PD-1抑制剂Nivolumab免疫治疗过程中的肿瘤及微环境进化研究
众多研究表明，免疫检查位点抑制剂能够改善多种肿瘤治疗后的总生存期（OS）和无进展生存期（PFS）[1]。而肿瘤的微环境特征（TME）通常会与免疫检查点抑制剂的治疗响应有关：比如在TME中PD-L1的表达，会与不同肿瘤类型的抗PD-1/PD-L1疗法的疗效相关[2，3]。另外，TME也有可能会限制效应T细胞对肿瘤细胞的渗入，从而减弱T细胞的扩张，或直接降低浸润淋巴细胞（TILs）的存活力
JVI：4亿年的进化军备竞赛有助人们理解HIV
2018年6月2日/生物谷BIOON/---了解4亿年前一种首次在海洋生物中出现的的抗病毒蛋白的进化，会有助于科学家们更好地掌握人类免疫缺陷病毒（HIV）。来自加拿大西安大略大学的研究人员对一个编码蛋白HERC5的基因的来源感兴趣。在一项新的研究中，西安大略大学舒立克医学与牙科学院助理教授Stephen Barr博士及其团队发现4亿多年前，这个基因首先出现在鱼类中，并且从那时起就参与了与病毒之间的
最前沿——2018肿瘤进化与肿瘤异质性研讨会
小编推荐会议：2018肿瘤进化与肿瘤异质性研讨会 肿瘤异质性是目前肿瘤治疗过程中遇到的一大挑战，对肿瘤的突变、演化、转移、耐药等有着深刻的影响，因此获得了极大的关注，研究也十分活跃。近年来随着单细胞测序， 液体活检等技术的发展， 肿瘤异质性研究有了更多成果，对指导肿瘤临床精准治疗有着重要意义。 肿瘤进化的观点很早就提出，肿瘤细
进化吧聚合酶，我已经受够野生型的了
DNA 聚合酶作为聚合酶链式反应（PCR）的核心因素，在PCR中扮演中至关重要的作用，从某种意义来讲PCR技术就是耐热聚合酶的技术。生物医药领域所使用的大部分是野生型的DNA 聚合酶，如大家熟悉的Taq DNA聚合酶、pfu DNA聚合酶等天然形式存在的酶。因为酶分子自身的结构和功能都有限制，随着研究人员实验要求的提升和生物样本复杂性的提高，野生型DNA聚合酶的局限性也逐渐凸显出来，如扩增效率低，
采用人工智能算法诊断早产儿视网膜病变
人工智能（AI）使机器能像人类一样思考，在各行各业有着广阔的应用前景，包括医疗保健领域。根据新浪医药之前的文章《GMI报告：2024年全球医疗AI市场将超100亿美元 美英中3国领跑》，在未来8年（2017-2024），医疗AI市场预计将以超过40%的年复合增长率快速增长，2024年总的市场规模将超100亿美元。其中，医学影像是继药物研发之后的第二大细分市场。报告指出，AI
Cell：里程碑研究揭示肿瘤进化与前列腺癌严重性存在关联
2018年5月7日/生物谷BIOON/---在一项新的研究中，来自加拿大前列腺癌基因组网络（Canadian Prostate Cancer Genome Network, CPC-GENE）分析了293例与临床结果数据相关联的局限性前列腺癌的全基因组序列。他们进一步利用机器学习（一种统计学技术）推断肿瘤的进化过程和评估它们的轨迹。他们发现那些已进化出多种类型的癌细胞或者亚克隆的肿瘤是最具侵袭性的
Nature：大规模进化图谱支持酿酒酵母来自中国学说
2018年4月27日/生物谷BIOON/---在一项新的研究中，来自法国几个研究机构的研究人员构建出酿酒酵母（Saccharomyces cerevisiae）的详细遗传进化图谱。相关研究结果发表在2018年4月19日的Nature期刊上，论文标题为“Genome evolution across 1,011 Saccharomyces cerevisiae isolates”。酿酒酵母扫描电镜图
美国医疗集团巧用算法让医疗数据物尽其用
Sanford健康是一个价值45亿美金的乡村综合医疗系统，为300多个社区的近250万人提供医疗服务，覆盖面积达25万平方英里。在这期间，Sanford健康收集了大量的病人健康资料，包括从入院、诊断、治疗到出院的全过程，甚至连一些医患之间的网络交流信息和医院自身的信息也都收入囊中。这些信息无疑将成为医院未来发展一笔财富，但是关于如何使用这些医疗信息，任然没有统一的答案。尽管Sanfor
Sci Adva：驴是如何从马进化来的？科学家揭露驴的进化史！
2018年4月9日讯 /生物谷BIOON /——一个来自丹麦、马来西亚、法国和英国的研究小组进行了驴的基因组分析以了解它的进化史。在一篇近日发表在《Science Advances》上的新研究中，他们描述了他们的研究以及他们的新发现。图片来源：Copenhagen Zoo/Frank Rønsholt尽管大多数人认识马，但是对于驴来说，这就是不太可能发生的事情了。这可能是由于一些关于它如
Nat Biotechnol：新型算法或能在单细胞分辨率下对多种数据进行有效整合
2018年4月4日 讯 /生物谷BIOON/ --最近，一项刊登在国际杂志Nature Biotechnology上的研究报告中，来自纽约大学的研究人员通过研究开发出了一种新型算法，其能在单细胞分辨率下多多种测序数据集进行排列，这种新方法未来或有望用来帮助理解不同群体的细胞如何在疾病进展过程中发生改变以及如何对药物疗法产生反应。图片来源：www.phys.org研究者Rahul Satija说道，