几家HCV抗体诊断试剂盒检测系列血清的比较

应用Abbott、UBI及国内几家的HCV第二代抗体诊断试剂盒A、B、c及D检测25名HCV感染者的210份感染后不同时期的系列血清,首次采用ELISA及RIBA分片段检测抗体,并与敏感的PCR法检测血清中HCV RNA结果相比较。虽然各试剂盒的总体检测符合率无显著性差异,但个别国产试剂盒的早期检测能力尚有待提高。用任何一家抗体检测试剂盒均会漏检小部分标本,抗体检测阴性的血清在100000倍稀释后仍可检出HCV RNA,因此,有必要发展包括更多片段包被的第三代HCV抗体诊断试剂盒。     

针对H1N1病毒的多特征siRNA设计

针对甲型流感病毒H1N1基因,从RNAi的角度出发,采用多特征融合的方法,进行siRNA预测。对2009年的46株病毒序列的PA片段进行分析,从经过序列分析所获得的众多靶序列中,采用结构分析手段对靶序列进行筛选,获得较易干扰的靶序列及设计出相应的siRNA。2009年爆发的H1N1病毒,序列保守性高,靶序列一致性高,结构保守性高。该方法可以有效选择可能的靶序列,并在此基础上进一步筛选,以获得少量较易干扰的靶序列,该方法为复杂序列siRNA的设计提供了新思路,对siRNA的优化设计有指导意义,有助于利用RNAi进行H1N1治疗的后续研究。     

白地霉提取核糖核酸的研究

采用正交设计试验等方法,研究了从白地霉(Geotrichum Candidum)中提取核糖核酸的适宜条件为提取温度为60℃,抽提时间为60 min,NH3·H2O浓度为1.5%,SDS浓度为3%,NaCl浓度为4%,核糖核酸粗品得率为84.2%,纯度为89.7%.     

丙型肝炎负链RNA的检测及意义

检测HCV（－）RNA是了解HCV复制的有效手段。本研究采用HCV负链RNA检测法检查5例慢性活动性丙型肝炎病人的肝组织及10例慢性活动性肝炎病人的血浆及淋巴－单核细胞。HCV负链RNA在前者均被检出，但在后者未被检出。将一份HCV负链RNA阳性的肝组织提取液作10－2稀释后仍可测得阳性结果，说明肝脏为HCV复制的主要器官；该方法可用于疑难病人肝穿刺标本的检测及其它研究。     

基于表示学习和深度森林的长链非编码RNA编码短肽预测模型

长链非编码RNA（lncRNA）中的小开放阅读框（sORFs）能够编码长度不超过100个氨基酸的短肽。针对短肽预测研究中lncRNA中的sORFs特征不鲜明且高可信度数据尚不充分的问题,提出一种基于表示学习的深度森林（DF）模型。首先,使用常规lncRNA特征提取方法对sORFs进行编码;其次,通过自编码器（AE）进行表示学习来获得输入数据的高效表示;最后,训练DF模型实现对lncRNA编码短肽的预测。实验结果表明,该模型在拟南芥数据集上能够达到92.08%的准确率,高于传统机器学习模型、深度学习模型以及组合模型,且具有较好的稳定性;此外,在大豆与玉米数据集上进行的模型测试中,该模型的准确率分别能达到78.16%和74.92%,验证了所提模型良好的泛化能力。     

基于局部结构交互的RNA假结预测

基于RNA局部结构间的交互作用,提出一种含假结的RNA二级结构预测新方法LIFold。对给定的RNA序列,首先通过能量计算得到不含假结的能量最优结构,然后应用局部结构交互配对生成假结茎区,在已得到的最优结构基础上构建含假结的能量计算模型,最后通过优化算法得到含假结的RNA二级结构。应用该方法基于HotKnots测试数据的敏感性和阳性预测值(PPV)分别达到84%和80%,基于PseudoBase数据库测试数据的敏感性和阳性预测值分别达到78%和73%,与HotKnots、ILM、PknotsRG、IPknot及FlexStem等知名软件相比较,准确率均有所提高。     

Amplification‐Free Multi‐RNA‐Type Profiling for Cancer Risk Stratification via Alternating Current Electrohydrodynamic Nanomixing

Simultaneous analysis of messenger RNA (mRNA), microRNA (miRNA), and long noncoding RNA (lncRNA)—multi‐RNA‐type profiling—is increasingly crucial in cancer diagnostics. Yet, rapid multi‐RNA‐type profiling is challenging due to enzymatic amplification reliance and RNA‐type‐dependent characteristics. Here, a nanodevice is reported to uniquely use alterable alternating current electrohydrodynamic (ac‐EHD) forces to enhance probe–target hybridization prior to direct native RNA target detection, without target amplification or surface functionalization. To exemplify clinical applicability, noninvasive screening of next‐generation prostate cancer (PCa) RNA biomarkers (of different types) in patient urine samples is performed. A strong correlation between multi‐RNA‐type expression and aggressive PCa is found, and the nanodevice performance is statistically evaluated. It is believed that this miniaturized system exhibits great potential for cancer risk stratification via multi‐RNA‐type profiling.     

Online phenotype discovery based on minimum classification error model

Identifying and validating novel phenotypes from images inputting online is a major challenge against high-content RNA interference (RNAi) screening. Newly discovered phenotypes should be visually distinct from existing ones and make biological sense. An online phenotype discovery method featuring adaptive phenotype modeling and iterative cluster merging using improved gap statistics is proposed. Clustering results based on compactness criteria and Gaussian mixture models (GMM) for existing phenotypes iteratively modify each other by multiple hypothesis test and model optimization based on minimum classification error (MCE). The method works well on discovering new phenotypes adaptively when applied to both of synthetic datasets and RNAi high content screen (HCS) images with ground truth labels.