Back
Featured image of post 碱基周报(第 001 期):肝脏,一个没有痛感神经的器官

碱基周报(第 001 期):肝脏,一个没有痛感神经的器官

记录值得分享的生命科学和生物信息学进展内容,周日发布。

本周话题:肝脏,一个没有痛感神经的器官

人,没有肝脏就不能生存。

但肝脏很神奇,它是人体中唯一一个没有痛感神经的器官,对酒精、病毒以及药物的慢性破坏非常难在早期被察觉,而且即使它只剩下20%-30%也依然能正常发挥功能,这也是为什么人们一直不重视肝脏的保养问题,因为它不痛。

实际上,肝病的加剧都是在不知不觉中进行的,等到被检查出来之后,人的病情往往已经严重到一个程度了,严重的就是肝癌,昨天吴孟达去世就是因为晚期肝癌,伴随了一代人的喜剧回忆也就此谢幕了。。。。。。

image-20210228004822238

所以要时刻好好爱护自己的肝脏:少喝酒、少熬夜、保持心情舒畅,定时体检,因为一旦它疼了,那可能就没有挽救的余地了。

解密肝脏再生之谜!科学家们鉴定出负责肝脏组织再生的细胞

https://mp.weixin.qq.com/s/BMqcUOcoI3Bj67oYO9j5EQ

文章和资讯

1、Nature|基于人类表观基因组图谱EpiMap,广泛揭示人类疾病位点调控回路

image-20210226151045408

目前,93%与疾病相关的突变位点位于基因组的非编码区域,而这些区域如何调控基因的转录和翻译仍然未知。Nature 报道了

麻省理工学院的研究人员基于多个大型合作基因组图谱项目(包括ENCODE、Roadmap Epigenomics、Genomics of Gene Regulation)的数据,提出了一个新的人类表观基因组图谱,命名为EpiMap(Epigenome Integration across Multiple Annotation Projects),用于辅助推进非编码突变的功能解读。证明了高通量、丰富多维、高分辨率的表观基因组和调控回路注释在研究基因调控、复杂性状和疾病位点机制研究中是非常有用的,可以显著提高对复杂疾病的解读水平。

2、大规模临床数据揭示ctDNA可作为快速可靠的方法衡量黑色素瘤药物疗效

这是Lancet oncology上发表的一项新成果。研究使用经过分析验证的微滴数字PCR方法对获得的ctDNA进行定量测量,并对来自两个前瞻性临床试验的患者进行分析。结果表明,较高的ctDNA浓度与较差的总生存率显著相关,并确定了最优分界点对患者进行分类。首次对ctDNA测量结果及其与不可切除或转移性黑色素瘤靶向治疗患者生存结局的关系进行了大规模分析,对未来的临床治疗和预后评估具有重要的意义。

治疗4周时ctDNA状态下的无进展生存期和总生存期分析(COMBI-d)

3、科学家开发便携式无线、可植入式血氧仪,可实时准确监测静脉、心脏氧合水平

image-20210228002039501

一个人身体是否健康,从血氧饱和度就可以反映出来,血氧饱和度低的人会出现呼吸急促、能量供应不足、疲劳等症状。

今日,Science Advance上报道了科研人员开发了一项无线、可植入式血氧仪,它是一种灵活、轻薄的导管式血氧仪,可以实时准确地监测静脉和心脏的氧合水平。它的独特构成是柔性的导管型光电探针,该探针可以连接到一个小的,可穿戴的电子模块上,从而能以临床级的准确性,对血管内氧气进行无线和连续的实时监测,这个技术解决了以前用光纤血氧饱和度导管由于玻璃纤维的刚性会在长期植入过程中引起不良事件,例如对血管的损害、感染或血栓形成等的问题。在大鼠实验中表明,这是一个大的进步,在大鼠实验中,该无线光电设备可以检测心脏直视手术过程中大鼠的心脏氧合饱和度。

4、机器学习的线性代数简介(英文)

image-20210227113027430

image-20210227113057774

一篇英语技术文章,展示如何通过 Python 学习线性代数,内容很长,质量很高。

5、从计算机专业转职到生物信息学需要注意些什么(英文)

这是近日在国外 reddit 论坛上的一个讨论,反映了一部分人的诉求。大部分人都比较认可计算机专业转职到生物信息学是有优势的,但除了编程(Python/R/C++)、熟悉Linux命令行操作和对生信的兴趣之外,需要补充统计学、遗传学和分子生物学的知识。此外,还注意职业的选择地,因为生命科学目前还不如计算机科学那般就业前景广阔,当前在生命科学领域最有发展前途的国家和地区依次排下来是:美国、欧洲(主要是西欧)和中国,而且主要是医疗机构、研究机构、高校和部分专业公司,专业性强,这些如果有一个PhD学位对个人的发展会更有利。

关于这个问题我其实也早在三年前就写过一篇文章对此进行了讨论,之前没有看过的同学可以参考:该如何自学入门生物信息学

6、qmplot: 一个画GWAS曼哈顿图和QQ图的Python库

image-20210227114223140

image-20210227120319839

这是我前几天写的一个绘制GWAS Manhattan和 QQ plot 的 Python包,在github发布之后,这周也成了 reddit 论坛bioinformatics话题下最热的一个帖子。

image-20210227120155816

我比较意外的是一直以来很多人其实用的是R的一个包来画曼哈顿图和QQ图,竟然没有 Python 的或者质量很差——尽管 Python 其实可以做得更好,所以上个月我完成一系列的GWAS分析之后就决心重新实现了一个,效果还是很比较满意,这个包的Github地址和教程:

GitHub链接: https://github.com/ShujiaHuang/qmplot

教程 Notebook: https://nbviewer.jupyter.org/url/github.com/ShujiaHuang/qmplot/blob/main/docs/tutorial.ipynb


每周首发于个人公众号:helixminer(碱基矿工)

helixminer-QRCode

Licensed under CC BY-NC-SA 4.0
comments powered by Disqus
Built with Hugo
Theme Stack designed by Jimmy