XiaoMi-AI文件搜索系统
World File Search SystemSong
参考：Wang Kai，Zhong Xiao-bin，Song Yue-Xian，Zhang Yao-Hui，Zhang Yan-Gang，You Xiao-Gang，Ji Pu-Guang，Shodievich Kurbanov Mirtemir，Khalilov，Khalilov
光伏工业硅的再生浪费对高性能 - 锂离子电池阳极Kai Wang*，Xiao-bin Zhong，Yue-xian Song，Yao-hui Zhang，Yan-gang Zhang，Yan-Gang Zhang，Xiao-Gang You* Zhang, Xing-Liang Yao, Feng Li, Jun-Fei Liang * , Hua Wang * Abstract The diamond-wire sawing silicon waste (DWSSW) from the photovoltaic industry has been widely considered as a low-cost raw material for lithium-ion battery silicon-based electrode, but the effect mechanism of impurities presents in DWSSW on lithium storage performance is still not well understood, meanwhile, it迫切需要制定一种将DWSSW颗粒变成高性能电极材料的策略。在这项工作中，使用原位蚀刻技术对DWSSW中杂质的发生状态进行了仔细的分析。然后，小说Si@c@sio x@pal- n-c复合材料是通过原位封装策略设计的。获得的Si@C@SiO X@Pal -N -C电极在当前密度为1.0 A·G -1的情况下，初始库仑效率（ICE）的高第一容量为2343.4 mAh·G -1，最初的库仑效率（ICE）为84.4％，并且可以在200个周期后提供令人印象深刻的984.9 mAh·g -1。组合的数值模拟模型计算，Si 4+ /Si 0和Si 3+ /Si 0价比例的增加，SIO X层中的价状态态导致von Mises应力减少，这最终改善了循环结构稳定性。同时，Sio X层上的多孔2D-3D铝/氮（Al/N）共掺杂的碳层和纳米线，由于其发达的层次孔结构，可以为锂储存提供丰富的活性位点，从而促进离子运输。更重要的是，Si@c@sio x@pal-n-c // LifePo 4完整单元的性能在实际应用中显示出巨大的潜力。关键字锯硅废物；原位封装；铝/氮共掺杂；多孔碳纳米线；锂离子电池K. Wang*，X.-B。Zhong，Y.-X. 歌曲，Y.-H。张，Y.-G。张，X.-L。 Yao，F。Li，J.-F。 Liang*中国北大学能源与动力工程学院，中国030051，中国电子邮件：20210068@nuc.edu.edu.cn J.-F。 Liang电子邮件：jfliang@nuc.edu.cn H. Wang*北京大学，北京大学，北京100191，电子邮件：wanghua8651@buaa.edu.edu.cn X.-G。您*中国450001的郑州大学中心关键金属实验室：youxiaogang@zzu.edu.edu.cnZhong，Y.-X.歌曲，Y.-H。张，Y.-G。张，X.-L。 Yao，F。Li，J.-F。 Liang*中国北大学能源与动力工程学院，中国030051，中国电子邮件：20210068@nuc.edu.edu.cn J.-F。 Liang电子邮件：jfliang@nuc.edu.cn H. Wang*北京大学，北京大学，北京100191，电子邮件：wanghua8651@buaa.edu.edu.cn X.-G。您*中国450001的郑州大学中心关键金属实验室：youxiaogang@zzu.edu.edu.cn
shang-tse chen
2013 - 2019 Ph.D.佐治亚州亚特兰大的计算机科学佐治亚理工学院论文：AI注册的安全：由桥接理论和实践委员会由强大的辩护：Polo Chau（顾问），Nina Balcan（Nina Balcan），Nina Balcan（联合顾问），Wenke Lee，Le Song，Le Song，Le Song，2013 - 2019 Ph.D.佐治亚州亚特兰大的计算机科学佐治亚理工学院论文：AI注册的安全：由桥接理论和实践委员会由强大的辩护：Polo Chau（顾问），Nina Balcan（Nina Balcan），Nina Balcan（联合顾问），Wenke Lee，Le Song，Le Song，Le Song，
Gaoyang Zhao, Zhen Wei, Weilei Wang, Daohuan Feng, Aoxue Xu, Weili Liu*, and Zhitang Song Review on modeling and application of chemical mechanical po
摘要：随着集成电路技术的发展，特别是进入亚微米工艺之后，关键尺寸的缩小和高密度器件的实现，集成电路材料层之间的平整度变得越来越关键。因为传统的机械抛光方法不可避免地会在金属甚至电介质层中产生与器件相同尺寸的划痕，导致光刻中的景深和聚焦问题。第一个实现应用的平坦化技术是旋涂玻璃（SOG）技术。但是该技术不仅会引入新的材料层，而且无法达到VLSI和ULSI技术所要求的整体平坦化。而且旋涂过程中的工艺不稳定性和均匀性无法满足晶圆表面的高平坦度要求。而一些技术如反向刻蚀和玻璃回流虽然可以实现亚微米级的区域平坦化。当临界尺寸达到0.35微米(亚微米工艺)后,上述方法已不能满足光刻和互连制造的要求.20世纪80年代,IBM首次将用于制造精密光学仪器的化学机械抛光(CMP)技术引入到DRAM制造中[1].随着CMP技术的发展,DRAM的制造工艺也发生了巨大的变化.
