BIOMEDICAL RESEARCH INSIGHTS

洞察前沿,连接科研新知

聚焦合成生物学、AI 靶点发现、临床队列与公共数据库,汇集最新论文摘要与原始出处
每 12 小时采集更新,经人工审核后发布。

前沿研究专业聚合持续更新
PAPER EXPLORER

发现热点论文

每 5 分钟更新缓存
全部共 17 篇
公共数据库研究类型未标注Nature genetics

Imputation of fluid intelligence scores reduces ascertainment bias and increases power for analyses of common and rare variants.

5 次引用趋势数据不足

本研究整合英国生物银行多项流体智力测试数据,并对未测量个体进行流体智力估算,使样本量从约27万人增至45.5万人以上。广泛验证显示,估算表型在遗传上类似实测流体智力,但仍可能残留部分非认知信号。合并实测与估算流体智力后,独立显著常见单核苷酸多态性关联数由390增至550,并减少了因测试参与者平均受教育程度较高而引入的确认偏倚。罕见变异分析识别出26个显著关联基因(错误发现率<1%),其中8个缺乏智力或神经发育疾病关联的强先验证据,并在外部队列中整体重复。结果表明,估算智力可提升遗传发现效能,并有助于发现新的神经发育疾病相关基因。

为什么值得关注

暂未整理

查看扩展信息

完整作者

David M van den Berg、Daniel S Malawsky、Wei Huang、Petr Danecek、Klaudia Walter、Georgios Kalantzis、Isaac Wade、Duncan Palmer、Ewan Birney、Karin J H Verweij、Dirk J A Smit、Sarah J Lindsay、Matthew E Hurles、Abdel Abdellaoui、Hilary C Martin

作者机构

  • Department of Psychiatry, Amsterdam UMC, University of Amsterdam, Amsterdam, the Netherlands.
  • Wellcome Sanger Institute, Wellcome Genome Campus, Hinxton, UK.
  • Nuffield Department of Population Health, Medical Sciences Division, University of Oxford, Oxford, UK.
  • Department of Statistics, University of Oxford, Oxford, UK.
  • The Pioneer Centre for SMARTbiomed, Big Data Institute, Li Ka Shing Centre for Health Information and Discovery, University of Oxford, Oxford, UK.
  • European Molecular Biology Laboratory, European Bioinformatics Institute (EMBL-EBI), Cambridge, UK.
  • Wellcome Sanger Institute, Wellcome Genome Campus, Hinxton, UK. meh@sanger.ac.uk.
  • Department of Psychiatry, Amsterdam UMC, University of Amsterdam, Amsterdam, the Netherlands. a.abdellaoui@amsterdamumc.nl.
  • Wellcome Sanger Institute, Wellcome Genome Campus, Hinxton, UK. hcm@sanger.ac.uk.

技术路线

数据/样本:整合UK Biobank多项流体智力(FI)测量,对未测量个体进行FI插补,样本量由约27万扩至超45.5万→分析:将实测与插补FI合并用于常见变异关联分析(独立显著SNP由390增至550)及罕见变异分析(识别26个FDR<1%显著基因)→验证:对插补表型进行广泛验证,显示其遗传上类似实测FI但可能残留部分非认知信号;罕见变异结果在外部队列中总体重复。

最近 5 个完整年度引用趋势

0110202102022020230202412025

不含 2026 年,仅展示最近 5 个完整年度。

数据来源:openalex更新时间:2026/10/29 12:36
公共数据库方法学Nature methods

SPLENDID incorporates continuous genetic ancestry in biobank-scale data to improve polygenic risk prediction across diverse populations.

