其昊生物
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 27 篇
临床队列综述Frontiers in medicine

Predictors and prescribing patterns of definite anticholinergic medication use among community-dwelling older adults in Saudi Arabia: a retrospective multicenter cross-sectional study.

作者信息暂未整理DOI: 10.3389/fmed.2026.1974639
帕金森病成人老年多中心横断面研究
暂无引用数据

沙特阿拉伯社区老年人确定性抗胆碱能药物使用的预测因素及处方模式：一项回顾性多中心横断面研究。目的：抗胆碱能药物与老年人认知障碍和跌倒相关，但沙特阿拉伯的多中心证据仍有限。本研究描述接受门诊治疗的老年人确定性抗胆碱能负担的处方模式及相关因素。方法：回顾性多中心横断面研究，使用沙特阿拉伯Al Khobar和Al-Ahsa两家三级医院2019—2024年门诊记录和配药数据，纳入60岁及以上、至少使用一种抗胆碱能认知负担（ACB）量表评分为2或3的药物的成人。采用稳健线性回归、负二项回归和logistic回归模型分析确定性ACB评分、额外合格药物及多药使用。结果：纳入1,664名老年人，共2016例患者-药物记录。84.3%存在多药使用，17.5%使用多种合格药物。膀胱抗毒蕈碱药、抗精神病药和三环类抗抑郁药占药物记录的78.1%，泌尿科、精神科和神经科占72.0%。20.0%的可评估记录存在相应编码诊断。多药使用、高血压、抑郁、帕金森病、精神分裂症和双相障碍与全部三项结局独立相关；精神分裂症关联最强：确定性ACB评分（B=2.206；95%CI 0.429~3.982）、额外药物（IRR=4.395；95%CI 2.499~7.732）、多药使用（aOR=8.303；95%CI 3.275~21.055）。结论：确定性抗胆碱能药物使用集中于少数药物类别和处方专科，精神疾病和多药使用与更高负担持续相关。

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
探索相关选题直接查重
查看原文
临床队列临床研究Frontiers in neurology

Development and validation of a simple clinical prediction model for post-stroke seizures in critically ill patients: a multicenter retrospective cohort study.

作者信息暂未整理DOI: 10.3389/fneur.2026.1949946
eICU成人多中心队列研究
暂无引用数据

一项多中心回顾性队列研究纳入美国208个ICU的6,586例成人卒中患者，按7:3随机分为训练集与内部验证集，旨在开发并验证危重卒中患者院内卒中后癫痫（PSS）的简易临床预测模型。结果显示，编码的院内PSS发生率为7.5%；多因素logistic回归识别出5个独立预测因素：较年轻年龄、入院体温升高、既往高血压、较低平均红细胞血红蛋白浓度及较低格拉斯哥昏迷评分。模型训练集AUC为0.702，验证集为0.713，并在年龄、性别和卒中亚型各亚组中表现稳定。据此建立的三层床旁风险分层显示，低、中、高风险组的PSS发生率分别为3.4%、6.8%和16.2%。倾向性评分匹配后，编码PSS与院内死亡（调整OR=0.84，p=0.295）及住院时间延长（平均差=-0.30天，p=0.167）均无显著关联。结论认为，该模型为危重卒中患者编码院内PSS的简易预测工具，编码PSS本身与死亡率升高无独立关联；但该模型尚未经外部验证，不能指导临床监测或药物干预，结果适用于临床可见的编码惊厥性发作，可能不适用于非惊厥性发作表型。

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
探索相关选题直接查重
查看原文
临床队列临床研究Nature medicine

Werner helicase inhibitor for advanced microsatellite instability solid tumors: a phase 1 trial.

Timothy A Yap、Elisa Fontana、Natalie Cook 等DOI: 10.1038/s41591-026-04657-3
肿瘤与癌症风险模型成人队列研究
2 次引用趋势数据不足

一项正在进行的首次人体1期试验第1部分评估了WRN共价抑制剂RO7589831（VVD-133214）在88例微卫星不稳定（MSI）和/或DNA错配修复缺陷晚期实体瘤患者中的递增剂量。给药方案为每日一次150 mg、每日两次150~1,000 mg或每日三次200~600 mg，主要目标为安全性和耐受性及推荐2期剂量与方案（RP2D）。600 mg每日三次组发生1例剂量限制性2级恶心，但未确定最大耐受剂量。发生率≥10%的治疗中出现不良事件多为1~2级；≥30%者为恶心（54.5%）、腹泻（43.2%）、乏力（39.8%）、贫血（37.5%）和呕吐（30.7%）。导致停药的不良事件少见（3.4%），无5级事件。MSI可评估患者疾病控制率为74.2%（49/66），7例确认为部分缓解（客观缓解率10.6%），中位缓解持续时间10.2+个月；中位无进展生存期6.7个月，中位总生存期17.6个月。选择150 mg和600 mg每日两次作为RP2D。