引用歌曲Y-K，Lee G，Hwang J，Kim J-W和Kwon J-W（2023），与生物学疾病模化素相比，Janus激酶抑制剂的心血管风险
类风湿关节炎（RA）与心血管（CV）相关的发病率和死亡率的风险增加，这可能是由于慢性，全身性免疫介导的炎症（Avina-Zubieta等人，2012; Smolen等，2018年）。Disease-modifying antirheumatic drugs (DMARDs), including conventional, biologic or targeted synthetic DMARDs, are mainly used for lifetime management of RA, among which Janus kinase (JAK) inhibitors targeting JAK family kinases offer an important alternative to biologic DMARDs (bDMARDs) ( Smolen et al., 2018 ; Takabayashi et al., 2021 ).最近的欧洲反对风湿病联盟（EULAR）指南建议针对未能通过常规合成DMARDS（CSDMARDS）和BDMARDS以及BDMARDS以及BDMARDS的初始治疗实现治疗目标的患者的JAK抑制剂（Smolen等，2020）。三种JAK抑制剂目前可用于RA的临床管理，自大约10年前的Tofacitinib批准以来，然后大约3 - 4年前在美国和韩国（美国食品和药物管理局）大约3 - 4年前的Bariticinib和Upadacitinib（韩国食品和药物管理局；食品和药物安全部）。然而，越来越多的证据表明，JAK抑制剂不适合患有血栓栓塞或CV事件风险的患者，因为它们可能会通过阻断胞内部细胞因子的细胞内信号传导途径对血小板蛋白信号传导和血小板稳态产生负面影响（Gadina等人，Gadina等，2019; 2019; Baldini et and; Baldini et al and and and and 202; Al。，2022）。尽管如此，JAK抑制剂与CV结果之间的关联尚不清楚。几项研究，包括随机对照试验（RCT）和大型基于人群的队列，表明JAK抑制剂对RA患者的重大不良CV事件（MACE）的风险没有显着影响，而RA的患者无论其基本的CV风险何种（Xie等，2019b; Khosrow-Khosrow-khosrow-khosrow-khavar et and 20222222222222222222222222222）然而，与肿瘤坏死因子（TNF）抑制剂相比，最近患有TOFACITINIB的MAC的风险增加了，患有RA和CV风险因素的患者的风险增加（Ytterberg等人，2022年）。因此，监管机构建议限制在患有CV疾病危险因素（CVD）的患者中使用JAK抑制剂以及有吸烟史的患者（美国食品药品监督管理局，2021A；欧洲药品局； 2022年；韩国食品和药物安全部，2022年）。但是，该建议不能直接应用于年龄<50岁的患者和没有CVD的患者（Singh，2022年）。此外，大多数关于JAK抑制剂对MACE的影响的研究包括西方人群。尽管亚洲人和西方人口之间的简历风险和死亡率存在种族差异，以及韩国的RA患病率和JAK抑制剂处方的最近增加，但亚洲人群中JAK抑制剂的CV结果有限（Won等人，2018年； Health
引用：Zhang Y，Zhang B，Chen C，Feng X，Song S和Wang H（2023）态度对知识与自我MA之间关联的调解效果
全球死亡率的驱动因素，约670万20至79岁的成年人将死于2021年的糖尿病或其并发症，中国的糖尿病死亡人数最多，约为140万[2]。不稳定的血糖控制可能会导致一系列严重的并发症，例如视网膜病，肾病和神经病[4]，这些并严重威胁了糖尿病患者的生活质量，并给个人，家庭和社会带来巨大的疾病负担。因此，控制糖尿病患者的血糖并防止并发症发作特别重要。糖尿病管理有助于控制血糖并有效预防并发症[5]。近年来，对糖尿病管理的研究重点关注社区管理和自我管理[6]。糖尿病社区管理是指针对由社区医务人员进行的糖尿病患者实施的健康教育，指导和干预措施，以及定期的健康监测和随访，以改善治疗依从性[7]。全球实践经验表明，广泛的基于社区的人口干预和健康管理是预防和控制糖尿病的有效策略[8，9]。此外，大量研究表明，积极参与糖尿病社区管理，有助于控制血糖水平，促进个人心理健康并进一步改善生活质量[10-12]。此外，糖尿病的社区管理也强调了患者的自我管理[13-15]。从国内外的经验中，社区是自我管理和预防糖尿病的重要基础，也是预防和控制慢性疾病的最有效选择。基于社区管理，社区卫生工作者通过健康教育帮助提高糖尿病患者的自我管理能力，并将社区管理与自我管理相结合，以全面，系统地管理健康状况。因此，糖尿病患者的自我管理受到了越来越多的关注。它被认为是最具成本效益的健康管理措施之一，被描述为控制血糖，预防并发症以及改善健康状况和生活质量的基础[15，16]。糖尿病自我管理是指糖尿病患者在医务人员的帮助下，通过采用科学自我管理技能来管理他们的日常行为和生活方式。它有利于稳定状况，促进健康并改善生活质量[15，17]。先前的研究发现，糖尿病患者的自我管理水平仍需要改善[18，19]。在阿曼的一项研究发现，只有1％的患者定期自我监测他们的血糖，其中9.5％的患者确实定期运动，其中18％的患者保持健康的饮食习惯[18]。来自中国的一项研究表明，只有9.2％的糖尿病患者具有良好的自我管理水平[19]。许多研究探索了与自我管理相关的因素。有系统的综述报告说，患有糖尿病，财务困难和低自我效率的时间更长，是糖尿病自我管理的主要障碍