2 次引用趋势数据不足

多基因风险评分广泛用于疾病风险分层,但其准确性在不同血统间存在差异。现有方法多依赖多血统数据提升代表性不足人群的预测精度,但需要对个体进行血统标注,这在临床实践中面临挑战。为此,研究者提出SPLENDID——一种针对大规模个体水平数据的惩罚回归框架,将遗传血统建模为连续变量,无需任何血统标签即可生成单一预测模型。在All of Us研究计划(n=224,364)和英国生物银行(n=340,140)的广泛模拟与分析中,SPLENDID较现有方法显著提高了预测准确性,尤其对非欧洲血统和混合血统人群。SPLENDID可作为跨多样人群稳健风险预测的工具,有助于减少遗传研究中的健康差异并促进更公平的临床实施。

为什么值得关注

编辑短评

多基因风险评分的准确性受到不同血统间差异的影响,SPLENDID——这里开发了一种针对大规模个体水平数据的惩罚回归框架,可作为跨血统人群稳健风险预测的工具。

查看扩展信息

完整作者

Tony Chen、Haoyu Zhang、Rahul Mazumder、Xihong Lin

作者机构

  • Department of Biostatistics, Harvard T.H. Chan School of Public Health, Boston, MA, USA.
  • Analytic and Translational Genetics Unit, Massachusetts General Hospital, Boston, MA, USA.
  • Division of Cancer Epidemiology and Genetics, National Cancer Institute, Bethesda, MD, USA. haoyu.zhang2@nih.gov.
  • Operations Research and Statistics Group, Sloan School of Management, Massachusetts Institute of Technology, Cambridge, MA, USA. rahulmaz@mit.edu.
  • Department of Biostatistics, Harvard T.H. Chan School of Public Health, Boston, MA, USA. xihong_lin@harvard.edu.
  • Department of Statistics, Harvard University, Cambridge, MA, USA. xihong_lin@harvard.edu.

技术路线

数据/样本:All of Us研究项目(n=224,364)与UK Biobank(n=340,140)个体级数据,无祖先标签;分析:提出SPLENDID惩罚回归框架,将遗传祖先建模为连续变量,构建单一预测模型;验证:通过广泛模拟及两个生物样本库数据的分析,与现有方法比较预测准确性。

最近 5 个完整年度引用趋势

0110202102022020230202402025

不含 2026 年,仅展示最近 5 个完整年度。

数据来源:openalex更新时间:2026/10/30 06:04
公共数据库方法学Nature genetics

All of Us diversity and scale yield context-dependent improvements in polygenic prediction.

2 次引用趋势数据不足

利用“All of Us”研究计划245,388例全基因组序列及英国生物银行数据,针对32项性状和疾病构建多祖先多基因风险评分,并在“All of Us”多祖先参与者中评估祖先背景、方法和遗传结构对评分性能的影响。结果显示,增加“All of Us”多样性可提高若干性状的评分准确性,尤其在代表性不足人群中;但将“All of Us”与英国生物银行荟萃分析以最大化样本量并非普遍最优,对多基因性较低的性状,仅用“All of Us”训练在非洲祖先参与者中表现最佳,提示祖先富集效应。个体评分准确性随与发现全基因组关联研究祖先分歧增加而线性下降,多祖先训练数据可减弱该衰减。结论强调,更具代表性的生物样本库有助于实现公平的多基因风险评分性能。

为什么值得关注

暂未整理

查看扩展信息

完整作者

Kristin Tsuo、Zhuozheng Shi、Tian Ge、Ravi Mandla、Kangcheng Hou、Yi Ding、Bogdan Pasaniuc、Ying Wang、Alicia R Martin

