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 118 篇
公共数据库综述Nature genetics

Genome-wide analyses identify 60 loci associated with liver triglyceride content.

Oveis Jamialahmadi、Shahir Mowlaei、Kyla Z Gelev 等DOI: 10.1038/s41588-026-02794-6
UK Biobank多组学风险模型成人多中心
0 次引用趋势数据不足

研究对来自英国生物银行的71,488名欧洲血统参与者的磁共振成像衍生肝脏甘油三酯含量进行了大规模全基因组关联研究荟萃分析，样本量约为既往研究的2倍。共识别60个独立位点，其中31个为新发现；肝脏甘油三酯含量的单核苷酸多态性遗传率估计为25%。整合精细定位与基因优先排序分析为48个位点提名了候选效应基因。31个新发现变异中有14个在临床诊断的代谢功能障碍相关脂肪性肝病荟萃分析（42,163例病例和1,646,254例对照）中得到验证。肝脏甘油三酯含量多基因风险评分最高十分位者较最低十分位者肝硬化风险高2.71倍，肝细胞癌风险高7.47倍。与多基因风险评分相关的血浆蛋白富集于代谢重塑和炎症通路，遗传风险越高，肝脏富集蛋白特征越强，内脏脂肪特征越弱。研究细化了肝脏甘油三酯含量的遗传结构，将多基因易感性同下游代谢与炎症通路联系起来，为脂肪性肝病的遗传基础提供了见解。

为什么值得关注

暂未整理

查看扩展信息

完整作者

Oveis Jamialahmadi、Shahir Mowlaei、Kyla Z Gelev、Rosellina M Mancina、Valentina Flagiello、Julia Kozlitina、Päivi Pajukanta、Luca Valenti、Stefano Romeo

作者机构

  • Centre for Reproduction, Metabolism and Molecular Medicine (CeRM), Department of Medicine, Karolinska Institute, Huddinge, Sweden. oveis.jamialahmadi@ki.se.
  • Centre for Reproduction, Metabolism and Molecular Medicine (CeRM), Department of Medicine, Karolinska Institute, Huddinge, Sweden.
  • Department of Human Genetics, David Geffen School of Medicine at UCLA, Los Angeles, CA, USA.
  • Department of Life Science, Health, and Health Professions, Link Campus University, Rome, Italy.
  • Operative Research Unit of Clinical Medicine and Hepatology, Fondazione Policlinico Universitario Campus Bio-Medico, Rome, Italy.
  • The Eugene McDermott Center for Human Growth and Development, University of Texas Southwestern Medical Center, Dallas, TX, USA.
  • Bioinformatics Interdepartmental Program, UCLA, Los Angeles, CA, USA.
  • Institute for Precision Health, David Geffen School of Medicine at UCLA, Los Angeles, CA, USA.
  • Department of Pathophysiology and Transplantation, Università degli Studi di Milano, Milan, Italy.
  • Precision Medicine and Biological Resource Center, Fondazione IRCCS Ca' Granda Ospedale Maggiore Policlinico Milano, Milan, Italy.
  • Centre for Reproduction, Metabolism and Molecular Medicine (CeRM), Department of Medicine, Karolinska Institute, Huddinge, Sweden. stefano.romeo@ki.se.
  • Department of Endocrinology, Karolinska University Hospital, Huddinge, Sweden. stefano.romeo@ki.se.
  • Department of Medical and Surgical Sciences, Magna Graecia University, Catanzaro, Italy. stefano.romeo@ki.se.
  • Department of Cardiology, Sahlgrenska University Hospital, Gothenburg, Sweden. stefano.romeo@ki.se.
  • Department of Molecular and Clinical Medicine, University of Gothenburg, Gothenburg, Sweden. stefano.romeo@ki.se.

技术路线

MRI衍生肝脏甘油三酯含量数据（71,488名欧洲 ancestry UK Biobank参与者）→全基因组关联研究荟萃分析→识别60个独立位点（31个新位点）并估计SNP遗传力为25%→整合精细定位与基因优先级分析提名48个位点的候选效应基因→在临床诊断的代谢功能障碍相关脂肪性肝病荟萃分析（42,163例病例和1,646,254例对照）中验证31个新位点中的14个→多基因风险评分与肝硬化（OR 2.71）和肝细胞癌（OR 7.47）风险关联分析→与多基因风险评分相关的血浆蛋白通路富集分析（代谢重塑和炎症通路，肝脏富集蛋白特征增加、内脏脂肪特征减少）

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 12:36
探索相关选题直接查重
查看原文
临床队列临床研究Science translational medicine

Graft-versus-host disease prophylaxis shapes T cell biology and immune reconstitution after hematopoietic cell transplant.

