XiaoMi-AI文件搜索系统
World File Search System优先次序
全基因组关联研究的网络分析以确定药物靶点的优先次序
摘要 在过去的几十年中，全基因组关联研究 (GWAS) 导致与人类特征和疾病有关的遗传变异急剧增加。这些进展有望带来新的药物靶点，但从 GWAS 中识别致病基因和人类疾病背后的细胞生物学仍然具有挑战性。在这里，我们回顾了基于蛋白质相互作用网络的 GWAS 数据分析方法。这些方法可以在没有直接遗传支持的情况下对 GWAS 相关位点或疾病基因相互作用因子中的候选药物靶点进行排序。这些方法可以识别出不同疾病中共同受影响的细胞生物学，为药物重新利用提供机会，也可以与表达数据相结合以识别局部组织和细胞类型。展望未来，我们预计这些方法将随着特定情境相互作用网络表征和罕见与常见遗传信号的联合分析方面的进展而得到进一步改进。
新疫苗的引入优先次序和排序...
简介随着大量新开发的疫苗在市场上销售或预计在未来几年内上市，各国面临着越来越复杂的免疫计划决策。例如，Gavi 支持的国家目前可以申请 13 个疫苗计划 1 ，2024 年将有另外 5 个疫苗计划向各国开放 2 。当各国按照世卫组织的建议制定和实施国家免疫战略 (NIS) 时，还有一些国家按照 Gavi 的要求制定和实施全组合规划 (FPP)，他们必须考虑将哪些新疫苗添加到国家免疫计划中以及他们希望引入这些疫苗的顺序（新疫苗引入优先级和顺序），以及通过评估疫苗产品/展示方式、时间表和/或交付策略的变化来优化现有的疫苗计划。每个国家都有一套独特的优先事项和举措需要考虑，它们对疾病负担、挽救生命、卫生系统成本节约以及可行性/计划复杂性的影响不同。各国在考虑引进新疫苗时，必须在增加现有抗原覆盖率的背景下权衡其优先事项，同时优化现有计划并确保持续宣传和改善其供应链、数据系统、通信和国内融资。
蛋白质信号和药物靶标激活特征以指导治疗优先次序：I-SPY 2 试验中的治疗耐药性和敏感性
Rosa I. Gallagher, 1,14,15, * Julia Wulfkuhle, 1,14, * Denise M. Wolf, 2,14 Lamorna Brown-Swigart, 2 Christina Yau, 3 Nicholas O'Grady, 3 Amrita Basu, 3 Ruixiao Lu, 4 Michael J. Campbell, 3 Mark J. Magbanua, 2 Jean-Philippe Coppe ́ , 2 I-SPY 2 调查员、Smita M. Asare、4 Laura Sit、3 Jeffrey B. Matthews、3 Jane Perlmutter、5 Nola Hylton、6 Minetta C. Liu、7 W. Fraser Symmans、8 Hope S. Rugo、9 Claudine Isaacs、10 Angela M. DeMichele、11 Douglas Yee、 12 Paula R. Pohlmann、13 Gillian L. Hirst、3 Laura J. Esserman、3 Laura J. van ‘t Veer、2 和 Emanuel F. Petricoin 1,14、* 1 乔治梅森大学应用蛋白质组学和分子医学中心，弗吉尼亚州马纳萨斯4 Quantum Leap Healthcare Collaborative，旧金山，CA 94118，美国 5 Gemini Group，安娜堡，MI 48107，美国 6 加州大学放射科，旧金山，旧金山，CA 94143，美国 7 放射科，旧金山，旧金山，CA 94143，美国外科，梅奥诊所，罗彻斯特，明尼苏达州 55905，美国 8 病理学部，德克萨斯大学 MD 安德森癌症中心，休斯顿，德克萨斯州 77030，美国 9 血液学/肿瘤学部，加利福尼亚大学旧金山分校，旧金山，CA 94158，美国宾夕法尼亚大学佩雷尔曼医学院，费城，宾夕法尼亚州 19104，美国 12 明尼苏达大学医学系，明尼阿波利斯，明尼苏达州 55455，美国 13 德克萨斯大学 MD 安德森癌症中心乳腺肿瘤科，休斯顿，德克萨斯州 77030，美国（R.I.G.), jwulfkuh@gmu.edu (J.W.), epetrico@gmu.edu (E.F.P.)https://doi.org/10.1016/j.xcrm.2023.101312
重新定义乳腺癌亚型以指导治疗优先次序并最大程度提高疗效：10 种癌症疗法中的预测生物标志物