作者机构

  • Analytic and Translational Genetics Unit, Massachusetts General Hospital, Boston, MA, USA. ktsuo@broadinstitute.org.
  • Stanley Center for Psychiatric Research, Broad Institute of MIT and Harvard, Cambridge, MA, USA. ktsuo@broadinstitute.org.
  • Program in Medical and Population Genetics, Broad Institute of MIT and Harvard, Cambridge, MA, USA. ktsuo@broadinstitute.org.
  • Graduate Program in Genomics and Computational Biology, University of Pennsylvania, Philadelphia, PA, USA.
  • Department of Genetics, Perelman School of Medicine, University of Pennsylvania, Philadelphia, PA, USA.
  • Stanley Center for Psychiatric Research, Broad Institute of MIT and Harvard, Cambridge, MA, USA.
  • Department of Psychiatry, Massachusetts General Hospital, Harvard Medical School, Boston, MA, USA.
  • Psychiatric and Neurodevelopmental Genetics Unit, Center for Genomic Medicine, Massachusetts General Hospital, Boston, MA, USA.
  • Center for Precision Psychiatry, Massachusetts General Hospital, Boston, MA, USA.
  • Program in Medical and Population Genetics, Broad Institute of MIT and Harvard, Cambridge, MA, USA.
  • Department of Epidemiology, Harvard T.H. Chan School of Public Health, Boston, MA, USA.
  • Department of Biomedical Informatics, Harvard Medical School, Boston, MA, USA.
  • Division of Population Sciences, Dana-Farber Cancer Institute and Harvard Medical School, Boston, MA, USA.
  • Analytic and Translational Genetics Unit, Massachusetts General Hospital, Boston, MA, USA. yiwang@broadinstitute.org.
  • Stanley Center for Psychiatric Research, Broad Institute of MIT and Harvard, Cambridge, MA, USA. yiwang@broadinstitute.org.
  • Program in Medical and Population Genetics, Broad Institute of MIT and Harvard, Cambridge, MA, USA. yiwang@broadinstitute.org.
  • Analytic and Translational Genetics Unit, Massachusetts General Hospital, Boston, MA, USA. armartin@broadinstitute.org.
  • Stanley Center for Psychiatric Research, Broad Institute of MIT and Harvard, Cambridge, MA, USA. armartin@broadinstitute.org.
  • Program in Medical and Population Genetics, Broad Institute of MIT and Harvard, Cambridge, MA, USA. armartin@broadinstitute.org.

技术路线

数据/样本:All of Us研究项目245,388例全基因组序列与UK Biobank数据;分析:开发32个性状/疾病的多祖先多基因风险评分(PRS),评估祖先背景、方法学和遗传结构对AoU参与者PRS性能的影响。

最近 5 个完整年度引用趋势

0110202102022020230202402025

不含 2026 年,仅展示最近 5 个完整年度。

数据来源:openalex更新时间:2026/10/30 06:04
公共数据库临床研究Nature medicine

Phenomic profiles and disease patterns of 1.9 million participants from Our Future Health.

1 次引用趋势数据不足

“我们的未来健康”是一项旨在招募500万英国成年居民的前瞻性研究,以推动疾病预防、检测和治疗方法的发现与转化。目前已入组超过250万人,逾190万参与者具备基线表型数据。研究评估了自报健康相关行为、地理位置、诊断与用药、门急诊就诊、癌症登记及死因等表型,并将疾病模式与国家估计值及英国生物样本库队列进行比较。社会人口学、生活方式和健康相关特征总体反映英国人群模式,但除一个少数族裔群体外,其他少数族裔及社会经济最 deprived 群体代表性不足。多种主要自报疾病患病率高于国家估计值,其中心理健康问题(如抑郁和焦虑)尤为突出,且与英国生物样本库方向一致(r=0.78);与已知临床相关因素的关联在两个队列中均得到重复(r=0.80)。用药模式和癌症患病率呈现预期年龄梯度,肺癌率低于国家数据。随着招募推进,电子健康记录有助于明确疾病模式并系统评估偏倚。

为什么值得关注

暂未整理

查看扩展信息

完整作者

Vincent J Straub、Stefania Benonisdottir、Giovanni Scotti Bentivoglio、Neil Wary、Robert Campbell、Augustine Kong、Melinda C Mills

作者机构

  • Leverhulme Centre for Demographic Science, Nuffield Department of Population Health, University of Oxford and Nuffield College, Oxford, UK. vincent.straub@ndph.ox.ac.uk.
  • Leverhulme Centre for Demographic Science, Nuffield Department of Population Health, University of Oxford and Nuffield College, Oxford, UK.
  • Institute of Physical Sciences, University of Iceland, Reykjavík, Iceland.
  • Department of Economics, Econometrics and Finance, University of Groningen, Groningen, the Netherlands.
  • Leverhulme Centre for Demographic Science, Nuffield Department of Population Health, University of Oxford and Nuffield College, Oxford, UK. melinda.mills@demography.ox.ac.uk.
  • Department of Economics, Econometrics and Finance, University of Groningen, Groningen, the Netherlands. melinda.mills@demography.ox.ac.uk.
  • Department of Genetics, University Medical Centre Groningen, Groningen, the Netherlands. melinda.mills@demography.ox.ac.uk.

