SW
Shiyuan Wang
Author with expertise in Adaptive Filtering in Non-Gaussian Signal Processing
Achievements
This user has not unlocked any achievements yet.
Key Stats
Upvotes received:
0
Publications:
21
(19% Open Access)
Cited by:
2
h-index:
38
/
i10-index:
138
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
8

In vitro cell cycle oscillations exhibit a robust and hysteretic response to changes in cytoplasmic density

Minjun Jin et al.May 21, 2021
ABSTRACT Cells control the properties of the cytoplasm to ensure the proper functioning of biochemical processes. Recent studies showed that the density of the cytoplasm varies in both physiological and pathological states of cells undergoing growth, division, differentiation, apoptosis, senescence, and metabolic starvation. Little is known about how cellular processes cope with these cytoplasmic variations. Here we study how a cell cycle oscillator comprising cyclin -dependent kinase (CDK1) responds to cytoplasmic density changes by systematically diluting or concentrating a cycling Xenopus egg cytoplasm in cell-like microfluidic droplets. We found that the cell cycle maintains robust oscillations over a wide range of deviations from the endogenous density by as low as 0.2x to more than 1.22x. A further dilution or concentration from these values will arrest the system in a low or high steady-state of CDK1 activity, respectively. Interestingly, diluting a concentrated arrested cytoplasm recovers its oscillatory behavior but requires a significantly lower concentration than 1.22x. Thus, the cell cycle switches reversibly between oscillatory and stable steady states at distinct thresholds depending on the direction of density tuning, forming a hysteresis loop. We recapitulated these observations by a mathematical model. The model predicted that Wee1 and Cdc25 positive feedback do not contribute to the observed robustness, confirmed by experiments. Nevertheless, modulating these feedback strengths and cytoplasmic density changes the total number of cycles, revealing a new role of Wee1 and Cdc25 in controlling the cycle number of early embryonic extracts. Our system can be applied to study how cytoplasmic density affects other cellular processes.
8
Citation1
0
Save
0

Automated segmentation of brain metastases with deep learning: a multi-center, randomized crossover, multi-reader evaluation study

Xiao Luo et al.Jul 11, 2024
Abstract Background Artificial intelligence has been proposed for brain metastasis (BM) segmentation but it has not been fully clinically validated. The aim of this study was to develop and evaluate a system for BM segmentation. Methods A deep-learning-based BM segmentation system (BMSS) was developed using contrast-enhanced MR images from 488 patients with 10338 brain metastases. A randomized crossover, multi-reader study was then conducted to evaluate the performance of the BMSS for BM segmentation using data prospectively collected from 50 patients with 203 metastases at 5 centers. Five radiology residents and 5 attending radiologists were randomly assigned to contour the same prospective set in assisted and unassisted modes. Aided and unaided Dice similarity coefficients (DSCs) and contouring times per lesion were compared. Results The BMSS alone yielded a median DSC of 0.91 (95% confidence interval, 0.90–0.92) in the multi-center set and showed comparable performance between the internal and external sets (P = .67). With BMSS assistance, the readers increased the median DSC from 0.87 (0.87–0.88) to 0.92 (0.92–0.92) (P &lt; .001) with a median time saving of 42% (40–45%) per lesion. Resident readers showed a greater improvement than attending readers in contouring accuracy (improved median DSC, 0.05 [0.05–0.05] vs 0.03 [0.03–0.03]; P &lt; .001), but a similar time reduction (reduced median time, 44% [40–47%] vs 40% [37–44%]; P = .92) with BMSS assistance. Conclusions The BMSS can be optimally applied to improve the efficiency of brain metastasis delineation in clinical practice.
0

STAT transcription factor is indispensable for oogenesis in silkworm

Shiyuan Wang et al.Jul 1, 2024
Signal Transducer and Activator of Transcription (STAT) proteins represent a critical transcription factor family with multifaceted roles in diverse fundamental eukaryotic processes. In Drosophila, STAT exerts a pivotal regulatory influence on oogenesis, governing the early differentiation of follicular cells and ensuring proper encapsulation of germ-line cells. However, the role of STAT in egg development in silkworms remains unknown. In the present study, using CRISPR/Cas9 technology, we successfully generated a strain of silkworms with targeted deletion of the STAT-L gene, which resulted in significant reproductive abnormalities observed in female moths, including shortened fallopian tubes and reduced egg production. The ovaries dissected from STAT-L knockout silkworms during the pupal stage of silkworm exhibited varying degrees of fusion among egg chambers. Additionally, paraffin sections of prepupal ovaries also revealed evidence of egg chambers fusion. To elucidate the molecular mechanism underlying the role of the STAT-L gene regulation on egg development in silkworm, we performed ovarian transcriptomic analysis following STAT-L knockout. Our findings indicated that STAT-L gene can modulate Notch signaling pathway by down-regulating APH-1 gene expression. These results suggest that STAT-L gene plays a crucial role in normal egg chamber formation in silkworms, potentially through its influence on Notch signaling pathway expression.
Load More