大戟属质体系统发育基因组学研究中取得进展
大戟属（Euphorbia）隶属于大戟科，为植物界最大的属之一，包含约2000种，生境类型多样。大戟属的形态特征高度趋同（非同源相似），是系统分类研究最困难的类群之一。1753年植物学家林奈建立该属以来，大戟属的“拆分”或“合并”处于争论中。近些年，分子系统学研究支持“合并”，即广义的大戟属，包含四个亚属：乳浆大戟亚属（subg. Esula）、
Pharmacological Research：小分子治疗功能代谢组学研究取得新进展
近日，著名药理学期刊Pharmacological Research在线发表上海交大吕海涛课题组与西安交大景王慧及王嗣岑课题组合作的最新研究成果“Dihydromyricetin improves DSS-induced colitis in mice via modulation of fecal bacteria-related bile acid me
Protein Cell：我国科学家首次构建出灵长类动物海马体衰老的单核转录组图
在我们的大脑深处有一个叫做海马体的区域。它在学习和记忆中起着至关重要的作用，它随着年龄的增长而逐渐退化，在功能上与各种人类神经退行性疾病有关。但是，是什么促使它走上衰老之路？海马体具有复杂的结构，由高度异质性的细胞组成，所以用传统的技术很难准确地揭示参与衰老过程的各种细胞类型的分子调节网络。此外，由于伦理方面的限
IsoPlexis单细胞蛋白质组学检测服务即将启动啦！
重磅消息来袭你想要的单细胞蛋白质组学检测服务即将启动啦！单细胞蛋白质检测技术 传统的细胞分析通常包含数千个或更多的细胞，提供了一个总体平均值，掩盖了重要的细胞异质性，尤其是一些发挥重要作用的稀有细胞群体的意义，比如免疫细胞、肿瘤细胞、干细胞等均展现出广泛的异质性。当前，随着单细胞技术在各个研究和医学转化领域的应用越来越多，IsoPlexis公司从蛋
Oncogene：揭示胃肝样腺癌的基因组学特征和潜在治疗靶点
胃肝样腺癌（Hepatoid adenocarcinoma of the stomach， HAS）是临床上一种非常罕见，但恶性程度很高的胃部肿瘤。该肿瘤侵袭性极强，患者易出现肝脏和淋巴结的转移，患者预后极差。此肿瘤最早于1985年由日本学者所报道，因在组织形态学上能同时观察到胃腺癌及肝细胞肝癌特征故而得名。此外，此肿瘤高表达肝癌相关的分子标志物如AFP以及
Oncogene：揭示胃肝样腺癌的基因组学特征和潜在治疗靶点
胃肝样腺癌（Hepatoid adenocarcinoma of the stomach， HAS）是临床上一种非常罕见，但恶性程度很高的胃部肿瘤。该肿瘤侵袭性极强，患者易出现肝脏和淋巴结的转移，患者预后极差。此肿瘤最早于1985年由日本学者所报道，因在组织形态学上能同时观察到胃腺癌及肝细胞肝癌特征故而得名。此外，此肿瘤高
铬污染场地土壤噬菌体组学研究取得进展
噬菌体（Bacteriophage）是专性捕食活体细菌或古细菌的病毒，其生化结构主要由蛋白衣壳和核酸组成，根据形态特点可划分为：有尾、短尾 (或球状) 和丝状噬菌体等。噬菌体长度通常在20~200 nm，在土壤、水、空气乃至人/动物体表、口腔、肠道内均有大量定殖。据估算，环境中噬菌体总数量级约为1031。针对养分胁迫、深海高压、极端气
Nature Communications：GapClust方法能够高效准确地从大量单细胞转录组中发现稀有细胞群体
近日，国际知名期刊《Nature Communications》在线发表了上海交通大学生命科学技术学院俞章盛团队的研究成果“GapClust is a light-weight approach distinguishing rare cells from voluminous single cell expression profi
Nat Commun：表观遗传学代码重塑的染色质状态或能赋予小鼠肝脏一定的再生潜能
2021年7月10日 讯 /生物谷BIOON/ --研究人员推测，对肝脏再生至关重要的基因表达的高度控制模式是由静止的肝脏细胞中的表观遗传学代码所编码的；近日，一篇发表在国际杂志Nature Communications上题为“Chromatin states shaped by an epigenetic code confer regenerative
Kidney International：利用CT影像组学技术实现术前在体诊断感染性尿路结石
孙逸仙纪念医院副院长林天歆教授团队在国际知名学术期刊Kidney International发表题为“A multicenter study to develop a non-invasive radiomic model to identify urinary infection stone in vivo using machine-learning”的