CN105349643A - 预测睡眠剥夺后5-羟色胺变化的方法与microRNAs标志物 - Google Patents
预测睡眠剥夺后5-羟色胺变化的方法与microRNAs标志物 Download PDFInfo
- Publication number
- CN105349643A CN105349643A CN201510744849.4A CN201510744849A CN105349643A CN 105349643 A CN105349643 A CN 105349643A CN 201510744849 A CN201510744849 A CN 201510744849A CN 105349643 A CN105349643 A CN 105349643A
- Authority
- CN
- China
- Prior art keywords
- mir
- seqidno
- hsa
- micrornas
- sleep deprivation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
- C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
- C12Q1/6888—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for detection or identification of organisms
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q2600/00—Oligonucleotides characterized by their use
- C12Q2600/158—Expression markers
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q2600/00—Oligonucleotides characterized by their use
- C12Q2600/178—Oligonucleotides characterized by their use miRNA, siRNA or ncRNA
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Organic Chemistry (AREA)
- Zoology (AREA)
- Wood Science & Technology (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Microbiology (AREA)
- Immunology (AREA)
- Molecular Biology (AREA)
- Biotechnology (AREA)
- Biophysics (AREA)
- Physics & Mathematics (AREA)
- Biochemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Genetics & Genomics (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明提供了在睡眠剥夺下5-羟色胺(5-HT)相关microRNAs标志物组合:hsa-miR-4701-3p和hsa-miR-4800-5p,以及利用其预测睡眠剥夺下5-羟色胺(5-HT)变化的方法和预测睡眠剥夺对人影响的方法,并且提供了检测其的试剂盒。
Description
技术领域
本发明属于生理学领域,更具体而言本发明涉及睡眠剥夺后的生理变化。
背景技术
针对睡眠对认知功能影响的研究表明,连续两个每晚不足6小时的睡眠限制可导致认知功能的降低,包括反应时间延长、简单反应任务中失误次数增多、心算能力降低和工作记忆减弱。由于生物节律广泛地调控着各种生理功能、激素分泌、行为、认知功能等,人的生理功能和作业能力无法避免受人体内部生物节律的调控以达到再平衡,生物节律的失调会严重影响人的健康与操作能力。
在睡眠节律紊乱的建模研究中,美国VanDongen教授在经典“双过程模型(two-processmodel)”的基础上进一步指出,个体对睡眠缺失的敏感性差异是建模中不可忽视的重要因素,并提出个体化的节律紊乱与工作能力预测模型。
5-羟色胺(5-HT)变化是重要的睡眠剥夺生理效应。血小板与睡眠剥夺的相关性早有报道,其分子机制与5-羟色胺有关(Heiseretal.,1997;Schreiberetal.,1997)。有文献表明,睡眠剥夺可刺激5-羟色胺的释放(Grossmanetal.,2000)。5-羟色胺与睡眠剥夺的机体反应密切相关,最近发表的睡眠剥夺代谢组学研究表明,5-羟色胺、色氨酸、牛磺酸等27种代谢物在睡眠剥夺后显著上升(Daviesetal.2014)。