利用脂质纳米粒子与 mRNA 复合进行宫内非病毒基因编辑 高克娃 1,3#、李杰 2#、宋恒月 1,3,5、韩鹤松 2、吴永恒
利用与 mRNA 复合的脂质纳米粒子在宫内进行非病毒基因编辑 Kewa Gao 1,3# 、Jie Li 2# 、Hengyue Song 1,3,5 、Hesong Han 2 、Yongheng Wang 1,3,4 、Boyan Yin 1,3 、Diana L. Farmer 1,3 、Niren Murthy 2 * 和 Aijun Wang 1,3,4 * 1 加州大学戴维斯分校医学院外科系，加利福尼亚州萨克拉门托 95817，美国 2 加州大学伯克利分校生物工程系，加利福尼亚州萨克拉门托 94704，美国 3 加州大学戴维斯分校儿童再生医学研究所，加利福尼亚州萨克拉门托 95817，美国 4 加州大学戴维斯分校生物医学工程系，加利福尼亚州 95616，美国 5 中南大学湘雅三医院烧伤整形外科南方大学，湖南 410013，中国 *通讯作者：N. Murthy 教授，nmurthy@berkeley.edu A. Wang 教授，aawang@ucdavis.edu # 这些作者对本研究的贡献相同。
引用：李W，Song Y，Chen K等。使用机器学习的糖尿病性视网膜病变的预测模型和风险分析：回顾性队列
抽象目标旨在通过使用大型样本数据集进行机器学习来研究糖尿病性视网膜病（DR）风险因素和预测模型。基于大型样本和高维数据库的设计回顾性研究。在北京设立中国中央三级医院。参与者有关32 452型糖尿病（T2DM）住院患者的信息从2013年1月1日至2017年12月31日从电子病历系统中检索方法保留了六十个变量（包括人口统计信息，物理和实验室测量，系统疾病和胰岛素治疗）进行基线分析。通过递归特征消除选择了最佳17变量。预测模型是基于XGBoost算法构建的，并与其他三种流行的机器学习技术进行了比较：逻辑回归，随机森林和支持向量机。为了更视觉上解释XGBoost模型的结果，使用了Shapley添加说明（SHAP）方法。结果DR发生在2038年（6.28％）T2DM患者中。XGBoost模型被确定为具有最高AUC的最佳预测模型（曲线值为0.90），表明HBA1C值大于8％，肾病，血清肌酐值大于100 µmol/L，胰岛素治疗和糖尿病下极端疾病的风险与DR的风险增加相关。患者的年龄超过65岁，与DR的风险降低有关。结论具有更好的全面性能，XGBoost模型具有很高的可靠性来评估DR的风险指标。可以通过Shap方法找到DR的最关键危险因素和危险因素的临界因素，以使XGBoost模型的输出在临床上可以解释。
引文 Wang Z, Song S, Zhang L, Yang T, Yao W 和 Liang B (2025) 肝动脉灌注化疗联合免疫检查点抑制剂
肝细胞癌 (HCC) 是最常见的原发性肝癌，也是全球第三大癌症死亡原因 (1)。HCC 在中国发病率很高，占全球新发病例和死亡人数的一半 (2)。超过一半的病例在诊断时已处于晚期 (3)，估计五年生存率仅为 12.1% (2)。HCC 根据形态可分为三种亚型：结节性、块状和浸润性 (4)。浸润性 HCC 相对罕见，占 HCC 病例的 7% - 20% (4)。浸润性 HCC 的诊断具有挑战性，因为它与肝硬化结节非常相似，缺乏明显的结节形成并且常与肝硬化有关。放射学上，它表现为肿瘤结节蔓延至整个肝叶或整个肝脏，边界不清。但有趣的是，其小肿瘤结节的切面样本通常边界清晰 ( 4 )。大多数浸润性 HCC 患者最初被诊断时已处于晚期，表现为大血管侵犯和/或肝外转移 ( 4 , 5 )。因此，这些患者通常不适合接受手术切除、肝移植或消融等治愈性治疗 ( 4 , 6 )，导致预后不良。此外，与其他亚型相比，浸润性 HCC 的预后较差 ( 7 )，肝功能受损（如 Child-Pugh 评分、终末期肝病模型评分和白蛋白-胆红素等级）和肿瘤负荷较重（如甲胎蛋白水平升高、血管侵犯以及肿瘤大小、数量或分布广泛）( 5 – 9 )。由于浸润性中期肝细胞癌具有侵袭性和不良预后，巴塞罗那临床肝癌分期 (BCLC) 系统建议在 2022 年对浸润性中期肝细胞癌进行全身治疗 (10)。肝动脉灌注化疗 (HAIC) 已被推荐作为亚洲晚期肝细胞癌的一线治疗选择 (3)。然而，之前的研究已经分析了浸润性肝细胞癌的局部单药治疗，HAIC 报告的客观缓解率 (ORR) 为 34.8%，总生存期 (OS) 为 13.3 个月 (5、6、8、9、11)。这凸显了对更有效治疗方法的迫切需求。近年来，将 HAIC 与分子靶向疗法 (MTT) 和免疫检查点抑制剂 (ICI) 相结合已在晚期肝细胞癌治疗中显示出良好的前景。HAIC
课程维修学术兴趣教育和培训...
