- 综合排序
- 最热优先
- 最新优先
- 来自专栏生信修炼手册
靶向测序的CNV分析简介
目的区域靶向测序更加的经济高效，可以实现500到1000X， 甚至更高的测序深度，有助于发现罕见变异，挖掘疾病相关基因，在临床研究中应用广泛。 目前通过靶向测序挖掘CNV的相关工具相对而言比较少，一篇发表在ScienceDirect上的文章对相关工具进行了测评，文章链接如下 https://www.sciencedirect.com/science WES也算是靶向测序的一种，所以针对WES的工具也一起进行了测评，最终进行测评的工具列表如下 ExomeCNV ExomeCopy CONTRA ExomeDepth CONIFER CANOES CODEX 考虑到每个软件都有自己的限制，综合多款软件的结果来进行分析，不用个数的最佳软件组合汇总如下 ? 对于靶向测序而言，其测序深度分布的影响因素过多，很难有一个最佳的模型可以校正系统误差，所以采用对照样本的方式是比较主流的算法。
2.2K31发布于 2019-12-19 - 来自专栏图形化开放式生信分析系统开发
靶向分析流程(Pipeline)中的数据质控
# 本文是对靶向测序Pipeline中数据质控的升级，顺便做一个记录## 此前Pipeline中数据质控来源于几个软件：- fastp： ```bash fastp -w ${threads to 4x. [flank] Coverage (>=4x) // Ratio of flank bases with depth greater than or equal to 4x. ]') print(''' 根据fastp,bamdst,gatk CollectInsertSizeMetrics(picard) 输出质控分析结果文件 t输出处理结果文件') print('--sample-fastp=\t\tfastp 处理后的输出文件') print('--sample-bamdst=\tbamdst分析
1K00编辑于 2022-09-24 - 来自专栏生命科学
靶向甲状腺癌治疗的4种小分子药物 | MedChemExpress
由于化疗对于甲状腺癌的治疗作用不佳，分子靶向治疗现已成为甲状腺癌治疗中最令人关注的领域。 目前 FDA 已经批注了四种用于甲状腺癌治疗的靶向治疗药物,包括卡博替尼，乐伐替尼，索拉非尼以及凡德替尼。 2017年，多激酶抑制剂索拉非尼（Sorafenib）成为被 CFDA 批准，也是截止目前，仅一个用于放射性碘难治性分化型甲状腺癌的靶向药物。 Inhibiting TRK Proteins in Clinical CancerTherapy.Cancers (Basel). 2018 Apr 4;10(4). pii: E105.MCE 新品推荐
32130编辑于 2023-02-07 - 来自专栏生命科学
gpx4抑制剂-靶向癌症耐药治疗的新方法 | MedChemExpress
最近的一项研究，实验人员即选取了谷胱甘肽过氧化物酶 4(GPX4)作为目标探索了对抗肿瘤耐药性的方法。 由于间充质细胞中谷胱甘肽过氧化物酶4（GPX4）相对活跃，研究人员考虑是否耐药株的生存能力也来自于GPX4？将耐药株细胞的GPX4敲除之后，它们确实表现出了对氧化物的高敏感性。 通过对其他类型肿瘤细胞的试验，实验人员惊喜地发现：GPX4抑制剂在所有的肿瘤中都有效。 这些结果表明，结合肿瘤的靶向治疗与GPX4抑制剂消除耐药株细胞的能力，可能是在多种人类癌症中预防复发的一个非常有前途的方法。 Hangauer博士用另外一些实验证实：GPX4抑制剂大幅提升耐药癌细胞对氧化剂敏感性的特点，并不局限在短期内，可应用于靶向治疗或化疗完成一段时间之后。
54120编辑于 2023-02-03 - 来自专栏单细胞天地
单细胞分析揭示结肠癌髓系靶向治疗机制
