高级别胶质瘤中的神经上皮遗传标志与预后研究 背景与研究动机 高级别胶质瘤（glioma）是一种恶性程度极高的脑肿瘤，患者预后通常较差。先前的临床前模型研究表明，神经和肿瘤细胞之间的相互作用推动了肿瘤的生长，但在临床中验证这种机制仍然有限。为了解高级别胶质瘤的分子机制，研究人员提出了一种基于表观遗传学的神经标志（neural signature）用于预测患者生存期。通过分析中央神经系统（CNS）肿瘤的表观遗传学特征，研究人员希望识别出在临床上具有重要意义的子类。 研究来源 这篇文章由Richard Drexler等人撰写，他们分别来自德国汉堡大学医学中心、斯坦福大学等多个不同的研究机构。文章于2024年6月发表在《Nature Medicine》上。 研究流程与方法 研究流程 研究包含多个步骤...
阿尔茨海默症研究与治疗前沿：脑电图周期成分中的贝塔/西塔功率比作为潜在生物标志物 背景介绍 阿尔茨海默症（Alzheimer’s dementia, AD）是一种逐步发展的疾病，占所有痴呆病例的60%到80%[1]。在AD的早期阶段，通常会出现轻度认知障碍（Mild Cognitive Impairment, MCI），在此阶段个体仍然可以独立生活[2]。区别MCI与AD或健康老化的生物标志物对于开发预防干预措施至关重要，这有助于提高生活质量，减轻护理负担并降低护理成本[3]。 脑电图（Electroencephalogram, EEG）是一种非侵入性且成本低廉的工具，可通过不同空间尺度的电压差异评估神经离子电流流动，具有高时间分辨率[4-6]。大多数关于AD和MCI的EEG研究集中在分析功...
海马前额叶交互支持序列工作记忆的θ振荡研究 学术背景 背外侧前额叶皮层 (dorsolateral prefrontal cortex, DLPFC) 和海马在序列工作记忆 (sequential working memory) 中起着关键作用，但具体的交互机制尚不明确。以往研究表明，这两个脑区通过θ振荡在情景记忆和空间导航中进行交互，但在工作记忆中的具体作用亟待进一步探讨。一些研究发现，海马和前额叶皮层的θ相干性与学习空间和物体的情景有关，而病变或功能障碍会影响此类记忆能力。此次研究的目的即是探讨DLPFC与海马在实时处理序列表现中的交互机制，以期揭示其具体作用。 论文来源 本文发表于《Neurosci. Bull.》，其主要作者为Minghong Su、Kejia Hu、Wei Liu、...
增强跨模态记忆编码前的θ波和α波振荡增加 背景介绍 情景记忆（episodic memory）是人类记忆的重要组成部分，其核心机制之一是通过不同感觉通道的刺激形成联想。然而，目前的理论认为，在跨模态（crossmodal）联想编码过程中，θ波（theta band，3-7 Hz）振荡的相位和功率起着功能性的作用。此外，若在刺激呈现前在θ波范围内（3-7 Hz）以及α波范围内（8-12 Hz）和低β波范围内（13-20 Hz）持续存在振荡活动，这对随后的记忆过程和认知处理有着调节作用。 研究课题 本研究旨在测试这样一个假设：前刺激的低频活动特性对成功形成跨模态记忆是相关的。研究设计特意用于独立于单个项目记忆而调查连带记忆。参与者需要记住视听刺激对并在随后的识别任务中分辨它们和重新排列的新配对。...
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...