1。Tang，L。和Song，P.X。（2016）。回归系数聚类中的融合拉索方法 - 数据整合中的学习参数异质性。机器学习研究杂志，17（113），1-23。2。Zhou，L.，Tang，L.，Song，A.T.，Cibrik，D。和Song，P.X。 （2017）。 识别蛋白质特征的套索方法可预测移植后肾移植物存活。 Biosciences中的统计数据，9（2），431-452。 3。 Tang，L.，Chaudhuri，S.，Bagherjeiran，A。和Zhou，L。（2018）。 通过分裂和串联技术学习大规模序数排名模型。 2018年网站会议的同伴会议记录，1901- 1909年。 4。 Tang，L.，Zhou，L。和Song，P.X。 （2019）。 融合学习算法以结合部分异质的Cox模型。 计算统计，34（1），395-414。 5。 Tang，L.，Zhou，L。和Song，P.X。 （2020）。 通过置信分布在广义线性模型中的分布式推理。 多元分析杂志，176，104567。 6。 Wang，L.，Zhou，Y.，He，J.，Zhu，B.，Wang，F.，Tang，L.，Kleinsasser，M.，Barker，D. （2020）。 一个流行病学预测模型和软件评估了中国的COVID-19流行病的干预措施。 数据科学杂志，18（3），409-432。 7。 Tang，L.，Zhou，Y.，Wang，L.，Purkayastha，S.，Zhang，L.，He，J.，Wang，F。和Song，P.X。 （2020）。 8。 （2020）。Zhou，L.，Tang，L.，Song，A.T.，Cibrik，D。和Song，P.X。（2017）。识别蛋白质特征的套索方法可预测移植后肾移植物存活。Biosciences中的统计数据，9（2），431-452。3。Tang，L.，Chaudhuri，S.，Bagherjeiran，A。和Zhou，L。（2018）。通过分裂和串联技术学习大规模序数排名模型。2018年网站会议的同伴会议记录，1901- 1909年。4。Tang，L.，Zhou，L。和Song，P.X。 （2019）。 融合学习算法以结合部分异质的Cox模型。 计算统计，34（1），395-414。 5。 Tang，L.，Zhou，L。和Song，P.X。 （2020）。 通过置信分布在广义线性模型中的分布式推理。 多元分析杂志，176，104567。 6。 Wang，L.，Zhou，Y.，He，J.，Zhu，B.，Wang，F.，Tang，L.，Kleinsasser，M.，Barker，D. （2020）。 一个流行病学预测模型和软件评估了中国的COVID-19流行病的干预措施。 数据科学杂志，18（3），409-432。 7。 Tang，L.，Zhou，Y.，Wang，L.，Purkayastha，S.，Zhang，L.，He，J.，Wang，F。和Song，P.X。 （2020）。 8。 （2020）。Tang，L.，Zhou，L。和Song，P.X。（2019）。融合学习算法以结合部分异质的Cox模型。计算统计，34（1），395-414。5。Tang，L.，Zhou，L。和Song，P.X。 （2020）。 通过置信分布在广义线性模型中的分布式推理。 多元分析杂志，176，104567。 6。 Wang，L.，Zhou，Y.，He，J.，Zhu，B.，Wang，F.，Tang，L.，Kleinsasser，M.，Barker，D. （2020）。 一个流行病学预测模型和软件评估了中国的COVID-19流行病的干预措施。 数据科学杂志，18（3），409-432。 7。 Tang，L.，Zhou，Y.，Wang，L.，Purkayastha，S.，Zhang，L.，He，J.，Wang，F。和Song，P.X。 （2020）。 8。 （2020）。Tang，L.，Zhou，L。和Song，P.X。（2020）。通过置信分布在广义线性模型中的分布式推理。多元分析杂志，176，104567。6。Wang，L.，Zhou，Y.，He，J.，Zhu，B.，Wang，F.，Tang，L.，Kleinsasser，M.，Barker，D. （2020）。 一个流行病学预测模型和软件评估了中国的COVID-19流行病的干预措施。 数据科学杂志，18（3），409-432。 7。 Tang，L.，Zhou，Y.，Wang，L.，Purkayastha，S.，Zhang，L.，He，J.，Wang，F。和Song，P.X。 （2020）。 8。 （2020）。Wang，L.，Zhou，Y.，He，J.，Zhu，B.，Wang，F.，Tang，L.，Kleinsasser，M.，Barker，D.（2020）。一个流行病学预测模型和软件评估了中国的COVID-19流行病的干预措施。数据科学杂志，18（3），409-432。7。Tang，L.，Zhou，Y.，Wang，L.，Purkayastha，S.，Zhang，L.，He，J.，Wang，F。和Song，P.X。（2020）。8。（2020）。多室传染病模型的综述。国际统计评论，88（2），462–513。[国际统计评论中的第2020-2021条第2020-2021条。]Tang，L。*和Song，P.X。纵向数据分析中的分层后融合学习。Biometrics，77（3），914-928。9。Wang，F.，Zhou，L.，Tang，L。和Song，P.X。（2021）。线性模型中同时推断的收缩膨胀方法（MOCE）。机器学习研究杂志，22（192），1-32。10。tan，X.，Chang，C.H.，Zhou，L。和Tang，L。*（2022）。基于树的模型平均方法