† 主要联系人和通讯作者：Denise Wolf 博士，加利福尼亚大学旧金山分校实验室医学系，2340 Sutter Street，旧金山 CA 94115，denise.wolf@ucsf.edu。其他通讯作者：Christina Yau cyau@buckinstitute.org，Laura van 't Veer laura.vantveer@ucsf.edu。作者贡献 DMW 和 CY 对本研究的贡献相同。DMW、CY、LV、JW 和 EFP 设计了这项研究，解释了数据，并与 LE 和 LP 一起准备和审阅了手稿。DMW 和 CY 在 PEL、ZZ、MM 和 AB 的协助下分析了数据。JW、IRG 和 EFP 生成了 RPPA 数据。LBS 领导 I-SPY 实验室，负责监督分子检测。NO 管理数据。 GLH 管理由 LV 领导的生物标志物工作组，成员包括 DMW、CY、JW、LBS、MM、RS、AB、AD、MCL、JPC 和 WFS。LS 管理 I-SPY2/2.2 P01；JP 和 AD 是患者倡导者；NL、MCL、PP、WFS、HSR、CI、AMD、DY 是 I-SPY2 工作组负责人。SMA 管理 I-SPY 试验运营；RL 和 JB 是试验统计员；LE、DB 和 NH 是 I-SPY2 的主要研究人员。I-SPY2 试验研究人员和生物标志物及其他工作组成员参与试验的各个方面，并为试验的成功做出贡献。所有作者都参与了稿件的准备和审查。*贡献相同
重新定义乳腺癌亚型以指导治疗优先次序并最大程度提高疗效：10 种癌症疗法中的预测生物标志物
† 主要联系人和通讯作者：Denise Wolf 博士，加利福尼亚大学旧金山分校实验室医学系，2340 Sutter Street，旧金山 CA 94115，denise.wolf@ucsf.edu。其他通讯作者：Christina Yau cyau@buckinstitute.org，Laura van 't Veer laura.vantveer@ucsf.edu。作者贡献 DMW 和 CY 对本研究的贡献相同。DMW、CY、LV、JW 和 EFP 设计了这项研究，解释了数据，并与 LE 和 LP 一起准备和审阅了手稿。DMW 和 CY 在 PEL、ZZ、MM 和 AB 的协助下分析了数据。JW、IRG 和 EFP 生成了 RPPA 数据。LBS 领导 I-SPY 实验室，负责监督分子检测。NO 管理数据。 GLH 管理由 LV 领导的生物标志物工作组，成员包括 DMW、CY、JW、LBS、MM、RS、AB、AD、MCL、JPC 和 WFS。LS 管理 I-SPY2/2.2 P01；JP 和 AD 是患者倡导者；NL、MCL、PP、WFS、HSR、CI、AMD、DY 是 I-SPY2 工作组负责人。SMA 管理 I-SPY 试验运营；RL 和 JB 是试验统计员；LE、DB 和 NH 是 I-SPY2 的主要研究人员。I-SPY2 试验研究人员和生物标志物及其他工作组成员参与试验的各个方面，并为试验的成功做出贡献。所有作者都参与了稿件的准备和审查。*贡献相同
重新定义乳腺癌亚型以指导治疗优先次序并最大程度提高疗效：10 种癌症疗法中的预测生物标志物
Denise M. Wolf, 1 , 17 , 18 , * Christina Yau , 2 , 17 , * Julia Wulfkuhle , 3 Lamorna Brown-Swigart , 1 Rosa I. Gallagher , 3 Pei Rong Evelyn Lee , 1 Zelos Zhu , 2 Mark J. Magbanua , 1 Rosalyn Sayaman , 1 Nicholas O'Grady , 2 Amrita Basu , 2 my Delson, 4 Jean Philippe Coppe ́ , 1 Ruixiao Lu, 5 Jerome Braun, 5 I-SPY2 Investigators, Smita M. Asare, 5 Laura Sit, 2 Jeffrey B. Matthews, 2 Jane Perlmutter, 6 Nola Hylton, 7 Minetta C. Liu, 8 Paula Pohlmann, 9 W. Fraser Symmans, 11 Claudine Isaacs, 12 Angela M. DeMichele, 13 Douglas Yee, 14 Donald A. Berry, 15 Lajos Pusztai, 16 Emanuel F. Petricoin, 3 Gillian L. Hirst, 2 Laura J. Esserman, 2 and Laura J. van 't Veer 1 , * 1 Department of Laboratory Medicine, University of California, San Francisco, 2340 Sutter Street, San Francisco, CA 94143, USA 2 Department of Surgery, University of California, San Francisco, San Francisco, CA 94143, USA 3 Center for Applied Proteomics and Molecular Medicine, George Mason University, Manassas, VA 20110, USA 4 Breast Science Advocacy Core, University of California, San