综上所述,筛选能表征和预测睡眠剥夺生理效应,特别是5-羟色胺(5-HT)变化的个体差异的表观遗传学指标是重要的。
发明内容
本发明人采用睡眠剥夺的人体实验模型,筛选并鉴定了能表征睡眠节律个体化模型参数的表观遗传学指标。
在一方面,本发明提供了在睡眠剥夺下5-羟色胺(5-HT)相关microRNAs标志物hsa-miR-4701-3p和hsa-miR-4800-5p,它们的序列分别是SEQIDNO.1和/或SEQIDNO.2。优选地,所述microRNAs标志物还可以选自如下的序列和/或其互补序列:SEQIDNO.1+SEQIDNO.2、SEQIDNO.2+SEQIDNO.1、SEQIDNO.1+SEQIDNO.2+SEQIDNO.1和SEQIDNO.2+SEQIDNO.1+SEQIDNO.2。
SEQIDNO.1和SEQIDNO.2可以表征睡眠剥夺下的5-羟色胺(5-HT)。5-羟色胺(5-HT)、hsa-miR-4701-3p和hsa-miR-4800-5p的关系满足Y=ax1+bx2+c,Y是5-羟色胺(5-HT)的变化,x1和x2分别是miRNA变量hsa-miR-4701-3p和hsa-miR-4800-5p,a和b是变量的回归系数,c是常数,优选a:b:c=(-1):(-12至-8):(20至30);例如,分别是-0.1、-1和2.4。
在另一方面,本发明提供了一种预测睡眠剥夺下5-羟色胺(5-HT)变化的方法,所述方法包括检测microRNAs标志物hsa-miR-4701-3p和hsa-miR-4800-5p表达的水平,hsa-miR-4701-3p和hsa-miR-4800-5p的序列分别是SEQIDNO.1和SEQIDNO.2。高表达水平的hsa-miR-4701-3p和hsa-miR-4800-5p表示睡眠剥夺后5-羟色胺(5-HT)水平的降低。在一个具体实施方案中,5-羟色胺(5-HT)变化Y=ax1+bx2+c,x1和x2分别是miRNA变量hsa-miR-4701-3p和hsa-miR-4800-5p,a和b是变量的回归系数,c是常数,优选a:b:c=(-1):(-12至-8):(20至30);例如分别是-0.1、-1,和2.4。
在又一方面,本发明提供了一种预测睡眠剥夺对人影响的方法,所述方法包括检测microRNAs标志物hsa-miR-4701-3p和hsa-miR-4800-5p表达的水平,hsa-miR-4701-3p和hsa-miR-4800-5p的序列分别是SEQIDNO.1和SEQIDNO.2。高表达水平的hsa-miR-4701-3p和hsa-miR-4800-5p表示睡眠剥夺后5-羟色胺(5-HT)水平的降低。
在再一方面,本发明还提供了检测microRNAs标志物hsa-miR-4701-3p和hsa-miR-4800-5p表达的水平的试剂盒,所述试剂盒包括选自如下的序列和/或其互补序列:hsa-miR-4701-3p和hsa-miR-4800-5p;SEQIDNO.1+SEQIDNO.2;SEQIDNO.2+SEQIDNO.1;SEQIDNO.1+SEQIDNO.2+SEQIDNO.1;SEQIDNO.2+SEQIDNO.1+SEQIDNO.2。
通过血清microRNAs与生化指标的挖掘,本发明证明,通过检测血清microRNAs表达水平,能够实现对睡眠剥夺生理效应个体差异的预测,从而筛选更加耐受睡眠剥夺的个体。
本发明中筛选得到的对睡眠剥夺生理效应5-羟色胺(5-HT)变化有预测功能的microRNAs,与睡眠剥夺生理调控的相关性较高,这一发现为系统揭示睡眠剥夺影响人体的分子机制提供了全新的线索,值得深入研究。
附图说明
图1人血5-羟色胺(5-HT)含量检测标准曲线。
具体实施方式
本发明提供了在睡眠剥夺下5-羟色胺(5-HT)相关microRNAs标志物hsa-miR-4701-3p和/或hsa-miR-4800-5p,以及利用其预测睡眠剥夺下5-羟色胺(5-HT)变化的方法和预测睡眠剥夺对人影响的方法。
本发明虽然不拘囿于任何理论,但发明人认为hsa-miR-4701-3p和hsa-miR-4800-5p的表达水平与5-羟色胺(5-HT)之间存在一种负调控关系。
在本发明中,发明人发现5-羟色胺(5-HT)变化可以表示为Y=ax1+bx2+c,其中x1和x2分别是miRNA变量hsa-miR-4701-3p和hsa-miR-4800-5p,a和b是变量的回归系数,c是常数。并且,发明人进一步发现,a、b和c优选存在这样的比例关系a:b:c=(-1):(-12至-8):(20至30)。例如,a、b和c分别是-0.1、-1和2.4。
实施例
1、睡眠剥夺生理效应模型
(1)志愿者
筛选临床体检身体健康、心理健康的志愿者共12人,男性,年龄为20至50。将上述12名志愿者随机分成4组,每组3人。实验前1周要求每名志愿者保持规律的作息(23时至第2天7时安排睡眠)。
(2)实验条件
睡眠剥夺,时长为72h。受试者从进入隔绝室开始到实验结束累计72h无睡眠,当被试表现出困倦瞌睡时用铃声惊醒。
(3)实验程序