![b'[2] C. Yan，X。Duanmu，L。Zeng，B。Liu，Z。Song，线粒体DNA：分布，突变和消除，细胞，8（2019）。 [3] F. Liu，D.E。 Sanin，X。Wang，肺癌中的线粒体DNA，实验医学和生物学进展，1038（2017）9-22。 [4] J. Zhang，J。 Jia，M。Junaid，Y.B。 MA，F。Ahmad，Y.F。 Jia，W.G。Li，D.S。Pei，人类DNA2（HDNA2）作为癌症和其他疾病的潜在靶标的作用：系统评价，DNA修复（AMST），59（2017）9-19。 [6] A. D \ XC3 \ Xadaz-Talavera，C。Montero-Conde，L.J。Leandro-Garc \ XC3 \ XCAD \ Xada，M。Robledo，Primpol：DNA复制酶之间的突破性和潜在的癌症治疗靶标的癌症治疗，生物分子，12（20222）。 [7] A.O. Giacomelli，X。Yang，R.E。 Lintner，J.M。McFarland，M。Duby，J.Kim，T.P。 D.Y. Howard武田Ly，E。Kim，H.S。甘农（B. J.G. Aguirre Doench，F。Piccioni，C.W.M。 Roberts，M。Meyerson，G。Getz，C.M。约翰内森，D.E。根，W.C。 Hahn，突变过程塑造了人类癌症中TP53突变的景观，NAT Genet，50（2018）1381-1387。 [8] G.A. Fontana，H.L。Gahlon，线粒体DNA缺失形成的复制和修复机制，核酸res，48（2020）11244-11258。 [9] C.Y. Dai，C.C。 Ng，G.C.C。 Hung，I。Kirmes，L.A](/simg/f\f6a2bb5f504472f4ca10c1ecebfe7702878cdb55.webp)
b'[2] C. Yan，X。Duanmu，L。Zeng，B。Liu，Z。Song，线粒体DNA：分布，突变和消除，细胞，8（2019）。 [3] F. Liu，D.E。 Sanin，X。Wang，肺癌中的线粒体DNA，实验医学和生物学进展，1038（2017）9-22。 [4] J. Zhang，J。 Jia，M。Junaid，Y.B。 MA，F。Ahmad，Y.F。 Jia，W.G。Li，D.S。Pei，人类DNA2（HDNA2）作为癌症和其他疾病的潜在靶标的作用：系统评价，DNA修复（AMST），59（2017）9-19。 [6] A. D \ XC3 \ Xadaz-Talavera，C。Montero-Conde，L.J。Leandro-Garc \ XC3 \ XCAD \ Xada，M。Robledo，Primpol：DNA复制酶之间的突破性和潜在的癌症治疗靶标的癌症治疗，生物分子，12（20222）。 [7] A.O. Giacomelli，X。Yang，R.E。 Lintner，J.M。McFarland，M。Duby，J.Kim，T.P。 D.Y. Howard武田Ly，E。Kim，H.S。甘农（B. J.G. Aguirre Doench，F。Piccioni，C.W.M。 Roberts，M。Meyerson，G。Getz，C.M。约翰内森，D.E。根，W.C。 Hahn，突变过程塑造了人类癌症中TP53突变的景观，NAT Genet，50（2018）1381-1387。 [8] G.A. Fontana，H.L。Gahlon，线粒体DNA缺失形成的复制和修复机制，核酸res，48（2020）11244-11258。 [9] C.Y. Dai，C.C。 Ng，G.C.C。 Hung，I。Kirmes，L.A
b'[2] C. Yan，X。Duanmu，L。Zeng，B。Liu，Z。歌曲，线粒体DNA：分布，突变和消除，细胞，8（2019）。[3] F. Liu，D.E。Sanin，X。Wang，肺癌中的线粒体DNA，实验医学与生物学进展，1038（2017）9-22。[4] J. Zhang，J。[5] P.P.Jia，M。Junaid，Y.B。 MA，F。Ahmad，Y.F。 jia，W.G。 li，D.S。 pei，人类DNA2（HDNA2）作为癌症和其他疾病的潜在靶点的作用：系统评价，DNA修复（AMST），59（2017）9-19。 [6] A. D \ XC3 \ Xadaz-Talavera，C。Montero-Conde，L.J。 Leandro-Garc \ XC3 \ Xada，M。Robledo，Primpol：DNA复制酶的突破和潜在的癌症治疗新靶标，生物分子，12（2022）。 [7] A.O. Giacomelli，X。Yang，R.E。 