Susan DeWolf、Steven J Siegel、Joseph Schmalz 等DOI: 10.1126/scitranslmed.aef7406
感染性疾病风险模型队列研究
0 次引用趋势数据不足

一项3期BMT CTN 1703试验显示，基于移植后环磷酰胺（PT-Cy）的移植物抗宿主病（GVHD）预防方案较他克莫司/甲氨蝶呤（Tac/MTX）可改善无GVHD/无复发生存，但其T细胞生物学机制尚不明确。为此，324例患者纳入BMT CTN 1801研究，通过测序2359份纵向样本及180 432 350个T细胞，评估T细胞受体（TCR）库等免疫重建路径。多模式分析显示，PT-Cy与全T细胞删除相关，随后T细胞从较小奠基群体延迟扩增，形成T细胞多样性瓶颈，导致移植后2年内TCR库多样性降低。在不考虑研究分组时，TCR多样性降低与慢性GVHD保护相关，且在PT-Cy患者中更常见。供者/宿主特异性TCR克隆分析表明，PT-Cy介导的T细胞清除亦清除病原体特异性TCR，使PT-Cy患者移植早期更可能缺乏可检测的移植物来源病原体特异性TCR，并与严重感染风险增加相关。

为什么值得关注

暂未整理

查看扩展信息

完整作者

Susan DeWolf、Steven J Siegel、Joseph Schmalz、Wael Saber、Alexandre Albanese、Jiayi Dong、Michael J Martens、Brent Logan、Lorenzo Iovino、Kayleigh Ingersoll-Ohmdahl、Nicholas Winn、Edward Chen、James Kaminski、Donna Neuberg、Kyle Hebert、Paula Keskula、Jillian Zavistaski、Lea Steinberg、Isabella Schichter、Zoe Katsamakis、Lorenzo Cagnin、Vanessa Hernandez、Makya Warren、Kristy Applegate、Merav Bar、Saurabh Chhabra、Sung Won Choi、William Clark、Suman Das、Robert Jenq、Richard J Jones、John E Levine、Hemant Murthy、Armin Rashidi、Marcie Riches、Karamjeet Sandhu、Anthony D Sung、Karilyn Larkin、Monzr M Al Malki、Mahasweta Gooptu、Hany Elmariah、Amin Alousi、Lyndsey Runaas、Brian Shaffer、Andrew Rezvani、Najla El Jurdi、Alison W Loren、Danielle Scheffey、Catherine Sanders、Mehdi Hamadani、Jarrod A Dudakov、Stephanie Bien、Harlan Robins、Mary Horowitz、Javier Bolaños-Meade、Shernan Holtan、Ami S Bhatt、Miguel-Angel Perales、Leslie S Kean