为什么值得关注

编辑短评

WRN共价抑制剂RO7589831（VVD-133214）的首次人体1期试验第1部分，评估了患者中的递增剂量。

查看扩展信息

完整作者

Timothy A Yap、Elisa Fontana、Natalie Cook、Marwan Fakih、Oliver Bechter、Erica S Tsang、Emiliano Calvo、Kristoffer S Rohrberg、Javier Ros、Ignacio Matos、John H Strickler、Malaka Ameratunga、Meredith Pelster、Adam Sharp、Jaspreet Grewal、Susanna Ulahannan、Rajesh Belani、Matthew P Patricelli、Sophia M Blake、David Dejardin、Stephen Fowler、Christina Godfried Sie、Astrid Heller、Nina Henkel、Michael Hettich、Angelika Lahr、David Lamparter、Charlotte Lane、Ting Liu、Hélène Meistermann、Christophe Meille、Neil Parrott、Sotirios K Sotiriou、Denise Reeves、Barbara Romagnoli、Piergiorgio Pettazzoni、Daniel Waterkamp、Matthias Wittwer、Yali Fu、Sophie Postel-Vinay

作者机构

  • University of Texas MD Anderson Cancer Center, Houston, TX, USA. tyap@mdanderson.org.
  • Sarah Cannon Research Institute, London, UK.
  • The Christie NHS Foundation Trust and The University of Manchester, Manchester, UK.
  • City of Hope National Medical Center, Duarte, CA, USA.
  • Universitair Ziekenhuis (UZ) Leuven, Leuven, Belgium.
  • Princess Margaret Cancer Centre, Toronto, Ontario, Canada.
  • START Madrid-CIOCC, Centro Integral Oncológico Clara Campal, Madrid, Spain.
  • Rigshospitalet, Copenhagen, Denmark.
  • Vall d´Hebron Institut d'Oncologia (VHIO), Barcelona, Spain.
  • Clinica Universidad de Navarra, Madrid, Spain.
  • Duke University, Durham, NC, USA.
  • The Alfred, Melbourne, Victoria, Australia.
  • Sarah Cannon Research Institute, Nashville, TN, USA.
  • Royal Marsden Hospital, London, Institute of Cancer Research, London, UK.
  • Norton Cancer Institute, Louisville, KY, USA.
  • University of Oklahoma, Norman, OK, USA.
  • Vividion Therapeutics, San Diego, CA, USA.
  • Roche Pharma Research and Early Development, Roche Innovation Center Munich, Munich, Germany.
  • Roche Pharma Research and Early Development, Roche Innovation Center Basel, Basel, Switzerland.
  • Roche Products Ltd., Welwyn Garden City, UK.
  • Roche Pharma Research and Early Development, Roche Innovation Center New York, New York, NY, USA.
  • Gustave Roussy, Villejuif and University College of London Cancer Institute, London, UK.

技术路线

88例MSI和/或dMMR晚期实体瘤患者→剂量递增（每日一次150 mg、每日两次150-1,000 mg、每日三次200-600 mg）→安全性/耐受性分析及RP2D确定→抗肿瘤活性分析（DCR、ORR、DOR、PFS、OS）→探索性ctDNA分子缓解和FDG-PET代谢缓解分析支持生物学活性（肿瘤组织直接靶点结合未能证实）

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 06:03
探索相关选题直接查重
查看原文
临床队列综述Nature medicine

On-premise medical AI agents for reliable clinical decision-making.

Li Zhang、Georg Wölflein、Dyke Ferber 等DOI: 10.1038/s41591-026-04609-x
MIMIC机器学习风险模型成人方法学
2 次引用趋势数据不足

研究开发并评估了一种完全本地部署的临床人工智能代理，将本地运行控制与多视角可靠性框架结合，以支持选择性自主决策。该代理在两项基于MIMIC-IV的基准测试中，分别于七疾病任务和四疾病任务上达到90.04%和83.8%的准确率，主要基准接近云端基线。为评估决策时可靠性，研究量化了诊断与推理的内部似然、语言及行为稳定性指标。诊断行为一致性对正确性的判别力最强（AUC=0.860），在压力测试下仍具信息性（AUC=0.875）。当一致性阈值为0.90时，49.4%的病例被保留，诊断准确率达98.9%。结论表明，决策时可靠性信号可识别低风险子集供自主处理，其余转交人工审核，为机构治理下的临床代理提供了实用框架。

