生命科学

185 条内容

arXiv 2026年9月26日
该工作提出 PRAXIS-VirtualCell，一个模块化框架，用于组织生物数据、预测模型、扰动、适配器、执行环境与验证证据，以支持可复现、可审计的虚拟实验；系统支持跨大肠杆菌、酿酒酵母与人 K562 细胞的任务，并通过生物契约与证据感知执行区分有支持的预测、外推与弃答，同时结合智能体编排把自然语言问题自动转化为可追溯的虚拟实验。
该工作提出 PRAXIS-VirtualCell，一个模块化框架，用于组织生物数据、预测模型、扰动、适配器、执行环境与验证证据，以支持可复现、可审计的虚拟实验；系统支持跨大肠杆菌、酿酒酵母与人 K562 细胞的任务，并通过生物契约与证据感知执行区分有支持的预测、外推与弃答，同时结合智能体编排把自然语言问题自动转化为可追溯的虚拟实验。
PRAXIS-VirtualCell 提出模块化框架，把生物数据、模型、扰动与验证证据统一组织，并用生物契约与证据感知执行区分可支持预测与弃答，支持跨大肠杆菌、酿酒酵母与人 K562 细胞的虚拟实验。
该工作提出 PRAXIS-VirtualCell，一个模块化框架，用于组织生物数据、预测模型、扰动、适配器、执行环境与验证证据，以支持可复现、可审计的虚拟实验；系统支持跨大肠杆菌、酿酒酵母与人 K562 细胞的任务，并通过生物契约与证据感知执行区分有支持的预测、外推与弃答，同时结合智能体编排把自然语言问题自动转化为可追溯的虚拟实验。
该工作提出 PRAXIS-VirtualCell，一个模块化框架，用于组织生物数据、预测模型、扰动、适配器、执行环境与验证证据，以支持可复现、可审计的虚拟实验；系统支持跨大肠杆菌、酿酒酵母与人 K562 细胞的任务，并通过生物契约与证据感知执行区分有支持的预测、外推与弃答，同时结合智能体编排把自然语言问题自动转化为可追溯的虚拟实验。
arXiv 2026年9月26日
这篇由杨一谦、Yiqun Duan、Chenyu Liu、Yiqi Wang、Xinliang Zhou、Chin-Teng Lin、Yu Zhang 撰写的综述，梳理了脑到语言解码这一将语言产生、内部言语与感知相关神经活动转译为语言或表达性输出的领域，覆盖侵入式与非侵入式测量，把 Articulated、Inner、Perceived 三类任务与其所调动的神经群体、解码器可用表征及这些表征可支撑的输出相连接，并考察模型发展、公共资源与评估演进，在各自报告协议内比较已发表性能与通信成本，指出语音、声学与语义目标各自保留信息的不同侧面、共享表征支持跨记录条件与任务复用、在线通信日益依赖校准、反馈与用户控制，最后提
这篇由杨一谦、Yiqun Duan、Chenyu Liu、Yiqi Wang、Xinliang Zhou、Chin-Teng Lin、Yu Zhang 撰写的综述，梳理了脑到语言解码这一将语言产生、内部言语与感知相关神经活动转译为语言或表达性输出的领域，覆盖侵入式与非侵入式测量，把 Articulated、Inner、Perceived 三类任务与其所调动的神经群体、解码器可用表征及这些表征可支撑的输出相连接，并考察模型发展、公共资源与评估演进，在各自报告协议内比较已发表性能与通信成本，指出语音、声学与语义目标各自保留信息的不同侧面、共享表征支持跨记录条件与任务复用、在线通信日益依赖校准、反馈与用户控制，最后提
杨一谦等七人综述脑到语言解码：从受约束识别与声学重建扩展到文本生成、流式个性化语音与面部动画
这篇由杨一谦、Yiqun Duan、Chenyu Liu、Yiqi Wang、Xinliang Zhou、Chin-Teng Lin、Yu Zhang 撰写的综述，梳理了脑到语言解码这一将语言产生、内部言语与感知相关神经活动转译为语言或表达性输出的领域，覆盖侵入式与非侵入式测量，把 Articulated、Inner、Perceived 三类任务与其所调动的神经群体、解码器可用表征及这些表征可支撑的输出相连接，并考察模型发展、公共资源与评估演进，在各自报告协议内比较已发表性能与通信成本，指出语音、声学与语义目标各自保留信息的不同侧面、共享表征支持跨记录条件与任务复用、在线通信日益依赖校准、反馈与用户控制，最后提
