ShixiangWang commented 9 months ago

生信爱好者周刊（第 113 期）：

这里记录每周值得分享的生信相关内容，周日发布。

本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。

「生信周刊讨论区」

封面图

https://nanostring.com/blog/why-spatial-biology/

本周话题：

https://github.com/openbiox/weekly/issues/1441

生信研究

博文资讯

工具

资源

历史上的本周

贡献者（GitHub ID）

「Openbiox 生信周刊」运维小队：

@ShixiangWang（王诗翔）
@kkjtmac（阚科佳）
@NiEntropy（赵启祥）
@He-Kai-fly（何凯）
@JnanZhang（张佳楠）
@Tomcxf（陈啸枫）
@wangdepin（王德品）
@kongjianyang（空间阳）

fastq-dl 是可以从ENA或SRA数据下载FASTQ数据的开源工具。它通过输入ENA/SRA相关文件编号（如研究、样本、实验等编号），查询ENA以确定相关数据，并为每个结果下载FASTQ文件。该工具支持多种运行合并选项，并提供了详细的使用说明和安装方法，旨在简化研究人员从这些公共数据库中获取数据的过程。

工具链接：https://github.com/rpetit3/fastq-dl

17、[17 个免费托管后端代码的网站工具](https://mp.weixin.qq.com/s/AbOTLIBUF_tKgrhYqb0B-Q)

本文将分享17 个热门站点，这些站点能够免费托管用户的后端代码。

资源链接：https://mp.weixin.qq.com/s/AbOTLIBUF_tKgrhYqb0B-Q

JnanZhang commented 9 months ago

1、[Science | 邢栋课题组利用单细胞多组学技术揭示三维基因组与基因表达的关系](https://mp.weixin.qq.com/s/KlFbDy9wFEYhLHfw7PrrXw) 北京大学生物医学前沿创新中心（BIOPIC）邢栋课题组在Science 期刊发表了题为Linking genome structures to functions by simultaneous single-cell Hi-C and RNA-seq的研究论文，报道了一种新型单细胞多组学技术HiRES（Hi-C and RNA-seq employed simultaneously），首次基于测序方法实现了在单细胞水平对转录组和三维基因组的同时检测。

论文链接：https://www.science.org/doi/10.1126/science.adg3797

8、[跟着iMeta学做图｜ggplot2绘制相关性分析线面组合热图](https://mp.weixin.qq.com/s/I_XvmoURCxp_pRb0mwLtvA)

相关性热图 (Correlation Heatmap) 的使用在微生物组研究中非常普遍，尤其是线面组合的相关性热图，其中的相关性热图通常表示环境因子间的Pearson相关系数，连线则表示物种组成与各环境因子的Mantel相关性。本文将讲解和探讨如何基于ggplot2绘制线面组合的相关性热图。

11、[本周最火AutoGPT！GitHub3.6万+标星，解决复杂任务全程无需人类插手](https://mp.weixin.qq.com/s/hWzCknuzX3Kmf9eIyGrrUQ)

AutoGPT的横空出世，一举将AI进程推向了新高度——自主人工智能。

Github链接：https://github.com/Significant-Gravitas/AutoGPT

He-Kai-fly commented 9 months ago

Nat Biotechnol | 多模态深度学习新模型联合高通量计算遗传筛选新方法，可准确预测不同细胞类型的染色质构象

近日，美国纽约大学Aristotelis Tsirigos和Broad研究所Bo Xia团队合作，在Nature Biotechnology上发表了题为“Cell-type-specific prediction of 3D chromatin organization enables high-throughput in silico genetic screening”的文章。研究团队开发了新型多模态深度学习模型C.Origami，以预测特定细胞类型的染色质构象，并基于遗传筛选原理提出了全新的高通量计算遗传筛选方法（in silico genetic screening，ISGS），可鉴定细胞类型特异性功能基因组元件，助力发现新的染色质构象调控机理。在正常和重排基因组中，C.Origami均实现了对细胞类型特异性染色质组织的精准预测，表明其可作为未来3D染色质组织研究的高通量平台选择。

论文链接：https://www.nature.com/articles/s41587-022-01612-8

跨肿瘤医护全流程的分子检测正进入临床实践，且每年增速20%以上

ARK Invest推出了一年一度的BIG IDEAS 2023颠覆式创新14大主题，涵盖了人工智能、数字货币、电动车、卫星轨道空间等领域，其中也包括我们感兴趣的精准疗法和分子诊断两个领域。由于收集、测序和理解生物数据的成本正在急剧下降，多组学技术为研究、治疗和健康提供了前所未有的 DNA、RNA、蛋白质和健康数据的访问权限，解锁了不同的应用场景，包括针对癌症、罕见疾病和慢性病的新型精准疗法，包括可编程生物学的能力，包括设计和合成具有跨行业应用的新型生物结构，尤其是农业和食品生产。

而在DNA 测序方面，特别需要指出的是，深度神经网络可帮助实现更准确的长读长 DNA 测序。比如，Pacbio和谷歌在这方面的合作，先是将神经网络算法用于读取基因组数据，最近又直接在长读长测序仪中构建AI专用计算硬件，实现低于1000美元的长读长基因组。整体上，神经网络已经将长读长 DNA 测序的错误率降低了59%。

深度学习需要掌握的 13 个概率分布

Github上一个对深度学习的概率分布的总结

Github: https://github.com/graykode/distribution-is-all-you-needgithub.com