实验前第三天,对所有志愿者的情绪状态、基础生理生化指标进行测试,作为志愿者上述指标的基线值。采用焦虑和抑郁量表及POMS问卷等测试志愿者的情绪状态。采用动态生理参数记录检测仪测试志愿者基础生理指标,采集当天的早晨8:00、中午12:00、下午16:00和晚上20:00的唾液、尿液,分析志愿者生化指标。测试5-羟色胺(5-HT),采用酶联免疫吸附测定(ELISA)通用方法和试剂盒。
实验前第三天,采集当天早晨8:00血液,分离血清(1ml),加入RNA降解保护剂冻存,留待后续microRNAs芯片分析。
实验结束志愿者充分休息后当天,对志愿者的情绪状态、基础生理生化指标进行测试,作为志愿者实验后的结果。测试方法和指标同实验前测试。
2、数据采集总体情况
数据采集情况如下表所示:
表1数据采集情况表
3、5-羟色胺(5-HT)含量测定方法与质量控制
按照人5-羟色胺(5-HT)ELISA试剂盒(E01H0106,上海蓝基生物)说明书对5-HT进行测试。
为保证数据的准确性,每块酶标板上都做了双标准曲线,在加样过程中期进行加样操作,减少加样时间所带来的误差。标准曲线结果见图1。
曲线拟合采用CurveExpert专业数据分析软件,选用拟合程度最高MMF模型对数据进行分析。人血5-羟色胺(5-HT)含量检测中MMF模型曲线拟合分析结果如下:
MMF模型:y=(a*b+c*x^d)/(b+x^d)
系数数据:
a=4.82E-02
b=6.60E+04
c=2.03E+00
d=1.68E+00
MMF模型:y=(a*b+c*x^d)/(b+x^d)
标准差:0.0731429
相关系数:0.9955208
注释:
超过了100次的重复计数;
该拟合未能收敛至限差0.000001(CHI2为0.010700);
未使用加权。
对于受试者,5-HT指标采集均在睡眠剥夺“前/后”两个时间,将受试者按照指标“上升/下降”进行分类。
受试者5-HT指标的变化趋势如表2所示。
表25-HT指标的变化趋势
4、microRNAs测试
采用Agilent公司的人类microRNAs芯片。
鉴于基因芯片技术相对成熟,且国内有运行成熟的商业化技术服务平台,采用外协测试的方式完成microRNAs芯片测试。主要技术环节包括:
(1)总RNA提取。使用商业化试剂盒mirVanaTMRNAIsolationKit(AppliedBiosystemp/nAM1556)提取总RNA。
(2)RNA质检。使用BioAnalyzerRNA6000Nanokit质检,计算RIN=RNAIntegrityNumber等质检参数。
(3)样品标记及杂交,采用AgilentmiRNACompleteLabelingandHybKit。
(4)芯片扫描,采用Agilent芯片扫描仪,用AgilentScanControlsoftware控制。
(5)数据预处理与分析,采用GeneSpringGX软件。
上述实验操作按相关试剂盒和公司的标准操作规程进行。
5、microRNAs芯片数据预处理
在标准的Agilent芯片数据输出文件中,原始值(raw)为0.1的为未检测到的信号(NotDetected)。对所有12个样本,用TotalProbeSignal.raw值取log2后进行归一化,方法为分位数正态化(quantilenormalization),工具为R中的分析包normalize.quantiles{preprocessCore}。将在12个受试者中均无信号的miR探针滤除,剩余373个探针,作为后续分析的输入。
6、睡眠剥夺效应预测microRNAs标志物筛选
(1)分类算法
基于本项目数据特点,选择基于Lasso方法的多元回归模型进行分类。该算法通过惩罚判别函数对所有变量的回归系数进行约束限制,把一些无意义或者意义极小的自变量系数压缩至0,使输出函数L(F)达到最大值,筛选出最有意义的模型变量。对训练样本进行100次随机重复抽样训练获得100组最优特征组合,将所有特征按照出现频率排序,抽取出现频率超过50%的特征作为最优特征集合。采用4倍交叉证实评价每次训练的模型精度,并记录每次训练模型筛选出的最优特征集,计算模型的AUC面积。训练集和检验集的比例选择为3:1,即每次从12个样本中随机抽取9个做训练,3个做检验,以评估分类预测性能。
(2)5-HT应激指标microRNAs标志物的筛选
以5-HT指标的变化作为划分标准,区分应激响应大(敏感)、响应小(不敏感)两类人群,通过分类算法筛选针对5-HT应激指标的microRNAs标志物。通过分类算法,筛选出与5-HT最相关的microRNAs标志物,hsa-miR-4701-3p和hsa-miR-4800-5p。从筛选结果中可以看出hsa-miR-4701-3p和hsa-miR-4800-5p的表达水平与5-HT之间存在一种负调控关系,即睡眠剥夺前hsa-miR-4701-3p和hsa-miR-4800-5p的高表达可能导致睡眠剥夺后5-HT水平的降低。筛选结果如表2所示。预测模型系数如表3。所用计算公式如下:
Y(5-ht)=-0.1*hsa-miR-4701-3p-1*hsa-miR-4800-5p+2.4。根据上述结果,考虑到不同个体之间的偏差,发明人给出如下的a、b和c比例关系a:b:c=(-1):(-12至-8):(20至30)。
表2对生化指标具有预测能力的microRNAs集合
BioChem | microRNAs | AUC |
n_5HT | hsa-miR-4701-3p;hsa-miR-4800-5p | 100% |
表3预测模型系数
(3)5-HT指标相关microRNAs靶基因功能富集分析
针对分类算法筛选出的5-HT应激指标的microRNAs标志物进行功能富集分析。表4中分析结果显示microRNAs靶基因在各个组织的分布情况,最富集的组织是大脑等。该结果说明这些与5-HT相关的microRNAs标志物主要在大脑中进行表达,因此可通过这些microRNAs标志物来预测与大脑相关的状况,例如生理状态。
表4生化指标5-HT变化预测的microRNAs靶基因在组织中的分布
组织 | 计数 | % | P值 |
大脑 | 164 | 49.54683 | 2.96E-04 |
结肠 | 31 | 9.365559 | 0.013665 |
十二指肠 | 8 | 2.416918 | 0.015992 |
小肠 | 4 | 1.208459 | 0.030403 |
胎儿肾 | 8 | 2.416918 | 0.034825 |
(1)-(3)结果说明,睡眠剥夺前hsa-miR-4701-3p和hsa-miR-4800-5p的高表达导致睡眠剥夺后5-HT的降低,且hsa-miR-4701-3p和hsa-miR-4800-5p主要在大脑中表达,因此可通过hsa-miR-4701-3p和hsa-miR-4800-5p的变化来预测大脑中5-HT相关状况(例如生理状态)的变化,对这种状况的出现起到预警的作用。发明人还测试了SEQIDNO.1+SEQIDNO.2、SEQIDNO.2+SEQIDNO.1、SEQIDNO.1+SEQIDNO.2+SEQIDNO.1和SEQIDNO.2+SEQIDNO.1+SEQIDNO.2及其互补序列通过杂交方法检测组织中hsa-miR-4701-3p和hsa-miR-4800-5p的效果,发现它们均能用于检测hsa-miR-4701-3p和hsa-miR-4800-5p二者的定性变化,其中以SEQIDNO.1+SEQIDNO.2、SEQIDNO.2+SEQIDNO.1的效果最为理想。因此,如果对定量没有特别要求,它们都可以用于定性地预测睡眠剥夺下5-羟色胺(5-HT)变化,从而预测大脑中5-HT相关状况(例如生理状态)的变化。
Claims (10)
1.在睡眠剥夺下5-羟色胺(5-HT)相关microRNAs标志物组合:hsa-miR-4701-3p和hsa-miR-4800-5p,它们的序列分别是SEQIDNO.1和/或SEQIDNO.2。
2.权利要求1的microRNAs标志物组合,其中所述5-羟色胺(5-HT)、hsa-miR-4701-3p和hsa-miR-4800-5p的关系满足Y=ax1+bx2+c,Y是5-羟色胺(5-HT)的变化,x1和x2分别是miRNA变量hsa-miR-4701-3p和hsa-miR-4800-5p,a和b是变量的回归系数,c是常数,优选a:b:c=(-1):(-12至-8):(20至30)。
3.权利要求2的microRNAs标志物组合,其中a和b分别是-0.1和-1,c是2.4。
4.一种预测睡眠剥夺下5-羟色胺(5-HT)变化的方法,所述方法包括检测microRNAs标志物hsa-miR-4701-3p和hsa-miR-4800-5p表达的水平,hsa-miR-4701-3p和hsa-miR-4800-5p的序列分别是SEQIDNO.1和SEQIDNO.2,高表达水平的hsa-miR-4701-3p和hsa-miR-4800-5p表示睡眠剥夺后5-羟色胺(5-HT)水平的降低。
5.权利要求4的方法,5-羟色胺(5-HT)变化Y=ax1+bx2+c,x1和x2是变量miRNA标志物hsa-miR-4701-3p和hsa-miR-4800-5p,a和b是变量的回归系数,c是常数,优选a:b:c=(-1):(-12至-8):(20至30)。
6.权利要求5的方法,a和b分别是-0.1和-1,c为2.4。
7.一种预测睡眠剥夺对人影响的方法,所述方法包括检测microRNAs标志物hsa-miR-4701-3p和hsa-miR-4800-5p表达的水平,hsa-miR-4701-3p和hsa-miR-4800-5p的序列分别是SEQIDNO.1和SEQIDNO.2,高表达水平的hsa-miR-4701-3p和/或hsa-miR-4800-5p表示睡眠剥夺对人有影响。
8.检测microRNAs标志物hsa-miR-4701-3p和hsa-miR-4800-5p表达的水平的试剂盒,所述试剂盒包括选自如下的序列和/或其互补序列:hsa-miR-4701-3p和hsa-miR-4800-5p;SEQIDNO.1+SEQIDNO.2;SEQIDNO.2+SEQIDNO.1;SEQIDNO.1+SEQIDNO.2+SEQIDNO.1;SEQIDNO.2+SEQIDNO.1+SEQIDNO.2。
