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 41 篇

AI 靶点发现基础研究International journal of molecular sciences

Artificial Intelligence as a Catalyst for Novel Therapeutic Opportunities in Precision Oncology.

Kostas A Papavassiliou、Amalia A Sofianidi、Angeliki Margoni 等DOI: 10.3390/ijms27198489

肿瘤与癌症

0 次引用趋势数据不足

人工智能正在重塑分子肿瘤学，使复杂生物数据更易处理，并拓展精准药物发现的边界。其在免疫工程与靶向治疗交汇处的作用尤为突出：计算模型可辅助优先筛选肿瘤选择性抗原、预测新抗原免疫原性、优化工程化受体、支持抗体及抗体偶联药物设计、指导小分子发现、改进基因组编辑策略并预判治疗反应。这些应用的核心在于拓宽治疗窗，在增强肿瘤控制的同时降低脱靶毒性。然而转化差距仍然显著，许多模型尚处临床前阶段，外部验证有限，临床落地并不常见。该评论沿治疗连续体梳理代表性方法，涵盖靶点发现、治疗工程、影像、液体活检、耐药预测、联合方案选择及药物重定位。作者认为，临床价值将取决于闭环工作流：多模态预测需经实验验证、外部测试并纵向更新，以指导后续治疗决策。

为什么值得关注

暂未整理

查看扩展信息

完整作者

Kostas A Papavassiliou、Amalia A Sofianidi、Angeliki Margoni、Athanasios G Papavassiliou

作者机构

First University Department of Respiratory Medicine, 'Sotiria' Chest Hospital, Medical School, National and Kapodistrian University of Athens, 11527 Athens, Greece.
Department of Biological Chemistry, Medical School, National and Kapodistrian University of Athens, 11527 Athens, Greece.

技术路线

暂未整理

最近 5 个完整年度引用趋势

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 03:55

探索相关选题直接查重

AI 靶点发现临床研究International journal of molecular sciences

A Mechanistic Map of the Phenotypic Complexity in Recessive Dystrophic Epidermolysis Bullosa Provides Basis for Therapeutic Target Discovery and Drug Repurposing.

Sara Herráiz-Gil、Miriam Payá-Milans、María Del Carmen de Arriba 等DOI: 10.3390/ijms27198436

肿瘤与癌症机器学习儿童

0 次引用趋势数据不足

隐性营养不良型大疱性表皮松解症（RDEB）由COL7A1基因功能缺失突变所致，表型复杂异质，临床可见皮肤脆性增加、局部及全身炎症、伤口愈合障碍、菌群失调、疼痛和瘙痒，并增加皮肤癌风险。本研究旨在构建RDEB分子机制的可操作模型，以识别并优选药物重定位的治疗靶点。研究利用儿童RDEB患者与未受累个体皮肤活检的转录组数据构建疾病机制图谱，并结合机器学习从图谱回路中推断可操作靶点、识别可逆转转录组改变的候选药物。所得图谱包含13条改变信号回路和10个效应蛋白，与炎症、纤维化及肿瘤进展等疾病特征相关；分析识别出66个可操作靶点及74个候选药物，富集分析显示磷酸二酯酶类及抗肿瘤和免疫调节剂富集。最终优先选出16种可逆转回路改变且不增强非预期效应的药物，其中苄氟噻嗪和伊布利特影响最大。该机制模型提供了首个RDEB功能性疾病图谱，并揭示了由已批准药物靶向的有前景的治疗候选物。

为什么值得关注

暂未整理

查看扩展信息

完整作者

Sara Herráiz-Gil、Miriam Payá-Milans、María Del Carmen de Arriba、Lucía Martínez-Santamaría、Carlos Loucera、Nuria Illera、Marcela Del Río、Joaquín Dopazo、Carlos León、María José Escámez

作者机构

Departamento de Bioingeniería, Universidad Carlos III de Madrid, ROR Code 03ths8210, Avenida de la Universidad, 30 (Edificio Sabatini), 28911 Leganés, Spain.
Centro de Investigación Biomédica en Red de Enfermedades Raras (CIBERER-ISCIII), 28029 Madrid, Spain.
Instituto de Investigación Sanitaria Fundación Jiménez Díaz (IIS-FJD, UAM), 28040 Madrid, Spain.
Centro de Investigaciones Energéticas, Medioambientales y Tecnológicas, 28040 Madrid, Spain.
Platform for Computational Medicine, Andalusian Public Foundation Progress and Health-FPS, 41092 Seville, Spain.
Computational Systems Medicine, Institute of Biomedicine of Seville (IBIS), Hospital Virgen del Rocío, 41013 Seville, Spain.