lintner，J.M. McFarland，M。Duby，J。Kim，T.P。 D.Y. Howard Takeda，S.H。 ly，E。Kim，H.S。 Gannon，B。Hurhula，T。Sharpe，A。Goodale，B。Fritchman，S。Seelman，F。Vazquez，A。Tsherniak，A.J。 Aguirre，J.G。 Doench，F。Piccioni，C.W.M。 Roberts，M。Meyerson，G。Getz，C.M。 Johannessen，D.E。 根，W.C。 Hahn，突变过程塑造了人类癌症中TP53突变的景观，NAT Genet，50（2018）1381-1387。 [8] G.A. Fontana，H.L。 [9] C.Y. dai，C.C。 ng，G.C.C。 Hung，I。Kirmes，L.A。Hughes，Y。Jia，M。Junaid，Y.B。MA，F。Ahmad，Y.F。 jia，W.G。 li，D.S。 pei，人类DNA2（HDNA2）作为癌症和其他疾病的潜在靶点的作用：系统评价，DNA修复（AMST），59（2017）9-19。 [6] A. D \ XC3 \ Xadaz-Talavera，C。Montero-Conde，L.J。 Leandro-Garc \ XC3 \ Xada，M。Robledo，Primpol：DNA复制酶的突破和潜在的癌症治疗新靶标，生物分子，12（2022）。 [7] A.O. Giacomelli，X。Yang，R.E。 lintner，J.M. McFarland，M。Duby，J。Kim，T.P。 D.Y. Howard Takeda，S.H。 ly，E。Kim，H.S。 Gannon，B。Hurhula，T。Sharpe，A。Goodale，B。Fritchman，S。Seelman，F。Vazquez，A。Tsherniak，A.J。 Aguirre，J.G。 Doench，F。Piccioni，C.W.M。 Roberts，M。Meyerson，G。Getz，C.M。 Johannessen，D.E。 根，W.C。 Hahn，突变过程塑造了人类癌症中TP53突变的景观，NAT Genet，50（2018）1381-1387。 [8] G.A. Fontana，H.L。 [9] C.Y. dai，C.C。 ng，G.C.C。 Hung，I。Kirmes，L.A。Hughes，Y。MA，F。Ahmad，Y.F。jia，W.G。li，D.S。pei，人类DNA2（HDNA2）作为癌症和其他疾病的潜在靶点的作用：系统评价，DNA修复（AMST），59（2017）9-19。[6] A. D \ XC3 \ Xadaz-Talavera，C。Montero-Conde，L.J。Leandro-Garc \ XC3 \ Xada，M。Robledo，Primpol：DNA复制酶的突破和潜在的癌症治疗新靶标，生物分子，12（2022）。[7] A.O.Giacomelli，X。Yang，R.E。 lintner，J.M. McFarland，M。Duby，J。Kim，T.P。 D.Y. Howard Takeda，S.H。 ly，E。Kim，H.S。 Gannon，B。Hurhula，T。Sharpe，A。Goodale，B。Fritchman，S。Seelman，F。Vazquez，A。Tsherniak，A.J。 Aguirre，J.G。 Doench，F。Piccioni，C.W.M。 Roberts，M。Meyerson，G。Getz，C.M。 Johannessen，D.E。 根，W.C。 Hahn，突变过程塑造了人类癌症中TP53突变的景观，NAT Genet，50（2018）1381-1387。 [8] G.A. Fontana，H.L。 [9] C.Y. dai，C.C。 ng，G.C.C。 Hung，I。Kirmes，L.A。Hughes，Y。Giacomelli，X。Yang，R.E。lintner，J.M.McFarland，M。Duby，J。Kim，T.P。 D.Y. Howard Takeda，S.H。 ly，E。Kim，H.S。 Gannon，B。Hurhula，T。Sharpe，A。Goodale，B。Fritchman，S。Seelman，F。Vazquez，A。Tsherniak，A.J。 Aguirre，J.G。 Doench，F。Piccioni，C.W.M。 Roberts，M。Meyerson，G。Getz，C.M。 Johannessen，D.E。 根，W.C。 Hahn，突变过程塑造了人类癌症中TP53突变的景观，NAT Genet，50（2018）1381-1387。 [8] G.A. Fontana，H.L。 [9] C.Y. dai，C.C。 ng，G.C.C。 Hung，I。Kirmes，L.A。Hughes，Y。McFarland，M。Duby，J。Kim，T.P。D.Y. Howard Takeda，S.H。 ly，E。Kim，H.S。 Gannon，B。Hurhula，T。Sharpe，A。Goodale，B。Fritchman，S。Seelman，F。Vazquez，A。Tsherniak，A.J。 