文章及其他媒体

采用回声声学技术

123总文章和其他媒体

标题和作者

  • 一年
  • 链接
  • PDF
  • +抽象
  • 案例研究:构建更好的DNA装配线
  • Labcyte
  • 机构:Arzeda, TeselaGen, Twist Bioscience, Labcyte
  • 出版:Labcyte.com
  • 2019

阿尔扎达需要一种更好的方法来构建质粒来生产他们的设计蛋白。这个过程太慢,太容易出错,并且使用了太多的资源。该公司有两个选择:它可以雇佣几个人,从头开始开发一个新的解决方案,或者它可以将可信供应商的成熟技术结合到一个无缝的、集成的高通量DNA组装平台上。他们的选择为许多生物科技创业公司提供了一个榜样。

  • 出版/类型:Labcyte.com
  • 相关主题:合成生物学,DNA组装,案例研究
  • TCL1/ATM损伤反应的可操作扰动和表观遗传损伤形成T-PLL的基础
  • 施瑞德等。
  • 机构:
  • 出版:自然通讯
  • 2018

t细胞前淋巴细胞白血病(T-PLL)是一种罕见且预后差的成熟t细胞恶性肿瘤。在这里,我们整合了111例特征明确的患者的基因表达、等位基因拷贝数(CN)和核苷酸序列变化的大规模分析数据。除了t细胞激活和流行克隆变异的显著特征外,我们还发现了CN变异、融合分子、替代转录本和进展相关动力学的新热点。T-PLL的整个病变谱主要注释到DNA损伤反应轴、t细胞受体/细胞因子信号转导和组蛋白调节。我们构建了一个T-PLL发病机制的多维模型,该模型以TCL1过度表达和损伤性ATM畸变作为初始核心病变的独特组合为中心。TCL1的作用与受损的ATM合作,导致DNA损伤过程中的白血病表型。功能失调的ATM在减轻氧化还原负担和端粒磨损以及引发p53依赖的基因毒性损伤的凋亡反应方面显得低效。作为非基因毒性策略,p53再激活剂和去乙酰化酶抑制剂的协同组合可以恢复这种细胞死亡执行。

  • 技术创新将有助于为智能筛选时代的药物发现做准备
  • 克莱夫·格林医生和菲利普·斯宾塞医生
  • 机构:
  • 出版:药物发现的世界
  • 2018

药物发现正在经历一场变革,其动力来自于提供更多生物分析知识的进步,允许筛选数量级更大的分子,并使更智能地选择化合物。我们即将拥有以前难以想象的关于每个目标的大量信息,还有更多的目标可以起诉。例如,阿斯利康(AstraZeneca)去年启动了一项整合基因组计划,通过该计划,科学家将调查多达200万个人类基因组的数据,其中包括该公司运营的超过50万个临床试验数据。

  • 已报道的组蛋白乙酰转移酶抑制剂的检测干扰和脱靶性
  • 杰米·l·达林等。
  • 机构:布里格姆妇女医院
  • 出版:自然通讯
  • 2017

许多具有潜在活性化学基元和较差物理化学性质的化合物在没有充分验证的情况下作为生物分子的选择性调节剂发表,然后作为有用的化学探针在科学文献中传播。一些具有这些特性的组蛋白乙酰转移酶(HAT)抑制剂现在通常用于探索表观遗传途径。我们概述了最常用的HAT抑制剂,并确认其中大多数是非选择性干扰化合物。大多数(23,65%)抑制剂被ALARM NMR标记,这是一种工业开发的混杂化合物的反筛。生化反筛选证实,大多数这些化合物要么是硫醇反应或聚集物。选择性面板显示许多这些化合物在体外调节不相关的目标,而一些也在细胞试验中显示非特异性作用。这些数据证明了对生物分析杂性和分析干扰进行反筛选的有用性,并对许多在化学生物学中广泛使用但未充分验证的化合物的用途提出了谨慎。

  • 与肿瘤学接触
  • 高级研究员Joe Olechno
  • 机构:Labcyte公司。
  • 出版:药品制造商
  • 2017

许多抗癌药物只对一小部分患者有效。这就提出了一个有点深奥的问题:我们如何知道某种药物对某些病人会有效?如果一种潜在的药物治愈了3%的患者,那么数据可能永远不会在整个人群中找到。同样地,对另一种种群的不利影响也可能消失,但这种影响仍然很小。