技术路线

暂未整理

最近 5 个完整年度引用趋势

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 03:55

探索相关选题直接查重

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

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

临床队列综述Briefings in bioinformatics

Advances in computational biology approaches for digital modeling of tumor microenvironment.

作者信息暂未整理DOI: 10.1093/bib/bbag595

肿瘤与癌症机器学习综述

暂无引用数据

肿瘤微环境（TME）是异质性多尺度系统，仅靠实验难以完整刻画。计算建模可整合细胞、血管、代谢、免疫与力学机制，但方法多样，给模型选择、参数化、验证和临床转化带来困难。本文以问题为导向综述TME建模的计算方法，比较连续、离散及离散-连续混合范式在生物学分辨率、数据需求、可解释性和计算成本上的差异，并将其关联至肿瘤细胞动力学、血管运输、细胞外基质与力学、代谢与缺氧、免疫互作五个机制领域；从参数可识别性、不确定性量化、数值有效性、生物学保真度和临床相关性考察模型可信度，强调按预期用途和验证情境解读性能。文章还分析机器学习在机制-ML整合中的功能，包括代理模型加速前向模拟、反演方法估计潜参数与状态、患者特异性工作流整合多模态临床数据与机制模型，以及物理信息神经网络嵌入控制方程；并讨论纵向个性化、物理感知多尺度整合、临床可部署数字孪生、外部泛化和合成数据到临床迁移，提出从机制假设生成到自适应数字孪生决策支持的转化就绪路径。可信的TME建模应优先采用最小充分模型，明确预期用途，透明呈现不确定性，并使证据与生物学或临床问题相匹配。

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

公共数据库临床研究World journal of surgical oncology

Association of different adiposity indices with breast cancer incidence and all-cause mortality: a nationwide cohort study.

作者信息暂未整理DOI: 10.1186/s12957-026-04532-y

NHANES 肿瘤与癌症肥胖队列研究

暂无引用数据

美国一项基于国家健康与营养调查（NHANES）2005—2016年周期数据的全国性队列研究，纳入12,829名20~85岁女性，评估相对脂肪量（RFM）、腰高比（WHtR）、体型指数（ABSI）、倒数体重指数（RPI）和锥度指数（CI）5项肥胖指标与乳腺癌发病及全因死亡的关系。中位随访101.4个月，期间发生367例乳腺癌、1,132例死亡。多因素校正后，ABSI与乳腺癌发病（OR=1.21，95%CI：1.02~1.44）及全因死亡（HR=1.22，95%CI：1.12~1.34）均呈显著正相关，在≥50岁女性中关联更强；CI亦与死亡正相关（HR=1.12）；RFM、WHtR和RPI在≥50岁亚组中与乳腺癌呈负相关。ABSI对乳腺癌预测的AUC最高（0.606），剂量反应关系最一致。结论认为，5项肥胖指标中ABSI与乳腺癌发病和全因死亡的关联最强且最一致，在各年龄组中预测价值稳定，未来仍需更大规模前瞻性队列研究进一步探讨。

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

公共数据库基础研究Journal of translational medicine

Novel androgen receptor N-terminal mutation drives gastric cancer metastasis via YWHAZ-mediated FAK pathway activation.

作者信息暂未整理DOI: 10.1186/s12967-026-08691-0

TCGA 肿瘤与癌症

暂无引用数据

研究对象为胃癌及AR N端A32C（p.Y11S）突变。研究分析TCGA数据库33种肿瘤并在65例胃癌中验证，采用增殖、凋亡、迁移实验及转录组分析、免疫共沉淀、FAE226药物抑制和肝转移模型研究机制。结果显示，与野生型AR相比，A32C突变显著增强增殖、抗凋亡能力及G1/S期转换；Y11S位点替换增强AR与YWHAZ结合，形成细胞质支架，自发激活FAK-PXN轴及下游PI3K-AKT/ERK通路；敲低YWHAZ或抑制FAK可逆转恶性表型。体内实验中，MT-AR细胞肝脏定植能力高于野生型细胞，转移灶中FAK活性持续较高。结论认为，AR A32C突变是此前未被识别的致癌驱动因素，通过YWHAZ介导的配体非依赖性FAK激活机制促进胃癌转移，拓展了AR突变生物学研究范围，并提示基于AR突变状态的FAK抑制剂可作为AR突变胃癌的精准治疗。

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

公共数据库基础研究Journal of translational medicine

Chromogranin B promotes EMT-associated stem-like properties and chemoresistance in HNSCC.

作者信息暂未整理DOI: 10.1186/s12967-026-08729-3

TCGA GEO 肿瘤与癌症单细胞

暂无引用数据

头颈部鳞状细胞癌（HNSCC）中，上皮-间质转化（EMT）相关干性与治疗耐药是推动疾病进展的重要因素，但其上游调控因子尚不明确。研究整合TCGA-HNSC、GEO及单细胞RNA测序数据，结合EMT评分、基因集富集分析、加权基因共表达网络分析和Cox回归，评估嗜铬粒蛋白B（CHGB）的表达、预后价值及其与EMT的关联，并通过功能获得/缺失、异种移植、肿瘤球形成、顺铂敏感性及挽救实验探究其生物学功能与机制。结果显示，CHGB在HNSCC组织中显著上调并与总生存期不良相关，其表达与EMT相关转录程序密切相关。敲低CHGB可抑制增殖、迁移、细胞周期进展、原代及继代肿瘤球形成、体外顺铂耐药和体内肿瘤生长，过表达则呈相反效应。机制上，CHGB通过PI3K/AKT信号维持ZEB1表达，促进EMT相关干性和化疗耐药；恢复ZEB1可部分挽救CHGB敲低所致的自我更新能力受损和顺铂敏感性增强，而沉默ZEB1可减弱CHGB驱动的恶性表型。单细胞转录组分析进一步证实CHGB富集于恶性细胞，并与EMT和干性程序正相关。结论认为，CHGB通过PI3K/AKT/ZEB1轴调控EMT相关干性和化疗耐药，是HNSCC潜在的预后生物标志物和治疗靶点。

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

合成生物学综述Molecular cancer

Trace elements and tumors: homeostatic networks, molecular mechanisms and new horizons for precision intervention.

Shengxin Zhang、Keqin Tan、Qin Zhang 等DOI: 10.1186/s12943-026-02754-y

肿瘤与癌症综述

0 次引用趋势数据不足

痕量元素铁、铜、锌、硒、锰是生命必需物质，作为酶辅因子、结构组分和信号分子参与能量代谢、氧化还原平衡及基因组稳定性调控，其生理功能呈剂量-效应双相性，稳态失衡既可维护健康也可促进恶性转化。本综述系统阐述上述五种核心痕量元素在生理条件下的完整生命周期及其功能互联，并阐释肿瘤细胞通过元素成瘾机制劫持该调控网络。文章详述铁依赖性铁死亡与铜依赖性铜死亡的新兴作用，以及痕量元素对凋亡和自噬的情境依赖性调控，揭示肿瘤特异性代谢脆弱性。在肿瘤免疫微环境中，锌和硒通常支持抗肿瘤免疫，铁和铜失调驱动免疫抑制极化，锰则为具免疫治疗潜力的cGAS-STING激动剂。在血管生成与转移方面，铜和铁在细胞外基质重塑、上皮-间质转化及血管生成信号中发挥核心作用。临床证据表明，全身及局部元素失衡可作为多种癌症的风险生物标志物。治疗策略包括传统营养与药理干预、基于元素代谢的放化疗及免疫治疗协同增敏，以及元素响应纳米平台和合成生物学工程免疫细胞等交叉工程方法。多数治疗证据来自临床前模型，需严谨基础研究支撑临床转化。

为什么值得关注

AI 辅助短评，基于标题和摘要整理

本文系统梳理铁、铜、锌、硒、锰的稳态网络与肿瘤代谢劫持机制，涵盖铁死亡、铜死亡及免疫微环境调控，并整合元素失衡作为风险标志物的临床证据。治疗策略分类清晰，但作者明确多数证据源于临床前模型，转化前需严谨基础研究。综述框架具系统生物学视角，知识缺口梳理有助于假设驱动探索，适合作为该领域参考。