这篇由杨一谦、Yiqun Duan、Chenyu Liu、Yiqi Wang、Xinliang Zhou、Chin-Teng Lin、Yu Zhang 撰写的综述，梳理了脑到语言解码这一将语言产生、内部言语与感知相关神经活动转译为语言或表达性输出的领域，覆盖侵入式与非侵入式测量，把 Articulated、Inner、Perceived 三类任务与其所调动的神经群体、解码器可用表征及这些表征可支撑的输出相连接，并考察模型发展、公共资源与评估演进，在各自报告协议内比较已发表性能与通信成本，指出语音、声学与语义目标各自保留信息的不同侧面、共享表征支持跨记录条件与任务复用、在线通信日益依赖校准、反馈与用户控制，最后提
arXiv 2026年9月26日
该研究建立了一个含附加食物与捕食者种内竞争的捕食-被捕食反应扩散模型，在均匀混合情形下精确求出共存态的Hopf分岔并证明其产生的周期解稳定，在空间情形下求出扩散驱动的Turing阈值，并以猎物移动性和竞争强度为控制参数发现图灵不稳定与振荡不稳定在单一点相遇，模拟显示弱竞争导致全场振荡、较强竞争配合较快猎物扩散产生固定斑块、交叉点附近两种模式结合为随时间脉动的格局。
该研究建立了一个含附加食物与捕食者种内竞争的捕食-被捕食反应扩散模型，在均匀混合情形下精确求出共存态的Hopf分岔并证明其产生的周期解稳定，在空间情形下求出扩散驱动的Turing阈值，并以猎物移动性和竞争强度为控制参数发现图灵不稳定与振荡不稳定在单一点相遇，模拟显示弱竞争导致全场振荡、较强竞争配合较快猎物扩散产生固定斑块、交叉点附近两种模式结合为随时间脉动的格局。
捕食者自我竞争与猎物扩散速度共同决定附加食物捕食-被捕食系统的空间格局：弱竞争全场振荡、强竞争固定斑块、交叉点附近时空脉动
该研究建立了一个含附加食物与捕食者种内竞争的捕食-被捕食反应扩散模型，在均匀混合情形下精确求出共存态的Hopf分岔并证明其产生的周期解稳定，在空间情形下求出扩散驱动的Turing阈值，并以猎物移动性和竞争强度为控制参数发现图灵不稳定与振荡不稳定在单一点相遇，模拟显示弱竞争导致全场振荡、较强竞争配合较快猎物扩散产生固定斑块、交叉点附近两种模式结合为随时间脉动的格局。
该研究建立了一个含附加食物与捕食者种内竞争的捕食-被捕食反应扩散模型，在均匀混合情形下精确求出共存态的Hopf分岔并证明其产生的周期解稳定，在空间情形下求出扩散驱动的Turing阈值，并以猎物移动性和竞争强度为控制参数发现图灵不稳定与振荡不稳定在单一点相遇，模拟显示弱竞争导致全场振荡、较强竞争配合较快猎物扩散产生固定斑块、交叉点附近两种模式结合为随时间脉动的格局。
arXiv 2026年9月26日
该工作把个性化联邦学习（所有受试者共享主干、每人保留自己的分类头）适配到黎曼SPDNet，并以欧氏EEGNet为基线，在三个通道数、受试者数与类别数各异的运动想象数据集上比较标准联邦学习与集中式训练，观察到个性化SPDNet准确率高于标准联邦与集中式训练，收敛轮数更少、通信参数更少，并在三个数据集中的两个上优于所有EEGNet配置，但集中式EEGNet优于集中式SPDNet。
该工作把个性化联邦学习（所有受试者共享主干、每人保留自己的分类头）适配到黎曼SPDNet，并以欧氏EEGNet为基线，在三个通道数、受试者数与类别数各异的运动想象数据集上比较标准联邦学习与集中式训练，观察到个性化SPDNet准确率高于标准联邦与集中式训练，收敛轮数更少、通信参数更少，并在三个数据集中的两个上优于所有EEGNet配置，但集中式EEGNet优于集中式SPDNet。
个性化联邦学习让SPDNet脑电解码在三个运动想象数据集上超过标准联邦与集中式训练，并在两个数据集上胜过所有EEGNet配置
该工作把个性化联邦学习（所有受试者共享主干、每人保留自己的分类头）适配到黎曼SPDNet，并以欧氏EEGNet为基线，在三个通道数、受试者数与类别数各异的运动想象数据集上比较标准联邦学习与集中式训练，观察到个性化SPDNet准确率高于标准联邦与集中式训练，收敛轮数更少、通信参数更少，并在三个数据集中的两个上优于所有EEGNet配置，但集中式EEGNet优于集中式SPDNet。
