ImmunEscpMap 发布以基因为中心的肿瘤与病毒感染免疫逃逸知识库
ImmunEscpMap 是一个以基因为中心的知识库,把肿瘤与病毒感染中的免疫逃逸证据放进统一框架。
ImmunEscpMap 是一个以基因为中心的知识库,把肿瘤与病毒感染中的免疫逃逸证据放进统一框架。
研究用贝叶斯框架在连续时间 Ornstein–Uhlenbeck 模型中检验协调后的单细胞免疫组成是否比粗粒度生态背景标签携带更多纵向信息。重新处理两个 ScPCA 白血病项目后,104 名可评估参与者中 k=2 聚类可复现;在 99 名 B-ALL 参与者中分出 73 例 TNK 主导与 26 例 B/髓系偏移,但原始组成与中心对数比赋值一致性差。
NeoBridge 是一个结合生物物理信息的机器学习集成工具,用于按触发免疫应答的可能性为新抗原排序,作者称其可用于胰腺癌(PDAC)这类优质靶点稀缺的场景。论文还报告克隆架构携带预后信息,其中亚克隆新抗原负荷而非克隆负荷与预后相关,代码已开放。该工作由 Lana Mediavilla 等人在 Cell Genomics 发表。
Lana Mediavilla 等提出 NeoBridge,一个结合生物物理信息的机器学习集成方法,用于优先排序免疫原性新抗原。在胰腺癌中,亚克隆新抗原负荷而非克隆新抗原负荷与更差的生存相关,提示克隆结构应纳入疫苗靶点选择。
研究团队开发了 NK 细胞靶向脂质纳米颗粒(NtLNPs),用工程化双靶向 NK 细胞配体驱动受体特异性摄取和 mRNA 递送,在小鼠中实现最高约 80% 的 NK 细胞转染且脱靶效应很小。
推荐理由:该研究用双靶向配体修饰的 LNP 在小鼠体内转染 NK 细胞并生成 CAR NK,为 T 细胞驱动的疾病提供了一种非病毒体内改造路径。
Bits to Binders 全球竞赛以 CAR-T 为场景评估 de novo 结合域设计,来自 42 个国家的团队提交了 12,000 个靶向人 CD20 的 80 氨基酸 minibinder 设计。
推荐理由:这项竞赛把 1.2 万个 AI 设计的 CAR-T 结合域放进细胞功能筛选,而非只看亲和力,为评估蛋白设计提供了更接近功能的检验方式。
Epitope Generation Gateway(EGG)是一个容器化流程,整合 Mutect2、STAR-Fusion、ArcasHLA 与 pVACtools,在预测表位序列后叠加共表达网络、蛋白互作网络、中心性指标、DepMap CRISPR 依赖数据和 IntOGen 驱动基因状态进行优先级排序。
InstaDeep 宣布其开源 Python 框架 BenchMHC 已在 GitHub 上线,该框架用于复现、重训练和评估肽-MHC 呈递模型。
一种结合细菌特异性荧光探针与光谱流式的新技术,可对免疫球蛋白结合的微生物进行绝对定量与追踪,并已应用于早产儿。该方法由 @thehandiestlab 等人在 Cell Host & Microbe 发表。
研究团队开发了计算流程 TME-CARTographer(TME-CART),整合高维数据、图论、行为分析和深度学习,用于解析活体胰腺导管腺癌(PDA)肿瘤中 4D 的 T 细胞与肿瘤微环境相互作用。