查看扩展信息

完整作者

Shengxin Zhang、Keqin Tan、Qin Zhang、Yuzhe Zhao、Ziyang Cheng、Xinggang Yang、Jingsi Dong、Jiaming Liu、Xuelei Ma

作者机构

Department of Biotherapy, Cancer Center and State Key Laboratory of Biotherapy, West China Hospital, Sichuan University, Chengdu, Sichuan, China.
Department of Postgraduate Students, West China Hospital, Sichuan University, Chengdu, Sichuan, China.
West China Hospital of Stomatology, Sichuan University, Chengdu, Sichuan, China.
Department of Hematology, Children's Hospital of Soochow University, Suzhou, Jiangsu, China.
Department of Respiratory and Critical Care Medicine, Institute of Respiratory Health, Frontiers Science Center for Disease-Related Molecular Network, West China Hospital, Sichuan University, Chengdu, China.
Lung Cancer Center/Lung Cancer Institute, West China Hospital, Sichuan University, Chengdu, Sichuan, China. dongjingsi@wchscu.edu.cn.
Department of Thoracic Surgery, West China Hospital, Sichuan University, Chengdu, Sichuan, China. dongjingsi@wchscu.edu.cn.
Department of Urology, West China Hospital, Sichuan University, Chengdu, China. JM3099@163.com.
Department of Biotherapy, Cancer Center and State Key Laboratory of Biotherapy, West China Hospital, Sichuan University, Chengdu, Sichuan, China. maxuelei0726@wchscu.cn.

技术路线

文献综述：整合基础与临床数据 → 归纳五种微量元素（铁、铜、锌、硒、锰）的稳态网络、分子机制及肿瘤特异性代谢脆弱性

最近 5 个完整年度引用趋势

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 03:49

探索相关选题直接查重

公共数据库基础研究Acta pharmaceutica Sinica. B

Oral artificial microbio-vaccine triggers synergistic immunogenic cell death induction and tumor microenvironment remodeling for liver cancer therapy.

作者信息暂未整理DOI: 10.1016/j.apsb.2026.06.058

MIMIC 肿瘤与癌症

暂无引用数据

研究人员采用分层组装策略构建了一种口服人工微生物疫苗（TP/GA-NYPs）：将免疫原性细胞死亡诱导剂雷公藤甲素（TP）与免疫调节剂甘草酸（GA）共组装为纳米解毒核心，并负载于中空酿酒酵母微胶囊（YC）中，壳聚糖外壳保障包封效果。该设计利用YC实现胃部保护和肠道黏膜靶向。结果显示，TP/GA核心具有协同作用，TP有效诱导免疫原性细胞死亡，GA则通过抑制转移相关标志物、增强免疫刺激性细胞因子谱重塑免疫抑制性肿瘤微环境。该口服聚集体可激发肠道黏膜及全身免疫，抑制肝癌进展与转移，并减轻TP的全身毒性。研究提示功能性聚集体在协同抗肿瘤免疫方面具有治疗潜力，为口服免疫治疗提供了通用平台。

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

AI 靶点发现基础研究Cell

AI-driven discovery of GPNMB CAR T cells as a multi-cancer therapy.

Daniel J Baker、Leon M Frommer、Ugur Uslu 等DOI: 10.1016/j.cell.2026.06.002

TCGA 肿瘤与癌症单细胞方法学

8 次引用趋势数据不足

研究开发了一种人工智能驱动的CAR-T细胞靶点发现方法，通过整合人皮肤癌与健康组织的单细胞RNA测序数据集筛选候选靶点，并利用公共数据集优化肿瘤组成、组织特异性及临床可行性，再以大语言模型优先排序和提名治疗潜力靶点。糖蛋白非转移性黑色素瘤蛋白B（GPNMB）为最常被提名的靶点，其在血液肿瘤和实体瘤中的表达得到验证。研究构建了靶向人GPNMB的CAR-T细胞，在小鼠单核母细胞白血病、黑色素瘤和结直肠腺癌模型中显示出强效抗肿瘤活性。研究建立了可扩展的CAR-T细胞靶点发现流程，并支持将GPNMB靶向CAR-T细胞作为多癌种治疗手段的转化。