该工作把个性化联邦学习（所有受试者共享主干、每人保留自己的分类头）适配到黎曼SPDNet，并以欧氏EEGNet为基线，在三个通道数、受试者数与类别数各异的运动想象数据集上比较标准联邦学习与集中式训练，观察到个性化SPDNet准确率高于标准联邦与集中式训练，收敛轮数更少、通信参数更少，并在三个数据集中的两个上优于所有EEGNet配置，但集中式EEGNet优于集中式SPDNet。
arXiv 2026年9月26日
该工作把个性化联邦学习（所有受试者共享一个主干、每人保留自己的分类头）适配到黎曼SPDNet，并与标准联邦学习和集中式训练对比，以欧氏EEGNet为基线，在三个通道数、受试者数和类别数各异的运动想象数据集上观察到：个性化SPDNet准确率高于标准联邦与集中式训练，收敛轮数更少、通信参数更少，并在三个数据集中的两个上超过所有EEGNet配置，但集中式EEGNet优于集中式SPDNet。
该工作把个性化联邦学习（所有受试者共享一个主干、每人保留自己的分类头）适配到黎曼SPDNet，并与标准联邦学习和集中式训练对比，以欧氏EEGNet为基线，在三个通道数、受试者数和类别数各异的运动想象数据集上观察到：个性化SPDNet准确率高于标准联邦与集中式训练，收敛轮数更少、通信参数更少，并在三个数据集中的两个上超过所有EEGNet配置，但集中式EEGNet优于集中式SPDNet。
个性化联邦学习让SPDNet脑电解码在三个运动想象数据集上超过标准联邦与集中式训练，并在两个数据集上胜过所有EEGNet配置
该工作把个性化联邦学习（所有受试者共享一个主干、每人保留自己的分类头）适配到黎曼SPDNet，并与标准联邦学习和集中式训练对比，以欧氏EEGNet为基线，在三个通道数、受试者数和类别数各异的运动想象数据集上观察到：个性化SPDNet准确率高于标准联邦与集中式训练，收敛轮数更少、通信参数更少，并在三个数据集中的两个上超过所有EEGNet配置，但集中式EEGNet优于集中式SPDNet。
该工作把个性化联邦学习（所有受试者共享一个主干、每人保留自己的分类头）适配到黎曼SPDNet，并与标准联邦学习和集中式训练对比，以欧氏EEGNet为基线，在三个通道数、受试者数和类别数各异的运动想象数据集上观察到：个性化SPDNet准确率高于标准联邦与集中式训练，收敛轮数更少、通信参数更少，并在三个数据集中的两个上超过所有EEGNet配置，但集中式EEGNet优于集中式SPDNet。
Arabian Journal of Chemistry 2026年9月26日
这篇综述系统汇总了吲哚类小分子作为抗结核候选物、靶向分枝菌酸生物合成通路（MmpL3、InhA、KasA/KasB）的设计、合成与生物学评价进展，逐系列列出最优化合物的MIC值（如MmpL3方向的化合物20-22为0.0195 µg/mL、化合物36a为0.024 µM、化合物82的MIC50为0.015 µM；InhA方向的化合物122a为0.39 µM、化合物143f为3.99 µM）与分子对接结果，并指出许多吲哚系列尚缺乏纯化酶IC50/Ki等直接生化抑制数据和耐药突变、靶点过表达等遗传学验证。
这篇综述系统汇总了吲哚类小分子作为抗结核候选物、靶向分枝菌酸生物合成通路（MmpL3、InhA、KasA/KasB）的设计、合成与生物学评价进展，逐系列列出最优化合物的MIC值（如MmpL3方向的化合物20-22为0.0195 µg/mL、化合物36a为0.024 µM、化合物82的MIC50为0.015 µM；InhA方向的化合物122a为0.39 µM、化合物143f为3.99 µM）与分子对接结果，并指出许多吲哚系列尚缺乏纯化酶IC50/Ki等直接生化抑制数据和耐药突变、靶点过表达等遗传学验证。
综述梳理吲哚类衍生物靶向分枝菌酸合成酶（MmpL3、InhA、KasA/B）的构效关系与合成路线，并指出多数系列尚缺酶学与遗传学靶点验证
