在新药研发过程中,由于缺乏历史相互作用数据,如何准确识别冷启动药物的潜在风险成为关键挑战之一。针对现有预测模型在冷启动场景下泛化能力不足、分子结构细粒度信息建模不充分以及多模态信息融合能力有限等问题,本文提出一种多尺度键感知与多模态融合的冷启动药物相互作用(drug-drug interaction, DDI)风险识别模型。该模型构建键感知分子图学习模块,在多尺度上刻画化学键与子结构间复杂关系,运用冷启动泛化模块增强具有功能语义的新药数据,融合分子结构信息、多源属性信息及功能语义特征,实现多模态联合建模。实验结果表明,在冷启动场景下,本文模型在准确率(accuracy, ACC)、受试者工作特征曲线下面积(area under the receiver operating characteristic curve, AUC)及f1得分等指标总体优于已有预测模型,消融实验、参数敏感性分析和案例研究也表明本文模型具有更强的泛化能力、稳定性和有效性。本研究工作成果为新药早期安全性评估及用药风险识别提供一种计算工具。
杉木(Cunninghamia lanceolata)是我国特有的用材树种,也是南方重要的造林树种之一。Dof(DNA binding with one finger)转录因子是植物特有的一类锌指蛋白,在调控植物的生长发育、代谢调控以及逆境响应等多种生物学过程中发挥着重要作用。本研究克隆了杉木Dof家族转录因子基因Cl Dof1.7的c DNA,对其进行生物信息学、表达特性及蛋白互作分析。生物信息学分析结果显示, Cl Dof1.7蛋白为不稳定亲水蛋白,定位在细胞核中,无信号肽和跨膜结构域,含有一个CX_2CX21CX_2C蛋白结构域,属于Dof转录因子家族;系统进化分析表明, Cl Dof1.7与日本柳杉(Cryptomeria japonica)Cj Dof2.4、拟南芥(Arabidopsis thaliana)At Dof1.7、杨树(Populus trichocarpa)PtDof3.1等蛋白亲缘关系较近。实时荧光定量PCR(real-time quantitative PCR,RT-qPCR)结果显示, Cl Dof1.7在增大期木质部中表达量最高,其次为木质化木质部;酵母双杂交实验表明, Cl Dof1.7与Clb HLH30蛋白存在相互作用。通过萤光素酶蛋白互补实验,进一步验证了Cl Dof1.7与Clb HLH30存在互作关系。综合实验结果表明, Cl Dof1.7主要在杉木木质部维管组织中表达,在维管发育中可能具有潜在的调控功能。本研究通过生物信息学、 RT-qPCR、酵母双杂交、萤光素酶蛋白互补实验和亚细胞定位实验,对Cl Dof1.7进行了初步的研究分析,为增进对木本植物Dof转录因子表达与功能的认知提供理论依据。
藏羊作为青藏高原特有的绵羊(Ovis aries)品种,受极端环境影响,其产羔率普遍较低,这已成为制约当地畜牧业发展的瓶颈。促黄体生成素(luteinizing hormone, LH)及促黄体生成素受体(luteinizing hormone receptor, LHR)是调控哺乳动物下丘脑-垂体-性腺轴的关键因子,在卵泡发育及排卵过程中发挥核心作用。本研究旨在通过克隆藏羊LH和LHR基因编码区,并利用生物信息学分析其结构特征,探讨LHR基因多态性与产羔性状的相关性,以期挖掘影响藏羊繁殖性能的分子标记,为藏羊的高效分子育种提供参考。本研究以200只具有完整产羔记录的藏羊为研究对象,对藏羊LH和LHR基因编码区进行克隆与测序,利用生物信息学方法对编码蛋白的理化性质与结构特征进行预测,并采用多重连接酶检测反应技术(improved multiple ligase detection reaction, i MLDR)对LHR基因SNP位点进行分型及与产羔性状关联分析。结果显示,藏羊LH基因开放阅读框(open reading frame, ORF)长度为426 bp,编码141个氨基酸; LHR基因ORF长度为1 965 bp,编码654个氨基酸。序列同源性分析表明,藏羊与绵羊、牛(Bos taurus)和牦牛(Bos mutus)的物种相似性较高,与斑马拟丽鱼(Maylandia zebra)的亲缘关系最远。理化性质预测显示, LH与LHR均为疏水蛋白,且LH具有典型的分泌蛋白特征。二级结构预测表明,两者均以α-螺旋、无规则卷曲和延伸链为主要结构元件,其预测的三级结构与二级结构相符。在LHR基因中检测到5个SNP位点,其中g. 75819207G>A为内含子区突变; g. 75833215C>A与g. 75833994A>T为第11外显子上的同义突变;g. 75833440C>T与g. 75833944G>A为第11外显子上的错义突变。群体遗传学分析表明,所有位点均处于中度(0.25
