XiaoMi-AI文件搜索系统
World File Search SystemSUBGROUPS
通过机器学习驱动的基因表达谱识别髓母细胞瘤的分子亚群
1 伊朗德黑兰国家遗传工程和生物技术研究所工业和环境生物技术研究所生物过程工程系 2 伊朗德黑兰大学科学学院生物技术系 3 法国巴黎巴黎萨克雷大学 4* 美国加利福尼亚州欧文市加利福尼亚大学神经病学系 92612 * 通讯作者：Babak Khorsand Khorsand.babak@uci.edu 美国加利福尼亚州欧文市加利福尼亚大学神经病学系 电话：949.678.8869 利益冲突：无 摘要背景：髓母细胞瘤 (MB) 是儿童中最常见的恶性脑肿瘤，其亚群之间具有显著的分子异质性。准确分类对于个性化治疗策略和预后评估至关重要。程序：本研究利用机器学习 (ML) 技术分析了 70 个儿童髓母细胞瘤样本的 RNA 测序数据。采用五种分类器——K 近邻 (KNN)、决策树 (DT)、支持向量机 (SVM)、随机森林 (RF) 和朴素贝叶斯 (NB)——根据基因表达谱预测分子亚群。特征选择确定了不同大小的基因子集（750、75 和 25 个基因），以优化分类准确性。结果：使用完整基因组进行的初步分析缺乏判别力。然而，减少的特征集显著提高了聚类和分类性能，尤其是对于第 3 组和第 4 组亚群。 RF、KNN 和 SVM 分类器始终优于 DT 和 NB 分类器，在许多情况下，尤其是在第 3 组和第 4 组中，分类准确率超过 90%。结论：本研究强调了 ML 算法在使用基因表达数据对髓母细胞瘤亚组进行分类方面的有效性。特征选择技术的整合大大提高了模型性能，为髓母细胞瘤管理中增强个性化方法铺平了道路。关键词：髓母细胞瘤、基因表达谱、机器学习、癌症病理学、儿科。缩写表
标题：家庭内认知亚群的精神病相关症状和结构性大脑模式
保留所有权利。未经许可不得重复使用。（未经同行评审认证）是作者/资助者，他已授予 medRxiv 永久展示预印本的许可。此预印本的版权所有者此版本于 2025 年 2 月 2 日发布。；https://doi.org/10.1101/2025.01.31.25321486 doi：medRxiv preprint
犬口服黑色素瘤基因组和转录组研究定义了两个具有不同治疗靶标的分子亚组
摘要：粘膜黑色素瘤（MM）是一种罕见且侵略性的临床癌症，主要发生在头部，颈部和肛门生殖器区域。尽管遗传学最近的进步和革命治疗的发展，例如免疫疗法，但MM的预后仍然很差。犬MM与人类对应物共享几种临床，组织学和遗传特征，提供了相关的自发和免疫能力模型，以破译遗传基础并探索人类MM的治疗选择。我们对32个犬MM样品进行了整合基因组和转录组分析，这使我们能够鉴定出微环境和结构变体（SV）含量不同的两个分子亚组。与微环境和T细胞反应相关的基因的过表达与具有较低的结构变体含量的肿瘤有关，而与色素沉着相关的途径和癌基因（如TERT）的过表达与高SV负担相关。详细介绍了SV，尤其是那些具有局灶性扩增的SV，在四个犬MM细胞系上进行了全基因组测序。我们表明，焦点放大表征了靶向癌基因的复杂染色体重排，例如MDM2或CDK4，以及犬30犬30上的一个经常放大的区域，其中包含TRPM7，GABPB1，USP8和SPPL2A的基因，是MMMM的候选。我们表明这些基因的拷贝数与它们的表达水平显着相关。最后，我们证明了TRPM7，GABPB1和SPPL2A基因在细胞增殖中起作用。因此，这些可能被视为人类MM的新候选癌基因。我们的发现表明存在可能受益于专用疗法的两个MM分子亚组，例如免疫检查点抑制剂或靶向疗法。这些结果说明了自发MM中狗模型对解密遗传机制的相关性，并有可能筛选人类中罕见和侵略性癌症有效的靶向疗法。。
人们不愿意使用医疗人工智能的多样性：通过潜在概况分析识别亚群
