XiaoMi-AI文件搜索系统
World File Search System精准
提高癌症治疗的精准度：基因治疗和免疫调节在肿瘤学中的作用
基因疗法长期以来一直是治疗罕见病和遗传性疾病的基石，为曾经被认为无法治愈的疾病提供了有针对性的解决方案。随着该领域的发展，其变革潜力现已扩展到肿瘤学，个性化疗法可解决癌症的遗传和免疫相关复杂性。本综述重点介绍了创新的治疗策略，包括基因置换、基因沉默、溶瘤病毒疗法、CAR-T 细胞疗法和 CRISPR-Cas9 基因编辑，重点介绍它们在血液系统恶性肿瘤和实体瘤中的应用。CRISPR-Cas9 是精准医疗的革命性工具，可以精确编辑致癌突变，增强免疫反应并破坏肿瘤生长机制。此外，新兴方法针对铁死亡（一种受调控的铁依赖性细胞死亡形式），为选择性诱导耐药性癌症中的肿瘤细胞死亡提供了新的可能性。尽管取得了重大突破，但肿瘤异质性、免疫逃避和免疫抑制性肿瘤微环境 (TME) 等挑战仍然存在。为了克服这些障碍，人们正在探索新方法，例如双靶向、装甲 CAR-T 细胞以及与免疫检查点抑制剂和铁死亡诱导剂的联合疗法。此外，同种异体“现成” CAR-T 疗法的兴起提供了可扩展且更易于获得的治疗选择。监管环境正在不断发展以适应这些进步，美国的 RMAT（再生医学先进疗法）和欧洲的 ATMP（先进疗法药物）等框架正在快速批准基因疗法。然而，围绕基于 CRISPR 的基因编辑的伦理考虑（例如脱靶效应、种系编辑和确保公平获取）仍然处于最前沿，需要持续的伦理监督。脂质纳米颗粒 (LNP) 和外泌体等非病毒递送系统的进展正在提高基因疗法的安全性和有效性。通过将这些创新与联合疗法相结合并解决监管和道德问题，基因疗法将彻底改变癌症治疗，为血液系统肿瘤和实体肿瘤提供持久、有效和个性化的解决方案。
PROTAC 分子介导的 SpCas9 蛋白降解用于精准基因组编辑 孙胜男 1,3 , 孙仁红 2,3 , 谭敏康 1 , Maarten Kip 1 , X
1. Araldi, RP 等人，成簇的规律间隔的短回文重复序列 (CRISPR/Cas) 工具的医学应用：全面概述。基因，2020 年。745：第 144636 页。2. Frangoul, H.、TW Ho 和 S. Corbacioglu，CRISPR-Cas9 基因编辑用于镰状细胞病和β-地中海贫血。回复。N Engl J Med，2021 年。384 (23)：第 e91 页。3. Groenen, PMA 等人，结核分枝杆菌直接重复簇中 DNA 多态性的性质 - 一种新型分型方法在菌株区分中的应用。分子微生物学，1993 年。10 (5)：第 1057-1065 页。 4. Ishino, Y. 等人，大肠杆菌中负责碱性磷酸酶同工酶转化的 Iap 基因的核苷酸序列及其基因产物的鉴定。细菌学杂志，1987 年。169 (12)：第 5429-5433 页。5. Chen, JS 和 JA Doudna，Cas9 及其 CRISPR 同事的化学反应。自然评论化学，2017 年。1 (10)。6. Doudna, JA 和 E. Charpentier，使用 CRISPR-Cas9 进行基因组工程的新前沿。科学，2014 年。346 (6213)：第 1077-+ 页。7. Whinn, KS 等人，核酸酶死亡 Cas9 是 DNA 复制的可编程障碍。科学报告，2019 年。9 月。8. Tsai, SQ 等人，GUIDE-seq 可对 CRISPR-Cas 核酸酶的脱靶切割进行全基因组分析。自然生物技术，2015 年。33 (2)：第 187-197 页。9. Wang, Y. 等人，CRISPR 系统的特异性分析揭示了大大增强的脱靶基因编辑。科学报告，2020 年。10 (1)。10. Zuccaro, MV 等人，Cas9 切割人类胚胎后去除等位基因特异性染色体。细胞，2020 年。183 (6)：第 1650-+ 页。11. Aschenbrenner, S. 等人，将 Cas9 与人工抑制结构域耦合可增强 CRISPR-Cas9 靶向特异性。 Science Advances，2020 年。6 (6)。12. Bondy-Denomy, J. 等人，抗 CRISPR 蛋白抑制 CRISPR-Cas 的多种机制。Nature，2015 年。526 (7571)：第 136-9 页。13. Khajanchi, N. 