为什么值得关注

暂未整理

查看扩展信息

完整作者

Li Zhang、Georg Wölflein、Dyke Ferber、Junhao Liang、Zunamys I Carrero、Xuewei Wu、Julien Vibert、Jan Clusmann、Lino Möhrmann、Elena E Möhrmann、Catharina Wichmann、Fabian Wolf、Tim Lenz、Jakob Nikolas Kather

作者机构

  • Else Kroener Fresenius Center for Digital Health, Faculty of Medicine, TUD Dresden University of Technology, Dresden, Germany.
  • Medical Oncology, National Center for Tumor Diseases (NCT), University Hospital Heidelberg, Heidelberg, Germany.
  • Department of Radiology, The First Affiliated Hospital of Jinan University, Guangzhou, China.
  • Drug Development Department, Gustave Roussy, Villejuif, France.
  • Université Paris-Saclay, Gustave Roussy, INSERM U981, IHU PRISM, Villejuif, France.
  • Department of Medicine I, Faculty of Medicine, TUD Dresden University of Technology, Dresden, Germany.
  • Department of Gynecology and Obstetrics, Faculty of Medicine, TUD Dresden University of Technology, Dresden, Germany.
  • Else Kroener Fresenius Center for Digital Health, Faculty of Medicine, TUD Dresden University of Technology, Dresden, Germany. kather.jn@tu-dresden.de.
  • Medical Oncology, National Center for Tumor Diseases (NCT), University Hospital Heidelberg, Heidelberg, Germany. kather.jn@tu-dresden.de.
  • Department of Medicine I, Faculty of Medicine, TUD Dresden University of Technology, Dresden, Germany. kather.jn@tu-dresden.de.
  • Pathology & Data Analytics, Leeds Institute of Medical Research at St. James's, University of Leeds, Leeds, UK. kather.jn@tu-dresden.de.

技术路线

数据/样本：两个基于MIMIC-IV的基准（七疾病任务和四疾病任务） → 分析：开发并评估一个完全本地部署的临床智能体，耦合本地操作控制与多视角可靠性框架；量化诊断和推理的内部似然、语言和行为稳定性指标；评估诊断正确性的判别能力（AUC）及压力测试下的信息性；设定一致性阈值评估保留病例比例及诊断准确率

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
探索相关选题直接查重
查看原文
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.

Vincent J Straub、Stefania Benonisdottir、Giovanni Scotti Bentivoglio 等DOI: 10.1038/s41591-026-04602-4
UK Biobank肿瘤与癌症风险模型成人队列研究
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
探索相关选题直接查重
查看原文
合成生物学基础研究Nature genetics

Predictive design of tissue-specific mammalian enhancers that function in the mouse embryo.

Shenzhi Chen、Vincent Loubiere、Ethan W Hollingsworth 等DOI: 10.1038/s41588-026-02729-1
深度学习成人方法学
1 次引用趋势数据不足

研究以小鼠胚胎为对象，旨在设计组织特异性哺乳动物增强子。方法上，利用精选染色质可及性数据训练紧凑卷积神经网络，并通过迁移学习在已验证的人和小鼠增强子上微调模型。据此设计心脏、肢体和中枢神经系统15个合成增强子，均能在预期靶组织中发挥作用。结果表明，哺乳动物增强子功能可仅由DNA序列可靠推断，借助适度训练集即可预测性从头设计组织特异性合成增强子，为体内哺乳动物基因表达的可编程控制提供通用框架。

为什么值得关注

暂未整理

查看扩展信息

完整作者

Shenzhi Chen、Vincent Loubiere、Ethan W Hollingsworth、Ken Murakami、Nikolaus Mandlburger、Sandra H Jacinto、Atrin Dizehchi、Jacob Schreiber、Evgeny Z Kvon、Alexander Stark

作者机构

  • Research Institute of Molecular Pathology (IMP), Vienna BioCenter (VBC), Vienna, Austria.
  • Vienna BioCenter PhD Program, Doctoral School of the University of Vienna and Medical University of Vienna, Vienna, Austria.
  • Department of Developmental and Cell Biology, University of California Irvine, Irvine, CA, USA.
  • Medical Scientist Training Program, University of California Irvine, Irvine, CA, USA.
  • Department of Genomics and Computational Biology, UMass Chan Medical School, Worcester, MA, USA.
  • Department of Systems Biology, University of California Irvine, Irvine, CA, USA.
  • Research Institute of Molecular Pathology (IMP), Vienna BioCenter (VBC), Vienna, Austria. stark@starklab.org.
  • Medical University of Vienna, Vienna BioCenter (VBC), Vienna, Austria. stark@starklab.org.

