GF
Guihai Feng
Author with expertise in Clustered Regularly Interspaced Short Palindromic Repeats and CRISPR-associated proteins
Achievements
Cited Author
Open Access Advocate
Key Stats
Upvotes received:
0
Publications:
11
(82% Open Access)
Cited by:
2,125
h-index:
25
/
i10-index:
39
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

MicroRNA-494 promotes cancer progression and targets adenomatous polyposis coli in colorectal cancer

Ying Zhang et al.Jan 5, 2018
Aberrant activation of the Wnt/β-catenin signaling pathway is frequently observed in colorectal cancer (CRC). β-catenin is the major Wnt signaling pathway effector and inactivation of adenomatous polyposis coli (APC) results in nuclear accumulation of β-catenin. It has been suggested that inactivation of APC plays an important role in activation of the Wnt/β-catenin pathway and in the progression of colorectal tumorigenesis. However, the mechanism through which APC mediates colorectal tumorigenesis is not understood. Increasing evidence suggests that the dysregulation of microRNAs (miRNAs) is involved in colorectal tumorigenesis. Although miR-494 has been reported as being an upregulated miRNA, the interplay between miR-494 and APC-mediated colorectal tumorigenesis progression remains unclear. The expression of miR-494 in tissues from patients diagnosed with CRC was analyzed using a microarray and real-time PCR. The effects of miR-494 on cell proliferation and tumorigenesis in CRC cells were analyzed by flow cytometry, colony formation assays, BrdU incorporation assays, and CCK8 assays. The correlation between miR-494 expression and APC expression, as well as the mechanisms by which miR-494 regulates APC in CRC were also addressed. miR-494 was significantly upregulated in CRC tissues, and this increase was negatively associated with APC expression. APC was confirmed to be a direct target of miR-494 in CRC. Furthermore, overexpression of miR-494 induced Wnt/β-catenin signaling by targeting APC, thus promoting CRC cell growth. This study provides novel insights into the role of miR-494 in controlling CRC cell proliferation and tumorigenesis, and identifies miR-494 as a potential prognostic marker and therapeutic target.
0
Citation255
0
Save
0

How do Large Language Models understand Genes and Cells

Chen Fang et al.Mar 27, 2024
Researching genes and their interactions is crucial for deciphering the fundamental laws of biological activity, advancing disease treatment, drug discovery and so on. Large language Models (LLMs), with their profound text comprehension and generation capabilities, have made significant strides across various natural science fields. However, their application in cell biology remains notably scarce. To alleviate this issue, in this paper, we selects seven mainstream LLMs and evaluates their performance across a range of problem scenarios. Our findings indicate that LLMs possess a certain level of understanding of genes and cells, and hold potential for solving real-world problems. Moreover, we have improved the current method of textual representation of cells, enhancing the LLMs’ ability to tackle cell annotation tasks. We encourage cell biology researchers to leverage LLMs for problem-solving while also being mindful of some challenges associated with their use. We release our code and data at https://github.com/epang-ucas/Evaluate_LLMs_to_Genes . CCS Concepts Applied computing → Recognition of genes and regulatory elements; Bioinformatics; Computational genomics; Computational transcriptomics. ACM Reference Format Chen Fang, Yidong Wang, Yunze Song, Qingqing Long, Wang Lu, Linghui Chen, Pengfei Wang, Guihai Feng, Yuanchun Zhou, and Xin Li. 2024. How do Large Language Models understand Genes and Cells. 1, 1 (March 2024), 14 pages. https://doi.org/10.1145/nnnnnnn.nnnnnnn
0
Citation1
0
Save
1

CellPolaris: Decoding Cell Fate through Generalization Transfer Learning of Gene Regulatory Networks

Guihai Feng et al.Sep 26, 2023
Abstract Cell fate changes are determined by gene regulatory network (GRN), a sophisticated system regulating gene expression in precise spatial and temporal patterns. However, existing methods for reconstructing GRNs suffer from inherent limitations, leading to compromised accuracy and application generalizability. In this study, we introduce CellPolaris, a computational system that leverages transfer learning algorithms to generate high-quality, cell-type-specific GRNs. Diverging from conventional GRN inference models, which heavily rely on integrating epigenomic data with transcriptomic information or adopt causal strategies through gene co-expression networks, CellPolaris employs high-confidence GRN sources for model training, relying exclusively on transcriptomic data to generate previously unknown cell-type-specific GRNs. Applications of CellPolaris demonstrate remarkable efficacy in predicting master regulatory factors and simulating in-silico perturbations of transcription factors during cell fate transition, attaining state-of-the-art performance in accurately predicting candidate key factors and outcomes in cell reprogramming and spermatogenesis with validated datasets. It is worth noting that, with a transfer learning framework, CellPolaris can perform GRN based predictions in all cell types even across species. Together, CellPolaris represents a significant advancement in deciphering the mechanisms of cell fate regulation, thereby enhancing the precision and efficiency of cell fate manipulation at high resolution.
42