为什么值得关注

暂未整理

查看扩展信息

完整作者

Daniel J Baker、Leon M Frommer、Ugur Uslu、Kisha K Patel、Daniel Zhu、Nils W Engel、James M George、Wencao Zhao、Samuel I Kim、Lisa Sun、Christopher Roselle、Philipp C Rommel、Regina M Young、Jonathan A Epstein、Sikander Hayat、Zoltan Arany、Carl H June

作者机构

Center for Cellular Immunotherapies, University of Pennsylvania Perelman School of Medicine, Philadelphia, PA 19104, USA; Department of Pathology and Laboratory Medicine, University of Pennsylvania Perelman School of Medicine, Philadelphia, PA 19104, USA; Cardiovascular Institute, Department of Medicine, Perelman School of Medicine, University of Pennsylvania, Philadelphia, PA 19104, USA. Electronic address: bakerdj@upenn.edu.
Department of Medicine 2, RWTH Aachen University, Medical Faculty, Aachen, Germany.
Center for Cellular Immunotherapies, University of Pennsylvania Perelman School of Medicine, Philadelphia, PA 19104, USA; Department of Pathology and Laboratory Medicine, University of Pennsylvania Perelman School of Medicine, Philadelphia, PA 19104, USA; Department of Dermatology, Venereology and Allergology, University Hospital Würzburg, 97080 Würzburg, Germany.
Center for Cellular Immunotherapies, University of Pennsylvania Perelman School of Medicine, Philadelphia, PA 19104, USA; Department of Pathology and Laboratory Medicine, University of Pennsylvania Perelman School of Medicine, Philadelphia, PA 19104, USA.
Michigan Center for Translational Pathology, University of Michigan, Ann Arbor, MI, USA.
Cardiovascular Institute, Department of Medicine, Perelman School of Medicine, University of Pennsylvania, Philadelphia, PA 19104, USA.
Cardiovascular Institute, Department of Medicine, Perelman School of Medicine, University of Pennsylvania, Philadelphia, PA 19104, USA; Department of Medicine, Perelman School of Medicine at the University of Pennsylvania, Philadelphia, PA, USA; Institute for Regenerative Medicine, Perelman School of Medicine at the University of Pennsylvania, Philadelphia, PA, USA; Department of Cell and Developmental Biology, Perelman School of Medicine at the University of Pennsylvania, Philadelphia, PA, USA.
Department of Medicine 2, RWTH Aachen University, Medical Faculty, Aachen, Germany; Cardiovascular Research Institute, Department of Medicine, Icahn School of Medicine at Mount Sinai, New York, NY, USA; Windreich Department of Artificial Intelligence and Human Health, Icahn School of Medicine at Mount Sinai, New York, NY, USA. Electronic address: shayat@ukaachen.de.
Cardiovascular Institute, Department of Medicine, Perelman School of Medicine, University of Pennsylvania, Philadelphia, PA 19104, USA; Department of Medicine, Perelman School of Medicine at the University of Pennsylvania, Philadelphia, PA, USA; Department of Physiology, Perelman School of Medicine, University of Pennsylvania, Philadelphia, PA, USA. Electronic address: zarany@upenn.edu.
Center for Cellular Immunotherapies, University of Pennsylvania Perelman School of Medicine, Philadelphia, PA 19104, USA; Department of Pathology and Laboratory Medicine, University of Pennsylvania Perelman School of Medicine, Philadelphia, PA 19104, USA; Parker Institute for Cancer Immunotherapy at University of Pennsylvania, Philadelphia, PA 19104, USA. Electronic address: cjune@upenn.edu.

技术路线

单细胞RNA测序数据（人类皮肤癌与健康组织）整合→AI驱动候选靶点筛选，结合公共数据集优化肿瘤组成、组织特异性与临床可行性→大语言模型优先排序与提名→GPNMB跨血液与实体瘤表达验证→构建人源GPNMB CAR T细胞→单核细胞白血病、黑色素瘤和结直肠腺癌小鼠模型抗肿瘤活性验证

最近 5 个完整年度引用趋势

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 12:32

探索相关选题直接查重