  • 出版/类型:药品制造商
  • 相关主题:癌症,基因组学,个性化药物,体外筛选
  • PLATE-Seq用于高通量筛选的全基因组调控网络分析
  • Erin C. Bush等。
  • 机构:哥伦比亚大学医学中心
  • 出版:自然
  • 2017

药理学和功能基因组筛选在发现和表征治疗靶点和相关的药理学抑制剂中发挥重要作用。尽管这些筛查会影响数千种基因产品,但典型的解读是基于低复杂性而不是全基因组分析。为了解决这一局限性,我们引入了转录组表达联合文库扩增(PLATE-Seq),这是一种低成本、全基因组mRNA谱分析方法,专门用于补充高通量筛选分析。在反转录过程中引入样本特异性条形码支持池库构建和低深度测序,比传统RNA-Seq便宜10- 20倍。使用基于网络的算法从PLATE-Seq数据推断蛋白质活性,结果与30 M read测序具有可比性。事实上,PLATE-Seq的再现性优于其他大规模扰动分析研究,如连接图和基于综合网络的细胞特征库。

  • 一个拥有硅脑的新一代科学家
  • 约翰Bohannon
  • 机构:科学
  • 出版:科学杂志
  • 2017

如果这是未来的生物实验室,它看起来和今天的没什么不同。穿着白大褂的科学家们拿着一箱箱冰冻的试管走过。货架上的化学物质——纯酒精瓶、糖桶、蛋白质和盐——是培养微生物和操纵它们的基因的标准材料。你甚至不会注意到这些机器人,直到你听到它们:它们听起来就像在球迷低沉的吼声中互相歌唱的蟋蟀。

  • 用声学加强生物技术实验
  • 马克Fischer-Colbrie
  • 机构:Labcyte Inc .)
  • 出版:文章:CIOReview
  • 2017

液体处理在生物技术行业中扮演着不可或缺的角色,因为测试、研究或生产的日常实验室操作的主要部分依赖于样品和试剂到指定容器的有效转移。使用移液管的传统液体处理方法往往不能达到所需的微型化、精密度和准确度水平,并有可能造成污染。

  • 有了合成生物学,药物发现将走向虚拟
  • 克里斯托弗·沃伊特
  • 机构:
  • 出版:文章:DDW
  • 2016

克里斯托弗·沃伊特(Christopher Voigt)是麻省理工学院(Massachusetts Institute of Technology)的生物工程教授,他的实验室专注于合成生物学。他感兴趣的两个主要领域是为细胞开发遗传编程语言和将合成生物学应用于生物技术挑战。沃伊特的最终目标是设计从农业到医药的全基因组。DDW与Voigt进行了交谈,以了解该领域将对制药工作流程和药物管道产生的更多影响。

  • 出版/类型:文章:DDW
  • 相关主题:合成生物学
  • 个性化医疗vs.精准医疗
  • 乔Olechno
  • 机构:Labcyte Inc .)
  • 出版:文章:DDNEWS
  • 2016

即使有药物可以帮助他们,这周还是会有人死于癌症。

与此同时,数百名患者将接受癌症化疗,尽管这种化疗会使人衰弱,费用昂贵,但无法治愈他们的疾病。虽然癌症是一个可怕的敌人,但有一种方法可以立即改善病人的护理和预后。

芬兰、瑞典和西班牙的研究人员改进了癌细胞的体外试验,取得了显著的结果。他们的方法比传统的精准医疗更加“个性化”。他们的结果是惊人的。它们在基于基因组学的突变确定和临床疗效之间提供了缺失的一环。对许多患者、医生和研究人员来说,精准医疗(也被称为“个性化医疗”或PM)是从疾病识别到治疗的黄金通道。通过研究特定癌症的基因组来确定其致命弱点,这种想法在直觉上令人满意,也可以理解。然而,也存在一些重大问题。首先,PM既不是个性化的,也不是精确的。PM努力识别适当的生物标记物(通常是DNA突变,但蛋白质、多肽和代谢物也可以作为生物标记物),将患者归类为特定患者组的成员。病人接受一种药物治疗,这种药物在以前的小组成员身上显示出了积极的效果。 In other words, personalized medicine is actually population-based medicine.