Feb, 2024

探索基因调控互作网络并预测咽喉癌和 EGFR 突变肺腺癌的治疗分子

PDF
TL;DR使用生物信息学工具对 EGFR 突变型肺腺癌和咽下癌进行基因调控网络分析，发现了共同治疗分子，为这两种疾病同时患者提供了有益的治疗方法。
bioinformaticsgene regulatory interaction networkshypopharyngeal canceregfr-mutated lung adenocarcinomatherapeutic molecules
发现论文，激发创造
  • 使用深度学习技术预测肺组织活检图像的 EGFR 突变

    本文通过深度学习图像分析技术，使用自定义深度学习管道在肺癌组织中识别 EGFR 突变的形态学相关性，同时检测肿瘤和组织学亚型，证明了这种方法的有效性，并指出了使用特征提取器层在目标数据集上进行微调时没有特殊优势，选择高细胞密度区域并不总是有帮助。

    Aug, 2022

  • 基因调控网络预测中的因果关系发现

    提出一种发现生物系统中潜在图结构的新算法，基于复杂的非线性调节相互作用网络，用图来表示各种核酸、蛋白质和代谢物之间的关系，并使用实验数据对其进行探测。

    Jan, 2023

  • 通过网络医学和基因人工智能加速复杂疾病治疗：以乳腺癌药物再定位为案例研究

    通过结合网络医学方法和基于 GenAI 的 ChatGPT 智能引擎，该研究构建了一个多层次的网络，通过实时提取临床试验中的药物信息并与疾病特定的信号通路相连接，为复杂疾病（如癌症和阿尔茨海默病）生成药物组合疗法，展示了基于真实世界证据的药物 “再利用” 潜力以及可以进一步研究的领域。

    Jun, 2024

  • hist2RNA：由乳腺癌组织病理学图像预测基因表达的有效深度学习架构

    利用数字组织病理学图像和深度学习，通过一个新的计算方法 (hist2RNA) 来预测含有 138 个基因的新型分子表型检测结果，包括腺激素受体阳性的乳腺癌亚型，并能为患者的术后治疗提供良好预测。

    Apr, 2023

  • 基于机器学习和分子对接的对 BindingDB 数据库配体在 EGFR、HER2、雌激素受体、孕激素受体和 NF-kB 受体的筛选

    通过虚拟筛选与化学空间的探索，我们选择了针对乳腺癌治疗靶点 EGFR+HER2、ER、NF-kB 和 PR 的具有高优先级的新配体。

    May, 2024

  • 通过整合背景知识图谱实现基因表达分类的端到端框架：应用于癌症预后预测

    本研究提出了一种利用背景生物网络信息来构建分类模型的端对端框架，应用于基因表达数据和生物网络来进行癌症预后预测，实验结果表明相比于深度神经网络模型，我们的模型取得了更高的准确性，并通过富集分析鉴定了多种癌症类型的贡献基因和通路，从中识别了已知的生物标志和新的生物标志候选物。

    Jun, 2023

  • 基因转换器：用于基于基因表达的肺癌亚型分类的变压器

    本文介绍了一种利用多头自注意力机制的深度学习方法 Gene Transformer，用于对基因表达数据进行肺癌亚型分类，效果比传统算法更好，此方法有望在计算生物学中得到更好的应用。

    Aug, 2021

  • 基因调控关系的大规模局部因果推断

    提出了一种基于 Bayesian 方法的计算模型，用于从基因表达的高通量遗传数据中发现基因之间的局部因果关系。模型的应用结果表明，可以从稳定且保守的局部因果结构后验概率中推导出最有意义的调控关系。

    Sep, 2019

  • 从苏木精和伊红染色图像中预测非小细胞肺腺癌中的 MET 过表达

    通过利用大规模的匹配的 H&E 染色和 RNA 表达数据的数据库，我们训练了一个弱监督模型，直接从 H&E 图像中预测 MET RNA 过度表达，从而评估了 300 个过度表达和 289 个正常患者的独立测试集，表现出 0.70 的 ROC-AUC（95th 百分位区间: 0.66 - 0.74），并在不同的患者临床变量下具有稳定的性能特征，并对测试集上的合成噪声具有较强的鲁棒性。这些结果表明，基于 H&E 的预测模型可能有助于优先考虑进行 MET 蛋白质或 MET 基因表达状态的确证检测。

    Oct, 2023

  • 基于数据驱动的癌细胞系分子分析信息提取和丰富化

    本文介绍了一种新的数据提取和探索系统，可以从癌细胞系的科学文献中提取文本实体之间的深层次语义关系，为现有结构化临床数据提供丰富的语义信息，并自动链接基因组拷贝数变异图与相关实体，以及相关文献证据，从而实现更为快捷深入的文献检索。

    Jul, 2023