和 K. Saha，通过小分子调控控制 CRISPR 进行体细胞基因组编辑。Mol Ther，2022 年。30 (1)：第 17-31 页。14. Han, J. 等人，对小分子药物的超敏反应。Front Immunol，2022 年。13：第 1016730 页。15. Pettersson, M. 和 CM Crews，蛋白水解靶向嵌合体 (PROTAC) - 过去、现在和未来。 Drug Discov Today Technol，2019. 31：第 15-27 页。16. Bondeson, DP 和 CM Crews，小分子靶向蛋白质降解。Annual Review of Pharmacology and Toxicology，第 57 卷，2017 年。57：第 107-123 页。17. Li, R.，等人，蛋白水解靶向嵌合体 (PROTAC) 在癌症治疗中的应用：现在和未来。Molecules，2022 年。27 (24)。18. Farasat, I. 和 HM Salis，用于合理设计基因组编辑和基因调控的 CRISPR/Cas9 活性的生物物理模型。PLoS Comput Biol，2016 年。12 (1)：第 e1004724 页。
精准农业：作物生产和可持续发展的未来
育种和可持续生产。植物科学趋势。2024；29(2): 130-149。4. Rugji J、Erol Z、Ta sc ı F、Musa L、Hamadani A、Gündemir MG 等人。人工智能的利用——重塑食品安全、农业和粮食安全的未来——评论。食品科学与营养评论。2024；1- 45。5. Lew TT、Sarojam R、Jang IC、Park BS、Naqvi NI、Wong MH 等人。用于下一代农业的不依赖物种的分析工具。自然植物。2020；6(12):1408-1417。 6. Erpen-Dalla Corte L、M Mahmoud L、S Moraes T、Mou Z、W. Grosser J、Dutt M. 利用 CRISPR/Cas9 基因组编辑技术开发改良水果、蔬菜和观赏作物。植物（巴塞尔）。2019；8(12):601-615。7. Shafi U、Mumtaz R、García-Nieto J、Hassan SA、Zaidi SA、Iqbal N. 精准农业技术和实践：从考虑到应用。传感器（巴塞尔）。2019；19(17):3796-3805。8. Fiaz S、Ahmar S、Saeed S、Riaz A、Mora-Poblete F、Jung KH. 基因组编辑技术的演变和应用，以实现粮食和营养安全。Int J Mol Sci。2021；22(11):5585-5600。 9. Jha A、Pathania D、Damathia B、Raizada P、Rustagi S、Singh P 等。生物纳米肥料全景：可持续农业之路。环境研究。2023；235：116-128。10. French E、Kaplan I、Iyer-Pascuzzi A、Nakatsu CH、Enders L。多样化农业生态系统中精准微生物组管理的新兴策略。自然植物。2021；7(3)：256-267。
人工智能驱动的诊断：彻底改变医疗保健精准度
人工智能驱动的诊断代表了医疗保健领域的一项重大进步，解决了传统方法中长期存在的低效率和不准确性问题。通过利用尖端技术，医疗保健组织可以改善患者治疗效果、提高运营效率，并最终彻底改变医疗服务。随着这些技术的不断发展，人工智能在医疗保健诊断中的潜力将不断扩大，使精准医疗不再只是一种愿望，而成为现实。持续投资研发以及技术与医疗保健组织之间的战略伙伴关系将进一步为成功实施和将人工智能解决方案融入日常实践铺平道路。
AI-HOPE：一种人工智能驱动的对话代理，用于增强精准医学研究中的临床和基因组数据整合 Ei-Wen Yang，博士1，Enrique Velazquez-Villarreal，医学博士，哲学博士，公共卫生硕士。2,3，*
