DiffMethylTools: инструмент для обнаружения, аннотирования и визуализации дифференциального метилирования.

Метилирование ДНК традиционно рассматривается как стабильная эпигенетическая модификация. Однако все больше данных свидетельствует о том, что окислительный и генотоксический стресс могут вызывать изменения метилирования в специфических локусах, которые модифицируют транскрипционные ответы. Вклад такой динамической регуляции в экспрессию сердечных генов при ишемии/реперфузии миокарда (ИРИ) остается до конца непонятным. Это исследование проверило, связаны ли изменения метилирования в области промотора с ремоделированием коннексина 43 (Cx43) при ИРИ. Самцам мышей C57BL/6 был проведен глобальный гипотермический I/R с использованием модели сердца, перфузируемого по Лангендорфу, с предварительной обработкой или без нее с помощью ингибитора ДНК-метилтрансферазы 5-азацитидина (5-Аза, 3 мкг/г массы тела, в/к). Метилирование промотора было проанализировано с помощью BSP и MSP, в то время как обогащение Dnmt1 было оценено с помощью иммуноосаждения хроматина. Экспрессия и локализация Cx43 были изучены с помощью qRT-PCR, вестерн-блоттинга и иммуннофлуоресценции, а также электрофизиологических и гистологических анализов. ИРИ была ассоциирована с повышением уровня Dnmt1 и его обогащением в ядре, что сопровождалось изменениями метилирования в выбранных CpG сайтах в исследуемой области промотора и транскрипционной репрессией. Эти изменения совпали со снижением экспрессии Cx43, изменением субклеточной локализации, нарушением электрической проводимости и повышенной предрасположенностью к аритмиям. Предварительная обработка 5-Аза частично ослабила метилирование промотора и сохранила экспрессию и локализацию Cx43 в процессе последующей ИРИ. Эти результаты поддерживают связь между обогащением Dnmt1, изменением метилирования CpG промотора и ремоделированием Cx43 при реперфузионном стрессе, что предполагает, что метилирование, связанное с эпигенетической регуляцией, может участвовать в транскрипционных реакциях Gja1 при ИРИ. Необходимы дальнейшие временные и геноспецифические валидации, чтобы установить кинетику и причинную специфичность этого пути.

Гемоглобин (Hb) Бартс гидропс плода представляет собой серьёзную проблему общественного здравоохранения в Юго-Восточной Азии, особенно в Таиланде. Текущие стратегии скрининга нацелены на две самые распространённые делеции α-талассемии (-- и --). В данном исследовании мы разработали однотрубную мультиплексную реальную ПЦР для одновременного обнаружения четырёх клинически значимых делеции α-талассемии (--, --, -- и --). Метод был валиден с использованием 538 клинических образцов с разнообразными генотипами талассемии и сравнён с традиционной gap-PCR в качестве эталонного метода. Оценивались аналитические параметры, включая чувствительность, специфичность и предельное значение (LOD). Кроме того, клиническая полезность была оценена в 22 случаях пренатальной диагностики с риском Hb Бартса гидропса плода. В исследуемой когорте была продемонстрирована значительная генетическая гетерогенность, состоящая из 43 различных генотипов. Разработанный метод достиг 100% чувствительности и специфичности для всех целевых делеции, с полной согласованностью с результатами gap-PCR. Не было выявлено перекрестной реактивности с α-талассемией. Метод продемонстрировал высокую аналитическую чувствительность с LOD 9.76 × 10 нг на реакцию. В пренатальной диагностике все 22 фетальных генотипа были точно определены, включая пять случаев гомозиготной -- и один редкий составной гетерозиготный --/-- плод. Это исследование представляет собой быстрый, точный и экономически эффективный мультиплексный метод реальной ПЦР, способный обнаруживать как распространенные, так и редкие делеции α-талассемии в одной реакции. Метод демонстрирует высокий потенциал для внедрения в рутинные клинические лаборатории и массовый скрининг населения, что способствует улучшению превентивных мер и контролю тяжёлых синдромов талассемии в регионах с высокой предрасположенностью.