医疗人工智能 (AI) 对未来的医疗保健系统至关重要。医疗 AI 研究使用以变量为中心的方法，从知识、态度和行为层面孤立地研究了人们对使用医疗 AI 的抵触情绪，同时忽略了存在一些亚群，他们的知识、态度和行为的综合水平可能存在差异。为了解决文献中的这一空白，我们采用以人为本的方法，采用潜在概况分析来考虑人们的医疗 AI 客观知识、主观知识、消极态度和行为意图。在两项研究中，我们确定了三种不同的医疗 AI 概况，它们根据人们对医疗 AI 的信任和感知风险而系统地变化。我们的研究结果揭示了人们不愿使用医疗 AI 的本质，以及不同特征的个体在医疗 AI 方面可能具有不同的知识、态度和行为。
一个可解释的框架，可以从临床试验中识别有关治疗效果的响应式亚组：应用脑出血治疗
随机临床试验（RCT）遭受高失败率，这可能是由对治疗的异质反应引起的。尽管开发了许多模型以估计异质治疗效应（HTE），但仍缺乏可解释的甲基化剂来识别响应式亚组。这项工作旨在开发一个框架来基于优先级可解释性的治疗效果来识别亚组。所提出的框架利用了一个集合隆福树方法来生成描述性决策规则，该规则将样本分开，给出了对治疗的估计响应。随后，我们选择了这些决策规则的互补集，并使用稀疏线性模型对其进行排名。为了解决试验有限的样本量问题，我们通过从外部研究中借用控制患者并产生合成数据提出了数据增强策略。我们将提出的框架应用于失败的随机临床试验，以调查脑内出血治疗计划。Qini分数表明，提出的数据增强策略计划可以通过选择互补的描述性规则而不损害估计质量来提高模型的性能，并且框架可以提高模型的性能。我们的模型得出了临床上有意义的亚组。，我们发现那些患有舒张压70 mm Hg的患者，收缩压<215 mm HG受益于强化血压降压疗法更受益。提出的可解释的HTE分析框架为从具有中性治疗效果的RCT中提取有意义的见解提供了有希望的潜力。通过识别响应式亚组，我们的框架可以更有效地为患者制定个性化治疗策略。
多重定量聚合酶链反应，用于亚组A，B，J和K禽类白细胞病病毒的快速差分检测
1动物菌丝病的预防和控制剂的关键实验室（农业和农村事务部），霍贝里农业科学学院动物饲养和兽医研究所，特殊ONE，Nanhuyaoyuan，Hongshan地区，洪山区，Wuhan 430064，中国； DJF0825@163.com（J.D.）; wangzui@webmail.hzau.edu.cn（Z.W.）; lili_0215@126.com（L.L.）; luqin198909@126.com（Q.L.）; jinxinxin@webmail.hzau.edu.cn（X.J.）; Cheery2221@163.com（X.L.）; shhb1961@163.com（H.S.）2 Hubei Hongshan Laboratory, Wuhan 430064, China 3 Department of Animal Medicine, College of Life Science and Food Engineering, Hebei University of Engineering, Handan 056038, China 4 Department of Microbiology and Immunology, Dalhousie University, Halifax, NS B3H 4R2, Canada * Correspondence: zhaixg1966@163.com (X.Z.）; qingping0523@163.com（q.l.）†这些作者为这项工作做出了同样的贡献。
PD-1抑制剂在患有晚期食管鳞状细胞癌患者的特定亚组中的临床益处：对3期随机临床试验的系统综述和荟萃分析