Aguirre，J.G。 Doench，F。Piccioni，C.W.M。 Roberts，M。Meyerson，G。Getz，C.M。 Johannessen，D.E。 根，W.C。 Hahn，突变过程塑造了人类癌症中TP53突变的景观，NAT Genet，50（2018）1381-1387。 [8] G.A. Fontana，H.L。 [9] C.Y. dai，C.C。 ng，G.C.C。 Hung，I。Kirmes，L.A。Hughes，Y。D.Y. HowardTakeda，S.H。 ly，E。Kim，H.S。 Gannon，B。Hurhula，T。Sharpe，A。Goodale，B。Fritchman，S。Seelman，F。Vazquez，A。Tsherniak，A.J。 Aguirre，J.G。 Doench，F。Piccioni，C.W.M。 Roberts，M。Meyerson，G。Getz，C.M。 Johannessen，D.E。 根，W.C。 Hahn，突变过程塑造了人类癌症中TP53突变的景观，NAT Genet，50（2018）1381-1387。 [8] G.A. Fontana，H.L。 [9] C.Y. dai，C.C。 ng，G.C.C。 Hung，I。Kirmes，L.A。Hughes，Y。Takeda，S.H。ly，E。Kim，H.S。Gannon，B。Hurhula，T。Sharpe，A。Goodale，B。Fritchman，S。Seelman，F。Vazquez，A。Tsherniak，A.J。 Aguirre，J.G。 Doench，F。Piccioni，C.W.M。 Roberts，M。Meyerson，G。Getz，C.M。 Johannessen，D.E。 根，W.C。 Hahn，突变过程塑造了人类癌症中TP53突变的景观，NAT Genet，50（2018）1381-1387。 [8] G.A. Fontana，H.L。 [9] C.Y. dai，C.C。 ng，G.C.C。 Hung，I。Kirmes，L.A。Hughes，Y。Gannon，B。Hurhula，T。Sharpe，A。Goodale，B。Fritchman，S。Seelman，F。Vazquez，A。Tsherniak，A.J。Aguirre，J.G。 Doench，F。Piccioni，C.W.M。 Roberts，M。Meyerson，G。Getz，C.M。 Johannessen，D.E。 根，W.C。 Hahn，突变过程塑造了人类癌症中TP53突变的景观，NAT Genet，50（2018）1381-1387。 [8] G.A. Fontana，H.L。 [9] C.Y. dai，C.C。 ng，G.C.C。 Hung，I。Kirmes，L.A。Hughes，Y。Aguirre，J.G。Doench，F。Piccioni，C.W.M。Roberts，M。Meyerson，G。Getz，C.M。 Johannessen，D.E。 根，W.C。 Hahn，突变过程塑造了人类癌症中TP53突变的景观，NAT Genet，50（2018）1381-1387。 [8] G.A. Fontana，H.L。 [9] C.Y. dai，C.C。 ng，G.C.C。 Hung，I。Kirmes，L.A。Hughes，Y。Roberts，M。Meyerson，G。Getz，C.M。Johannessen，D.E。 根，W.C。 Hahn，突变过程塑造了人类癌症中TP53突变的景观，NAT Genet，50（2018）1381-1387。 [8] G.A. Fontana，H.L。 [9] C.Y. dai，C.C。 ng，G.C.C。 Hung，I。Kirmes，L.A。Hughes，Y。Johannessen，D.E。根，W.C。 Hahn，突变过程塑造了人类癌症中TP53突变的景观，NAT Genet，50（2018）1381-1387。[8] G.A.Fontana，H.L。 [9] C.Y. dai，C.C。 ng，G.C.C。 Hung，I。Kirmes，L.A。Hughes，Y。Fontana，H.L。[9] C.Y.dai，C.C。ng，G.C.C。Hung，I。Kirmes，L.A。Hughes，Y。gahlon，线粒体DNA缺失形成的复制和修复机制，核酸res，48（2020）11244-11258。du，C.A。Brosnan，A。Ahier，A。Hahn，C.M。 Haynes，O。Rackham，A。Filipovska，S。Zuryn，ATFS-1，通过促进转录修复，自然细胞生物学，25（2023）1111-1120来抵消线粒体DNA损伤。 [10] L. Ou，H。Liu，C。Peng，Y. [11] H. Liu，J。Weng，C.L.H。 Huang，A.P。 杰克逊，癌症的电压门控钠通道，生物标志物研究，12（2024）70。 [12] H. Liu，A。Dong，A.M。 Rasteh，P。Wang，J。Weng，乳腺癌中新型T细胞CD8 +标记的鉴定，Scientific Reports，14（2024）19142。 [13] H. Liu，T。