这篇综述系统汇总了吲哚类小分子作为抗结核候选物、靶向分枝菌酸生物合成通路（MmpL3、InhA、KasA/KasB）的设计、合成与生物学评价进展，逐系列列出最优化合物的MIC值（如MmpL3方向的化合物20-22为0.0195 µg/mL、化合物36a为0.024 µM、化合物82的MIC50为0.015 µM；InhA方向的化合物122a为0.39 µM、化合物143f为3.99 µM）与分子对接结果，并指出许多吲哚系列尚缺乏纯化酶IC50/Ki等直接生化抑制数据和耐药突变、靶点过表达等遗传学验证。
这篇综述系统汇总了吲哚类小分子作为抗结核候选物、靶向分枝菌酸生物合成通路（MmpL3、InhA、KasA/KasB）的设计、合成与生物学评价进展，逐系列列出最优化合物的MIC值（如MmpL3方向的化合物20-22为0.0195 µg/mL、化合物36a为0.024 µM、化合物82的MIC50为0.015 µM；InhA方向的化合物122a为0.39 µM、化合物143f为3.99 µM）与分子对接结果，并指出许多吲哚系列尚缺乏纯化酶IC50/Ki等直接生化抑制数据和耐药突变、靶点过表达等遗传学验证。
发表出处待核验 2026年9月26日
这篇综述概述了法医鉴定中分子技术的演进，从限制性片段长度多态性（RFLP）和短串联重复序列（STR）分析等传统DNA分型方法，延伸到线粒体DNA（mtDNA）分析、Y染色体标记和二代测序（NGS），并审视这些技术在犯罪现场调查、人身识别、亲缘关系分析和大规模灾难遇难者识别中的原理、应用、优势与局限，同时提及法医基因组学、表观遗传学和基于微生物组的方法的新进展，以及生物信息学和人工智能在数据解读中日益增长的作用，并指出数据复杂性、伦理考量和全球标准化需求仍是主要关切。
这篇综述概述了法医鉴定中分子技术的演进，从限制性片段长度多态性（RFLP）和短串联重复序列（STR）分析等传统DNA分型方法，延伸到线粒体DNA（mtDNA）分析、Y染色体标记和二代测序（NGS），并审视这些技术在犯罪现场调查、人身识别、亲缘关系分析和大规模灾难遇难者识别中的原理、应用、优势与局限，同时提及法医基因组学、表观遗传学和基于微生物组的方法的新进展，以及生物信息学和人工智能在数据解读中日益增长的作用，并指出数据复杂性、伦理考量和全球标准化需求仍是主要关切。
综述梳理法医鉴定从RFLP、STR到线粒体DNA、Y染色体标记与二代测序的技术演进，并指出数据复杂性、伦理与全球标准化仍是关键问题
这篇综述概述了法医鉴定中分子技术的演进，从限制性片段长度多态性（RFLP）和短串联重复序列（STR）分析等传统DNA分型方法，延伸到线粒体DNA（mtDNA）分析、Y染色体标记和二代测序（NGS），并审视这些技术在犯罪现场调查、人身识别、亲缘关系分析和大规模灾难遇难者识别中的原理、应用、优势与局限，同时提及法医基因组学、表观遗传学和基于微生物组的方法的新进展，以及生物信息学和人工智能在数据解读中日益增长的作用，并指出数据复杂性、伦理考量和全球标准化需求仍是主要关切。
这篇综述概述了法医鉴定中分子技术的演进，从限制性片段长度多态性（RFLP）和短串联重复序列（STR）分析等传统DNA分型方法，延伸到线粒体DNA（mtDNA）分析、Y染色体标记和二代测序（NGS），并审视这些技术在犯罪现场调查、人身识别、亲缘关系分析和大规模灾难遇难者识别中的原理、应用、优势与局限，同时提及法医基因组学、表观遗传学和基于微生物组的方法的新进展，以及生物信息学和人工智能在数据解读中日益增长的作用，并指出数据复杂性、伦理考量和全球标准化需求仍是主要关切。
Lecture notes in computer science 2026年9月26日
该工作基于新发布的 1 微米/像素右海马 BigBrain 切片，构建了 CALHippo——一个覆盖全部 Cornu Ammonis（CA1–CA4）亚区、带兴奋性神经元、抑制性中间神经元和胶质细胞三类显式标签的专家校验细胞级标注数据集，并配套一个低分辨率介观细胞点云图；高分辨率细胞实例通过结合基础模型分割、迭代专家修正与模型集成的人机协同流程获得，随后被投影到 20 微米/像素的低分辨率 BigBrain 空间生成类别特异监督图，用于训练基于 UNet 的密度估计模型，从而支持对整个 CA 复合体逐切片推断并采样生成类别分辨的介观细胞点云。