作者机构

  • Leukemia Service, Department of Medicine, Memorial Sloan Kettering Cancer Center, New York, NY, USA.
  • Department of Pediatrics, Harvard Medical School and Divisions of Infectious Diseases and Hematology/Oncology, Boston Children's Hospital, Boston, MA, USA.
  • Adaptive Biotechnologies, Seattle, WA, USA.
  • Department of Medicine, Medical College of Wisconsin and Center for International Blood and Marrow Transplant Research (CIBMTR), Milwaukee, WI, USA.
  • Division of Hematology/Oncology, Boston Children's Hospital, Boston, MA, USA.
  • Harvard Medical School, Boston, MA, USA.
  • CIBMTR and Institute for Health and Equity, Medical College of Wisconsin, Milwaukee, WI, USA.
  • CIBMTR and Division of Biostatistics, Medical College of Wisconsin, Milwaukee, WI, USA.
  • Clinical Research Division, Fred Hutchinson Cancer Center, Seattle, WA, USA.
  • Broad Institute of the Massachusetts Institute of Technology and Harvard, Cambridge, MA, USA.
  • Department of Data Science, Dana-Farber Cancer Institute, Boston, MA, USA.
  • Translational Science and Therapeutics Division, Fred Hutchinson Cancer Center, Seattle, WA, USA.
  • Emmes, Rockville, MD, USA.
  • Division of Hematology/Oncology, Mayo Clinic, Phoenix, AZ, USA.
  • Department of Pediatrics, University of Michigan, Ann Arbor, MI, USA.
  • Division of Hematology-Oncology and Palliative Care, Virginia Commonwealth University, Richmond, VA, USA.
  • Department of Medicine, Vanderbilt University School of Medicine, Nashville, TN, USA.
  • Department of Hematology and Hematopoietic Cell Transplantation, City of Hope, Duarte, CA, USA.
  • Sidney Kimmel Comprehensive Cancer Center at Johns Hopkins University and the Department of Oncology, Johns Hopkins University School of Medicine, Baltimore, MD, USA.
  • Tisch Cancer Institute, Icahn School of Medicine at Mount Sinai, New York, NY, USA.
  • Division of Hematology-Oncology and Blood and Marrow Transplant and Cellular Therapy Programs, Mayo Clinic, Jacksonville, FL, USA.
  • CIBMTR, Milwaukee, WI, USA.
  • Division of Hematologic Malignancies and Cellular Therapy, Kansas University Medical Center, Kansas City, KS, USA.
  • Ohio State University Comprehensive Cancer Center, Columbus, OH, USA.
  • Department of Hematology and Oncology, Dana-Farber Cancer Institute, Boston, MA, USA.
  • Department of Blood and Marrow Transplant and Cellular Immunotherapy, H. Lee Moffitt Cancer and Research Institute, Tampa, FL, USA.
  • Department of Stem Cell Transplantation and Cellular Therapy, University of Texas M. D. Anderson Cancer Center, Houston, TX, USA.
  • Division of Hematology and Oncology, Medical College of Wisconsin, Milwaukee, WI, USA.
  • Adult Bone Marrow Transplantation Service, Department of Medicine, Memorial Sloan Kettering Cancer Center, New York, NY, USA.
  • Department of Medicine, Weill Cornell Medical College, New York, NY, USA.
  • Division of Blood and Marrow Transplantation and Cellular Therapy, Stanford University School of Medicine, Stanford, CA, USA.
  • Immune Deficiency Cellular Therapy Program, Center for Cancer Research, National Cancer Institute, National Institutes of Health, Bethesda, MD, USA.
  • Division of Hematology, Oncology and Transplantation, University of Minnesota, Minneapolis, MN, USA.
  • Division of Hematology and Oncology, Perelman School of Medicine, University of Pennsylvania, Philadelphia, PA, USA.
  • Center for International Blood and Marrow Transplant Research, Department of Medicine, Medical College of Wisconsin, Milwaukee, WI, USA.
  • Translational Science and Therapeutics Division, Fred Hutchinson Cancer Center and Department of Immunology, University of Washington, Seattle, WA, USA.
  • Blood and Marrow Transplantation Section, Roswell Park Comprehensive Cancer Center, Buffalo, NY, USA.
  • Division of Hematology, Departments of Medicine and Genetics, Stanford University, Palo Alto, CA, USA.
  • Department of Pediatrics, Harvard Medical School, Division of Hematology/Oncology, Boston Children's Hospital, and Department of Pediatric Oncology, Dana-Farber Cancer Institute, Boston, MA, USA.

技术路线

纵向采集324例患者的2359份样本，对180,432,350个T细胞进行TCR测序 → 多模态T细胞分析（包括TCR repertoire多样性、供者/宿主特异性克隆分析）

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 12:34
探索相关选题直接查重
查看原文
公共数据库基础研究Poultry science

Comparative screening identifies gga-miR-204 as a nutrient-responsive miRNA that targets MAP1LC3B and promotes infectious bursal disease virus replication in HD11 cells.

Shihao Chen、Jiaxing Wang、Qiangzhou Wang 等DOI: 10.1016/j.psj.2026.108005
MIMIC感染性疾病多组学方法学
0 次引用趋势数据不足

传染性法氏囊病病毒（IBDV）是危害养禽业的重要免疫抑制性病原。为系统识别调控IBDV复制的营养响应性microRNA（miRNA），本研究在鸡HD11巨噬细胞中建立氨基酸和葡萄糖饥饿模型，并结合IBDV感染相关miRNA谱进行比较筛选。结果显示，短期营养剥夺改变LC3相关分子表型并降低IBDV VP2蛋白表达；小RNA测序显示营养饥饿与IBDV感染诱导的miRNA表达谱存在差异但部分重叠，预测靶基因主要富集于代谢和应激反应通路。gga-miR-204在氨基酸和葡萄糖饥饿下上调、在IBDV感染后下调。功能实验表明，过表达gga-miR-204可提高病毒RNA水平、VP2蛋白表达和感染性病毒产量，而抑制内源性gga-miR-204则抑制IBDV复制。报告基因实验支持gga-miR-204靶向鸡MAP1LC3B 3'非翻译区，模拟物处理降低HD11细胞中LC3-II水平；沉默MAP1LC3B增加VP2丰度，过表达MAP1LC3B则降低VP2丰度。研究提示，gga-miR-204为营养响应性miRNA，可促进HD11细胞中IBDV复制，MAP1LC3B为对VP2丰度具有功能影响的候选靶标；MAP1LC3B是否介导gga-miR-204的促病毒效应尚待确定。