9.权利要求8的试剂盒,还包括DNA和/或RNA检测试剂。
10.在睡眠剥夺下5-羟色胺(5-HT)相关microRNAs标志物,所述标志物选自如下的序列和/或其互补序列:SEQIDNO.1+SEQIDNO.2、SEQIDNO.2+SEQIDNO.1、SEQIDNO.1+SEQIDNO.2+SEQIDNO.1和SEQIDNO.2+SEQIDNO.1+SEQIDNO.2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510744849.4A CN105349643B (zh) | 2015-11-05 | 2015-11-05 | 预测睡眠剥夺后5-羟色胺变化的方法与microRNAs标志物 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510744849.4A CN105349643B (zh) | 2015-11-05 | 2015-11-05 | 预测睡眠剥夺后5-羟色胺变化的方法与microRNAs标志物 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105349643A true CN105349643A (zh) | 2016-02-24 |
CN105349643B CN105349643B (zh) | 2018-09-07 |
Family
ID=55325705
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510744849.4A Active CN105349643B (zh) | 2015-11-05 | 2015-11-05 | 预测睡眠剥夺后5-羟色胺变化的方法与microRNAs标志物 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105349643B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110338784A (zh) * | 2018-04-02 | 2019-10-18 | 中国科学院深圳先进技术研究院 | 测试睡眠剥夺效果的方法、装置、计算机设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104039960A (zh) * | 2011-08-04 | 2014-09-10 | 耶达研究及发展有限公司 | 用于治疗和诊断与五羟色胺-、肾上腺素-、去甲肾上腺素-、谷氨酸-和促肾上腺皮质素释放激素相关的病症的微rna和包含微rna的组合物 |
WO2014192907A1 (ja) * | 2013-05-30 | 2014-12-04 | 国立大学法人東京医科歯科大学 | 運動神経の障害を呈する疾患の鑑別に用いるマイクロrnaの検出方法 |
-
2015
- 2015-11-05 CN CN201510744849.4A patent/CN105349643B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104039960A (zh) * | 2011-08-04 | 2014-09-10 | 耶达研究及发展有限公司 | 用于治疗和诊断与五羟色胺-、肾上腺素-、去甲肾上腺素-、谷氨酸-和促肾上腺皮质素释放激素相关的病症的微rna和包含微rna的组合物 |
WO2014192907A1 (ja) * | 2013-05-30 | 2014-12-04 | 国立大学法人東京医科歯科大学 | 運動神経の障害を呈する疾患の鑑別に用いるマイクロrnaの検出方法 |
Non-Patent Citations (1)
Title |
---|
CHRISTOPHER J. DAVIS等: "sleep loss changes microRNA levels in the brain: a possible mechanism for state-dependent translational regulation", 《NEUROSCIENCE LETTERS》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110338784A (zh) * | 2018-04-02 | 2019-10-18 | 中国科学院深圳先进技术研究院 | 测试睡眠剥夺效果的方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105349643B (zh) | 2018-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DeTomaso et al. | Hotspot identifies informative gene modules across modalities of single-cell genomics | |
