免疫细胞浸润在非小细胞肺癌诊断与预后中的应用

免疫细胞浸润对癌症的诊断与预后有着重要意义。文中收集TCGA数据库已收录的非小细胞肺癌肿瘤与正常组织基因表达数据,利用CIBERSORT工具得到22种免疫细胞占比来评估免疫细胞浸润情况。以22种免疫细胞占比为特征,用机器学习方法构建了非小细胞肺癌肿瘤与正常组织的分类模型,其中随机森林方法构建的模型分类效果AUC=0.987、敏感性0.98及特异性0.84。并且用随机森林方法构建的肺腺癌和肺鳞癌肿瘤组织分类模型效果AUC=0.827、敏感性0.75及特异性0.77。用LASSO回归筛选22种免疫细胞特征,保留8种强相关特征组成的免疫细胞评分结合临床特征构建了非小细胞肺癌预后模型。经评估及验证,预后模型C-index=0.71并且3年和5年的校准曲线拟合良好,可以对预后风险度进行准确预测。本研究基于免疫细胞浸润所构建的分类模型与预后模型,旨在对非小细胞肺癌的诊断与预后研究提供新的策略。     

新一代测序仪将改变生物技术研究的未来

设置在世界各国的大约600台新一代测序仪中．现阶段日本大约拥有20台。日本文部科学省计划在本年度内提出测序基地扩建的补充预算要求。最近十几年间基因测序变得快速化和低成本化，其原因是材料的制作工艺提高以及测序仪的性能提升。最近，     

Canopy closure estimation in a temperate forest using airborne LiDAR and LANDSAT ETM+ data

Aims　Forest canopy closure is one of the essential factors in forest survey, and plays an important role in forest ecosystem management. It is of great significance to study how to apply LiDAR (light detection and ranging) data efficiently in remote sensing estimation of forest canopy closure. LiDAR can be used to obtain data fast and accurately and therefore be used as training and validation data to estimate forest canopy closure in large spatial scale. It can compensate for the insufficiency (e.g. labor-intensive, time-consuming) of conventional ground survey, and provide foundations to forest inventory.Methods　In this study, we estimated canopy closure of a temperate forest in Genhe forest of Da Hinggan Ling area, Nei Mongol, China, using LiDAR and LANDSAT ETM+ data. Firstly, we calculated the canopy closure from ALS (Airborne Laser Scanning) high density point cloud data. Then, the estimated canopy closure from ALS data was used as training and validation data to modeling and inversion from eight vegetation indices computed from LANDSAT ETM+ data. Three approaches, multi-variable stepwise regression (MSR), random forest (RF) and Cubist, were developed and tested to estimate canopy closure from these vegetation indices, respectively.Important findings The validation results showed that the Cubist model yielded the highest accuracy compared to the other two models (determination coefficient (R²) = 0.722, root mean square error (RMSE) = 0.126, relative root mean square error (rRMSE) = 0.209, estimation accuracy (EA) = 79.883%). The combination of LiDAR data and LANDSAT ETM+ showed great potential to accurately estimate the canopy closure of the temperate forest. However, the model prediction capability needs to be further improved in order to be applied in larger spatial scale. More independent variables from other remotely sensed datasets, e.g. topographic data, texture information from high-resolution imagery, should be added into the model. These variables can help to reduce the influence of optical image, vegetation indices, terrain and shadow and so on. Moreover, the accuracy of the LiDAR-derived canopy closure needs to be further validated in future studies.     

华裔科学家研究新型免疫疗法？有望两年内攻克癌症

据英国《每日电讯报》9月20日报道，美国维克森林大学医学院的崔征博士近日在剑桥大学举行的抗衰老会议上公布了他在免疫细胞研究方面的新发现。即在不同人身上提取的免疫细胞在抗癌方面的能力大不相同，疗效可以相差近50倍。[第一段]     

植物蛋白SUMO化修饰检测方法

SUMO化是一种重要的蛋白质翻译后修饰,对植物正常生长发育不可或缺。到目前为止已筛选到上千个可能的SUMO底物,但由于SUMO化修饰水平普遍很低,其生物学功能研究相对较少。该文详细描述了检测蛋白SUMO化修饰的常用方法,包括体外和体内SUMO化实验,以及SUMO化修饰位点的检测方法,旨在为深入研究植物蛋白SUMO化修饰提供技术支持。     

毛花洋地黄植物与培养细胞之间的羟化能力的关系

为了寻找具有高羟基化能力的细胞株系，首先研究了毛花洋地黄培养细胞的羟化能力与原植物的羟化能力和地戈辛含量之间的关系，分析了各种不同的细胞系对β－甲基洋地黄毒甙的生物转化活性，这些不同的细胞系是来源于各种具有不同地戈辛含量和羟基化率的毛花洋地黄植物，实验结果表明，培养细胞的羟化能力与原植物的羟化能力之间不存在相应的依附关系。     

植物反应器生产药物大分子的研究现状

随着植物基因工程日新月异的发展,利用植物载体生产有医用价值的蛋白质药物已成为学术和商业界极为关注的新兴领域。在植物体内表达病毒疫苗,单克隆抗体,人血清蛋白,干扰素,胰岛素等的研究在国内外已取得了相当的进展。抗生物素,生长激素和抑蛋白酶肽的商业化,使其前景更为灿烂。近几年植物反应器的研究已更为重视讨论生产药物 分子的有效性和安全性。本文综述了该领域的研究进展、药物蛋白表达的有效性、稳定性及后期下游提取纯化的重要性,并对其大田化生产的风险作了简要评估。