<正>本期刊主要刊登植物、动物和微生物基因组学、转录组学、蛋白质组学和代谢组学等组学,分子医学、现代生物技术等应用生物学研究的未发表的创新性研究成果,以及上述领域的综述论文。1投稿要求和注意事项1.1电子文稿本刊采用计算机排版,只接受电子文稿,请作者通过本刊在线投稿平台(https://gxnb.cbpt.cnki.net)投稿。作者提供的文件格式为word文件,图形部分可为jpg等图片文件,请将图片单独贮存在一个文件里。
细胞分裂周期相关蛋白8(cell division cycle associated 8, CDCA8)作为细胞周期调控关键分子,已被证实在肺癌、乳腺癌等多种恶性肿瘤中异常高表达,且与肿瘤增殖、侵袭及不良预后密切相关,但目前其在肝细胞癌(hepatocellular carcinoma, HCC)中的表达模式、调控机制及临床价值尚未明确。本研究基于癌症基因组图谱(the cancer genome atlas, TCGA)数据库,联合TIMER 2.0、 UALCAN及Kaplan-Meier Plotter等生物信息学工具,系统分析CDCA8在HCC中的m RNA表达水平、启动子甲基化状态、临床预后意义、免疫细胞浸润关联性及蛋白相互作用网络,并通过体外实验验证其对肝癌细胞生物学行为的调控作用。同时基于基因表达综合(gene expression omnibus, GEO)数据库分析了CDCA8在HCC中的m RNA表达水平。结果显示, CDCA8 m RNA在HCC组织中呈显著高表达,且与肿瘤分化程度呈负相关,其启动子区域甲基化水平显著降低并随分化程度下降进一步下调; CDCA8高表达与HCC患者总生存期(overall survival, OS)缩短存在显著相关性,在男性患者中该相关性更为突出,提示其或可作为HCC预后评估的候选参考指标。免疫浸润分析结果表明, CDCA8表达与CD4~+T细胞、CD8~+T细胞、巨噬细胞及NK细胞浸润水平呈正相关;蛋白质-蛋白质相互作用(protein-protein interaction, PPI)网络分析显示其可与BUB1有丝分裂检查点丝氨酸/苏氨酸激酶B(BUB1 mitotic checkpoint serine/threonine kinase B,BUB1B)、细胞周期蛋白依赖性激酶1(cyclin dependent kinase 1,CDK1)、细胞分裂周期蛋白20(cell division cycle 20, CDC20)等核心蛋白互作,上述互作蛋白富集于细胞周期及染色体分离相关生物学过程。体外实验证实,沉默CDCA8可显著抑制肝细胞癌细胞的增殖与迁移能力。综上,本研究仅明确CDCA8在HCC中呈启动子低甲基化相关的高表达特征,其表达水平与肿瘤恶性表型、患者预后及免疫微环境浸润特征存在多项相关性,与细胞周期相关蛋白的互作提示其可能与相关生物学过程存在潜在联系。CDCA8可作为HCC中与增殖及预后相关的候选分子,为后续研究提供前期参考数据。
结肠癌(colon cancer, CC)是全球范围内发病率和死亡率均较高的消化系统恶性肿瘤,其预后受肿瘤代谢重编程与免疫微环境重塑的显著影响。氨作为谷氨酰胺代谢的副产物,近年来被发现可诱导一种新型调节性细胞死亡形式——氨诱导细胞死亡(ammonia-induced cell death, AICD),但AICD在CC中的分子特征及免疫学意义仍缺乏系统研究。本研究整合CC批量转录组、单细胞RNA测序及空间转录组数据,系统解析AICD相关基因的表达模式与免疫微环境特征。结果显示,CC中存在212个AICD相关差异表达基因(differentially expressed genes associated with ammonia-induced cell death, AICDDEGs),基于其中9个与预后显著相关的基因构建的预后风险模型能够有效区分高风险与低风险患者亚群(两组生存差异显著)。单细胞与空间转录组分析表明, AICD活性主要富集于肿瘤相关巨噬细胞,且在免疫抑制性的M2巨噬细胞中更为显著。进一步分析鉴定RNF207为潜在的关键靶点,其在多种癌症中异常表达,并与免疫代谢相关分子特征密切相关。分子对接结果提示,阿培利司(alpelisib)可能与RNF207蛋白形成稳定结合。因此,本研究构建了基于AICD相关基因的CC预后评估工具,揭示了AICD与免疫抑制微环境之间的潜在联系,并提出了RNF207作为候选免疫代谢治疗靶点,为研发基于免疫代谢的CC诊疗新策略提供了依据。
