genome

通知：这篇文章有8篇论文速递信息，涉及目标识别、SLAM、3D Model、密集点集配准、立体匹配等方向（含6篇CVPR论文） 目标识别 [1]《Hierarchical Novelty Detection for Visual Object Recognition》 CVPR 2018 Abstract：深度神经网络在具有预定义类别的大规模视觉对象识别任务中取得了令人瞩目的成功。然而，在训练期间识别新类（即未被看见的对象）仍然具有挑战性。在文献中已经讨论了检测这种新类的问题，但是之前大多数工作都是提供简单的二元或回归决策，例如，输出将是“已知的”，“新颖的”或相应的置信区间。在本文中，我们研究更多的基于分层分类框架的信息新颖性检测方案。对于一个新类的对象，我们的目标是在已知类的分层分类中找到它最接近的超类。为此，我们提出了两种不同的方法，称为自顶向下和扁平化方法，以及它们的组合。我们方法的基本组成部分是置信度校正分类器，数据重新标记以及在分层分类法下对新类进行建模的“一次退出”策略。此外，我们的方法可以生成分层嵌入，结合其他常用的语义嵌入，可以提高广义零点学习性能。 arXiv： https://arxiv.org/abs/1804.00722 SLAM [2]《CodeSLAM - Learning a Compact, Optimisable Representation

CNGBdb下属的CNSA板块不仅是数据管理助手，还是文章发表助手，截止到2019年12月31日，CNSA已支持论文发表105篇，发表期刊包括Science、Cell、Nature子刊等。 IF ≥20 1 Niu Y, Sun N, Li C, et al. Dissecting primate early post-implantation development using long-term in vitro embryo culture[J]. Science , 2019, 366(6467). IF：41.037 CNSA编号：CNP0000231 2 Cheng S, Xian W, Fu Y, et al. Genomes of Subaerial Zygnematophyceae Provide Insights into Land Plant Evolution[J]. Cell , 2019, 179(5): 1057-1067. e14. IF： 36.216 CNSA编号： CNP0000746 3 Zou Y, Xue W, Luo G, et al. 1,520 reference genomes from cultivated human gut bacteria enable functional microbiome analyses[J].

CNGBdb下属的CNSA板块不仅是数据管理助手，还是文章发表助手，截至2019年12月31日，CNSA已支持论文发表106篇，发表期刊包括Science、Cell、Nature子刊等。 IF ≥20 1 Niu Y, Sun N, Li C, et al. Dissecting primate early post-implantation development using long-term in vitro embryo culture[J]. Science , 2019, 366(6467). IF：41.037 CNSA编号：CNP0000231 2 Cheng S, Xian W, Fu Y, et al. Genomes of Subaerial Zygnematophyceae Provide Insights into Land Plant Evolution[J]. Cell , 2019, 179(5): 1057-1067. e14. IF： 36.216 CNSA编号： CNP0000746 3 Zou Y, Xue W, Luo G, et al. 1,520 reference genomes from cultivated human gut bacteria enable functional microbiome analyses[J].

来源：知乎问答 孟凡康， 中国科学院大学 遗传学专业博士在读 读文献要 读人，读典和读新 。 科研大牛们读文献的技巧很多时候是指导给学生。很幸运，我的导师在指导学生方面非常尽职尽责，在平时的闲聊之中也教给了我很多的文章阅读方法，同时加上我平时以及总结的文献阅读和获取技巧，希望在这里分享给大家。 以下是我这篇回答的主要内容： 读文献要读人，读典和读新。 1. 如何读人？我的经验 2. 如何读典？如何获取经典的文章？ 3. 如何读新？如果对新的文章进行获取和筛选？ 一. 读人 读人是我的导师在与我晚上聊天时，推荐我去进行系统性文献阅读的方法。为什么要读人呢？一个很重要的原因在于，如果只是平时零散的阅读文献，很难去把握一个科研领域发展的脉络。可能不同的领域存在差别，但是很多时候一个领域往往是由为数不多的几个实验室推动的。如果能够对这些实验室的相关文章进行系统性的梳理，那么一定在了解相关领域的发展脉络上有更加深刻的了解，同时还可以通过思考，预测这个实验室未来的发展方向，这对我们布局以后的科研方向具有很好的促进作用。 那么如何读人呢？想必不同的人有不同的思路和方法，那么在此我也来分享一下我的方法。 就在那晚与导师闲聊之后，我便开始了自己的尝试，我第一个想要读的人是David Liu，是基因编辑、定向进化等领域的开拓者和领导者，是单碱基编辑技术，PACE定向进化技术的开创者。