方法：我们从PubMed，Embase，Science，Cochrane Library数据库和会议摘要中搜索了合格的研究。提取了与生存结果相关的指标。计算了总体存活率（OS），无进展生存期（PFS）和响应持续时间（DOR）的汇总危险比（OS）和客观响应比率（OR）的汇总比值（OR）（ORR），以评估ESCC中PD-1抑制剂基于PD-1抑制剂的效率。提取了有关治疗线，治疗方案，编程死亡配体（PD-L1）状态，基线人口统计学和疾病特征的数据。在ESCC患者的特定人群中进行了亚组分析。 使用偏置工具的Cochrane风险和灵敏度分析用于评估荟萃分析的质量。亚组分析。使用偏置工具的Cochrane风险和灵敏度分析用于评估荟萃分析的质量。
成人种族和种族亚组中心脏代谢疾病的流行 - 行为风险因素监视系统，美国，2013 - 2021年
摘要虽然糖尿病和心血管疾病占美国成年人的实质性疾病患病率，但它们在种族和族裔亚组中的普遍性不足。为了填补这一空白，疾病预防控制中心描述了美国成年人中诊断出的心脏代谢性疾病的普遍性，分类的种族和族裔亚组，在2013 - 2021年期间的3,970,904名受访者中，有3,970,904名受访者对行为危险因素监视系统的受访者中的受访者中的受访者中的患病率。通过种族和种族分层的每种疾病（糖尿病，心肌梗塞，心绞痛或冠心病以及中风）的流行率是基于医疗保健专业人员自我报告的诊断，适应年龄，性别和调查年度。总体而言，平均受访者年龄为47.5岁，51.4％的受访者是妇女。分类种族和种族亚组中心脏代谢疾病的患病率差异很大。例如，糖尿病的糖尿病患病率（11.5％）范围从越南子组的6.3％到菲律宾亚组的15.2％不等。总体西班牙裔或拉丁裔类别的心绞痛或冠状动脉疾病的患病率（3.8％）范围从古巴亚组的3.1％到波多黎各人亚组的6.3％。分类型心脏代谢疾病患病率数据划分的种族和种族确定了亚组之间的健康差异，这些差异可用于更好地指导预防计划并制定与文化相关的干预措施。
晶体学在线 - 毕尔巴鄂晶体学服务器
最大子群和 Hermann 定理。 结构相变中的域结构分析。 群-子群对的 Wyckoff 位置关系。 空间群的超群。BCS：在研究空间群的群-子群关系时，使用计算机数据库和计算机工具进行动手实践（SUBGROUPGRAPH、SUBGROUPS、HERMANN、WYCKSPLIT、MINSUP、SUPERGROUPS）。可选课程：提问和讨论（18:00 - 19:00）
预后和预测因素
loe§家族妈妈czinoma污染2A§DCIS病中的内存2a§高BMI 2A高乳房密度2A§生长模式（临界 /固体与“固定” / Micropillary）2B§残留肿瘤相关的微疗法微疗法2B§Altactecture2B§Altactecture§（MOD）< / div。van nuys forecast index / mitoserate 2b § Palpables DCIS 2b § Er-, Her2+, Ki-67+ 2b § Scores: Oncotype DX Breast DCIS Score (12 genes), CCP (23 genes) § MSKCC Nomogram 2b § Dcisionrt 2b § Intrinsic subgroups (luminal a, b, b, b, b, b, B，B，B，B，B HER2+，三重负）2B§DCIS与侵入性癌相比，对侧MACA 2B2B§高tils Numbers 2B 的风险较高。van nuys forecast index / mitoserate 2b § Palpables DCIS 2b § Er-, Her2+, Ki-67+ 2b § Scores: Oncotype DX Breast DCIS Score (12 genes), CCP (23 genes) § MSKCC Nomogram 2b § Dcisionrt 2b § Intrinsic subgroups (luminal a, b, b, b, b, b, B，B，B，B，B HER2+，三重负）2B§DCIS与侵入性癌相比，对侧MACA 2B2B§高tils Numbers 2B