为什么值得关注

AI 辅助短评，基于标题和摘要整理

本研究在HD11细胞中整合营养饥饿与IBDV感染miRNA谱，筛选出gga-miR-204并完成过表达/抑制及报告基因等功能验证。结果支持其促病毒复制及靶向MAP1LC3B，但MAP1LC3B是否介导该促病毒效应尚未确立，作者对此表述谨慎。总体证据链较完整，机制仍属候选关联，需进一步因果验证。

查看扩展信息

完整作者

Shihao Chen、Jiaxing Wang、Qiangzhou Wang、Zhichao Zhang、Hao Bai、Guobin Chang

作者机构

  • College of Animal Science and Technology, Yangzhou University, 48 East Wenhui Road, Yangzhou, Jiangsu, 225009, China. Electronic address: mrrchen@yzu.edu.cn.
  • College of Veterinary Medicine, Yangzhou University, Yangzhou, Jiangsu, 225009, China.
  • College of Animal Science and Technology, Yangzhou University, 48 East Wenhui Road, Yangzhou, Jiangsu, 225009, China.

技术路线

氨基酸/葡萄糖饥饿模型与IBDV感染相关miRNA谱整合→比较筛选营养响应型miRNA→小RNA测序及靶基因通路富集预测→gga-miR-204过表达/抑制功能实验（病毒RNA、VP2蛋白、感染性病毒产量）→荧光素酶报告基因验证MAP1LC3B 3'UTR靶向→mimic处理检测LC3-II→MAP1LC3B沉默/过表达检测VP2丰度

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 03:47
探索相关选题直接查重
查看原文
临床队列临床研究Nature medicine

Molecular predictors of minimal residual disease in newly diagnosed multiple myeloma treated with quadruplet therapy.

Florence Magrangeas、Mia Cherkaoui、Victor Bessonneau-Gaborit 等DOI: 10.1038/s41591-026-04692-0
肿瘤与癌症多组学风险模型队列研究
0 次引用趋势数据不足

在新诊断多发性骨髓瘤（NDMM）中，四联疗法（抗CD38抗体、免疫调节药物、蛋白酶体抑制剂和地塞米松）已成为标准诱导治疗，但疗效异质，亟需分子预测标志。研究对MIDAS队列423例NDMM肿瘤样本进行基因组、转录组和表观基因组整合分析，评估其与Isa-KRd四联诱导后可测量残留病（MRD）的关联。结果显示，诱导后MRD阴性率在不同基因表达亚型间差异显著，HP1/HP3和MS组优于MF和CD2亚型；B细胞分化与MRD阳性相关，增殖和MYC程序与MRD阴性相关，并在CASSIOPEIA队列独立验证。全基因组测序揭示已知和新的基因组不稳定表型及驱动改变，并在三个外部队列（共1 451例）验证；CCND1、MYC等驱动基因及基因组不稳定特征与MRD结局相关。DNA甲基化分析识别出9个MRD相关亚组。整合多组学特征的随机森林模型预测诱导后MRD状态，曲线下面积为0.77，优于临床和基因组模型。研究建立了与Isa-KRd疗效相关的NDMM多组学分类。

为什么值得关注

暂未整理

查看扩展信息

完整作者

Florence Magrangeas、Mia Cherkaoui、Victor Bessonneau-Gaborit、Jennifer Derrien、Céline Chevalier、Catherine Guérin-Charbonnel、Benjamin Diamond、Mehmet Kemal Samur、Intergroupe Francophone du Myélome (IFM)、Cyrille Hulin、Denis Caillot、Lionel Karlin、Bertrand Arnulf、Ola Landgren、Nikhil C Munshi、Hervé Avet-Loiseau、Ludovic Martinet、Jill Corre、Aurore Perrot、Philippe Moreau、Cyrille Touzeau、Stéphane Minvielle、Eric Letouzé

