基于分层负采样的图对比学习用于药物-疾病关联预测的研究 针对药物-疾病关联（RDAs）的预测在揭示疾病治疗策略和促进药物重新定位方面起着至关重要的作用。然而，现有的方法在预测药物和疾病之间的候选关联时，主要依赖于有限的领域特定知识，因而效果受限。此外，将药物-疾病关系的未知信息简单地定义为负样本存在固有不足。为克服这些挑战，本文提出了一种新的基于分层负采样的图对比模型，称为HSGCL-RDA，该模型旨在预测药物和疾病之间的潜在关联。 研究背景与研究问题 药物开发与疾病进展控制过程漫长且昂贵，而随着疾病数量及其变异的不断增加，对有效药物的需求也在增长。全球性疾病爆发（如新冠肺炎）对现有药物的治疗提出了极大挑战，迫切需要快速开发新的治疗药物。研究现有药物的新用途涉及许多挑战。现有的算法模型虽然在...
##基于生物网络学习蛋白质知识来预测药物-靶点亲和力 背景介绍 药物-靶点亲和力（drug-target affinity, DTA）预测在药物发现环节中占据重要地位。高效且准确的DTA预测可以显著缩短新药开发的时间和经济成本。近年来，深度学习技术的爆炸性发展为DTA预测提供了强大的支持。现有的DTA预测方法主要分为基于1D蛋白质序列和基于2D蛋白质结构图的方法。然而，这些方法仅关注靶蛋白的内在特性，忽略了过往研究中明确揭示的蛋白质交互的广泛先验知识。 针对上述问题，本文提出了一种名为MSF-DTA（基于多源特征融合的药物-靶点亲和力）的端到端DTA预测方法。MSF-DTA通过利用邻接蛋白的信息，增强蛋白质的表示，并使用高级图预训练框架VG-AE（变分图自动编码器）来学习这些表示，使得预测结...
基于知识增强的图主题Transformer在可解释生物医学文本摘要中的应用 研究背景 由于生物医学文献发表量持续增加，自动生物医学文本摘要任务变得愈加重要。2021年，仅在PubMed数据库中就发表了1,767,637篇文章。现有的基于预训练语言模型（Pre-trained Language Models，简称PLMs）的摘要方法虽然提升了摘要性能，但在捕捉领域特定知识和结果可解释性方面存在显著局限。这可能导致生成的摘要缺乏连贯性，包括冗余句子或重要领域知识的遗漏。此外，变压器模型的黑箱特性使得用户难以理解摘要生成的原因和方式，因此在生物医学文本摘要中，包含领域特定知识和可解释性对提高准确性和透明度至关重要。 研究来源 本文的论文由Qianqian Xie、Prayag Tiwari（IEE...
研究背景与问题 陈述 本文是一项关于单一被试形态学脑网络在表型关联性及神经生物学基础方面的研究。该研究结合了多模态和多尺度数据，揭示了形态学脑网络与性别的差异、其作为个体特异性标志的潜力以及其与基因表达、层特异性细胞结构和化学结构的关系。这些发现深化了我们对单被试形态学脑网络作用和起源的理解，并为其在未来个性化脑联结组研究中的应用提供了有力依据。 形态学脑网络指的是基于结构性磁共振成像（structural magnetic resonance imaging，简写为sMRI）估算的脑区域之间的形态学关系。最早的研究通过计算一个群体中某形态学指标（如灰质体积，皮层厚度或表面积）的区域间协方差来估算这些关系，但这种基于群体的方法忽略了个体间的差异，导致了形态学脑网络所揭示的神经生物学意义不明确...
关于组蛋白H3赖氨酸9位乙酰化（H3K9ac）特异性重编程在食管鳞状细胞癌（ESCC）进展与转移中的作用机制 背景介绍 食管癌是全球范围内最为普遍和侵袭性的恶性肿瘤之一，每年导致超过50万癌症相关死亡病例，位列癌症致死原因第六位。食管鳞状细胞癌（ESCC）占所有食管癌病例的近90%，主要影响东亚和非洲地区的人群。尽管近几十年在治疗上取得了显著进展，ESCC的总体5年生存率仍低于20%，这主要源于ESCC早期症状不明显、多数患者在确诊时已是局部晚期或存在区域性淋巴结转移，容易导致肿瘤病灶复发或远处转移，最终致病。 目前已知大多数人类癌症是由基因突变和表观遗传改变共同作用的结果，包括DNA甲基化和组蛋白翻译后修饰（PTMs）。ESCC的基因组异常已被广泛研究，但缺乏驱动突变，因此基因组指导的治疗...