GeneCompass: Deciphering Universal Gene Regulatory Mechanisms with Knowledge-Informed Cross-Species Foundation Model

Xiaodong Yang et al.Sep 28, 2023
Abstract Deciphering the universal gene regulatory mechanisms in diverse organisms holds great potential to advance our knowledge of fundamental life process and facilitate research on clinical applications. However, the traditional research paradigm primarily focuses on individual model organisms, resulting in limited collection and integration of complex features on various cell types across species. Recent breakthroughs in single-cell sequencing and advancements in deep learning techniques present an unprecedented opportunity to tackle this challenge. In this study, we developed GeneCompass, the first knowledge-informed, cross-species foundation model pre-trained on an extensive dataset of over 120 million single-cell transcriptomes from human and mouse. During pre-training, GeneCompass effectively integrates four types of biological prior knowledge to enhance the understanding of gene regulatory mechanisms in a self-supervised manner. Fine-tuning towards multiple downstream tasks, GeneCompass outperforms competing state-of-the-art models in multiple tasks on single species and unlocks new realms of cross-species biological investigation. Overall, GeneCompass marks a milestone in advancing knowledge of universal gene regulatory mechanisms and accelerating the discovery of key cell fate regulators and candidate targets for drug development.
42
0
Save
0

Elimination of GGTA1CMAHβ4GalNT2 and CIITA genes in pigs compromises human versus pig xenogeneic immune reactions

Jing Xu et al.Jul 4, 2024
Abstract Background Pig organ xenotransplantation is a potential solution for the severe organ shortage in clinic, while immunogenic genes need to be eliminated to improve the immune compatibility between humans and pigs. Current knockout strategies are mainly aimed at the genes causing hyperacute immune rejection (HAR) that occurs in the first few hours while adaptive immune reactions orchestrated by CD4 T cell thereafter also cause graft failure, in which process the MHC II molecule plays critical roles. Methods Thus, we generate a 4‐gene ( GGTA1, CMAH, β4GalNT2, and CIITA ) knockout pig by CRISPR/Cas9 and somatic cell nuclear transfer to compromise HAR and CD4 T cell reactions simultaneously. Results We successfully obtained 4KO piglets with deficiency in all alleles of genes, and at cellular and tissue levels. Additionally, the safety of our animals after gene editing was verified by using whole‐genome sequencing and karyotyping. Piglets have survived for more than one year in the barrier, and also survived for more than 3 months in the conventional environment, suggesting that the piglets without MHC II can be raised in the barrier and then gradually mated in the conventional environment. Conclusions 4KO piglets have lower immunogenicity, are safe in genomic level, and are easier to breed than the model with both MHC I and II deletion.
0

Immunity-and-Matrix-Regulatory Cells Derived from Human Embryonic Stem Cells Safely and Effectively Treat Mouse Lung Injury and Fibrosis

Jun Wu et al.Apr 16, 2020
Lung injury and fibrosis represent the most significant outcomes of severe and acute lung disorders, including COVID-19. However, there are still no effective drugs to treat lung injury and fibrosis. In this study, we report the generation of clinical-grade human embryonic stem cells (hESCs)-derived immunity- and matrix-regulatory cells (IMRCs) manufactured under good manufacturing practice (GMP) requirements, that can treat lung injury and fibrosis in vivo. We generate IMRCs through sequentially differentiating hESCs with xeno-free reagents. IMRCs possess a unique gene expression profile distinct from umbilical cord mesenchymal stem cells (UCMSCs), such as higher levels of proliferative, immunomodulatory and anti-fibrotic genes. Moreover, intravenous delivery of IMRCs inhibits both pulmonary inflammation and fibrosis in mouse models of lung injury, and significantly improves the survival rate of the recipient mice in a dose-dependent manner, likely through their paracrine functions. IMRCs are superior to both primary UCMSCs and FDA-approved pirfenidone, with an excellent efficacy and safety profile in mice, monkeys and two severely ill COVID-19 patients in our pilot study. In light of recent public health crises involving pneumonia, acute lung injury (ALI) and acute respiratory distress syndrome (ARDS), our findings indicate that IMRCs are ready for clinical trials on lung disorders.### Competing Interest StatementThe authors have declared no competing interest.
Load More