死性凋亡信号传导和抗增殖性Gα12/13信号传导。此外，通过网络共表达分析鉴定的两组基因与HIV-DNA细胞显著相关。这些基因（n = 145）仅占测量转录组的0.81%，包括HIV-DNA细胞中较高的HIV转录负调节因子，HIV-DNA细胞中较低的HIV转录阳性调节因子，以及参与RNA加工，mRNA翻译的负调节以及细胞状态和命运的调节的其他基因。这些发现表明，抗逆转录病毒治疗下的HIV感染记忆CD4 T细胞是一个独特的群体，具有有利于HIV沉默，细胞存活和细胞增殖的宿主基因表达模式，对HIV治疗策略的发展具有重要意义。
文章链接：
https://www.nature.com/articles/s41586-022-05556-6.pdf?pdf=button%20sticky
image
以上两篇为方法和实践的关系！！！
正常人类细胞类型的DNA甲基化图谱
A DNA methylation atlas of normal human cell types
DNA甲基化是控制基因表达和染色质组织的基本表观遗传标记，从而为细胞身份和发育过程提供了一个窗口1.目前的数据集通常仅包括一小部分甲基化位点，并且通常基于在培养物中经历巨大变化的细胞系或含有未指定细胞混合物的组织2，3，4，5.在这里，我们描述了一种基于深度全基因组亚硫酸氢盐测序的人类甲基化组图谱，允许对从205个健康组织样本中分选的39种细胞类型的数千种独特标记进行片段水平分析。相同细胞类型的重复超过99.5%相同，证明了细胞识别程序对环境扰动的鲁棒性。图谱的无监督聚类概括了组织个体发生的关键要素，并确定了自胚胎发育以来保留的甲基化模式。在单个细胞类型中唯一未甲基化的位点通常驻留在转录增强子中，并含有组织特异性转录调节因子的DNA结合位点。独特的高甲基化位点很少见，并且富集于CpG岛，Polycomb靶标和CTCF结合位点，这表明在塑造细胞类型特异性染色质环中具有新作用。该图谱为研究基因调控和疾病相关遗传变异提供了重要资源，并为液体活检提供了大量潜在的组织特异性生物标志物。
文章链接：
https://www.nature.com/articles/s41586-022-05580-6.pdf?pdf=button%20sticky 有代码！！！
Part4
来自母体微生物组的移动遗传元件塑造婴儿肠道微生物组装和代谢
Mobile genetic elements from the maternal microbiome shape infant gut microbial assembly and metabolism
DOI：https://doi.org/10.1016/j.cell.2022.11.023
亮点
•来自母体细菌的移动遗传元件塑造后代肠道微生物组
•怀孕期间微生物组和代谢组的变化可能会影响母亲的代谢健康
•婴儿肠道具有独特的代谢物和物种-代谢物关系
•饮食调节婴儿的代谢组学特征和免疫系统成熟
总结
围产期是认知和免疫系统的关键窗口 发育，由母婴肠道微生物组及其代谢物促进。 在这里，我们追踪了怀孕晚期微生物组和代谢组的共同发育。 使用来自 70 名母婴队列的纵向多组学数据至 1 岁 二元对立。我们发现移动的大规模母婴种间转移 遗传因素，通常涉及与饮食相关适应相关的基因。 婴儿肠道代谢组的多样性不如母体，但具有数百种独特的肠道代谢组 在母亲中未检测到代谢物和微生物 - 代谢物关联。代谢组 以及定期接受但未广泛接受治疗的婴儿的血清细胞因子特征 水解—配方奶粉与纯母乳喂养的婴儿不同。采取 总之，我们的综合分析扩展了垂直传输的概念 肠道微生物组，并为母体的发展提供原创见解 以及妊娠晚期和生命早期的婴儿微生物组和代谢组。
image
肠道微生物调节神经变性
微生物群以遗传和性别特异性的方式介导小鼠的神经炎症
Gut microbes modulate neurodegeneration
Microbiota mediate neuroinflammation in a genetic- and sex-specific manner in mice
淀粉样蛋白-β（Ab）、tau和载脂蛋白E（APOE）是阿尔茨海默病（AD）发病机制的主要参与者，阿尔茨海默病涉及神经炎症和神经变性。最近，肠腥肌已成为与神经变性有关的重要因素。然而，细菌微生物如何与APOE和tau相互作用仍然难以捉摸。在本期第155页，Seo等人使用小鼠模型研究了tau介导的神经变性，其中动物在无菌（GF，缺乏所有微生物群）条件下常规饲养。他们证明肠道细菌通过调节外周和中枢神经系统（CNS）的炎症在tau介导的神经变性中起致病作用。这种神经炎症以APOE亚型依赖性和性别特异性的方式出现。
Part5
使用多重测序技术对癌症参比细胞系样品进行结构变异分析
Structural variant analysis of a cancer reference cell line sample using multiple sequencing technologies | Genome Biology
癌症基因组通常会发生数以千计的结构重排，包括插入、删除、易位、倒位、重复和拷贝数变异。因此，结构变异 (SV) 表征在癌症靶标识别、肿瘤学诊断和个性化医疗中起着至关重要的作用。研究人员使用多个 NGS 平台（包括 Illumina 短读长、10X Genomics 关联读长、PacBio 长读长、Oxford Nanopore 长读长和高通量染色体构象捕获）与匹配的正常细胞系进行比较，系统地研究了参考癌细胞系中的体细胞 SV 。他们评估了用于 SV 测定的每种 NGS 技术的优缺点，这些发现为提高癌症基因组 SV 检测的灵敏度和准确性提供了可操作的指南。
论文链接：
https://genomebiology.biomedcentral.com/articles/10.1186/s13059-022-02816-6
image
ASTER：准确估计单细胞染色质可及性测序（scCAS） 数据中的细胞类型数量
