XiaoMi-AI文件搜索系统
World File Search System图谱
利用单细胞基因组学绘制肿瘤抗原图谱
一个多世纪以前，德国化学家、诺贝尔奖获得者保罗·埃尔利希 (Paul Ehrlich) 认为，如果我们能够设计出一种选择性靶向致病因子的化合物，我们就应该能够杀死病原体而不伤害宿主 (Strebhardt 和 Ullrich，2008 年)。从那时起，埃尔利希的魔球或“魔法子弹”的概念就吸引了研究人员的想象力，他们寻求一种有效且特异性治疗疾病的可行疗法。尽管他的实验室取得了许多非凡的成就，但埃尔利希仍在努力寻找一种有效且有选择性的癌症治疗方法。他曾数十次使用苯胺染料和烷化剂进行化疗的实验都失败了。最后，埃尔利希在自己的癌症研究实验室外挂了一块牌子，上面写着：“进来的人放弃一切希望吧。”精准肿瘤学的概念——针对癌症而不影响身体其他部位的疗法——虽然很诱人，但似乎更多的是想象而不是现实。在埃尔利希提出这一概念后的几十年里，新兴的治疗方式重新激发了人们使用灵丹妙药对抗癌症的可能性。除了极少数例外，开发针对癌症特定靶点的化疗药物或其他靶向小分子疗法一直具有挑战性（伊马替尼用于治疗慢性粒细胞白血病是少数几个值得注意的例外之一）。具体而言，这些药物往往会调节全身多个组织中表达的靶点，而药物
人类皮层和皮层下区域的扩展人类连接组计划多模态分区图谱
摘要 HCPex 是基于表面的人类连接组计划-多模态分割人类皮质区域图谱 (HCP-MMP v1.0, Glasser 等人，2016) 的修改和扩展版本。原始图谱包含 360 个皮质区域，HCPex 对其进行了修改，以便于与体积神经成像软件（例如 SPM、FSL 和 MRIcroGL）一起使用。HCPex 也是原始图谱的扩展版本，其中添加了 66 个皮质下区域（每个半球 33 个），包括杏仁核、丘脑、壳核、尾状核、伏隔核、苍白球、乳头体、隔核和基底核。 HCPex 为 SPM 和 FSL 等体积软件的用户提供了 HCP-MMP v1.0 中皮质区域的出色划分，并添加了一些皮质下区域，提供了人类大脑的标记冠状视图。
支持药物开发的综合知识图谱
近年来，使用知识图谱作为机器学习方法的数据源来解决生命科学中的复杂问题的做法迅速流行起来。我们的生物洞察知识图谱 (BIKG) 结合了来自公共和内部数据源的药物开发相关数据，为一系列任务提供洞察：从确定新目标到重新利用现有药物。除了对组织知识图谱的常见要求（例如能够精确捕获领域并让用户能够搜索和查询数据）之外，专注于处理多种用例和支持特定于用例的机器学习模型还带来了额外的挑战：数据模型还必须简化以执行下游任务；图内容必须易于针对不同的用例进行定制；需要对图内容进行不同的投影以支持更广泛的不同消费模式。在本文中，我们描述了在实现 BIKG 图时的主要设计选择，并讨论了其生命周期的不同方面：从图构建到利用。
颅内脑膜瘤有好发部位吗？基于人群的图谱
摘要 脑膜瘤是最常见的颅内良性肿瘤，被认为起源于蛛网膜颗粒的蛛网膜帽细胞。我们试图根据治疗前的 MRI 开发基于人群的图谱，以探索颅内脑膜瘤的分布，并探索不同位置颅内脑膜瘤发展的风险因素。2006 年至 2015 年期间，所有被诊断为颅内脑膜瘤并转诊至神经外科的来自特定收集区域的成年人（≥ 18 岁）均有资格纳入。治疗前 T1 增强 MRI 加权脑部扫描用于半自动肿瘤分割，以开发脑膜瘤图谱。统计分析中使用的患者变量包括年龄、性别、肿瘤位置、WHO 分级和肿瘤体积。共确定了 602 名颅内脑膜瘤患者，以从广泛而明确的收集区域开发脑肿瘤图谱。脑膜瘤在脑内的空间分布并不均匀，额区肿瘤较多，尤其是旁矢状面、大脑镰前部、额叶底和中颅窝。超过 2/3 的脑膜瘤患者为女性（p < 0.001），她们患多发性脑膜瘤的可能性也更大（p < 0.01），而男性患幕上脑膜瘤的可能性更大（p < 0.01）。肿瘤位置与年龄或 WHO 分级无关。脑膜瘤的分布在脑内呈现从前到后的梯度变化。脑膜瘤在普通人群中的分布并不依赖于组织病理学 WHO 分级，但可能与性别有关。