邻近标记技术的原理、技术迭代与应用举例
邻近标记技术（Proximity Labeling, PL）利用特定的酶将标记物（如生物素）共价连接到目标蛋白附近的蛋白质上，从而实现对邻近蛋白质的标记和后续分析。这种标记可以通过质谱技术进行检测，进而揭示蛋白质之间的相互作用关系。这一技术的出现，不仅为蛋白质相互作用研究提供了新的工具和视角，还极大地推动了对细胞信号传导、代谢调控等重要生物过程的深入理解。
eccDNA鉴定分析中的生物信息学进展
染色体外环状DNA（eccDNA）是一类独特的源自染色体的环状DNA分子，与癌基因扩增紧密相关。随着高通量测序技术的发展，基于测序数据的生物信息学方法已成为eccDNA鉴定和功能分析的主要手段。目前，eccDNA相关数据库整合了先前已鉴定的eccDNA，并提供了全面的功能注释和预测，从而成为eccDNA研究中的宝贵资源。本综述收集了约20种可用的eccDNA相关生物信息学工具，包括鉴定工具和注释数据库，并总结了它们的特性和功能。通过在模拟数据上评估一些eccDNA检测方法，为未来eccDNA的检测提供了建议。此外，作者还讨论了生物信息学方法在当前eccDNA研究中的局限性和前景。
U6启动子与EF1α、Ubc启动子的区别
U6启动子来自RNA聚合酶 III（Pol III）系统，是一种用于驱动非编码RNA表达的启动子。最常见的用途是用于表达短发夹RNA（shRNA）、小导向RNA（sgRNA）等小RNA分子。如果你需要表达shRNA、sgRNA等短RNA分子，用于RNAi或CRISPR基因编辑时，U6启动子是最佳选择。如果需要在多种细胞系中高效、稳定地表达外源蛋白质，EF1α启动子是强力且持久的选择，尤其适用于慢病毒载体系统的长时间表达。Ubc启动子适用于需要中等强度的稳定基因表达，尤其在对免疫原性较敏感的实验中（如干细胞或原代细胞）。
co-IP、pull down与GFP-trap
Co-immunoprecipitation (co-IP)、pull down与GFP-trap都是常用的蛋白质相互作用研究技术，但它们的原理和应用场景有所不同。GFP-trap利用一种特异性结合GFP（绿色荧光蛋白）的抗体或抗体片段（通常固定在琼脂糖或磁珠上），来捕获GFP融合蛋白及其相互作用的蛋白质。这种方法因为GFP的高特异性和高效性，使得它在蛋白质相互作用研究中非常受欢迎。而且部分GFP-trap抗体可避免传统IP实验中的轻重链干扰。Co-IP和GFP-trap都可以检测直接和间接的蛋白质相互作用，因此可以用于研究复杂的蛋白质复合物。Pull-down实验更倾向于检测直接的蛋白质-蛋白质相互作用，不太适合研究间接相互作用。
低剂量干扰素-γ维持急性髓系白血病干细胞自我更新
Low doses of IFN-γ maintain self-renewal of leukemia stem cells in acute myeloid leukemia
干扰素-γ（IFN-γ）是由免疫细胞产生的一种重要细胞因子，主要包括活化的T淋巴细胞、自然杀伤细胞（NK细胞）和NKT细胞。曾经有许多临床试验评估IFN-γ作为抗肿瘤药物，但结果矛盾。在一些试点和小规模的临床研究中，发现IFN-γ在体内对AML具有抗白血病效果。相反，有大量证据表明肿瘤细胞可以利用IFN-γ信号诱导抗炎反应和促肿瘤效应。最近的一些研究描述了IFN-γ与肿瘤干细胞（CSCs）之间的密切关系，暗示IFN-γ可能参与肿瘤的进展。然而，IFN-γ在LSCs中的作用以及IFN-γ如何影响白血病发生的机制仍然未知。
肿瘤转移与氨基酸代谢
Metabolic control of cancer metastasis: role of amino acids at secondary organ sites
肿瘤细胞从原发部位扩散到远处器官是导致肿瘤相关死亡的主要因素，目前在大部分情况下难以治愈。尽管肿瘤转移在临床上普遍存在，但转移级联本身的效率非常低——只有0.02%的循环肿瘤细胞（CTCs）最终会形成临床可检测到的转移灶。1889年，英国外科医生Stephen Paget观察到肿瘤转移到的次生部位似乎并不完全是随机的。他提出了“种子和土壤”转移模型的假设，认为CTCs（种子）只有在“土壤”或转移部位是适合的环境时，才能成功扎根并建立转移性肿瘤。延续Paget的比喻，最近的证据表明这个“土壤”中营养物质的丰富程度可能是肿瘤细胞适应的一个关键方面。
突变标记和体细胞驱动突变
体细胞突变（Somatic mutations）是指在生命过程中获得的自发的遗传变异。突变标记（mutational signature）是指在基因组中反映不同突变过程的特定的突变模式。不同的组织可受到不同的致突变因素的影响，这些因素在基因组中留下了不同的突变特征。每种突变标记意味着突变并不是随机出现在基因组中，而是根据其病因在特定的基因组核苷酸环境中表现出来。通过分析基因组中的突变标记，可以揭示组织中存在的突变过程。
conda安装HiCExplorer卡在Solving environment的问题
使用HiC-Pro分析完Hi-C数据之后，打算用HiCExplorer对TAD进行分析绘图。
按照HiCExplorer官网建议，通过conda安装。numpy、scipy安装都很顺利，但到hicexplorer时就卡住了。一直卡在Solving environment，安装失败。