Lugli et al. | Data analysis in flow cytometry: the future just started | |
Lim et al. | Finding consistent disease subnetworks using PFSNet | |
CN102301234B (zh) | 针对重度抑郁疾病的代谢综合症状及hpa轴生物标志物 | |
CN110033860B (zh) | 一种基于机器学习的遗传代谢病检出率提升方法 | |
CN102203606A (zh) | 生物标记物 | |
JP2012501181A (ja) | バイオマーカー・プロファイルを測定するためのシステムおよび方法 | |
CN107169264B (zh) | 一种复杂疾病诊断系统 | |
Masala et al. | A two-layered classifier based on the radial basis function for the screening of thalassaemia | |
Liñares-Blanco et al. | Machine learning based microbiome signature to predict inflammatory bowel disease subtypes | |
Duygan et al. | Recent advances in microbial community analysis from machine learning of multiparametric flow cytometry data | |
Aevermann et al. | NS-Forest: a machine learning method for the objective identification of minimum marker gene combinations for cell type determination from single cell RNA sequencing | |
CN105349643A (zh) | 预测睡眠剥夺后5-羟色胺变化的方法与microRNAs标志物 | |
Chen et al. | Immunosignature screening for multiple cancer subtypes based on expression rule | |
DeTomaso et al. | Identifying informative gene modules across modalities of single cell genomics | |
Liu et al. | Cross-generation and cross-laboratory predictions of Affymetrix microarrays by rank-based methods | |
Fukutani et al. | Meta-analysis of HTLV-1-infected patients identifies CD40LG and GBP2 as markers of ATLL and HAM/TSP clinical status: two genes beat as one | |
CN112384634B (zh) | 骨质疏松生物标志物及其用途 | |
CN111020020A (zh) | 一种精神分裂症的生物标志物组合、其应用及metaphlan2筛选方法 | |
Shen-Orr et al. | TOWARDS A CYTOKlNE-CELL INTERACTION KNOWLEDGEBASE OF THE ADAPTIVE IMMUNE SYSTEM | |
CN113564246A (zh) | 单细胞测序作为标志物在制备诊断原发性干燥综合征中的应用 | |
Li et al. | Constructing a multiple sclerosis diagnosis model based on microarray | |
CN111145883A (zh) | 一种基于逻辑回归的医疗保障归类评估方法 | |
CN111020021A (zh) | 一种基于肠道菌群的小规模精神分裂症生物标志物组合、其应用及mOTU筛选方法 | |
Holliday et al. | Evidence‐Based Medicine in the Era of Biomarkers: Teaching a New Dog Old Tricks? |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |