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 65 篇

临床队列临床研究Frontiers in immunology

Sintilimab plus R-CHOP versus DA-EPOCH-R as first-line therapy for primary mediastinal large B-cell lymphoma: a real-world comparative cohort study.

作者信息暂未整理DOI: 10.3389/fimmu.2026.1924360

队列研究

0 次引用趋势数据不足

一项真实世界回顾性队列研究纳入98例初诊原发性纵隔大B细胞淋巴瘤患者，其中42例接受信迪利单抗联合R-CHOP方案（组1），56例接受DA-EPOCH-R方案（组2），主要终点为无进展生存期（PFS），次要终点包括完全代谢缓解（CMR）和安全性，并采用倾向评分匹配（PSM）和逆概率治疗加权（IPTW）校正基线失衡，同时对75例诊断样本进行分子分析以评估免疫逃逸特征。结果显示，信迪利单抗联合R-CHOP的缓解率和PFS与DA-EPOCH-R在数值上相近，但该回顾性、事件数有限的队列无法推断等效性或非劣效性。匹配前CMR率分别为85.7%和83.9%（Fisher P=1.000），PSM后为83.3%和80.6%（P=1.000；36对）。匹配前24、36、60个月PFS率分别为81.0%对83.9%（HR 1.19，95% CI 0.46-3.09；log-rank P=0.716），匹配后为83.3%对80.6%（HR 0.84，95% CI 0.28-2.51；P=0.759），IPTW后为83.9%对84.6%（HR 1.04，95% CI 0.39-2.76；稳健P=0.942）；上述估计基于全队列17例PFS事件及匹配后13例事件。匹配前信迪利单抗联合R-CHOP组3-4级中性粒细胞减少发生率较低（38.1%对66.1%；P=0.008），匹配后仍较低（30.6%对61.1%；P=0.017）。75例样本的分子数据显示，两治疗组9p24.1改变及PD-L1/PD-L2表达分布基本相似。结论认为，在该真实世界队列中，信迪利单抗联合R-CHOP的缓解率和PFS估计与DA-EPOCH-R重叠，且3-4级中性粒细胞减少较少；但研究无法确立等效性、非劣效性、治疗替代或省略放疗，结果支持将PD-1阻断整合入一线化学免疫治疗的生物学依据，并提示需开展前瞻性研究以明确其在PET适应性和免疫驱动治疗策略中的作用。

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

不含 2026 年，仅展示最近 5 个完整年度。

数据来源：openalex更新时间：2026/10/31 14:15

探索相关选题直接查重

临床队列临床研究Frontiers in cell and developmental biology

Gut microbial immunometabolic pathways associated with cardiac arrest risk: genetic evidence and exploratory fecal microbiome profiling.

作者信息暂未整理DOI: 10.3389/fcell.2026.1931987

队列研究

0 次引用趋势数据不足

一项研究采用双向两样本孟德尔随机化，优先筛选与心脏骤停风险相关的肠道微生物特征，并通过两步中介分析评估循环代谢物、免疫细胞表型和炎症蛋白是否可能构成中介通路；另对心脏骤停患者与健康对照的粪便16S rRNA队列进行探索性分析。结果优先识别出14个与心脏骤停风险相关的候选肠道微生物分类群或微生物代谢通路；中介分析发现55条候选中介通路，涉及41个候选中介因子，其中10条通路依据联合显著性标准和Sobel检验具有相对更强的统计学支持。代谢物相关信号占候选中介通路的大多数，免疫细胞表型和炎症因子亦有贡献。探索性16S队列中，多样性和排序模式未见稳健的组间分离，描述性组成总结与遗传分析提示的信号存在部分分类学重叠，但不构成方向性或因果性验证。结论认为，这些发现优先提示连接肠道微生物变异与心脏骤停风险的免疫代谢框架，代谢中介是后续研究的主要候选层面；探索性临床16S结果仅提供心脏骤停后的描述性背景，遗传发现应视为需更大规模前瞻性和实验性研究确认的候选关联。

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

不含 2026 年，仅展示最近 5 个完整年度。

数据来源：openalex更新时间：2026/10/31 11:42

探索相关选题直接查重

临床队列临床研究Nature medicine

A health-system-scale, episode-resolved multimodal atlas of cancer cachexia.

Venise Jan Castillon、Amy X Xie、Sonia Boscenco 等DOI: 10.1038/s41591-026-04689-9

肿瘤与癌症多组学风险模型多中心队列研究

0 次引用趋势数据不足

《自然·医学》发表的一项研究利用纪念斯隆-凯特琳癌症中心2010至2024年间52,236例癌症患者的纵向临床基因组数据，构建了按发作解析的癌症恶病质多模态图谱。研究发现，恶病质性体重减轻发作集中于疾病进展期附近，并与几乎所有癌种的不良结局相关；不同恶性肿瘤的恶病质发作具有一致的血清学特征，即白蛋白和血红蛋白降低、肝酶升高。多种肿瘤体细胞基因型（包括多种疾病中的TP53突变）与恶病质发作更频繁相关。基于上述发现，研究者建立了多变量模型，用于预测肺癌、结直肠癌和前列腺癌患者即将发生恶病质性体重减轻的风险，并在丹娜法伯癌症研究院5,785例独立外部队列中完成验证。研究表明，常规临床基因组数据可作为癌症恶病质研究的可扩展资源。

为什么值得关注

暂未整理

查看扩展信息

完整作者

Venise Jan Castillon、Amy X Xie、Sonia Boscenco、Ethan Tse、Neil Ruthen、Jamie Wang、Ziad Bakouny、Michele Waters、Chenlian Fu、Christopher Fong、Mustafa Saleh、Tarek Baroud、Wungki Park、Urvi A Shah、A Ari Hakimi、Puneeth Iyengar、Justin Jee、Eileen White、Alexander Gusev、Tobias Janowitz、Marcus D Goncalves、Ed Reznik

作者机构

Computational Oncology Service, Department of Epidemiology and Biostatistics, Memorial Sloan Kettering Cancer Center, New York, NY, USA.
Dana-Farber Cancer Institute, Boston, MA, USA.
Department of Medicine, Memorial Sloan Kettering Cancer Center, New York, NY, USA.
Weill Cornell Medical College, New York, NY, USA.
Urology Service, Department of Surgery, Memorial Sloan Kettering Cancer Center, New York, NY, USA.
Department of Radiation Oncology, Memorial Sloan Kettering Cancer Center, New York, NY, USA.
Human Oncology and Pathogenesis Program, Memorial Sloan Kettering Cancer Center, New York, NY, USA.
Rutgers Cancer Institute, Rutgers University, New Brunswick, NJ, USA.
Ludwig Princeton Branch, Ludwig Institute for Cancer Research, Princeton University, Princeton, NJ, USA.
Broad Institute of MIT and Harvard, Cambridge, MA, USA.
Harvard Medical School, Boston, MA, USA.
Cold Spring Harbor Laboratory, Cold Spring Harbor, NY, USA.
Northwell Health Cancer Institute, Northwell Health, New Hyde Park, NY, USA.
Holman Division of Endocrinology, Diabetes & Metabolism, Department of Medicine and Radiation Oncology, NYU Langone Health, New York, NY, USA.
Computational Oncology Service, Department of Epidemiology and Biostatistics, Memorial Sloan Kettering Cancer Center, New York, NY, USA. reznike@mskcc.org.

技术路线

纵向临床基因组数据（MSK-IMPACT，52,236例患者，2010-2024）→定义共识性恶病质体重减轻的发作分辨轨迹并关联结局、血清学与肿瘤基因型→多变量模型预测肺癌、结直肠癌和前列腺癌的恶病质体重减轻风险→在Dana-Farber癌症研究所独立外部队列（n=5,785）中验证

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：2026/10/30 06:02

探索相关选题直接查重

临床队列临床研究Nature biotechnology

Decoding systemic vascular health and hypertensive disorders in pregnancy through retinal imaging and Visionary AI.

Srilaxmi Bearelly、Cassandra Areff、Matthew K Hoffman 等DOI: 10.1038/s41587-026-03303-0

深度学习风险模型孕产妇队列研究

0 次引用趋势数据不足

妊娠期高血压疾病源于早期胎盘和全身血管功能障碍，现有早孕期筛查不够精准且生物学机制不明确。研究提出可解释平台Visionary AI，将视网膜成像与基于图的血管建模相结合，把视网膜图像转化为微血管结构的拓扑和几何表征，基于血管特征而非通用图像嵌入或临床变量进行风险预测。在1267例妊娠的前瞻性开发队列中，子痫前期预测的曲线下面积为0.91，平均精度为0.81；经稳定性优化的模型无需重新训练即转移至独立外部验证队列，AUC为0.81，AP为0.68，优于临床和深度学习基准。视网膜血管拓扑、几何、网络复杂性和层级组织等重复出现的特征，使母体视网膜可作为全身血管健康的微创生物传感器，Visionary AI为妊娠风险分层提供了具有生物学可解释性的框架。

为什么值得关注

编辑短评

摘要展示了基于视网膜图像和图建模的可解释AI用于妊娠高血压疾病预测。开发队列AUC 0.91，外部验证AUC 0.81且优于临床与深度学习基准，提示一定泛化性。但摘要未报告校准、决策曲线或亚组表现，且外部验证细节有限，临床效用仍需前瞻性影响研究确认。

查看扩展信息

完整作者

Srilaxmi Bearelly、Cassandra Areff、Matthew K Hoffman、Daniel Sunko、Andrew F Laine、Bin Choi、Hanna Rodriguez Coleman、Bianca Cordazzo Vargas、Chloe Y Li、Jennifer J Dawkins、Emily Amir、Sahar Paz、Lisa A Hark、Whitney A Booker、April A Jauhal、Justin S Brandt、Ronald J Wapner、Liat Shenhav

作者机构

Department of Ophthalmology, Columbia University Irving Medical Center, New York, NY, USA.
Department of Obstetrics and Gynecology, Columbia University Irving Medical Center, New York, NY, USA.
Institute for Systems Genetics, NYU Grossman School of Medicine, New York University, New York, NY, USA.
Division of Obstetrics and Gynecology, ChristianaCare, Newark, DE, USA.
Department of Biomedical Engineering, Columbia University, New York, NY, USA.
Department of Radiology, Columbia University Irving Medical Center, New York, NY, USA.
Center for Health Analytics, Data Science Institute, Columbia University, New York, NY, USA.
Department of Obstetrics and Gynecology, NYU Grossman School of Medicine, New York University, New York, NY, USA.
Institute for Systems Genetics, NYU Grossman School of Medicine, New York University, New York, NY, USA. liat.shenhav@nyulangone.org.
Department of Microbiology, NYU Grossman School of Medicine, New York University, New York, NY, USA. liat.shenhav@nyulangone.org.
Department of Obstetrics and Gynecology, NYU Grossman School of Medicine, New York University, New York, NY, USA. liat.shenhav@nyulangone.org.
Department of Computer Science, Courant Institute of Mathematical Sciences, New York University, New York, NY, USA. liat.shenhav@nyulangone.org.

技术路线

数据/样本：前瞻性开发队列1,267例妊娠的视网膜图像；分析：将视网膜图像转换为微血管结构的拓扑与几何表示，结合基于图的血管建模进行风险预测；验证：稳定性优化模型未重新训练迁移至独立外部验证队列。

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 06:02

探索相关选题直接查重

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.

David M van den Berg、Daniel S Malawsky、Wei Huang 等DOI: 10.1038/s41588-026-02787-5

UK Biobank 罕见病风险模型多中心队列研究

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

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

探索相关选题直接查重

临床队列临床研究European stroke journal

The effect of pregnancy and puerperium on haemorrhage risk in women with cerebral cavernous malformations: a case-crossover study.

作者信息暂未整理DOI: 10.1093/esj/aakag130

孕产妇队列研究

0 次引用趋势数据不足

基于42例46岁及以下确诊脑海绵状血管畸形（CCM）女性的前瞻性数据，采用病例交叉设计比较妊娠相关期（妊娠及产后6周）与非妊娠随访期的症状性出血（SH）风险，每名女性自身对照。23名女性在确诊后至少经历1次妊娠，共40次妊娠。妊娠相关期共25.6患者年发生2例SH，年出血率7.8%（95%CI 0.9-28.3）；非妊娠期420.7患者年发生42例SH，年出血率10.0%（95%CI 7.2-13.5），两者无统计学差异（P=0.751）。按既往出血史分层，有既往出血者妊娠期10.3患者年无SH发生，非妊娠期12.7患者年发生8例（年率63.0%）；无既往出血者妊娠期15.2患者年发生2例（年率13.1%），非妊娠期408.0患者年发生34例（年率8.3%），GEE-Poisson分析无显著差异（IRR 1.64，95%CI 0.44-6.13，P=0.462）。脑干CCM亚组分析亦无显著差异（IRR 2.09，95%CI 0.36-12.14，P=0.411）。结论认为，本队列中妊娠未显著增加CCM女性SH发生率，但妊娠期事件数及随访时间有限，需谨慎解读，咨询应结合病灶部位、出血史、神经状态及治疗史个体化进行。

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

不含 2026 年，仅展示最近 5 个完整年度。

数据来源：openalex更新时间：2026/11/01 07:00

探索相关选题直接查重

临床队列临床研究Immunity, inflammation and disease

Growth Hormone-Related Gene Signatures Reveal Diagnostic Biomarkers, Immune Landscapes, and Potential Therapeutic Targets in Sepsis Through WGCNA and Machine Learning Analyses.

Xiuhua Li、Ang Liu、Yingwei Ding 等DOI: 10.1002/iid3.70566

GEO 机器学习风险模型队列研究

0 次引用趋势数据不足

脓毒症会重塑炎症、免疫和代谢活动，但生长激素相关基因在该反应中的表现尚不明确。研究整合两个GEO芯片队列构建模型，并以GSE26378和GSE28750独立验证；通过差异分析与WGCNA识别脓毒症相关表达信号，再与1205个生长激素相关基因取交集，经蛋白互作和四种机器学习方法筛选候选基因。结果获得2552个差异表达基因和1873个WGCNA模块基因，交集含40个基因，PPI分析缩减至23个枢纽候选，机器学习一致保留JAK1和GATA3；二者在脓毒症中均下调，在训练及外部验证队列中诊断性能稳定，联合模型判别能力优于单基因。功能分析显示两基因与T细胞信号、抗原加工、免疫调节、线粒体代谢及翻译过程相关；免疫图谱显示脓毒症中淋巴细胞相关特征减弱、髓系特征增强；按JAK1/GATA3表达可分两个免疫和转录谱不同的亚型。研究表明JAK1和GATA3是有前景的生长激素相关候选诊断生物标志物，与脓毒症免疫异质性相关，其联合特征或可用于分子分层，尚需进一步实验和临床验证。

为什么值得关注

暂未整理

查看扩展信息

完整作者

Xiuhua Li、Ang Liu、Yingwei Ding、Gang Chen、Bingwen Zhang

作者机构

Department of Emergency Medicine,, Affiliated Jinhua Hospital, Zhejiang University School of Medicine, Jinhua, Zhejiang, China.

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：2026/11/01 03:57

探索相关选题直接查重

临床队列临床研究Nature

Sugar-rich foods exacerbate antibiotic-induced microbiome disruption.

Anqi Dai、Annamaria Ballweg、William Jogia 等DOI: 10.1038/s41586-026-11077-3

多组学风险模型队列研究

1 次引用趋势数据不足

一项研究通过精确追踪173名因造血细胞移植住院患者摄入的9 419餐饮食并分析随后微生物组变化，评估饮食与肠道微生物组动态的关系。对158名有配对纵向微生物组样本患者数据应用贝叶斯推断显示，抗生素暴露期间摄入甜食和糖类可预测微生物失调加重，表现为α多样性降低和致病共生菌肠球菌更大程度扩增。小鼠实验亦表明，补充蔗糖可增加并延长抗生素诱导的肠球菌扩增。研究提示，抗生素治疗期间避免富含单糖的饮食或可减轻微生物群破坏。

为什么值得关注

编辑短评

评估了饮食（特别是甜食和糖类）与肠道微生物组动态的关系，抗生素治疗期间避免富含单糖的饮食或可减轻微生物群破坏。

查看扩展信息

完整作者

Anqi Dai、Annamaria Ballweg、William Jogia、Madhumitha Rangesa、Peter A Adintori、Mirae Baichoo、Tyler Funnell、Teng Fei、Nicholas R Waters、Abrielle Swartz、Sukanya Sahu、Brianna Gipson、Sandeep S Raj、Eiko Hayase、Zoe Pierce、Kenton Wu、Natalie Smith、Justin Neuberger、Adam Warren、Marina Burgos da Silva、Oriana Miltiadous、Corrado Zuanelli Brambilla、Marissa Lubin Buchan、Tatanisha K Peets、Ana Gradissimo、Luigi A Amoretti、Caichen Duan、Chenzhen Zhang、Fanny Matheis、Alexis P Sullivan、John B Slingerland、Annelie G Clurman、Daniel G Brereton、Paul A Giardina、Antonio L C Gomes、Abigail J Johnson、Dan Knights、Robert R Jenq、Kate A Markey、Miguel-Angel Perales、Sergio A Giralt、Marcel R M van den Brink、Jonas Schluter、Jonathan U Peled

作者机构

Adult Bone Marrow Transplantation Service, Department of Medicine, Memorial Sloan Kettering Cancer Center, New York, NY, USA.
Institute for Systems Genetics, NYU Langone Health Grossman School of Medicine, New York, NY, USA.
Department of Microbiology, NYU Langone Health Grossman School of Medicine, New York, NY, USA.
Department of Hematology and Hematopoietic Cell Transplantation, City of Hope National Medical Center, Los Angeles, CA, USA.
Department of Epidemiology and Biostatistics, Memorial Sloan Kettering Cancer Center, New York, NY, USA.
Departments of Genomic Medicine and Stem Cell Transplantation Cellular Therapy, Division of Cancer Medicine, University of Texas MD Anderson Cancer Center, Houston, TX, USA.
Human Oncology & Pathogenesis Program, Sloan Kettering Institute, Memorial Sloan Kettering Cancer Center, New York, NY, USA.
Department of Pediatrics, Memorial Sloan Kettering Cancer Center, New York, NY, USA.
Haematology Unit, Department of Cellular Therapy, Hematology and Laboratory Medicine, Azienda Ospedaliero-Universitaria Senese, Siena, Italy.
Food and Nutrition Services, Memorial Sloan Kettering Cancer Center, New York, NY, USA.
Department of Biomedical Engineering, NYU Tandon School of Engineering, New York, NY, USA.
Division of Epidemiology and Community Health, School of Public Health, University of Minnesota, Minneapolis, MN, USA.
Riddet Institute, Massey University, Palmerston North, New Zealand.
Department of Computer Science and Engineering, University of Minnesota, Minneapolis, MN, USA.
Biotechnology Institute, University of Minnesota, Saint Paul, MN, USA.
Translational Science and Therapeutics Division, Fred Hutchinson Cancer Center, Seattle, WA, USA.
Division of Medicine, University of Washington, Seattle, WA, USA.
Weill Cornell Medical College, New York, NY, USA.
City of Hope, Duarte, CA, USA. mvandenbrink@coh.org.
Institute for Systems Genetics, NYU Langone Health Grossman School of Medicine, New York, NY, USA. jonas.schluter@nyulangone.org.
Department of Microbiology, NYU Langone Health Grossman School of Medicine, New York, NY, USA. jonas.schluter@nyulangone.org.
Laura and Isaac Perlmutter Cancer Center, NYU Langone Health, New York, NY, USA. jonas.schluter@nyulangone.org.
Adult Bone Marrow Transplantation Service, Department of Medicine, Memorial Sloan Kettering Cancer Center, New York, NY, USA. peledj@mskcc.org.
Weill Cornell Medical College, New York, NY, USA. peledj@mskcc.org.