该工作基于新发布的 1 微米/像素右海马 BigBrain 切片，构建了 CALHippo——一个覆盖全部 Cornu Ammonis（CA1–CA4）亚区、带兴奋性神经元、抑制性中间神经元和胶质细胞三类显式标签的专家校验细胞级标注数据集，并配套一个低分辨率介观细胞点云图；高分辨率细胞实例通过结合基础模型分割、迭代专家修正与模型集成的人机协同流程获得，随后被投影到 20 微米/像素的低分辨率 BigBrain 空间生成类别特异监督图，用于训练基于 UNet 的密度估计模型，从而支持对整个 CA 复合体逐切片推断并采样生成类别分辨的介观细胞点云。
CALHippo 用 1 微米/像素 BigBrain 切片构建覆盖 CA1–CA4 的三类细胞标注库，并训练 UNet 密度模型推断全 CA 复合体细胞密度
该工作基于新发布的 1 微米/像素右海马 BigBrain 切片，构建了 CALHippo——一个覆盖全部 Cornu Ammonis（CA1–CA4）亚区、带兴奋性神经元、抑制性中间神经元和胶质细胞三类显式标签的专家校验细胞级标注数据集，并配套一个低分辨率介观细胞点云图；高分辨率细胞实例通过结合基础模型分割、迭代专家修正与模型集成的人机协同流程获得，随后被投影到 20 微米/像素的低分辨率 BigBrain 空间生成类别特异监督图，用于训练基于 UNet 的密度估计模型，从而支持对整个 CA 复合体逐切片推断并采样生成类别分辨的介观细胞点云。
该工作基于新发布的 1 微米/像素右海马 BigBrain 切片，构建了 CALHippo——一个覆盖全部 Cornu Ammonis（CA1–CA4）亚区、带兴奋性神经元、抑制性中间神经元和胶质细胞三类显式标签的专家校验细胞级标注数据集，并配套一个低分辨率介观细胞点云图；高分辨率细胞实例通过结合基础模型分割、迭代专家修正与模型集成的人机协同流程获得，随后被投影到 20 微米/像素的低分辨率 BigBrain 空间生成类别特异监督图，用于训练基于 UNet 的密度估计模型，从而支持对整个 CA 复合体逐切片推断并采样生成类别分辨的介观细胞点云。
bioRxiv 2026年9月26日
该工作提出 Pop-Corn，一种不重建基因表达、直接预测扰动如何重塑细胞类型与细胞状态组成的方法；作者发现即使能准确预测扰动引起的平均基因表达变化，模型在预测组成性变化上仍表现不佳，而在主要 T 细胞基准中，Pop-Corn 对留出扰动的整体细胞状态组成预测比所评估的表达预测流程更准确，并更好地保留了观测到的细胞状态多样性；作者进一步将该方法扩展到完整组织，预测局部细胞邻域内扰动引起的细胞类型比例变化，并利用注意力模式生成关于情境依赖细胞相互作用的假设，回顾性虚拟筛选支持用 Pop-Corn 按预测的细胞状态组成效应来优先排序后续实验扰动。
该工作提出 Pop-Corn，一种不重建基因表达、直接预测扰动如何重塑细胞类型与细胞状态组成的方法；作者发现即使能准确预测扰动引起的平均基因表达变化，模型在预测组成性变化上仍表现不佳，而在主要 T 细胞基准中，Pop-Corn 对留出扰动的整体细胞状态组成预测比所评估的表达预测流程更准确，并更好地保留了观测到的细胞状态多样性；作者进一步将该方法扩展到完整组织，预测局部细胞邻域内扰动引起的细胞类型比例变化，并利用注意力模式生成关于情境依赖细胞相互作用的假设，回顾性虚拟筛选支持用 Pop-Corn 按预测的细胞状态组成效应来优先排序后续实验扰动。
Pop-Corn 直接预测扰动引起的细胞组成变化，在留出扰动上优于以基因表达为中介的预测流程