由Guilan Shi、Jody Synowiec、Julie Singh和Richard Heller组成的研究团队在《Cancer Gene Therapy》上发表了一篇题为“Modification of the tumor microenvironment enhances immunity with plasmid gene therapy”的论文。本篇论文的研究背景源于目前肿瘤免疫治疗领域的挑战性问题，如肿瘤细胞逃避免疫监视，尤其是通过MHC-I分子和PD-L1的表达调控，阻碍T细胞的杀伤作用。因此，研究这些分子的上调机制及其应用潜力具有重要的临床意义。 研究背景与动机 肿瘤细胞通常通过干扰MHC介导的抗原呈递和表达抑制性受体如PD-L1来逃避免疫监视。在肿瘤发生和进展过程中，M...
本研究探讨了神经纤维瘤病1型（neurofibromatosis type 1, NF1）相关的丛状神经纤维瘤（plexiform neurofibroma, PNF）中Schwann细胞和成纤维细胞之间的相互作用。研究的背景源于NF1的高发病率，约影响全球1/3000的新生儿，并伴随一系列独特的临床表现。PNF是NF1患者中常见的周围神经鞘瘤，约50%的患者罹患此疾病，并严重影响其生活质量。尽管经过数十年的研究，PNF依然无法治愈。现有的治疗方法主要针对NF1相关的Schwann细胞，并取得了一些临床疗效。然而，许多治疗方法，如选择性MEK抑制剂Selumetinib，仅对部分患者有效，且长期使用会导致耐药性。这促使研究人员将目光转向PNF中的成纤维细胞及其在肿瘤中异常增殖和胶原沉积的作用...
GRIN2A 突变是多种癌症中免疫检查点抑制剂受益者的分层新指标 背景介绍 免疫检查点抑制剂（ICIs）治疗通过调节细胞毒性T淋巴细胞抗原4（CTLA-4）和程序性细胞死亡（配体）1（PD-(L)1）通路，已经在多种癌症治疗中取得了革命性进展。然而，尽管ICIs疗效显著，不同肿瘤患者之间的临床反应仍存在显著差异。因此，识别预测ICI反应的可靠生物标志物对于开发更精准的治疗干预措施是迫在眉睫的。在现今的研究中，已有多种生物标志物被联系到ICI反应，包括免疫检查点水平、肿瘤突变负荷（TMB）、非整倍性评分、插入缺失变异和单核苷酸变异（SNV）新抗原负荷、微卫星不稳定性、淋巴细胞浸润、特定基因突变和拷贝数变异（CNA）。但是，这些生物标志物在实际应用中仍有局限性。 N-甲基-D-天冬氨酸受体（NM...
胰岛素受体底物的NEDD化作为胰岛素信号调控器及其对癌细胞迁移的影响 学术背景 近年来，癌症与糖尿病之间的关联备受关注，主要归因于其重叠的病理学机制和流行病学联系。流行病学研究表明，2型糖尿病（T2DM）患者患多种癌症的风险显著增加，包括胰腺癌、结直肠癌、前列腺癌和卵巢癌等。胰岛素调节失常是2型糖尿病的一个显著特征，这种失常干扰了胰岛素信号通路，被认为是多种癌症发展的风险因素。 在胰岛素信号传导中，胰岛素受体底物1和2（IRS1和IRS2）起着关键作用，作为胰岛素效应传导到细胞过程的中介。在癌细胞中，IRS蛋白在胰岛素与胰岛素受体结合时被激活，引发复杂的信号级联反应。与正常组织相比，癌症中IRS蛋白水平更高，表明其可能参与肿瘤发生。大多数癌症类型也表现出IRS蛋白的高表达，提示这些蛋白在癌症...
研究简介 近日，发表在《Cancer Gene Therapy》期刊上的一篇题为”Retinoids and EZH2 inhibitors cooperate to orchestrate anti-oncogenic effects on bladder cancer cells”的论文引起了同行的广泛关注。这篇论文探讨了视黄酸（retinoic acid）和EZH2抑制剂在膀胱癌细胞中的联合应用，及其在抗癌治疗中的潜在作用。 研究背景 膀胱癌（bladder cancer）是一种高度异质性、易多灶性复发且高度转移的恶性肿瘤类型。由于传统疗法的反复和频繁的抗药性问题，膀胱癌患者的预后一直不理想。近年来，肿瘤基因组分析的进展揭示了膀胱癌中具有重要作用的基因突变特征，特别是在染色质调控基因方...