技术路线

数据/样本：173例造血干细胞移植住院患者的9,419餐饮食记录及纵向肠道菌群样本（其中158例有配对纵向菌群样本用于贝叶斯推断）；分析：贝叶斯推断评估饮食与菌群动态关系；验证：小鼠实验验证蔗糖补充对抗生素诱导肠球菌扩张的影响。

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 06:30

探索相关选题直接查重

临床队列方法学Nature methods

CytoVI: deep generative modeling of antibody-based single cell data.

Florian Ingelfinger、Nathan Levy、Can Ergen 等DOI: 10.1038/s41592-026-03224-5

单细胞队列研究方法学

0 次引用趋势数据不足

基于抗体的单细胞技术（如流式细胞术、质谱流式细胞术和CITE-seq）已广泛应用于临床诊断和基础研究，但其分析受到技术噪声、批次效应、平台差异和抗体组合受限等因素的影响。为此，研究提出CytoVI——一种概率生成模型，用于对基于抗体的单细胞数据进行统计严谨的统一分析。CytoVI可在单一概率模型中生成信息丰富的细胞嵌入、填补缺失测量值、进行差异蛋白表达检验并自动注释细胞。研究应用CytoVI构建了涵盖350种蛋白的B细胞成熟整合图谱，识别出与免疫球蛋白类别转换相关的蛋白；在经流式细胞术和CITE-seq分析的B细胞非霍奇金淋巴瘤患者队列中，CytoVI揭示了疾病相关的T细胞状态。CytoVI已作为开源软件发布于scvi-tools.org。

为什么值得关注

暂未整理

查看扩展信息

完整作者

Florian Ingelfinger、Nathan Levy、Can Ergen、Artemy Bakulin、Alexander Becker、Pierre Boyeau、Martin Kim、Diana Ditz、Jan Dirks、Jonas Maaskola、Tobias Wertheimer、Robert Zeiser、Corinne C Widmer、Ido Amit、Nir Yosef

作者机构

Department of Systems Immunology, Weizmann Institute of Science, Rehovot, Israel. florian.ingelfinger@uniklinik-freiburg.de.
Department of Internal Medicine I, Medical Center-University of Freiburg, Freiburg, Germany. florian.ingelfinger@uniklinik-freiburg.de.
German Cancer Consortium (DKTK) Partner Site Freiburg, a partnership between DKFZ and Medical Center-University of Freiburg, Heidelberg, Germany. florian.ingelfinger@uniklinik-freiburg.de.
Department of Systems Immunology, Weizmann Institute of Science, Rehovot, Israel.
Department of Electrical Engineering and Computer Science, University of California, Berkeley, CA, USA.
Institute of Systems Immunology, Julius-Maximilians-Universität Würzburg, Würzburg, Germany.
Division of Hematology and Laboratory Medicine, University Hospital Basel, Basel, Switzerland.
Department of Internal Medicine I, Medical Center-University of Freiburg, Freiburg, Germany.
Department of Systems Immunology, Weizmann Institute of Science, Rehovot, Israel. ido.amit@weizmann.ac.il.
Department of Systems Immunology, Weizmann Institute of Science, Rehovot, Israel. nir.yosef@weizmann.ac.il.
Department of Electrical Engineering and Computer Science, University of California, Berkeley, CA, USA. nir.yosef@weizmann.ac.il.