技术路线

数据/样本：整理染色质可及性数据及已验证的人和小鼠增强子；分析：训练紧凑卷积神经网络，并通过迁移学习微调；设计15个针对小鼠胚胎心脏、肢体和中枢神经系统的合成增强子；验证：在目标组织中检测到所有设计增强子均具有活性。

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：2026/10/29 12:31
探索相关选题直接查重
查看原文
AI 靶点发现临床研究Nature biotechnology

A small-molecule TNIK inhibitor targets fibrosis in preclinical and clinical models.

Feng Ren、Alex Aliper、Jian Chen 等DOI: 10.1038/s41587-024-02143-0
呼吸系统疾病机器学习成人方法学
347 次引用引用上升

特发性肺纤维化（IPF）是一种侵袭性间质性肺病，死亡率高，既往候选药物靶点未能在临床转化为有效疗法。研究利用预测性人工智能方法识别TRAF2和NCK相互作用激酶（TNIK）为抗纤维化靶点，并据此生成小分子TNIK抑制剂INS018_055。该化合物具有良好成药性，经口服、吸入或局部给药在体内多器官显示抗纤维化活性，并在多项体内研究中验证了抗炎作用。一项随机、双盲、安慰剂对照I期临床试验（NCT05154240）纳入78名健康受试者，验证了其安全性、耐受性和药代动力学；中国另一项I期试验（CTR20221542）也显示可比的安全性和药代动力学特征。从靶点发现到临床前候选药物提名约历时18个月，展示了生成式AI驱动药物发现流程的能力。

为什么值得关注

暂未整理

查看扩展信息

完整作者

Feng Ren、Alex Aliper、Jian Chen、Heng Zhao、Sujata Rao、Christoph Kuppe、Ivan V Ozerov、Man Zhang、Klaus Witte、Chris Kruse、Vladimir Aladinskiy、Yan Ivanenkov、Daniil Polykovskiy、Yanyun Fu、Eugene Babin、Junwen Qiao、Xing Liang、Zhenzhen Mou、Hui Wang、Frank W Pun、Pedro Torres-Ayuso、Alexander Veviorskiy、Dandan Song、Sang Liu、Bei Zhang、Vladimir Naumov、Xiaoqiang Ding、Andrey Kukharenko、Evgeny Izumchenko、Alex Zhavoronkov

作者机构

  • Insilico Medicine Shanghai Ltd., Shanghai, China.
  • Insilico Medicine AI Limited, Abu Dhabi, UAE.
  • Insilico Medicine Hong Kong Ltd., Hong Kong Science and Technology Park, Hong Kong SAR, China.
  • Department of Clinical Pharmacology, Affiliated Xiaoshan Hospital, Hangzhou Normal University, Hangzhou, China.
  • Insilico Medicine US Inc., New York, NY, USA.
  • Institute of Experimental Medicine and Systems Biology, RWTH Aachen University, Aachen, Germany.
  • Department of Nephrology, University Clinic RWTH Aachen, Aachen, Germany.
  • Insilico Medicine Canada Inc, Montreal, Quebec, Canada.
  • Department of Cancer and Cellular Biology, Lewis Katz School of Medicine, Temple University, PA, USA.
  • Division of Nephrology, Zhongshan Hospital Shanghai Medical College, Fudan University, Shanghai, China.
  • Section of Hematology and Oncology, Department of Medicine, University of Chicago, Chicago, IL, USA.
  • Insilico Medicine AI Limited, Abu Dhabi, UAE. alex@insilico.com.
  • Insilico Medicine Hong Kong Ltd., Hong Kong Science and Technology Park, Hong Kong SAR, China. alex@insilico.com.
  • Insilico Medicine US Inc., New York, NY, USA. alex@insilico.com.
  • Insilico Medicine Canada Inc, Montreal, Quebec, Canada. alex@insilico.com.

技术路线

AI预测靶点→AI驱动生成小分子INS018_055→体内外抗纤维化/抗炎活性评估→随机双盲安慰剂对照I期临床试验（NCT05154240，78名健康受试者）安全性/耐受性/药代动力学验证→中国I期试验（CTR20221542）验证安全性/药代动力学

最近 5 个完整年度引用趋势

0681360202102022020235320241362025

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 12:33
探索相关选题直接查重
查看原文
页