ASTER: accurately estimating the number of cell types in single-cell chromatin accessibility data | Bioinformatics
单细胞染色质可及性测序 (scCAS) 的最新创新彻底改变了表观基因组异质性的表征。估计细胞类型的数量是下游分析和生物学意义的关键步骤。在这里，研究人员提出了 ASTER，这是一种基于集成学习的工具，用于准确估计 scCAS 数据中的细胞类型数量。
论文链接
https://doi.org/10.1093/bioinformatics/btac842
image
Cell-type-specific prediction of 3D chromatin organization enables high-throughput in silico genetic screening | Nature Biotechnology
研究染色质组织如何决定细胞类型特异性基因表达仍然具有挑战性。用于测量三维染色质组织的实验方法，如 Hi-C，成本高且具有技术局限性，限制了它们的广泛应用，特别是在高通量遗传扰动中。研究人员展示了 C.Origami，这是一种多模态深度神经网络，它使用 DNA 序列和两个细胞类型特异性基因组特征——CTCF 结合和染色质可及性，对细胞类型特异性染色质组织进行从头预测。
论文链接
https://www.nature.com/articles/s41587-022-01612-8
image
血浆代谢组基因组图谱与人类疾病相关代谢产物
加拿大犹太总医院J. Brent Richards团队通过研究血浆代谢组的基因组图谱，分析了与人类疾病相关的代谢产物。相关研究1月12日发表于《自然-遗传学》。
代谢过程可以影响疾病风险并提供治疗靶标。通过对1091种血液代谢物和309种代谢物比率进行全基因组关联研究，研究人员确定了248个位点与690种代谢产物的关联以及69个位点与143种代谢产物比例的关联。通过整合代谢产物基因和基因表达信息，他们确定了109种代谢产物和48种代谢产物比率的94个效应基因。使用孟德尔随机化（MR）分析，研究人员确定了22种代谢物和20种代谢物比率对12种性状和疾病具有估计的因果影响，包括用于估计骨矿物质密度的乳清酸、用于身体质量指数的α-羟基异戊酸，以及用于炎症性肠病和哮喘的麦角硫因。研究人员进一步测量了单独队列中的乳清酸水平，证明与MR一致，乳清酸水平与髋关节骨折的发生呈正相关。
这项研究为描述代谢产物的遗传结构提供了宝贵资源，并通过深入了解了代谢产物在常见疾病中的作用，为治疗靶点提供了机会。
相关论文信息：
https://doi.org/10.1038/s41588-022-01270-1
SPICEMIX 可实现细胞身份的集成单细胞空间建模
SPICEMIX enables integrative single-cell spatial modeling of cell identity | Nature Genetics
空间转录组学可以揭示复杂组织中不同细胞的空间分辨基因表达。在这里，研究人员介绍了 SPICEMIX，这是一种基于概率、潜在变量建模的可解释方法，用于联合分析空间转录组数据中的空间信息和基因表达。
论文链接
https://www.nature.com/articles/s41588-022-01256-z
image
HiSV：一种基于Hi-C数据进行结构变异检测的无控制方法
HiSV: A control-free method for structural variation detection from Hi-C data | PLOS Computational Biology
结构变异在人类基因组的进化中起着至关重要的作用，并且与癌症遗传学和罕见病有关。高通量染色体捕获 (Hi-C) 技术探测所有全基因组交联染色质，以研究染色体的空间结构。 Hi-C 读取对可以跨越兆碱基，使该技术可用于检测大规模结构变异。研究人员开发了 HiSV (Hi-C for Structural Variation)，这是一种用于从 Hi-C 样本中识别大规模结构变异的无控制方法。
论文链接：
https://journals.plos.org/ploscompbiol/article?id=10.1371/journal.pcbi.1010760
image
Hi-C as a new technique for detecting large-scale SVs.
子宫内膜异位症的单细胞转录组学分析
Single-cell transcriptomic analysis of endometriosis | Nature Genetics
子宫内膜异位症是女性的常见病症，会导致慢性疼痛和不孕，并与卵巢癌风险升高有关。 研究人员分析了超过 370,000 个来自子宫内膜异位症 (n = 8)、子宫内膜异位症 (n = 28)、在位子宫内膜 (n = 10)、未受影响的卵巢 (n = 4) 和无子宫内膜异位症腹膜 (n = 4) 的单个细胞的转录组，生成跨组织部位的子宫内膜型上皮细胞、基质细胞和微环境细胞群的细胞图谱。
论文链接
https://www.nature.com/articles/s41588-022-01254-1
image
------------------------------------------------------------------------------------------------------------------------------------------ I'm a line ! Thanks for your attention ! --------------------------------------------------------------------------------------------------------------------------------------------------------
网友评论