作者机构

  • Nantes Université, INSERM, CNRS, Université d'Angers, CRCI2NA, Nantes, France.
  • Centre Hospitalier Universitaire de Nantes, Université de Nantes, Nantes, France.
  • Institut de Cancérologie de l'Ouest, Nantes, France.
  • Myeloma Division, Sylvester Comprehensive Cancer Center, University of Miami, Miami, FL, USA.
  • Department of Data Science, Dana Farber Cancer Institute, Boston, MA, USA.
  • Department of Biostatistics, Harvard T.H. Chan School of Public Health, Boston, MA, USA.
  • Service d'Hématologie, Hôpital Haut Lévêque, Centre Hospitalier Universitaire de Bordeaux, Pessac, France.
  • Service d'Hématologie, Centre Hospitalier Universitaire de Dijon, Dijon, France.
  • Hospices Civils de Lyon, Centre Hospitalier Lyon Sud, Service d'Hematologie, Pierre-Benite, Université Claude Bernard Lyon 1, Lyon, France.
  • Immuno-hématologie, Hôpital Saint Louis, APHP, Université Paris Cité, Paris, France.
  • Department of Medical Oncology, Dana Farber Cancer Institute, Harvard Medical School, Boston, MA, USA.
  • VA Boston Healthcare System, Boston, MA, USA.
  • Cancer Research Center of Toulouse, INSERM, CNRS, Université Toulouse III-Paul Sabatier, Toulouse, France.
  • Institut Universitaire du Cancer, Centre Hospitalier Universitaire de Toulouse, Toulouse, France.
  • Université de Toulouse, Centre Hospitalier Universitaire de Toulouse, Institut Universitaire du Cancer de Toulouse-Oncopole, Service d'Hématologie, Toulouse, France.
  • Service d'Hématologie, Centre Hospitalier Universitaire de Nantes, Nantes, France.
  • Nantes Université, INSERM, CNRS, Université d'Angers, CRCI2NA, Nantes, France. stephane.minvielle@univ-nantes.fr.
  • Centre Hospitalier Universitaire de Nantes, Université de Nantes, Nantes, France. stephane.minvielle@univ-nantes.fr.
  • Nantes Université, INSERM, CNRS, Université d'Angers, CRCI2NA, Nantes, France. eric.letouze@gmail.com.
  • Centre Hospitalier Universitaire de Nantes, Université de Nantes, Nantes, France. eric.letouze@gmail.com.

技术路线

423例NDMM肿瘤样本（MIDAS队列）→整合基因组、转录组和表观基因组分析→MRD关联特征在CASSIOPEIA队列独立验证；全基因组测序发现基因组不稳定表型在MMRF队列验证；驱动改变在MMRF、MANHATTAN和CASSIOPEIA三个外部队列（1,451例）独立验证；多模态随机森林模型预测MRD状态，AUC为0.77，并与临床、基因组、转录组和表观基因组模型比较

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 12:34
探索相关选题直接查重
查看原文
合成生物学基础研究Viruses

Synthetic Reconstruction and Characterization of Endogenous Bacteriophage Genomes from Desulfovibrio vulgaris.

Butaek Lim、Tekle Fida、Karen Crippen 等DOI: 10.3390/v18101159
暂无引用数据

硫酸盐还原菌引起的微生物腐蚀是工业设施面临的重大难题，而可用噬菌体资源有限制约了噬菌体控制策略的发展。本研究以模式硫酸盐还原菌脱硫弧菌Desulfovibrio vulgaris Hildenborough为对象，建立了一套整合基因组指导的发现、验证与合成重建内源原噬菌体的工作流程。通过PHASTEST生物信息学分析，在细菌染色体中鉴定出7个原噬菌体样区域，其中5个被归类为完整原噬菌体。经紫外线诱导并结合纯化噬菌体DNA的全基因组测序，在3个生物学重复中均验证了4个可诱导原噬菌体位点（区域1、5、6和7），第5个位点（区域2）检出一致性较低，表明计算预测与生物学活性高度吻合。比较分析显示，原噬菌体功能并不总与计算完整性相关：一个计算上“存疑”的区域表现出强诱导，而另一个“完整”区域在测试条件下无活性。据此选取一个高诱导性原噬菌体进行合成工程改造，利用长片段PCR和无痕等温DNA组装构建了3个逐步截短的原噬菌体合成基因组（约36、33和29 kb），经Nanopore测序验证重建准确且未检测到重排。电转化至D. vulgaris并经紫外线诱导后，工程化基因组产生可重复的局部浑浊表型而非典型裂解斑，表明合成构建体仍具生物学活性，但在所考察实验条件下未发生高效裂解增殖。对野生型细胞中代表性结构基因和裂解基因的定量PCR分析显示，紫外线诱导后21小时转录协同激活，确定了后续表征的实用收获时间。本研究建立了面向厌氧硫酸盐还原菌内源原噬菌体工程的整合计算与合成生物学框架，为研究D. vulgaris温和噬菌体生物学奠定了基础，并朝未来开发用于微生物腐蚀控制的工程化噬菌体平台迈出重要一步。