Обнаружение падений имеет важное значение для ухода за пожилыми людьми и интеллектуального наблюдения; однако существующие подходы на основе компьютерного зрения в основном рассматривают его как классификацию статической позы или сопоставление дискретных временных шаблонов, в корне упуская нестабильную динамику человеческой опорной системы. В данной статье предлагается основанная на физике структура для обнаружения падений, которая трактует падение как событие утраты устойчивости в связанной динамической системе. Мы вводим новую архитектуру двойной LTC, состоящую из подсистемы центра масс (CoM) и подсистемы базы поддержки (BoS), обе реализованы как нейронные сети с жидкими временными константами (LTC), которые непрерывно моделируют эволюцию инерциальной траектории и адаптацию к контакту с землёй с помощью адаптивных временных констант. Физическая интерпретируемость движения при падении. Обучаемый модуль связывания имитирует физическое взаимодействие между двумя подсистемами, в то время как классификатор стабильности Manifold работает в объединённом латентном пространстве для обнаружения пересечения границы через метрики стабильности, вдохновлённые методом Ляпунова. Дополнительное проецирование контрфактической траектории и оценка времени до столкновения (TTC) дальше позволяют оценить необратимость и осуществить раннее предупреждение. Архитектура разработана для поддержки парадигмы предсказания с тремя состояниями (Нормально, Падает, Упал); в этом предварительном исследовании мы проверяем основную способность различения стабильности на датасете из двух классов (Нормально против Падает), оставляя полную трехстадийную временную трансформацию для будущей работы. В отличие от традиционных конвейеров CNN-RNN, предлагаемая формулировка кодирует механическую инерцию непрерывного времени, что позволяет создать сеть с менее чем 50 тыс. параметров, способную выполнять вывод в реальном времени на устройствах с ограниченными ресурсами. Обширные эксперименты демонстрируют конкурентоспособную точность с превосходной физической интерпретируемостью, подтверждая её эффективность для визуального обнаружения падений при низких вычислительных затратах.

Профилирование метилирования ДНК стало мощным инструментом для классификации опухолей центральной нервной системы (ЦНС), однако существуют важные проблемы, касающиеся переносимости результатов между кохортами, методологической правильности и надежной многоклассовой оценки. В данной работе мы предлагаем новый и методологически строгий подход машинного обучения для классификации опухолей ЦНС на основе метилирования, который сочетает в себе метод разброса с разреженной проекцией для уменьшения размерности и многочленную логистическую регрессию для классификации. Мы оцениваем предложенный подход в том же общем экспериментальном контексте, который установлен широко используемым эталонным классификатором. В когорте из 2,801 образца наш метод достигает средней точности 96% при стратифицированной трехкратной перекрестной проверке. На независимой оценочной когорте из 1,104 образцов он достигает 86% точности на уровне 91 класса и 93% при оценке предсказаний на уровне семейства классов метилирования. Эти результаты превосходят соответствующие показатели современного эталона, составляя 82% согласованности на уровне классов и 88% согласованности на уровне семейства, что дает абсолютное увеличение примерно на 4 и 5 процентных пунктов соответственно. Это улучшение имеет клиническое значение: в диагностической практике увеличение на 5 пунктов в правильной классификации опухолей может напрямую повлиять на назначение подтипа рака и, в свою очередь, повлиять на выбор лечения и последующие клинические решения. Наши результаты показывают, что предложенная модель, основанная на более строгих методологических практиках в области машинного обучения, последовательно превосходит предыдущие современные достижения в различных условиях оценки и может существенно повысить надежность классификации опухолей ЦНС.

Понимание механистической функции гена является критически важной отправной точкой для биологии. Однако, для значительной части человеческого протеома эти знания разбросаны по тысячам первичных публикаций или остаются плохо установленными, в то время как кураторские базы данных, на которые полагаются биологи, могут отставать на годы от свежей литературы. Большие языковые модели теперь могут читать и синтезировать эту литературу по запросу, но делать это достоверно для многих генов — это дорогостоящая, неповторяемая сессия извлечения, которая не масштабируется среди пользователей. Здесь мы представляем Аффинаж, конвейер LLM, который выполняет это извлечение и механистическое рассуждение один раз для каждого гена — только на основе первичной литературы — и хранит результат в виде структурированной аннотации, которую можно повторно использовать. Программа чтения, разработанная биологами, извлекает только прямые экспериментальные доказательства, а синтетический этап рассуждает только на основе этих находок. Применяя анализ по всему геному, Аффинаж аннотирует 19 293 человеческих белок-кодирующих генов. Этот анализ предоставляет механизмы для тысяч генов, чей функционал в UniProt пуст или неполный, превосходя кураторские справочные материалы по 99.1% генов в прямом сравнении, оцененным независимо судьями LLM разных семейств. Аффинаж также определяет 10% протеома, которые остаются механистически не охарактеризованными, и будет служить постоянно обновляемым, основанным на литературе перепиской функций генов. Все записи доступны открыто по адресу https://affinage.wi.mit.edu. Более широко, Аффинаж служит примером того, как эксперты в области могут закодировать свои знания в масштабируемые конвейеры LLM, чтобы улучшить публично доступные данные, которые направляют биологические гипотезы и эксперименты.

Исследование сосредотачивается на двигательных расстройствах и болезни Паркинсона, исследуя дисфункцию нейронных цепей и патофизиологию через призму современных технологий и междисциплинарного подхода. Акцент на нейровизуализации и генетике подчеркивает значимость персонализированного подхода к лечению.