技术路线

数据/样本:Our Future Health前瞻性研究中>190万参与者的基线表型数据(自报健康行为、地理位置、诊断与用药、住院/门诊记录、癌症登记及死因) → 分析:描述性统计并与英国国家估计及UK Biobank队列比较疾病模式、计算相关性

最近 5 个完整年度引用趋势

0110202102022020230202402025

不含 2026 年,仅展示最近 5 个完整年度。

数据来源:openalex更新时间:2026/10/30 06:05
公共数据库临床研究Science translational medicine

Machine learning-driven spleen imaging and genomics uncover a splenic connection to coronary artery disease.

0 次引用趋势数据不足

利用深度学习从英国生物银行42059名及Mass General Brigham生物银行2745名参与者的腹部MRI中提取107个脾脏影像组学特征,其中10个特征与冠状动脉疾病相关。对这些特征的基因组关联分析识别出219个位点,包括9p21;该位点变异与脾脏连续纹理区域异质性等特征相关。研究MRI结果内部一致,但外部临床验证因成像方案差异和患者临床异质性面临转化挑战。研究结合深度学习与基因组学,揭示脾脏可能参与冠状动脉疾病,并强调研究与临床影像组学间的转化差距。

为什么值得关注

编辑短评

该研究整合腹部MRI深度学习影像组学与基因组学,在大型队列中提取脾脏特征并关联CAD,进而识别219个基因座(含9p21),为脾脏参与CAD提供探索性框架。但关联分析不能确立因果,影像组学特征生物学可解释性有限,外部临床验证暴露协议与人群异质性导致的转化缺口,结论宜定位为假说生成。

查看扩展信息

完整作者

Meghana Kamineni、Vineet Raghu、Zhanqing Hua、Haodong Tian、Buu Truong、Ahmed Alaa、Art Schuermans、Sam Friedman、Christopher Reeder、Romit Bhattacharya、Peter Libby、Patrick T Ellinor、Mahnaz Maddah、Anthony Philippakis、Whitney Hornsby、Zhi Yu、Pradeep Natarajan

作者机构

  • Harvard Medical School, Boston, MA 02115, USA.
  • Cardiovascular Imaging Research Center, Department of Radiology, Massachusetts General Hospital and Harvard Medical School, Boston, MA 02114, USA.
  • Artificial Intelligence in Medicine Program, Mass General Brigham, Boston, MA 02114, USA.
  • Harvard T. H. Chan School of Public Health, Boston, MA 02115, USA.
  • Program in Medical and Population Genetics, Broad Institute of MIT and Harvard, Cambridge, MA 02142, USA.
  • Center for Genomic Medicine, Massachusetts General Hospital, Boston, MA 02114, USA.
  • Heart and Vascular Institute, Mass General Brigham, Boston, MA 02114, USA.
  • Computational Precision Health Program, University of California, Berkeley, Berkeley, CA 94720, USA.
  • Computational Precision Health Program, University of California, San Francisco, San Francisco, CA 94143, USA.
  • Faculty of Medicine, KU Leuven, 3000 Leuven, Belgium.
  • Data Sciences Platform, Broad Institute of MIT and Harvard, Cambridge, MA 02142, USA.
  • Layer Health, Boston, MA 02111, USA.
  • Division of Cardiovascular Medicine, Brigham and Women's Hospital, Harvard Medical School, 77 Avenue Louis Pasteur, Boston, MA 02115, USA.
  • Cardiovascular Disease Initiative, Broad Institute of Harvard and MIT, Cambridge, MA 02142, USA.
  • Google Ventures, Cambridge, MA 02142, USA.
  • Clinical and Translational Epidemiology Unit, Massachusetts General Hospital, Boston, MA 02114, USA.
  • Personalized Medicine, Mass General Brigham, Boston, MA 02114, USA.
  • Amgen Inc., Thousand Oaks, CA 91320, USA.

