Jove
Visualize
お問い合わせ
JoVE
x logofacebook logolinkedin logoyoutube logo
JoVEについて
概要リーダーシップブログJoVEヘルプセンター
著者向け
出版プロセス編集委員会範囲と方針査読よくある質問投稿
図書館員向け
推薦の声購読アクセスリソース図書館諮問委員会よくある質問
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experimentsアーカイブ
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教員リソースセンター教員サイト
利用規約
プライバシーポリシー
ポリシー

関連する概念動画

Protein Diffusion in the Membrane01:24

Protein Diffusion in the Membrane

4.6K
Proteins show rotational as well as lateral diffusion across the membrane. The lateral diffusion of proteins was confirmed through the cell fusion experiment where mouse and human cells were fused, resulting in hybrid cells. When the human and mouse cells fused, the specific membrane proteins on human and mouse cells were marked with the red and green-fluorescent markers, respectively. Initially, the red and green fluorescence was located on the respective hemisphere of the cell. As time...
4.6K

こちらも読む

関連記事

共著者、ジャーナル、引用グラフによってこの研究に関連する記事。

並び替え
Same author

SCMBench: benchmarking domain-specific and foundation models for single-cell multi-omics data integration.

Nature communications·2026
Same author

Uncovering evolutionarily remote and highly potent antimicrobial peptides with protein language models.

Nature biomedical engineering·2026
Same author

MoRNiNG: A Database of RNA Modification Sites Associated with RNA Secondary Structure Dynamics.

Genomics, proteomics & bioinformatics·2025
Same author

Predicting drug responses of unseen cell types through transfer learning with foundation models.

Nature computational science·2025
Same author

xTrimoPGLM: unified 100-billion-parameter pretrained transformer for deciphering the language of proteins.

Nature methods·2025
Same author

Accurate RNA 3D structure prediction using a language model-based deep learning approach.

Nature methods·2024

関連する実験動画

Updated: Sep 9, 2025

Image Processing Protocol for the Analysis of the Diffusion and Cluster Size of Membrane Receptors by Fluorescence Microscopy
12:15

Image Processing Protocol for the Analysis of the Diffusion and Cluster Size of Membrane Receptors by Fluorescence Microscopy

Published on: April 9, 2019

8.8K

トランスクリプトーム誘導型拡散モデルによる干渉下における細胞形態の変化の予測

Xuesong Wang1,2, Yimin Fan1,2, Yucheng Guo1

  • 1BioMap Research, Palo Alto, CA, USA.

Nature communications
|September 2, 2025
PubMed
まとめ

新しいモデルであるMorphDiffは 遺伝子や薬物による 細胞形態の変化をシミュレートします このツールは薬のメカニズムと生物活性を予測し,薬の発見を加速します.

さらに関連する動画

Single-Molecule Tracking Microscopy - A Tool for Determining the Diffusive States of Cytosolic Molecules
10:20

Single-Molecule Tracking Microscopy - A Tool for Determining the Diffusive States of Cytosolic Molecules

Published on: September 5, 2019

8.3K
Probing Structural and Dynamic Properties of Trafficking Subcellular Nanostructures by Spatiotemporal Fluctuation Spectroscopy
08:17

Probing Structural and Dynamic Properties of Trafficking Subcellular Nanostructures by Spatiotemporal Fluctuation Spectroscopy

Published on: August 16, 2021

1.9K

関連する実験動画

Last Updated: Sep 9, 2025

Image Processing Protocol for the Analysis of the Diffusion and Cluster Size of Membrane Receptors by Fluorescence Microscopy
12:15

Image Processing Protocol for the Analysis of the Diffusion and Cluster Size of Membrane Receptors by Fluorescence Microscopy

Published on: April 9, 2019

8.8K
Single-Molecule Tracking Microscopy - A Tool for Determining the Diffusive States of Cytosolic Molecules
10:20

Single-Molecule Tracking Microscopy - A Tool for Determining the Diffusive States of Cytosolic Molecules

Published on: September 5, 2019

8.3K
Probing Structural and Dynamic Properties of Trafficking Subcellular Nanostructures by Spatiotemporal Fluctuation Spectroscopy
08:17

Probing Structural and Dynamic Properties of Trafficking Subcellular Nanostructures by Spatiotemporal Fluctuation Spectroscopy

Published on: August 16, 2021

1.9K

科学分野:

  • コンピュータ生物学
  • 薬物の発見
  • 細胞イメージング

背景:

  • 画像ベースのプロフィーリングは 薬の表型発見に不可欠です
  • 作用機構 (MOA) と化合物の生物活性を予測するには,細胞形態の変化を理解する必要があります.
  • 全ての化学的および遺伝的混乱を 探求することは 現在の方法では不可能です

研究 の 目的:

  • 混乱に対する高精度細胞形態学的反応をシミュレートするための計算モデルを開発する.
  • 作用機構 (MOA) と化合物の生物活性に関する予測を強化する.
  • 薬の発見における表型スクリーニングを加速させるため

主な方法:

  • トランスクリプトームによる潜在的拡散モデルを提案した.
  • モデルを3つの大規模なデータセットに適用しました (2つの薬物,1つの遺伝的混乱).
  • 見えないものも含めて 何千もの波動で 性能を評価した

主要な成果:

  • MorphDiffは細胞の形状の変化を 正確に予測します
  • このモデルは,基本的真実の形態学と比較して,MOAの検索精度を大幅に改善します.
  • MOAの検出における基準値を16.9%と8.0%上回った.

結論:

  • モルフディフは 細胞形態をシミュレートする強力なツールです
  • このモデルは,フェノタイプのスクリーニングを加速し,MOAの識別を強化します.
  • 薬剤発見のパイプラインを進めるための大きな可能性を 示しています