定义了相当数量的髓系细胞在小鼠肿瘤里，保证捕获他们对髓系靶向，免疫治疗的反应。 对小鼠TAM亚群进行与人类TAM集群相似的通路分析(图3B)，我们发现小鼠TAM种群也根据其血管生成、缺氧和T细胞相互作用基因信号分群(图4A)。 与这些发现相一致的是，对来自Renca肿瘤的scRNA-seq数据的分析显示了在抗csf1r治疗后，细胞群体mM12和mM14几乎完全丧失，但TAM种群mM11、mM13和mM15的减少极少(图4C和4D 与这些发现和我们的细胞-细胞相互作用网络分析(图3E)一致，显示了cDCs与各种T细胞的广泛相互作用亚群(图5E和表S4B)，我们发现cd40 lgb在人和小鼠肿瘤的多个CD4+T细胞簇上高表达(图5C 靶向细胞缺失研究将有助于进一步明确肿瘤内细胞相互作用(包括40激动剂介导的反应)的精确作用。
1.8K11发布于 2020-12-11 - 来自专栏用户7627119的专栏
miRNA 靶向预测软件targetscan
01 Targetscan靶向预测思想 TargetScan 基于序列互补原则，找到比对到靶 3'UTR 的保守性 8 mer、7 mer 或 6 mer 位点（seed match 序列），进一步根据热力学稳定性筛选得到
6.7K20发布于 2020-08-06 - 来自专栏单细胞天地
CeleScope 教程 || FocuSCOPE™单细胞肺癌靶向基因突变数据分析
当您打开这个文档，说明您已经获得单细胞肺癌靶向分析数据，开启了单细胞数据分析之旅。在您正式使用CeleScope分析新格元单细胞数据之前，我们希望向您介绍celescope软件的一些基本过程。 您可以快速阅读文档，并在您的服务器上完成FocuSCOPE™单细胞肺癌靶向基因突变检测的下机数据到肺癌靶向基因的单细胞表达量信息分析。 二、原理 采用独特性的分子标签磁珠设计，在寡核苷酸序列上加入了靶向目标位点区域3’端的特异性探针，继而实现对目标区域信息的高效获取，同时通过特异性引物进行多重PCR扩增富集，进一步提高对目标区域进行的测序分析 单细胞肺癌靶向基因突变检测研究在实验过程中会构建一个转录组文库和肺癌靶基因序列富集，因此数据分析也分为两个环节： (1) 单细胞转录组分析 (2) 肺癌靶基因序列富集 本篇文章内只介绍单细胞肺癌靶基因序列富集 质控报告的样本和软件的基本信息 数据质控信息 基因组比对信息 细胞与基因定量情况 靶向基因的突变信息 好啦，以上就是一个完整的新格元单细胞肺癌靶向基因突变检测分析过程，接下来就可以进行肺癌基因突变的分析啦
1K40编辑于 2022-06-13 - 来自专栏肠道菌群与代谢组学
非靶向代谢组学—基础知识2（多组学联合分析思路）
非靶向代谢组学—基础知识2（多组学联合分析思路）继续开始代谢组学的学习路程，昨天晚上看了B站联川生物出的解读非靶向代谢组学的生信报告，讲的很好。 里面一些代谢组学和和其他组学联合分析的思路对我的启发挺大，这里记录下，只是宏观的描述视频链接：https://www.bilibili.com/video/BV16R4y157A5/? spm_id_from=333.337.search-card.all.click&vd_source=7e83cb2510516bdff59ccf808d022aa01.非靶向代谢组学和转录组最为常见的是与转录组联合分析 ，通过KEGG通路进行差异基因和差异代谢物的关联与chatGPT的对话2.非靶向代谢组学和蛋白组类似于和转录组的联合分析与chatGPT的对话3.非靶向代谢组学和微生物非靶向代谢组学和微生物联合分析也是非常常见的多组学联合分析
96512编辑于 2025-04-03 - 来自专栏生命科学
靶向 EGFR 的 PROTAC 盘点 - MedChemExperss
目前靶向 EGFR 的 PROTAC 由于体内药效学和药代动力学数据的缺乏而未能进入临床试验，但同样是抗癌药物的 ARV-110 和 ARV-471 等 PROTAC 分子的临床研究也为这种治疗方法的开发带来曙光 [4]。 下面，就让我们按照时间顺序盘点一下目前为止具有不错研究价值的靶向 EGFR 的 PROTAC 分子。 PROTAC EGFR degrader 4PROTAC EGFR degrader 4 是一种有效的 PROTAC 靶向突变 EGFR。 J Clin Oncol. 2003 Oct 15;21(20):3798-807. 4. G. John, R.P.