Francisco, San Francisco, CA 94143, USA 5 Quantum Leap Healthcare. San Francisco, CA 94118, USA 6 Gemini Group, Ann Arbor, MI 48107, USA 7 Department of Radiology, University of California, San Francisco, San Francisco, CA 94143, USA 8 Department of Surgery, Mayo Clinic, Rochester, MN 55905, USA 9 MedStar Georgetown University Hospital of Texas MD Anderson Cancer Center, Houston, TX 77030, USA 11 Division of Hematology/Oncology, University of California, San Francisco, San Francisco, CA 94158, USA 12 Lombardi Comprehensive Cancer Center, Georgetown University, Washington, DC 20007, USA s, MN 55455, USA 15 Berry Consultants, LLC, Austin, TX 78746, USA 16 These authors contributed equally 18 Lead contact *Correspondence: denise.wolf@ucsf.edu (DMW), cyau@buckinstitute.org (CY), laura.vant veer@ucsf.edu (LJvV) https://doi.org/10.1016/j.ccell.2022.05.005
编制 ALFA 矿业公司的战略并按照 WASPAS 方法确定优先次序
摘要 . 背景：如今，矿业公司和其他组织一样都是非营利组织，面临着复杂而动荡的环境。组织的正确指导取决于对内部和外部环境的了解以及做出明智的战略决策。因此，为了有效地处理影响公司盈利增长能力的所有因素，因为组织需要制定战略规划来提高其能力、长期增长和生存并降低运营风险，组织已经特别转向战略规划。制定战略后，确定战略的优先级非常重要。本研究的统计人群包括 50 名运营和支持事务部门负责人（确定内部因素）以及 10 名经理和副手（确定外部因素）。在本研究中，首先通过优势、劣势、机会和威胁 [SWOT] 矩阵确定战略，然后通过加权总和乘积评估 [WASPAS] 方法进行排序。材料和方法：除了 QSPM 方法，多指标决策模型也可用于确定策略的优先级。如今，随着多指标决策相关主题的深入，以及跨学科科学的日益发展以及使用各种群体和专业的理论来解决复杂问题的趋势，关注决策分析技术并利用它们解决现有的复杂问题变得非常重要。在这些模型中，考虑在可用选项中选择一个选项。一般来说，多指标决策是指特定的 [优先类型] 决策，例如评估、优先排序或在可用选项中进行选择 [有时应该在几个对比指标之间进行]。一些多指标决策模型是：AHP、ANP、ELECTRE、VICTOR、TOPSIS、SAW、GRA、SIR、PROMETHEE 和 WASPAS。在本文中，WASPAS 方法已用于确定策略的优先级。结果：在本研究中，首先通过优势、劣势、机会和威胁 [SWOT] 矩阵确定战略，然后通过加权总和乘积评估 [WASPAS] 方法进行排序。最终，“将部分销售额分配给个人或合格的私营公司”、“创建技术转让办公室 [TTO] 以实现自给自足”和“全面规划人力资源领域以创造有效和高效的文化”等战略被选为 Alpha 矿业公司的战略重点。结论：已经提出了各种方法来优先考虑战略；在本研究中，使用ACCEPT方法指定标准，最后通过WASPAS方法对策略进行优先排序。ACCEPT方法与QSPM方法不同，QSPM方法通过考虑优势和劣势、机会和威胁来确定策略的优先顺序，而不考虑环境条件和现有组织状态，而是从外部考虑策略评估的6个主要参数，包括成本、时间、受欢迎程度、有效性等，有助于确定策略的优先顺序。在本研究中，尝试根据相关和重要的标准使用MADM中的一种技术来提高管理者决策的保证系数。多标准决策技术的优势在于它们根据没有相等单位的各种标准来评估各种选项。多标准决策技术的另一个重要优点是它们能够同时分析定量和定性标准。
一项析因孟德尔随机化研究，系统地确定治疗心血管疾病的基因靶点的优先次序
1 布里斯托大学 MRC 综合流行病学部 2 布里斯托大学医学院：转化健康科学部 *通讯作者：汤姆·G·理查森博士，布里斯托大学医学院（人口健康科学）MRC 综合流行病学部 通讯地址： 汤姆·G·理查森博士 布里斯托大学 MRC 综合流行病学部 Oakfield House Oakfield Grove 布里斯托 BS8 2BN 英国 Tom.G.Richardson@bristol.ac.uk 总字数：2,987