社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

深度学习预测非编码调控变异/自闭症鼠鼠模型揭示大脑发育殊途同归

实验老司机 • 3 天前 • 13 次点击  

今日精选 3 篇前沿研究,来自 Nature、Nature Genetics、Nature Methods | 数据来源:PubMed


本期导读速览

  • 横跨11种单基因自闭症小鼠模型的多组学分析揭示,不同致病突变在发育中殊途同归,共同扰动放射状胶质细胞谱系
  • 基于深度学习在30亿个预测中解码非编码调控变异,发现超罕见突变在胎儿神经元中效应最广最强
  • 利用人诱导多能干细胞建立上皮间质转化的统一研究平台,在二维和三维结构中全景测量细胞状态转变

逐篇导读

1. 自闭症小鼠大脑的发育时钟殊途同归

原文: Cortical development dynamics across autism spectrum disorder mouse models. 

期刊: Nature | 2026 Jun 17 | PMID: 42310454

为什么推荐这篇:

自闭症谱系障碍(ASD)有超过100个致病基因,但每一种单基因突变导致的表型各异,临床上难以找到统一的治疗靶点。

核心问题是:这些遗传背景完全不同的突变,最终是否会汇聚到相同的神经发育通路上来?这篇研究给出了迄今为止最系统的回答。

研究团队利用单细胞核多组学技术,系统分析了11种单基因自闭症小鼠模型(涵盖染色质重塑、突触功能、转录调控等多个功能类别)在251个样本中的转录组和表观基因组动态,覆盖胚胎期、出生后早期和成年三个阶段,兼顾雌雄性别和两个脑区。

结果发现,虽然每个模型的分子"剧本"不同,但它们都惊人地汇聚到了同一个细胞类型——放射状胶质细胞(radial glial cells)——的发育扰动上。

这种扰动主要表现为一种发育性的"延迟",而非不可逆的细胞命运转变,并且这一问题在出生后阶段会自行缓解。

但神经元层面的变化在出生后早期达到顶峰,突触相关基因广泛下调,提示神经元成熟过程受阻。

电生理实验也证实了神经元兴奋性和突触特性的普遍改变,且雌性小鼠的效应幅度往往大于雄性。



2. 非编码"暗物质"中的细胞身份密码被破译

原文: Decoding common and rare noncoding variant effects across cellular and developmental contexts. 

期刊: Nature Genetics | 2026 Jun 15 | PMID: 42298188

为什么推荐这篇:

人类基因组中98%的区域不编码蛋白质,但其中大量的非编码变异与疾病关联。

问题是:这些分布在不同细胞类型和发育阶段的变体究竟如何发挥作用?想要从海量的非编码突变中找出真正有功能的"罪魁祸首",一直是基因组医学的核心挑战。

这篇研究采用了大规模深度学习方法:研究者训练了染色质可及性的深度学习序列模型,在覆盖从胎儿到成人的多种细胞类型中,生成了30亿个功能预测,系统性地为非编码区域的功能效应"打分"。

结果揭示了一个重要的二分法则:常见变异(人群中频率较高)倾向于在特定细胞类型中发挥作用,效应精细而专一;而超罕见突变(通常在个体中新发或极低频)则在多种细胞类型中产生广泛影响,其中在胎儿神经元中观测到了最强的纯化选择信号。

基于这一发现,团队开发了FLARE(Functional Lasso Analysis of Regulatory Evolution)工具,整合进化约束来优先排序具有极端调控效应的非编码变体。

FLARE成功应用于儿童发育疾病的de novo突变、成人脑部表达异常相关的罕见变异以及精神分裂症常见风险位点的解读。


3. 干细胞模型全景记录细胞"变身"过程

原文: A human induced pluripotent stem cell model for the holistic study of epithelial-to-mesenchymal transitions. 

期刊: Nature Methods | 2026 Jun 15 | PMID: 42298070

为什么推荐这篇:

上皮间质转化(EMT)是胚胎发育、纤维化和癌症转移中的核心细胞状态转变过程。

但长期以来,不同研究体系——不同细胞系、不同的诱导方法、不同的检测指标——使得跨研究之间的比较变得困难,很多看似矛盾的结论实际上源于实验系统的差异。

这篇研究的核心贡献不是发现了一个新机制,而是构建了一个标准化的、可重复的EMT研究平台。

研究者利用人诱导多能干细胞(hiPS细胞),在两种可控的几何条件下——二维细胞集落和三维腔状类器官(lumenoid)——实现了多模态的EMT动态测量。

通过固定细胞和活细胞成像,他们同时追踪了细胞迁移能力、EMT标志物表达、细胞间连接组织以及基底膜的完整性变化。

一个有意思的发现是,培养几何形状的差异会显著影响细胞开始迁移的时间窗口——类器官中的EMT启动具有独特的时空动力学。

研究团队将所有数据集和分析工具开放共享,为EMT领域建立了一个"标准度量衡"。




Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/198057