62120编辑于 2023-01-03 - 来自专栏生命科学
靶向 TGF-β 信号通路 | MedChemExpress
然后这些 R-SMADs 与常见的 SMAD4 形成复合物。 ■ 靶向 TGF-β 通路 TGF-β 是一种普遍存在的多功能细胞因子，被认为是肿瘤发生发展的核心途径。因此，TGF-β 是一个非常理想的靶标。 此外，除了直接靶向 TGF-β 及其受体之外，还有间接控制 TGF-β 信号通路的方法，如靶向 miRNA、lncRNA，靶向去泛素化酶 (DUB)、干扰细胞内蛋白质-蛋白质相互作用。 小 M 相信随着技术的日益发展，如 PROTAC 等技术都将为靶向 TGF-β 信号通路提供更多的机会！ 图 7. SB-505124 选择性的 TGF-βI 型受体 (ALK4，ALK5，ALK7) 抑制剂，对 ALK4，ALK5 的 IC50 值分别为 129 nM 和 47 nM，对 ALK1，2，3 或 6
98120编辑于 2023-02-22 - 来自专栏生命科学
MCE | Hippo 途径与靶向策略
其中，TEAD1-4 是 YAP/TAZ 主要靶向的转录因子，YAP/TAZ-TEAD 复合物与参与细胞增殖、生长和存活的靶基因启动子结合, 包括 CYR61、CTGF、AREG、MYC、Gli2、AXL 而 VGLL 家族蛋白 VGLL4 可与 YAP 竞争性结合 TEADs，影响 TEAD 靶基因的表达。 另外，YAP/TAZ 还与其他 DNA 结合转录因子相互作用，如 p73、ERBB4、EGR-1、RUNXs、SMADs 等。 靶向 TAZ/YAP-TEAD 的抑制剂有 Verteporfin、Flufenamic acid、TED-347 和 VGLL4 模拟肽 (VGLL4-mimicking peptide)。 4、靶向由 YAP/TAZ 调控的致癌蛋白 可通过靶向下游转录靶标如 BCL-xL、FOXM1、TG2 和 COX-2，对抗 YAP/TAZ 介导的致癌性。
70320编辑于 2023-03-16 IRAK4在先天免疫信号通路中的核心作用与靶向治疗策略
二、靶向IRAK4的药物研发方向鉴于IRAK-4在炎症及肿瘤发生发展中的核心作用，其已成为药物研发的重要靶点。 目前的研发策略主要集中于开发能够高效抑制IRAK-4功能的小分子化合物，主要分为以下几类：1.小分子激酶抑制剂：包括针对IRAK-4的单靶点抑制剂，以及同时作用于IRAK-4及其他相关激酶的多靶点抑制剂 这类药物旨在阻断IRAK-4的激酶活性及其介导的下游信号传导。2.蛋白降解靶向嵌合体技术：与传统抑制剂相比，利用PROTAC技术开发IRAK-4降解剂代表了一种新兴且极具潜力的策略。 三、DDB1-CRBN&IRAK4PROTAC试剂盒的应用价值聚焦于PROTAC技术，DDB1-CRBN&IRAK4PROTAC试剂盒是研究IRAK-4蛋白功能及验证降解策略的有力工具。 其中，基于DDB1-CRBNE3连接酶的PROTAC技术为靶向IRAK-4提供了创新性的蛋白水平干预工具，具有广阔的转化医学前景。
13510编辑于 2026-01-22- 来自专栏学习笔记ol
框架分析（4）-Spring
框架分析（4）-Spring 主要对目前市面上常见的框架进行分析和总结，希望有兴趣的小伙伴们可以看一下，会持续更新的。希望各位可以监督我，我们一起学习进步。
34620编辑于 2023-10-11 - 来自专栏生命科学
PROTAC 技术靶向降解 BTK | MedChemExpress
近期，有两组科学家都利用 PROTAC 技术研制出了可以靶向降解 BTK 激酶的化合物，他们的研究成果分别发表在国际 TOP 期刊 PANS [4]和 Cell Research [5]。 Adelajda Zorba 团队[4]设计了拥有不同长度的连接子的靶向降解 BTK 的PROTACs 分子，并用 WesternBlot 检测了细胞水平 PROTACs 对 BTK 的降解效率，结果发现 此外，他们还研究了连接子的长度对于 PROTACs 分子与靶蛋白及 E3 连接酶结合形成三元络合物的效率关系，发现在一定范围内，较长的连接子对于三元络合物的形成更有利（图4）。 此外，PROTAC 技术可以很好地解决很多不可成药（undruggable）的靶点如转录因子等的靶向降解问题，在以后的靶向治疗中将会发挥重要作用。 参考文献 [1] Davis, R. [4] Zorba A, et al.Delineating the role of cooperativity in the design of potent PROTACs for BTK.Proc
42720编辑于 2023-02-10 - 来自专栏生信开发者
靶向测序的终极解决方案
测序仪层面的捕获，大概是基于kmer分析的思路吧，如果测到的是感兴趣的序列就保留，不是感兴趣的，就从纳米孔退出去。生物信息实时计算 与 纳米技术 仪器芯片设计的高度融合。 真是靶向测序的终极解决方案啊，液相杂交捕获，多重PCR，CRISPR-cas9捕获都失去意义了
29020发布于 2021-02-02 - 来自专栏单细胞天地
单细胞助力分析靶向治疗药物性超敏反应综合征