技术路线

数据/样本:UK Biobank 42,059例与MGBB 2,745例腹部MRI;分析:深度学习提取107个脾脏影像组学特征→与CAD关联分析→对CAD相关特征行全基因组关联分析;验证:研究MRI内部一致,外部临床验证发现影像协议差异和临床异质性带来转化挑战

最近 5 个完整年度引用趋势

0110202102022020230202402025

不含 2026 年,仅展示最近 5 个完整年度。

数据来源:openalex更新时间:2026/10/30 06:05
公共数据库临床研究Journal of translational medicine

Comparative proteomics of human anterior lens capsules reveals ATP6V1A-associated lysosomal dysregulation in age-related cataract with primary angle-closure glaucoma.

暂无引用数据

本研究比较了单纯年龄相关性白内障(ARC)与合并原发性闭角型青光眼(PACG)患者前囊膜的蛋白质组。采用数据非依赖采集蛋白质组学分析人前囊膜标本,最终纳入13例ARC和10例PACG样本,通过富集分析、网络分析和ROC分析筛选差异蛋白,并在人前囊膜铺片、细胞与动物应激模型、外周血单个核细胞及UK Biobank血浆蛋白质组数据中进一步验证ATP6V1A。结果共鉴定出1262个差异表达蛋白;PACG中表达降低的蛋白富集于蛋白稳态相关伴侣及neddylation网络,并汇聚于溶酶体功能障碍,ATP6V1A及其他V-ATP酶亚基、LAMP2和Rag GTP酶家族成员协同降低;表达升高的蛋白富集于细胞外基质重塑及脂质/聚糖代谢通路。ATP6V1A降低在人前囊膜铺片、压力应激晶状体上皮细胞、视网膜应激模型及PACG患者外周血单个核细胞中得到证实,药理学抑制V-ATP酶可在细胞活力明显丧失前破坏溶酶体稳态。结论认为,PACG相关前囊膜具有蛋白稳态受损及ATP6V1A相关溶酶体失调的分子特征。

为什么值得关注

暂未整理

查看扩展信息

完整作者

暂未整理

作者机构

暂未整理

技术路线

暂未整理

最近 5 个完整年度引用趋势

暂无引用数据

数据来源:暂未标注更新时间:暂无更新时间
公共数据库临床研究Human genomics

Dietary-fibre intake, genetic factors, and the risk of nonalcoholic fatty liver disease: a prospective study in the UK Biobank.

暂无引用数据

英国生物银行前瞻性研究纳入424008名基线无肝病参与者,采用经验证的食物频率问卷评估膳食纤维摄入,以肝脏脂肪含量遗传风险评分评价遗传风险,用Cox比例风险模型分析。平均随访12.1年发生4662例非酒精性脂肪性肝病。膳食纤维摄入最高五分位者风险低于最低五分位(HR 0.70,95%CI 0.61~0.80,趋势P<0.001),面包和谷物来源纤维关联较强。高遗传风险者发病风险升高(HR 1.82,95%CI 1.65~2.01),但各遗传风险组中较高纤维摄入均与较低风险相关;高遗传风险合并低纤维摄入者发病风险最高(HR 2.85,95%CI 2.20~3.70)。结论认为,较高膳食纤维摄入与非酒精性脂肪性肝病风险降低相关,该关联见于所有遗传风险组。

为什么值得关注

暂未整理

查看扩展信息

完整作者

暂未整理

作者机构

暂未整理

技术路线

暂未整理

最近 5 个完整年度引用趋势

暂无引用数据

数据来源:暂未标注更新时间:暂无更新时间
页