为什么值得关注

暂未整理

查看扩展信息

完整作者

Butaek Lim、Tekle Fida、Karen Crippen、Rebekah Wilson、Seung-Wuk Lee

作者机构

  • Department of Bioengineering, University of California, Berkeley, CA 94720, USA.
  • Biological Systems and Engineering Division, Lawrence Berkeley National Laboratory, 1 Cyclotron Rd, Berkeley, CA 94720, USA.
  • Gas Technology Institute, 1700 South Mount Prospect Rd, Des Plaines, IL 60018, USA.
  • US Army Corps of Engineers, Champaign, IL 61820, USA.

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
AI 靶点发现综述Ageing research reviews

Aging, regeneration, and peripheral nerve repair: Integrated multi-omics biomarkers and AI-enabled therapeutic discovery approaches.

Muhanad Musaad Alhujaily、Amal Adnan Ashour、Alaa Shafie 等DOI: 10.1016/j.arr.2026.103424
机器学习单细胞多组学综述
暂无引用数据

周围神经损伤是长期感觉和运动功能障碍的重要原因，造成显著临床和社会经济负担。周围神经虽具有内在再生能力，但轴突变性、施万细胞可塑性、神经免疫反应、细胞外基质重塑、代谢重编程、髓鞘再生及靶向再支配等过程相互作用，常导致功能恢复不完全。转录组学、蛋白质组学、表观基因组学、代谢组学和单细胞技术的发展拓展了对神经变性与再生的分子表征，揭示出众多候选生物标志物和治疗靶点，但生物学异质性、数据集碎片化及缺乏稳健预测框架仍限制临床转化。本文综述周围神经修复的细胞与分子机制，梳理与再生能力、神经炎症、髓鞘再生和功能恢复相关的新型生物标志物类别，讨论靶向施万细胞重编程、轴突生长、免疫调节、代谢适应及再生微环境重塑的治疗策略，并分析人工智能和机器学习在多组学整合、生物标志物优选、结局预测和治疗靶点发现中的潜在作用，同时指出周围神经损伤特异性临床验证仍然有限。文章提出连接分子特征与临床结局的系统级框架，强调人工智能赋能的多模态分析对转化研究的支持潜力，并将年龄相关分子变异纳入分析维度，为未来转化研究中检验年龄感知分子标志物和计算模型提供框架。

为什么值得关注

暂未整理

查看扩展信息

完整作者

Muhanad Musaad Alhujaily、Amal Adnan Ashour、Alaa Shafie、Farah Anjum、Tooba Naz Shamsi、Taj Mohammad

作者机构

  • Department of Biochemistry, College of Medicine, Imam Mohammad Ibn Saud Islamic University (IMSIU), Riyadh, Saudi Arabia; Saudi German Hospital Research Center, Middle East Healthcare Company, Jeddah, Saudi Arabia; King Salman Center for Disability Research, Riyadh, 11614, Saudi Arabia.
  • Department of Oral and Maxillofacial Surgery and Diagnostic Sciences, Faculty of Dentistry, Taif University, PO Box 11099, Taif, 21944, Saudi Arabia; King Salman Center for Disability Research, Riyadh, 11614, Saudi Arabia.
  • Department of Clinical Laboratory Sciences, College of Applied Medical Sciences, Taif University, P.O Box 11099, Taif, 21944, Saudi Arabia; King Salman Center for Disability Research, Riyadh, 11614, Saudi Arabia.
  • Department of Biosciences, Faculty of Sciences, Integral University, Lucknow, 226026, India.
  • Department of Biochemistry, Faculty of Medicine and Dentistry, University of Alberta, Edmonton, Alberta, T6G 2H7, Canada. Electronic address: tshamsi@ualberta.c.
  • Centre for Interdisciplinary Research in Basic Sciences, Jamia Millia Islamia, Jamia Nagar, New Delhi, 110025, India. Electronic address: taj144796@st.jmi.ac.in.

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
合成生物学综述Biology

From Mechanistic Models to AI Synergy: A Roadmap for Predictive and Personalized Biology.

Letong Huang、Hongqin Sun、Yi Huang 等DOI: 10.3390/biology15201859
综述
暂无引用数据

生命科学正由两大范式驱动：数学模型的解释深度与人工智能的预测能力。机制模型长期提供假设驱动的严谨框架以解析生物过程，AI则擅长在高维大数据中发现模式，二者各自取得重要进展，其融合有望重新界定生物学研究边界。本文综述提出整合策略的三部分分类，即AI加速的机制建模、机制引导的AI，以及涵盖单向顺序耦合与双向迭代系统的混合模型，并梳理其在系统与合成生物学、药理学与药物发现、流行病学和神经科学中的应用。随后讨论七项挑战：可解释性、数据稀疏性、因果性、可识别性、计算规模、多模态整合，以及验证与泛化，并展望生物数字孪生、因果发现引擎与自动化科学。作者认为，融合上述方法旨在构建可预测且具机制的生命科学，是新一代跨学科科学家的主要任务。

为什么值得关注

暂未整理

查看扩展信息

完整作者

Letong Huang、Hongqin Sun、Yi Huang、Qingyi Gu、Hailong Zhang、Dingqin He、Wenyi Zhang、Siyu Chen、Delin Xu、Juanjuan Zhao

作者机构

  • Department of Medical Instrumental Analysis, Zunyi Medical University, Zunyi 563000, China.
  • Key Laboratory of Cancer Prevention and Treatment of Guizhou Province, Zunyi 563000, China.
  • Department of Clinical Medicine, Nantong University, Nantong 226019, China.
  • Special Key Laboratory of Oral Disease Research and High Education Institute in Guizhou Province, School of Stomatology, Zunyi Medical University, Zunyi 563000, China.

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
AI 靶点发现综述Drug discovery today

AI-integrated iPSC multi-omics: advancing phenotype discovery and drug target identification in rare diseases.

Soukaina Amniouel、Zeenat A Shyr、Ewy A Mathé 等DOI: 10.1016/j.drudis.2026.104836
机器学习多组学综述
暂无引用数据

罕见病存在重大未满足医疗需求，其治疗开发受患者队列小、数据碎片化和疾病机制不明确限制。将患者来源诱导多能干细胞模型与多组学分析和人工智能相结合的新进展，为表型定义和药物靶点识别提供了稳健方法，且仅需少量患者材料。通过整合转录组、蛋白质组和代谢组数据，机器学习可在样本量有限的情况下生成疾病相关分子特征、识别汇聚性通路驱动因素并优先筛选可成药靶点。这篇简短综述重点介绍新兴体外模型和人工智能支持的工作流程，讨论其优势与局限，并概述加速罕见病药物发现的实用策略。

为什么值得关注

暂未整理

查看扩展信息

完整作者

Soukaina Amniouel、Zeenat A Shyr、Ewy A Mathé、Wei Zheng

作者机构

  • National Center for Advancing Translational Sciences, National Institutes of Health, Bethesda, MD 20892, USA. Electronic address: soukaina.amniouel@nih.gov.
  • National Center for Advancing Translational Sciences, National Institutes of Health, Bethesda, MD 20892, USA.

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
公共数据库基础研究Cell

A phenome-wide structural variant map from 467,152 UK Biobank genomes.

Santosh S Atanur、Fengyuan Hu、Haiyi Lou 等DOI: 10.1016/j.cell.2026.09.035
UK Biobank风险模型多中心队列研究
0 次引用趋势数据不足

英国生物银行467 152名参与者全基因组测序数据中鉴定出约160万个结构变异（SV），并针对13 322个二分类性状、2 018个数量性状及2 923个血浆蛋白性状开展全表型关联研究。其中82.25%的SV超出既往拷贝数变异研究的可检测范围。蛋白数量性状位点分析将3 241个SV与1 608种蛋白相关联，效应取决于SV类型和位置。SV-全表型关联研究检出28 184个与人类健康结局的关联，并发现具有强表型效应的罕见SV。在已知全基因组关联位点中，32.21%的相关SV与功能基因组区域重叠。研究提示SV在人类遗传学中的作用被低估。

为什么值得关注

暂未整理

查看扩展信息

完整作者

Santosh S Atanur、Fengyuan Hu、Haiyi Lou、Xiaoyin Li、Xueqing Zoe Zou、Sean O'Dell、Sri V V Deevi、Paula Sawczuk、Karyn Megy、Zammy Fairhurst-Hunter、Amanda O'Neill、AstraZeneca Genomics Initiative、Lifeng Tian、Keren Carss、Jonathan Mitchell、Stewart MacArthur、Sebastian Wasilewski、Ryan S Dhindsa、Quanli Wang、Katherine R Smith、Oliver S Burren、Slavé Petrovski