Monocle轨迹分析显示，与CCR7-表达的原CD4+ T细胞群相比，CCR4和CCR10-表达的CD4+ T细胞群分布到较晚的时间(扩展数据图2g,h)。 ? 图 2 1 药物服用后的数据分析 研究者的数据指出了几个潜在的治疗靶点:(1)细胞增殖途径，(2)趋化因子受体，(3)HHV6b和(4)JAK-STAT途径。 虽然在HHV6b感染中使用的是膦甲酸、西多福韦和更昔洛韦，但这些药物都没有选择性地靶向HHV6b，考虑到环孢素引起的潜在肾脏功能障碍，这两种药物都与肾毒性有关。因此，JAK抑制是唯一可行的选择。 图 4 第4天通过scRNA-seq分析比较有无SMX-TMP的培养，以捕获细胞增殖前的转录组改变(图4b和扩展数据图4a)，结果显示CCR7lowCCR10highCD4+ T细胞簇和单核细胞中存在大量 为了测试靶向病毒是否会对T细胞增殖产生影响，在LTT中对更昔洛韦和青蒿琥酯进行了测试。青蒿琥酯是一种具有抗hhv6活性的抗疟药。
1.1K30发布于 2020-04-27 - 来自专栏肠道菌群与代谢组学
非靶向代谢组学—全分析流程3（以3分组为例）
非靶向代谢组学—全分析流程3（以3分组为例）这里记录下非靶向代谢组学的全分析流程，以3分组为例，即正常组、疾病组、治疗组。对于简单的2分组或者更为复杂的分组，只需要对应修改下即可。 这里是第3部分，直接接着第1、2部分运行即可，详情见非靶向代谢组学—全分析流程1（以3分组为例）非靶向代谢组学—全分析流程2（以3分组为例）6.代谢组学KEGG背景基因集构建我想使用“clusterprofiler 你所用的 massdatabase 包配合 metpath 或metID 系列分析流程是目前 代谢组富集分析推荐做法之一library(massdatabase) download_kegg_pathway stroke_size = 1,stroke_color = "grey100")+ coord_cartesian(expand=T,clip="off")+ theme(plot.margin = unit(c(4, scale_fill_gradientn(colours = c("#f7ca64", "#46bac2","#7e62a3")) + # 更改配色 scale_size_continuous(range = c(4,
2K14编辑于 2025-07-04 - 来自专栏肠道菌群与代谢组学
非靶向代谢组学—全分析流程1（以3分组为例）
非靶向代谢组学—全分析流程1（以3分组为例）这里记录下非靶向代谢组学的全分析流程，以3分组为例，即正常组、疾病组、治疗组。 绘制散点图，分组椭圆 + 主成分贡献度 ggplot(score_df, aes(x = PC1, y = PC2, color = Group)) + geom_point(size = 4, 可视化 ggplot(score_df, aes(x = Component_1, y = Component_2, color = Group)) + geom_point(size = 4, 可视化 ggplot(score_df, aes(x = Component_1, y = Component_2, color = Group)) + geom_point(size = 4, OGD_R.png')即每种分析各出3张图，即总体分组、AB组、BC组
3.2K34编辑于 2025-06-30 - 来自专栏生命科学
MCE | LYTAC 与靶向蛋白降解技术
并且证明 LYTAC 成功降解了表皮生长因子受体 (EGFR)、程序性死亡配体 1 (PD-L1)和载脂蛋白 E4。 同样的，纽约大学的研究团队开发的靶向 BET 蛋白 (BRD2/3/4)或 FKBP12 的光开关 PHOTAC分子，也证明了光控的精准时空激活的有效性(图 4)。 LenalidomideThalidomide 的衍生物，一种泛素 E3 连接酶 cereblon 的配体，可通过 CRBN-CRL4 泛素连接酶对两种淋巴转录因子 IKZF1 和 IKZF3 进行选择性泛素化和降解 chemists craft molecular scalpels to clear unwanted proteins from cell surfaces. news.stanford.edu.4. Signal Transduct Target Ther. 2019; 4: 64.7. Wang Y, et al.
87820编辑于 2023-03-16 - 来自专栏肠道菌群与代谢组学
非靶向代谢组学—全分析流程2（以3分组为例）
非靶向代谢组学—全分析流程2（以3分组为例）这里记录下非靶向代谢组学的全分析流程，以3分组为例，即正常组、疾病组、治疗组。对于简单的2分组或者更为复杂的分组，只需要对应修改下即可。 这里是第2部分，直接接着第1部分运行即可，详情见非靶向代谢组学—全分析流程1（以3分组为例）4 差异代谢物分析使用limma包对疾病模型与正常组，治疗组与模型组的代谢物进行差异分析DEG_limma(. 差异分析函数，对代谢物表达矩阵进行 差异表达分析 + 火山图绘制 + VIP筛选# 加载所需包library(ggplot2)library(rlang)library(limma)# 定义差异分析函数 stroke_color = "grey100") + coord_cartesian(expand = T, clip = "off") + theme(plot.margin = unit(c(4, 表示每行 4 个图plot_grid <- do.call(grid.arrange, c(plots, ncol = 4))# 保存图像为 PNG 文件，尺寸为 8x8 英寸ggsave('data/
3.1K13编辑于 2025-06-30
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号