《自然—生物技术》
　　按长度划分RNA可从短读序列数据中重建转录组
　　德国慕尼黑大学Stefan Canzar研究团队发现，按长度划分RNA可提高从短读RNA序列数据中重建转录组的精度。这一研究成果1月10日在线发表于《自然—生物技术》。
　　研究人员报道了Ladder-seq—— 一种在测序前根据长度分离转录本的方法，并利用额外的信息来提高转录本的定量和组装。使用模拟数据，研究人员表明，扩展到处理Ladder-seq数据的kallisto算法可对复杂基因的转录本进行量化，其准确性大大高于传统的kallisto。对于基于参考的组装，一个基于StringTie2算法的定制方案重建了一个单一的转录本，其精度比传统的对应方案高30.8%，对复杂基因的敏感性超过30%。
　　对于从头组装，基于Trinity算法的类似方案比传统Trinity正确组装了78%的转录本，同时提高了78%的精度。在实验数据中，与传统的RNA测序相比，Ladder-seq揭示了多出40%的携带亚型的基因，并揭示了通过Mettl14敲除m6A耗尽后亚型使用的广泛变化。
　　据悉，由于缺乏长程信息，从短读RNA测序数据中组装转录本方法的准确性受到限制。
　　相关论文信息：https://doi.org/10.1038/s41587-021-01136-7
　　《自然—医学》
　　机器学习可从临床质谱中直接预测抗菌耐药性
　　瑞士巴塞尔大学Adrian Egli等研究人员合作利用机器学习从临床MALDI-TOF质谱中直接预测抗菌耐药性。相关论文1月10日在线发表于《自然—医学》。
　　研究人员开发了一种新的机器学习方法，可直接从临床分离物的基质辅助激光解吸飞行时间质谱（MALDI-TOF）质谱图中预测抗菌耐药性。研究人员在一个新创建的公开数据库中训练了经过校准的分类器，该数据库中的质谱图来自于临床上最相关的分离物，具有相关的抗菌药敏表型。
　　这个数据集结合了来自四个医疗机构的30多万个质谱和75万个抗菌耐药表型。在临床上重要的病原体面板上进行验证，包括金黄色葡萄球菌、大肠杆菌和肺炎克雷伯氏菌，结果接收者操作特征曲线下的面积分别为0.80、0.74和0.74，这证明了使用机器学习大幅加快抗菌耐药性测定和改变临床管理的潜力。
　　此外，对63名患者的回顾性临床病例研究发现，实施这种方法会改变9个病例的临床治疗，这对8个病例（89%）是有益的。因此，基于MALDI-TOF质谱的机器学习可能是治疗优化和抗生素管理的一个重要新工具。
　　据了解，尽早使用有效的抗菌素治疗对于感染的结果和预防治疗的耐药性至关重要。抗菌耐药性测试能够选择最佳的抗生素治疗方法，但目前基于培养的技术可能需要72小时才能产生结果。
　　相关论文信息：https://doi.org/10.1038/s41591-021-01619-9
　　治疗转移性去势抵抗型前列腺癌3期临床试验完成
　　美国丹娜·法伯癌症研究所Christopher J. Sweeney、英国伦敦玛丽女王大学Thomas Powles等研究人员，合作完成阿特珠单抗联合恩扎鲁胺与单独恩扎鲁胺治疗转移性去势抵抗型前列腺癌的3期临床试验。相关论文1月10日在线发表于《自然—医学》。
　　研究人员在IMbassador250试验中招募了759名患有转移性去势抵抗型前列腺癌的男性，他们的疾病在使用阿比特龙后出现进展。在一项开放标签的随机试验中，将阿特珠单抗加入恩扎鲁胺中，尽管安全性可以接受，但未达到改善未选择患者总生存期的主要终点（分层危险比1.12，95%置信区间〈0.91，1.37〉，P=0.28）。
　　在存档的肿瘤样本中，前列腺肿瘤显示出相对较低的关键免疫生物标志物的表达。激素敏感型和去势抵抗型前列腺癌之间的DNA损伤反应改变、磷酸酶和tensin同源物状态和PD-L1表达水平相似。
　　在计划的生物标志物分析中，在PD-L1 IC2/3、CD8表达较高和已建立免疫基因特征的患者中，使用阿特珠单抗的无进展生存期更长。
　　探索性分析将阿特珠单抗治疗组的无进展生存期与免疫基因（如CXCL9和TAP1）以及其他潜在的相关生物标志物（包括磷酸酶和tensin同源物改变）联系起来。这些数据共同表明，与免疫检查点抑制剂反应相关的预期生物学存在于前列腺癌中，尽管患者较少。免疫检查点抑制剂可能需要仔细选择病人，从而确定可能受益于这种治疗方法的病人亚群。
　　据介绍，早期的临床数据表明，一些去势抵抗的前列腺癌患者可能会从PD-L1的抑制中受益，特别是恩扎鲁胺。
　　相关论文信息：https://doi.org/10.1038/s41591-021-01600-6