1 Polyagent，加利福尼亚州旧金山 2 希望之城贝克曼研究所综合转化科学系，加利福尼亚州杜瓦特 3 希望之城综合癌症中心，加利福尼亚州杜瓦特 *通讯作者 摘要 简介：临床癌症研究日益复杂，需要开发能够整合临床和基因组数据并加速发现工作的自动化工具。高优化和精准医疗人工智能代理 (AI-HOPE) 是一个由大型语言模型 (LLM) 驱动的创新对话式 AI 平台，旨在使领域专家能够通过自然语言输入执行综合数据分析，无需编程专业知识。AI-HOPE 提供强大的分析功能，能够在临床和转化研究中产生可操作的见解。方法：AI-HOPE 以自然语言解释用户指令并将其转换为可执行代码以分析本地存储的数据。它有助于进行临床患病率和生存分析的子集比较，生成统计输出，例如比值比、Kaplan-Meier 生存曲线和风险比。通过使用 Cancer Genome Atlas (TCGA) 的两项病例对照研究证明了其功能：(1) 分析早期和晚期结直肠癌 (CRC) 患者的 TP53 突变富集情况，以及 (2) 比较接受 FOLFOX 治疗且有或无 RAS 突变的患者的无进展生存期。结果：在第一项研究中，AI-HOPE 发现与早期 (I/II) 病例相比，晚期 (III/IV) CRC 中 TP53 突变显著富集。在第二项研究中，AI-HOPE 揭示了 KRAS 突变与 FOLFOX 治疗患者较差的无进展生存期之间存在显著关联。这些发现与既定文献相一致，证明了 AI-HOPE 能够在没有用户事先假设的情况下独立发现有意义的见解。结论：AI-HOPE 代表了精准医学研究的变革性进步，为整合临床和基因组数据提供了一个可扩展、用户友好的框架。它的多功能性不仅限于癌症研究，还支持跨不同生物医学领域的应用。未来的增强功能（例如实时数据集成和多组学功能）将进一步巩固其作为推进转化研究和改善患者结果的关键资源的作用。AI-HOPE 弥合了数据复杂性和研究需求之间的差距，加速了精准医学研究的发现。
预防人类疾病的精准环境健康方法
我们的健康受到周围世界的影响——我们生活的气候、呼吸的空气、喝的水和吃的食物都会影响我们的健康 1 。对环境的最广泛解释涵盖了我们周围世界的所有方面，包括我们的建筑、社会经济、化学、生理和社会心理环境 2、3 。这些不同的组成部分影响着所有身体系统的功能，构成了人类健康的主要且通常可改变的决定因素 4 。环境暴露估计占人类疾病负担的 70-90% 5 。环境与健康之间的这种关系是环境健康科学 (EHS) 研究的重点，该研究旨在了解环境如何影响人类健康并促进更健康的生活。过去，EHS 研究主要侧重于定义和减轻环境危害 6 。现代 EHS 研究还涵盖有益暴露，如必需微量元素、有益微生物群和社会支持系统。传统上，EHS 研究通过减少有害暴露的策略转化为行动，例如通过政策或技术进步。然而，这些传统方法的能力有限，无法考虑每个人独特的暴露类型、水平和时间组合，再加上他们的遗传和病理和生理状态，可能会在我们每个人身上产生不同的健康结果。精准环境健康旨在通过提高我们对生命历程中暴露的理解以及对这些暴露的个性化反应的决定因素来应对这一挑战。识别最大
HOPE-AI：一种人工智能驱动的对话代理，用于增强精准医学研究中的临床和基因组数据整合 Ei-Wen Yang 博士 1、Enrique Velazquez-Villarreal 医学博士、哲学博士、公共卫生硕士 2,3，*
1 Polyagent，加利福尼亚州旧金山 2 希望之城贝克曼研究所综合转化科学系，加利福尼亚州杜瓦特 3 希望之城综合癌症中心，加利福尼亚州杜瓦特 *通讯作者 摘要 简介：临床癌症研究日益复杂，需要开发能够整合临床和基因组数据同时加速发现工作的自动化工具。精准医疗 AI 代理高优化平台 (HOPE-AI) 是一个由大型语言模型 (LLM) 驱动的创新对话式 AI 平台，旨在使领域专家能够通过自然语言输入执行综合数据分析，从而无需编程专业知识。HOPE-AI 提供强大的分析功能，能够在临床和转化研究中产生可操作的见解。方法：HOPE-AI 以自然语言解释用户指令并将其转换为可执行代码以分析本地存储的数据。它有助于进行临床患病率和生存分析的子集比较，生成比值比、Kaplan-Meier 生存曲线和风险比等统计输出。通过使用癌症基因组图谱 (TCGA) 的两项病例对照研究证明了其能力：(1) 分析早期和晚期结直肠癌 (CRC) 患者中 TP53 突变的富集情况，以及 (2) 比较接受 FOLFOX 治疗且有或无 RAS 突变的患者的无进展生存期。结果：在第一项研究中，HOPE-AI 发现与早期 (I/II) 病例相比，晚期 (III/IV) CRC 中 TP53 突变显著富集。在第二项研究中，HOPE-AI 揭示了 KRAS 突变与 FOLFOX 治疗患者较差的无进展生存期之间存在显著关联。这些发现与现有文献一致，证明了 HOPE-AI 能够在没有用户事先假设的情况下独立发现有意义的见解。结论：HOPE-AI 代表了精准医学研究的变革性进步，为整合临床和基因组数据提供了一个可扩展、用户友好的框架。它的多功能性不仅限于癌症研究，还支持跨不同生物医学领域的应用。未来的增强功能（例如实时数据集成和多组学功能）将进一步巩固其作为推进转化研究和改善患者治疗效果的关键资源的作用。HOPE-AI 弥合了数据复杂性与研究需求之间的差距，加速了精准医学研究的发现。