<正>人工智能赋能科学研究(Artificial Intelligence for Sciences,AI4Sciences)正在成为科学研究新范式。为进一步推动人工智能在生物科学各分支领域的研究发展,及时报道创新性研究成果,促进学术交流与产学研合作,特组织“人工智能在生物科学的应用研究”专题。自2026年1月发出征稿通知以来,得到了广大科研工作者的积极响应、踊跃投稿,经编辑部初审,同行专家评议,复审主编复审,期刊主编终审,我们确定刊登本期专题10篇研究论文。这些论文的发表将有助于进一步促进机器学习、深度学习、人工智能大模型在生物科学的应用研究与发展。
长链非编码RNA(long non-coding RNA, lncRNA)能够与DNA相互作用,作为关键的调控元件,在癌症和代谢紊乱等复杂疾病的发生发展中起着核心作用。尽管基于深度学习的计算方法已开始应用于全基因组lnc RNA-DNA结合位点的表征,但现有模型难以同时捕获长程与短程染色质依赖关系,这仍是当前领域的瓶颈。本研究构建了一个深度学习框架Binder,可以通过整合卷积神经网络(convolutional neural networks, CNN)与多头注意力机制,准确预测全基因组范围内的lnc RNADNA结合位点。Binder的性能已在Ch IRP-seq数据集上得到了验证,其平均受试者工作特征曲线下面积(area under the receiver operating characteristic curve, AUC)达到0.870,优于CNN＿deeper等现有最先进的模型。此外, Binder自主捕捉到了与已知转录因子结合位点(如TAL1::TCF3)一致的调控基序。本研究突破了以往方法在建模全局序列上下文方面的局限,并提供了一个用户友好的Web应用工具,以便于研究lnc RNA调控机制,为辅助疾病治疗和药物研发打下基础。
随着抗生素耐药性危机在全球范围内持续蔓延,研发新型抗菌药物已成为亟待解决的问题。抗菌肽(antimicrobial peptides, AMPs)具有独特的抗菌作用机制,不易诱导细菌产生耐药性,已经成为替代传统抗生素的重要候选药物。然而,传统实验筛选抗菌肽存在周期长、成本高等问题,不利于天然抗菌肽的挖掘。近年来,宏基因组学与人工智能的深度融合,为从海量环境及微生物组数据中高效挖掘抗菌肽提供了全新的思路。本文梳理了抗菌肽特征、相关资源数据库及实验验证方法,总结了人工智能判别抗菌肽的方法,包括传统机器学习、深度学习、蛋白质语言模型和迁移学习等技术方法,并且系统叙述了多模型混合策略在宏基因组数据中的应用进展。目前,该领域仍存在高质量标注数据不足、高通量验证困难等问题。但随着人工智能和多组学技术的进步,抗菌肽的智能化、精准化挖掘将实现突破性进展,有效加速更高效候选分子的发现和临床转化进程,为应对抗生素耐药性危机提供有效解决方案。
本研究基于机器学习与单细胞分析,探索美沙拉嗪所致药物性肝损伤(drug induced liver injury, DILI)铁死亡相关的特征基因,并预测潜在的治疗中药。整合基因表达综合数据库(gene expression omnibus, GEO)中DILI相关数据集,以GSE54254、 GSE102006和GSE169072作为训练集, GSE54257和GSE147866作为验证集。通过差异表达基因(differentially expressed genes, DEGs)分析、加权基因共表达网络分析(weighted gene co-expression network analysis, WGCNA)及铁死亡基因集筛选候选靶点,采用113种组合情形的机器学习模型结合沙普利加性解释(Shapley Additive ex Planations, SHAP)分析筛选关键基因,构建人工神经网络(artificial neural network, ANN)模型与列线图模型评估诊断效能,并对核心基因进行表达差异验证及共表达网络分析。利用基因集富集分析(gene set enrichment analysis, GSEA)、单细胞转录组及细胞通讯分析阐明机制,通过网络药理学与分子对接预测潜在治疗中药。结果显示,共获得111个DILI相关铁死亡靶基因,通过筛选并验证,确定FABP1、 TNFRSF10B、 CSRP2和TYMS可作为美沙拉嗪致DILI的生物标志物。GSEA提示核心基因富集于氧化磷酸化、补体与凝血级联反应、细胞因子-细胞因子受体相互作用等免疫代谢通路。单细胞分析显示核心基因主要表达于单核细胞、巨噬细胞及平滑肌细胞,且巨噬细胞在细胞间通讯网络中交互活性最强。筛选出陈皮、枳实等33味中药,其药性以平、温、微寒为主,药味多为苦、辛、甘,主归肺、肝、胃、脾经,核心功效为理气与清热解毒。分子对接显示活性成分与核心靶点结合稳定。结果表明, FABP1、 TNFRSF10B、 CSRP2和TYMS作为美沙拉嗪相关DILI的潜在诊断生物标志物,具有良好的区分效能,可能通过调控铁死亡通路及巨噬细胞功能参与DILI的发生,筛选出的中药为临床防治提供了新的候选策略。