Tang，基于MAPK信号途径的胶质瘤亚型，机器学习风险模型和关键集线器蛋白识别，科学报告，13（2023）19055。。 [14] H. Liu，T。Tang，《泛滥成灾与基因集的泛癌遗传分析》，癌症遗传学，278-279（2023）91-103。 [15] H. Liu，T。Tang，《胶质瘤IGFBP的生物信息学研究》，涉及其诊断，预后和治疗预测值，AM J Transl Res，15（2023）2140-2155。 [16] H. Liu，T。Tang，《泛滥成灾基因套件的泛 - 癌遗传分析》，Biorxiv，（2023），2023.2002。 2025.529997。 [17] H. Liu，库糖凋亡在肾脏肾透明细胞癌中的表达和潜在免疫受累，癌症遗传学，274-275（2023）21-25。Brosnan，A。Ahier，A。Hahn，C.M。Haynes，O。Rackham，A。Filipovska，S。Zuryn，ATFS-1，通过促进转录修复，自然细胞生物学，25（2023）1111-1120来抵消线粒体DNA损伤。[10] L. Ou，H。Liu，C。Peng，Y.[11] H. Liu，J。Weng，C.L.H。Huang，A.P。 杰克逊，癌症的电压门控钠通道，生物标志物研究，12（2024）70。 [12] H. Liu，A。Dong，A.M。 Rasteh，P。Wang，J。Weng，乳腺癌中新型T细胞CD8 +标记的鉴定，Scientific Reports，14（2024）19142。 [13] H. Liu，T。Tang，基于MAPK信号途径的胶质瘤亚型，机器学习风险模型和关键集线器蛋白识别，科学报告，13（2023）19055。。 [14] H. Liu，T。Tang，《泛滥成灾与基因集的泛癌遗传分析》，癌症遗传学，278-279（2023）91-103。 [15] H. Liu，T。Tang，《胶质瘤IGFBP的生物信息学研究》，涉及其诊断，预后和治疗预测值，AM J Transl Res，15（2023）2140-2155。 [16] H. Liu，T。Tang，《泛滥成灾基因套件的泛 - 癌遗传分析》，Biorxiv，（2023），2023.2002。 2025.529997。 [17] H. Liu，库糖凋亡在肾脏肾透明细胞癌中的表达和潜在免疫受累，癌症遗传学，274-275（2023）21-25。Huang，A.P。杰克逊，癌症的电压门控钠通道，生物标志物研究，12（2024）70。[12] H. Liu，A。Dong，A.M。 Rasteh，P。Wang，J。Weng，乳腺癌中新型T细胞CD8 +标记的鉴定，Scientific Reports，14（2024）19142。[13] H. Liu，T。Tang，基于MAPK信号途径的胶质瘤亚型，机器学习风险模型和关键集线器蛋白识别，科学报告，13（2023）19055。[14] H. Liu，T。Tang，《泛滥成灾与基因集的泛癌遗传分析》，癌症遗传学，278-279（2023）91-103。[15] H. Liu，T。Tang，《胶质瘤IGFBP的生物信息学研究》，涉及其诊断，预后和治疗预测值，AM J Transl Res，15（2023）2140-2155。[16] H. Liu，T。Tang，《泛滥成灾基因套件的泛 - 癌遗传分析》，Biorxiv，（2023），2023.2002。2025.529997。[17] H. Liu，库糖凋亡在肾脏肾透明细胞癌中的表达和潜在免疫受累，癌症遗传学，274-275（2023）21-25。[18] L. Hengrui，《中药用于癌症治疗中使用的有毒药物的例子》，J Tradit Chin Med，43（2023）209-210。[19] H. Liu，J。Weng，《 Rad51的Pan-Cancer生物信息学分析》，涉及诊断，预后和治疗预测的值，肿瘤学的前沿，12（2022）。[20] H. Liu，J。Weng，胶质瘤中细胞周期蛋白依赖性激酶2（CDK2）的全面生物信息学分析，Gene，（2022）146325。[21] H. Liu，T。Tang，Pan-Cancer的库糖胞化和铜代谢相关的基因集，肿瘤学的边界，12（2022）952290。[22] H. Liu，Y。Li，Cornichon家族AMPA受体辅助蛋白4（CNIH4）在头部和颈部鳞状细胞癌中的潜在作用，癌症生物标志物：疾病标志物A部分（2022）。[23] H. Liu，J.P。Dilger，J。Lin，pan-Cancer-Biodorminicals-Informinical-Informicals Trpm7的文献综述，Pharmacol Ther（2022）108302。[24] H. Liu，cuproptosis Gene Set的Pan-Canter概况，《美国癌症研究杂志》，第12期（2022）4074-4081。[25] Y. Liu，H。Liu，氨基酰基TRNA合成酶复合物的临床能力相互作用多功能蛋白1（AIMP1），用于头颈鳞状细胞癌，癌症生物标志物：疾病标志物A节A节（20222）。[26] Y. Li，H。Liu，Y。Han，在头部和颈部鳞状细胞癌中，Cornichon家族AMPA受体辅助蛋白4（CNIH4）的潜在作用，研究方形（2021）。 '