这是一篇关于用于小分子质谱预测的图transformers模型(MassFormer)的论文。该研究针对质谱数据中的分子鉴定问题,提出了一种新的深度学习方法来预测小分子的质谱图谱。 背景介绍: 质谱(MS)是一种广泛应用于多个领域(如蛋白质组学、代谢组学、环境化学等)的分析技术,用于鉴定和定量样品中的化学物质。然而,对于大多数小分子,由于其碎裂过程的复杂性,准确模拟质谱图谱一直是该领域的一个关键挑战。现有的基于规则的方法(如CFM)存在性能和适用范围的限制。近年来,深度学习方法被应用于质谱预测,但现有模型主要基于分子指纹或局部图神经网络,无法有效建模分子全局结构和远程原子相互作用对碎裂的影响。 研究来源: 该研究由来自多伦多大学和矢量人工智能研究所的Adamo Young、Hannes Rö...

通过靶向LGR4克服结直肠癌的获得性耐药 研究背景: 获得性药物耐药是癌症治疗的主要障碍,也是癌症死亡的主要原因。但耐药机制多种多样,如何特异性地针对耐药癌细胞仍是一大临床难题。Wnt通路活化可维持癌stammm细胞存在并诱导化疗耐药,因此靶向Wnt通路被视为一种有前景的克服肿瘤耐药的策略。 研究者和发表情况: 该研究由南开大学陈泉教授课题组完成,论文发表于2024年4月份的《自然-癌症》杂志。论文通讯作者为南开大学陈泉教授、中国科学院动物研究所杜雷研究员和南开大学胡刚教授。 研究流程: 1) 研究者建立了一个包括22例结直肠癌患者源来的肿瘤干株库,并通过反复暴露于低剂量化疗药物,诱导部分肿瘤干株获得耐药表型。 2) 转录组学分析发现,获得性耐药肿瘤干株中Wnt通路关键蛋白LGR4显著升高。...

评估化学暴露对神经退行性疾病的风险 引言 近年来,从溶剂到农药,许多环境化学品被认为与神经退行性疾病的发展和进展有关。然而,迄今为止还缺乏一种类似于全基因组关联研究的系统方法,后者已经发现了与阿尔茨海默症、帕金森病和其他神经退行性疾病有关的数十个基因。幸运的是,现在可以在暴露组框架下研究数百到数千个化学特征。这种新兴的方法利用质谱技术的进步,可以产生暴露组数据来补充基因组数据,从而更好地理解神经退行性疾病。 随着人类寿命的延长,与年龄相关的神经退行性疾病已成为导致残疾和死亡的主要原因。最常见的两种神经退行性疾病阿尔茨海默病(AD)和帕金森病(PD)分别影响着全球超过4500万和600万人。尽管它们临床表现不同,但这些疾病在发病机制上存在共性,如错折蛋白质聚集、蛋白质降解系统中断、线粒体功能障...