作者机构

  • Centre for Genomics Research, Discovery Sciences, BioPharmaceuticals R&D, AstraZeneca, Cambridge, UK. Electronic address: santosh.atanur@astrazeneca.com.
  • Centre for Genomics Research, Discovery Sciences, BioPharmaceuticals R&D, AstraZeneca, Cambridge, UK.
  • Centre for Genomics Research, Discovery Sciences, BioPharmaceuticals R&D, AstraZeneca, Shanghai, China.
  • Centre for Genomics Research, Discovery Sciences, BioPharmaceuticals R&D, AstraZeneca, Gaithersburg, MD, USA.
  • Centre for Genomics Research, Discovery Sciences, BioPharmaceuticals R&D, AstraZeneca, Waltham, MA, USA; Department of Pathology and Immunology, Baylor College of Medicine, Houston, TX, USA; Jan and Dan Duncan Neurological Research Institute, Texas Children's Hospital, Houston, TX, USA.
  • Centre for Genomics Research, Discovery Sciences, BioPharmaceuticals R&D, AstraZeneca, Waltham, MA, USA.
  • Centre for Genomics Research, Discovery Sciences, BioPharmaceuticals R&D, AstraZeneca, Cambridge, UK; Department of Medicine, University of Melbourne, Austin Health, Melbourne, Victoria, Australia. Electronic address: slav.petrovski@astrazeneca.com.

技术路线

数据/样本：467,152名UK Biobank参与者的全基因组测序数据中鉴定1.6百万个结构变异（SVs）；分析：对13,322个二分类性状、2,018个定量性状和2,923个血浆蛋白性状进行PheWAS，并进行蛋白数量性状位点（pQTL）分析及SV与已知GWAS位点的功能基因组区域重叠分析；验证：原文未报告独立验证。

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 12:36
探索相关选题直接查重
查看原文
临床队列临床研究JAMA

Clinician Use of an Artificial Intelligence-Enabled Clinical Information Platform.

Vishal R Patel、Samuel G Finlayson、Michael Liu-Hass 等DOI: 10.1001/jama.2026.21868
多中心横断面研究
0 次引用趋势数据不足

一项横断面研究分析了2024年1月1日至2026年6月30日期间使用某常用人工智能临床信息平台的临床医生。研究纳入952 008名经国家提供者标识验证的账户持有者（58.5%为女性），包括556 200名医生，共提交2.71亿次查询；使用大语言模型对3880万次查询的分层随机样本进行临床目的和主题分类。月活跃用户从2024年1月的355人增至2026年6月的703 265人，每活跃用户月均查询量从18.0次升至39.5次。执业护士和医师助理每活跃用户月查询量（均为44.5次）高于医生（37.1次）；毕业十年内医生（使用比2.54）及住院医师和专科培训医师（1.84）查询占比高于其在全国劳动力中的比例；肿瘤科和血液科（2.00）、内科（1.88）、家庭医学（1.80）医生使用率较高，眼科（0.23）、放射科（0.24）、骨科（0.24）等操作和诊断类专科较低。多数查询涉及临床决策（51.9%），其中治疗与管理占33.1%，诊断占13.9%；涉及医生本专业以外主题的查询比例从肿瘤科和血液科医生的35%至急诊科医生的88%不等。结论认为，超过95万名美国临床医生在2.5年内向该平台提交逾2.7亿次查询，使用情况因临床医生类型、专科和职业阶段而异，且常用于治疗决策而非诊断任务。

为什么值得关注

暂未整理

查看扩展信息

完整作者

Vishal R Patel、Samuel G Finlayson、Michael Liu-Hass、Mondira Ray、Jesse Burk-Rafel、Travis I Zack、Anupam B Jena

作者机构

  • Harvard Medical School, Boston, Massachusetts.
  • Brigham and Women's Hospital, Boston, Massachusetts.
  • OpenEvidence, Miami, Florida.
  • Seattle Children's Hospital, Seattle, Washington.
  • NYU Grossman School of Medicine, New York, New York.
  • Massachusetts General Hospital, Boston.
  • National Bureau of Economic Research, Cambridge, Massachusetts.

技术路线

数据/样本：分析2024-01-01至2026-06-30期间OpenEvidence平台经National Provider Identifier验证的临床医生账户；对3880万条查询的分层随机样本，使用大语言模型分类临床目的和主题。分析：描述活跃用户数和查询量、查询份额相对于全国劳动力代表性的比例（use ratio），以及查询的临床目的和主题分布。验证：原文未报告独立验证。

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 12:34
探索相关选题直接查重
查看原文
页