| date | comments |
|---|---|
2023-07-23 |
true |
这里记录每周值得分享的生信相关内容，周日发布。
本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
@kktjmac 生物学是一个广泛且深入的领域，该专业毕业的学生可以进入许多不同的领域，包括医疗卫生、研究、教育、环保等。目前这个领域的竞争非常激烈，尤其是在高级职位上。因此，如果选择这个专业，除了对生物学有热情，可能需要进一步的学习和专业发展，例如获得硕士或博士学位，或者出国深造学习。
1、Nature Chemical Biology | DM-Seq全酶、无损单碱基分辨率直接测序5mC
美国宾夕法尼亚大学的研究团队开发了一种全酶、无损、可靠和直接的方法“DM-Seq”来单独检测5mC，解决了传统方法中5mC和5hmC混淆、难以区分的局限。该方法灵敏度较高，可应用其分析极少量的DNA样本，例如用于早期癌症检测的无细胞DNA，这为部分癌症患者的诊断和预后判断提供了潜在可行的方案。该研究揭示，通过DM-Seq直接检测5mC能够推进使用表观遗传测序改善患者护理预后的发展。
2、Nature | 有史以来最大的人类正常乳腺细胞图谱为乳腺生物学带来了前所未有的新见解
近日Nature上发表了目前世界上最大和最全面的正常乳腺组织图谱，该研究使用单细胞和空间基因组学方法对126名女性的714000多个细胞进行分析，确定了12种主要细胞类型和58种生物细胞状态，并根据种族、年龄和健康女性的绝经状态确定了差异，极大地推进科研人员对人类乳腺生物学和疾病知识的认知。
3、Nat Genet | WES联合RNA-seq分析揭示晚期NSCLC免疫治疗的基因组学和转录组学特征
发表在Nature Genetics上的一项研究。在这项研究中，为了加深对NSCLC中免疫检查点抑制剂反应分子特征的理解，研究团队对Stand Up To Cancer-Mark Foundation（SU2C-MARK）队列进行了首次联合分析，研究团队分析了NSCLC患者接受PD-1/PD-L1药物的一线治疗之前收集的肿瘤样本进行了全外显子组测序（WES）和全转录组测序（RNA-seq）分析。发现了多个与患者反应结果相关的分子特征，包括有利（ATM突变）和不利（TERT扩增）的基因组亚群；免疫蛋白酶体可诱导成分的表达与反应之间的关联以及肿瘤内在亚型的影响等。该研究结果强调了免疫治疗背后的生物学决定因素的复杂性，以及在大型特定癌症队列中进行综合分析的潜力。
4、Nature | 原发性和转移性实体瘤的泛癌全基因组比较
绝大多数癌症相关死亡（约90%）是由转移性而不是原发性肿瘤引起的，转移性扩散涉及肿瘤细胞从原发性肿瘤中分离、二次组织定植和在恶劣环境中生长的多步骤过程，尽管人们为理解这些现象作出了许多努力，但目前对基因组变化在使肿瘤具有这些非凡能力方面的贡献仍然知之甚少。来自荷兰乌特列兹大学医学中心的研究团队通过对7108个全基因组测序肿瘤的两个未配对的原发和转移队列的统一泛癌分析（harmonized pan-cancer analysis或再分析），描述了早期未治疗原发性肿瘤和晚期治疗的转移性肿瘤之间的基因组差异，展示了泛癌全基因组分析在识别晚期肿瘤的独特特征方面的潜力，并为进一步研究癌症和治疗耐药性的生物学基础提供了宝贵的资源。
5、因果推断实证领域力作斯科特·坎宁安的《因果推断》终于来啦
美国贝勒大学经济学教师斯科特·坎宁安（Scott Cunningham）为大学生讲授因果推断与研究设计课程已经有十三年之久，他结合自己的教学经验与成果，写出了一本Causal Inference: The Mixtape（Yale University Press），这本书通俗易懂地介绍了社会科学家得以确定因果关系的主要数学工具和方法。全书对因果推断领域的理论与方法涵盖面非常广泛，对理论的阐述言简意赅，对方法应用着墨更多。
6、当clusterProfiler遇见stringdb...
本文介绍了如何使用clusterProfiler衔接实现PPI网络的构建。
三级淋巴结构（TLS）是出生后在非淋巴组织中形成的免疫细胞的有组织的聚集体。TLS不是在生理条件下发现的，而是在慢性炎症的背景下出现的，例如自身免疫性疾病，慢性感染和癌症。这篇文章通过阅读一篇2022年7月发表在Science的文章，详细回顾了三级淋巴结构形成的驱动因素以及一些预后和预测潜力。
非常全面和细致的单细胞处理和下游分析流程，代码和流程都可以进行参考和复用。
9、TwoSampleMR | 使用 GWAS 数据进行孟德尔随机化分析
10、learnr包 | 可以将任何 R Markdown文档转变为交互式教程的R包
learnr包是一款可以将任何 R Markdown文档转变为交互式教程的R包。包括代码练习和测验问题。对于有教学R语言的朋友值得一试。
11、UnitedNet | 可解释的多任务深度神经网络用于多模态生物数据分析
UnitedNet是一种可解释的多任务深度神经网络，能够整合不同的任务来分析单细胞多模态数据，应用于各种多模态数据集（例如Patch-seq、multiome ATAC+基因表达和空间转录组学），与现有的方法相比，UnitedNet在多模态整合和交叉模态预测方面展现出类似或更高的准确性。
12、Learn Genomics | 简单、易懂入门基因组学
本文作者整理2023核酸研究数据库特刊中涉及单细胞领域的数据库合辑。
- 2023NAR数据库特刊链接：https://academic.oup.com/nar/article/51/D1/D1/6964796
- 第45期：读博还是择业？
「Openbiox 生信周刊」运维小队：
@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）@kongjianyang（空间阳）
这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
微信搜索“优雅R”或者扫描二维码，即可订阅。
（完）