精准医疗中人工智能的验证框架
摘要背景：人工智能 (AI) 有可能极大地改变我们的医疗保健系统。基于机器学习方法的新型 AI 技术应该在未来的临床决策中发挥关键作用。然而，它们在医疗保健环境中的实施仍然有限，主要是因为缺乏强有力的验证程序。有必要为 AI 的临床验证制定可靠的评估框架。我们在此介绍了一种评估 AI 预测三阴性乳腺癌 (TNBC) 治疗反应的方法，该方法使用来自临床数据仓库和生物库的真实数据和分子组学数据。方法：欧洲“ITFoC（面向癌症未来的信息技术）”联盟设计了一个框架，用于临床验证用于预测肿瘤学治疗反应的 AI 技术。结果：该框架基于七个关键步骤，具体规定：（1）AI 的预期用途，（2）目标人群，（3）AI 评估时间，（4）用于评估的数据集，（5）用于确保数据安全的程序（包括数据质量、隐私和安全），（6）用于衡量性能的指标，以及（7）用于确保 AI 可解释的程序。该框架构成了我们为“ITFoC 挑战赛”构建的验证平台的基础。这项全社区竞赛将使我们能够评估和比较用于预测 TNBC 治疗反应的 AI 算法与外部真实世界数据集。结论：在将 AI 技术应用于医疗保健环境之前，必须以稳健、公正和透明的方式评估其预测性能和安全性。我们相信，在精准肿瘤学和个性化护理的背景下，ITFoC 联盟的考虑将有助于在临床环境中安全地转移和实施 AI。
推荐 NIH 资助的哈佛医学院 AI 计算健康信息学博士后项目候选人，波士顿儿童医院，马萨诸塞州波士顿 CHIP ，波士顿儿童医院的计算健康信息学项目，哈佛医学院的附属机构和其生物医学信息学系的合作项目，正在招募对使用人工智能推动医疗保健感兴趣的博士后研究员。我们寻求优秀的候选人，他们对提升获取和推理一系列数据类型的能力充满热情，从临床、流行病学、环境和社会一直到分子和基因组。我们鼓励教师和研究负责人推荐能够胜任这一职位的候选人。我们提供丰富的学术环境和顶尖医院的优秀导师。CHIP 位于 401 Park Drive 美丽的新设计空间内，位于波士顿芬威街区的中心地带，周围有美妙的餐饮、娱乐和体育场所。重点领域包括机器学习/人工智能，包括临床决策支持和预测医学、可计算表型分析、精准医学、人口健康、真实世界证据和数据可视化。CHIP 成立于 1994 年，是一个多学科应用研究和教育项目。生物医学信息学已成为生物医学科学、医疗保健服务和人口健康的主要主题和方法，包括
推荐 NIH 资助的哈佛医学院 AI 计算健康信息学博士后项目候选人，波士顿儿童医院，马萨诸塞州波士顿 CHIP 是波士顿儿童医院的计算健康信息学项目，是哈佛医学院的附属机构，也是其生物医学信息学系的合作项目，正在招募对利用人工智能推进医疗保健感兴趣的博士后研究员。我们寻求优秀的候选人，他们对提升获取和推理一系列数据类型的能力充满热情，从临床、流行病学、环境和社会一直到分子和基因组。我们鼓励教师和研究负责人推荐能够胜任这一角色的候选人。我们提供丰富的学术环境和优秀的导师，并嵌入顶级医院。CHIP 位于波士顿芬威街区中心 401 Park Drive 的美丽新空间内，周围有各种美食、娱乐和体育设施。重点领域包括机器学习/AI，包括临床决策支持和预测医学、可计算表型、精准医学、人口健康、真实世界证据和数据可视化。CHIP 成立于 1994 年，是一个多学科应用研究和教育项目。生物医学信息学已成为生物医学、医疗保健和人口健康的主要主题和方法，涉及高维建模和从分子到人口水平了解患者。尽管 CHIP 拥有强大的儿科研究议程，但我们的兴趣涵盖所有年龄段。我们为医疗决策、诊断、护理重新设计、公共卫生管理和重新构想的临床试验设计信息基础设施。该领域本质上是跨学科的，借鉴了传统生物医学学科、计算科学和技术、数据科学、生物统计学、流行病学、决策理论、组学、实施科学以及医疗保健政策和管理。我们的教师接受过医学、数据科学、计算机科学、数学和流行病学方面的培训。CHIP 研究亮点在这里。