Genome Biology 英国桑格研究所联合南丹麦大学以及深圳华大生命科学研究院的研究团队， 首次在单细胞转录组测序研究中应用了DNBSEQ™测序技术平台，并比较了其与Illumina平台的测序敏感性和准确性。 相关研究成果已 在国际杂志Genome Biology发表。 1 研究背景 单细胞转录组测序（single-cell RNA-seq）是解析细胞群体异质性、阐明细胞状态和识别不同细胞类型的常用手段，已经被广泛应用于细胞图谱构建、脑神经科学、胚胎发育、微生物、肿瘤以及药物开发等各领域。 然而，到目前为止，在单细胞转录组研究中广泛使用的是Illumina测序平台，要求绝大多数cDNA扩增与测序文库构建方法与其相兼容。 2 研究结果 华大BGISEQ-500平台提供了另一种短读段测序策略，区别于Illumina系统，构建了DNA纳米球微阵列(DNA nanoball)测序技术（DNBSEQ™）进行测序。 研究人员在多个细胞系中（mESCs, K562s）使用多种单细胞转录组建库策略（SMARTer, Smart-seq2），利用多种外源对照样本评估了不同实验方法（Fluidigm C1, plate-based）中Illumina和BGISEQ-500测序平台的表现。 3 研究结论 研究人员利用468个mESC和K562单细胞，构建了1297个单细胞RNA测序文库

前些天我们生信技能树公告了 会议日程发布|第七届N·GS创新开发者大会 ，作为会议的重要组织者，算起来我已经是第四次参加NGS创新开发者大会了。每次都有不一样的收获，把以前素未谋面的圈内好友都给见一遍。其中一个参会者真情流露为NGS创新开发者大会打call的“ 告白 ”火爆了我们组织者交流群，非常有必要转发一波，支持一下！ “告白”正文 华大智造在数日前完成了一笔高达10亿美金的大额融资，同样就在几天前，牛津纳米孔测序仪公司对外宣布再次获得数千万英镑的投资， 除了表明资本和资源向头部集中之外，也传达了基因行业前景一片美好的信息 ；同时还有不久前罗氏收购基因测序技术公司一事儿除了表明它千年不死的测序仪执念以及要和自己同样是收购而来的伴随诊断公司Foundation medicine形成闭环外，同样也意味着巨头们持续看好基因行业。 然而正如大家所见，尽管有大额资本和巨头们用真金白银给基因行业加持，但就在过去数年内基因行业确实快速经历了喧嚣热炒以及冷静退潮，如今基于NGS之上的主要应用包括医疗、科研、农畜牧渔业、大健康等几个领域，就拿大家熟悉的临床应用来说，有NIPT、肿瘤NGS伴随诊断、病原微生物检测（mNGS）、遗传疾病筛查与诊断、辅助生殖、药物研发等等，相信大家对这些应用都已经耳熟能详了，那么除了这些应用之外能否再为基因测序技术找到新的大型应用场景呢？

2017年4月28日，核酸研究(Nucleic Acids Research)杂志上，在线公布了一个可搜索微生物次生代谢物合成基因组簇的综合性数据库antiSMASH数据库 4.0版，前3版年均引用250次，累计引物1600+；可实现基因组与基因组之间的相关天然产物合成基因簇的查询和预测。 临床上使用的大部分抗生素和药物均来自植物或微生物的天然产物。结合基因组挖掘的经典分离与分析法使得能鉴定和描述基于宏基因组的天然产物途径，该过程与研究结果是天然产物研究领域中在近二十年来较为创新的技术。为使该技术能为更为广泛的研究者使用，许多精确的软件被建立。antiSMASH自2010年开放以来，在次生代谢物基因组挖掘上带来了重要的影响。然而，antiSMASH只能分析一个（单独的）基因组来进行基因组挖掘，它不能提供基因组之间的交叉或相互连接的功能关系。因此，研究者在文章中建立了antiSMASH数据库，该数据库包含了所有NCBI GenBank数据库上公布了（截止至 2016年5月27日）的可用的细菌基因组信息（3907生物物种的8883条信息）。 antiSMASH数据库能为研究者提供一个使用方便、注释了的生物合成基因簇最新集合，可以让研究者在提供复杂的问题之后轻松地进行基因组之间的分析。作者在文章中提供了antiSMASH的相关网站信息