技术路线

抗体单细胞数据（流式细胞术、质谱流式、CITE-seq） → 统一概率生成模型分析（细胞嵌入生成、缺失测量插补、差异蛋白表达检验、自动细胞注释）

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 06:02

探索相关选题直接查重

临床队列临床研究Cell

Microbiome signatures linked to cancer and treatment adverse events in a real-world cohort.

Lu Yang、Vaidhvi Singh、Brent J Gawey 等DOI: 10.1016/j.cell.2026.09.009

肿瘤与癌症多组学风险模型多中心队列研究

0 次引用趋势数据不足

一项真实世界混合癌症队列研究（Mayo Clinic Cancer Microbiome）纳入1,364例癌症患者和287名健康对照，采用可校正癌症、合并症及人口学和临床变量相关非特异性微生物组关联的分析框架，在五类癌症中鉴定出341种最可能参与癌症发病的癌症相关菌种。在癌种内部，早期乳腺癌患者粪便胆汁酸及C. scindens水平较低，早期结直肠癌患者乳酸和Veillonella parvula升高；携带二氢嘧啶脱氢酶的Anaerostipes hadrus对5-氟尿嘧啶所致腹泻具有保护作用。研究提示该队列可用于发现癌症特异性微生物组特征和预测性生物标志物。

为什么值得关注

暂未整理

查看扩展信息

完整作者

Lu Yang、Vaidhvi Singh、Brent J Gawey、Jason P Sinnwell、Stephen Johnson、Elle C Billings、Trena M Van Gorp、Jonathan J Harrington、Michael Q Slama、Lisa M Till、Manavjot Singh、Thoshik R Samineni、Mojun Zhu、Krishna R Kalari、Gianrico Farrugia、Jun Chen、Ruben A T Mars、Purna C Kashyap

作者机构

Department of Quantitative Health Sciences, Mayo Clinic, Rochester, MN, USA; The Benioff Center for Microbiome Medicine, University of California San Francisco, San Francisco, CA, USA.
Division of Gastroenterology and Hepatology, Department of Medicine, Mayo Clinic, Rochester, MN, USA.
Division of Gastroenterology and Hepatology, Department of Medicine, Mayo Clinic, Rochester, MN, USA; Division of Gastroenterology, Mount Sinai, New York, NY, USA.
Department of Quantitative Health Sciences, Mayo Clinic, Rochester, MN, USA.
Center for Individualized Medicine, Mayo Clinic, Rochester, MN, USA.
Division of Gastroenterology, Mount Sinai, New York, NY, USA.
Department of Oncology, Mayo Clinic, Rochester, MN, USA.
Division of Gastroenterology and Hepatology, Department of Medicine, Mayo Clinic, Rochester, MN, USA; Department of Physiology and Biomedical Engineering, Mayo Clinic, Rochester, MN, USA.
Department of Quantitative Health Sciences, Mayo Clinic, Rochester, MN, USA; Center for Individualized Medicine, Mayo Clinic, Rochester, MN, USA. Electronic address: chen.jun2@mayo.edu.
Division of Gastroenterology and Hepatology, Department of Medicine, Mayo Clinic, Rochester, MN, USA; Center for Individualized Medicine, Mayo Clinic, Rochester, MN, USA. Electronic address: mars.ruben@mayo.edu.
Division of Gastroenterology and Hepatology, Department of Medicine, Mayo Clinic, Rochester, MN, USA; Department of Physiology and Biomedical Engineering, Mayo Clinic, Rochester, MN, USA. Electronic address: kashyap.purna@mayo.edu.

技术路线

真实世界混合癌症队列（1364例癌症患者和287例健康对照）的粪便微生物组数据 → 构建校正框架以排除与合并症、人口学和临床变量的非特异性关联，鉴定出五类癌症相关的341个菌种

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 12:53

探索相关选题直接查重