XiaoMi-AI文件搜索系统
World File Search System胞状
使用颞细胞状态网络模型预测抗癌药物组合反应
冠状动脉疾病（CAD）是发达和发展中的死亡的主要原因。这项研究的目的是通过机器学习和评估该方法来确定冠状动脉疾病的危险因素。使用公开可用的国家健康和营养检查调查（NHANES）进行了回顾性，横断面研究（NHANES），该研究完成了人口，饮食，运动和心理健康问卷并拥有实验室和体格检查数据的患者。单变量逻辑模型（以CAD为结果）用于识别与CAD相关的协变量。在最终的机器学习模型中包括在单变量分析中具有P <0.0001的协变量。机器学习模型XGBoost由于文献中的普遍性以及其在医疗保健术前的预测准确性提高而使用。模型协变量根据覆盖统计量进行排名，以识别CAD的危险因素。构造的加性解释（SHAP）解释被用来可视化这些潜在危险因素与CAD之间的关系。在这项研究中符合纳入标准的7,929名患者中，女性为4,055（51％），男性为2,874（49％）。平均年龄为49.2（SD = 18.4），有2,885名（36％）白人患者，2,144名（27％）黑人患者，1,639名（21％）西班牙裔患者和1,261例（16％）其他种族患者。总共338例（4.5％）患有冠状动脉疾病。将它们拟合到XGBoost模型中，AUROC = 0.89，灵敏度= 0.85，特异性= 0.87（图1）。按覆盖范围排名前四的最高特征，这是协变量对整体模型预测的百分比贡献的度量，是年龄（覆盖率= 21.1％），血小板计数（覆盖= 5.1％），心脏病的家族史（覆盖率= 4.8％）和胆固醇总胆固醇（覆盖率= 4.1％）。机器学习模型可以使用人口统计学，实验室，体格检查和生活方式协变量有效预测冠状动脉疾病，并确定关键的危险因素。
改变代谢可塑性的齿轮来推动癌症细胞状态的转变
摘要：癌症代谢是癌症的一个特征。代谢可塑性定义了癌细胞在疾病进展的各个阶段重新编程大量代谢途径以满足独特能量需求的能力。细胞状态转变是一种表型适应，它赋予癌细胞独特的优势，帮助癌细胞克服进展障碍，包括肿瘤起始、扩张性生长、对治疗的抵抗、转移、定植和复发。人们越来越认识到，癌细胞需要及时适当地重新编程其细胞代谢，以支持与新表型细胞状态相关的变化。我们讨论了癌细胞可能采取的代谢改变，这些改变与维持癌症干细胞、激活上皮-间质转变程序以促进转移以及获得耐药性有关。虽然癌细胞利用这种代谢可塑性来生存，但它们对某些代谢途径的依赖和上瘾也提供了可以利用的治疗机会。
神经crest的干细胞状状态驱动不合格...
1分子癌生物学实验室，癌症生物学中心，毒物，鲁汶，比利时； 2比利时鲁汶库列文肿瘤学分子癌生物学实验室； 3波特兰俄勒冈州健康与科学大学奈特癌症研究所的细胞，发育与癌症生物学系（OR）； 4 Vib技术手表，技术创新实验室，VIB，鲁汶，比利时； 5繁殖基因组学实验室，人类遗传学系，比利时鲁南鲁文库文； 6比利时乌兹利文病理学系； 7比利时鲁南的Kuleuven和UZ Leuven，病理学系翻译细胞和组织研究实验室； 8人类遗传学中心，比利时Kuleuven； 9转化遗传学实验室，癌症生物学中心，VIB，鲁汶，比利时； 10人类遗传学中心转化遗传学实验室，比利时库列文； 5繁殖基因组学实验室，人类遗传学系，比利时鲁南鲁文库文； 11总医学肿瘤学系UZ Leuven，比利时；澳大利亚新南威尔士州悉尼麦格理大学12号； 13澳大利亚黑色素瘤学院，澳大利亚悉尼，澳大利亚； 14瑞士苏黎世大学医院皮肤病学系； 15比利时鲁南鲁文卢文湖肿瘤学部RNA癌症生物学实验室； 16 TRACE PDX平台，肿瘤学系，LKI，KU Leuven，鲁汶，比利时。