该工作提出 Pop-Corn，一种不重建基因表达、直接预测扰动如何重塑细胞类型与细胞状态组成的方法；作者发现即使能准确预测扰动引起的平均基因表达变化，模型在预测组成性变化上仍表现不佳，而在主要 T 细胞基准中，Pop-Corn 对留出扰动的整体细胞状态组成预测比所评估的表达预测流程更准确，并更好地保留了观测到的细胞状态多样性；作者进一步将该方法扩展到完整组织，预测局部细胞邻域内扰动引起的细胞类型比例变化，并利用注意力模式生成关于情境依赖细胞相互作用的假设，回顾性虚拟筛选支持用 Pop-Corn 按预测的细胞状态组成效应来优先排序后续实验扰动。
该工作提出 Pop-Corn，一种不重建基因表达、直接预测扰动如何重塑细胞类型与细胞状态组成的方法；作者发现即使能准确预测扰动引起的平均基因表达变化，模型在预测组成性变化上仍表现不佳，而在主要 T 细胞基准中，Pop-Corn 对留出扰动的整体细胞状态组成预测比所评估的表达预测流程更准确，并更好地保留了观测到的细胞状态多样性；作者进一步将该方法扩展到完整组织，预测局部细胞邻域内扰动引起的细胞类型比例变化，并利用注意力模式生成关于情境依赖细胞相互作用的假设，回顾性虚拟筛选支持用 Pop-Corn 按预测的细胞状态组成效应来优先排序后续实验扰动。
bioRxiv 2026年9月26日
该研究以22例患者来源的63个类器官样本、TCGA-COAD/READ（n=624）与GSE39582（n=536）共1,160例外部验证、GDSC2/DepMap细胞系面板及65株独立患者来源结直肠癌类器官生物库为材料，检验MDM2双启动子（P1/P2）使用是否作为分子开关区分染色体不稳定型与环境适应型（微卫星不稳定/锯齿状通路伴胃化生）两种结直肠癌表型，发现深度学习形态分类测试准确率达98.5%（64/65），形态与P1/P2异构体使用相对应（P1主导样本中Type1紧凑腺管形态中位比例0.826对0.444，非Type1囊性黏液形态对应P2主导，AUC 0.79），P2特征在错配修复缺陷（
该研究以22例患者来源的63个类器官样本、TCGA-COAD/READ（n=624）与GSE39582（n=536）共1,160例外部验证、GDSC2/DepMap细胞系面板及65株独立患者来源结直肠癌类器官生物库为材料，检验MDM2双启动子（P1/P2）使用是否作为分子开关区分染色体不稳定型与环境适应型（微卫星不稳定/锯齿状通路伴胃化生）两种结直肠癌表型，发现深度学习形态分类测试准确率达98.5%（64/65），形态与P1/P2异构体使用相对应（P1主导样本中Type1紧凑腺管形态中位比例0.826对0.444，非Type1囊性黏液形态对应P2主导，AUC 0.79），P2特征在错配修复缺陷（
MDM2启动子P1/P2切换与结直肠癌谱系可塑性：深度学习形态分类98.5%准确率，P2指数在TP53野生型中更高且Nutlin-3a敏感性更强
该研究以22例患者来源的63个类器官样本、TCGA-COAD/READ（n=624）与GSE39582（n=536）共1,160例外部验证、GDSC2/DepMap细胞系面板及65株独立患者来源结直肠癌类器官生物库为材料，检验MDM2双启动子（P1/P2）使用是否作为分子开关区分染色体不稳定型与环境适应型（微卫星不稳定/锯齿状通路伴胃化生）两种结直肠癌表型，发现深度学习形态分类测试准确率达98.5%（64/65），形态与P1/P2异构体使用相对应（P1主导样本中Type1紧凑腺管形态中位比例0.826对0.444，非Type1囊性黏液形态对应P2主导，AUC 0.79），P2特征在错配修复缺陷（
该研究以22例患者来源的63个类器官样本、TCGA-COAD/READ（n=624）与GSE39582（n=536）共1,160例外部验证、GDSC2/DepMap细胞系面板及65株独立患者来源结直肠癌类器官生物库为材料，检验MDM2双启动子（P1/P2）使用是否作为分子开关区分染色体不稳定型与环境适应型（微卫星不稳定/锯齿状通路伴胃化生）两种结直肠癌表型，发现深度学习形态分类测试准确率达98.5%（64/65），形态与P1/P2异构体使用相对应（P1主导样本中Type1紧凑腺管形态中位比例0.826对0.444，非Type1囊性黏液形态对应P2主导，AUC 0.79），P2特征在错配修复缺陷（

第 6 页 · 当前显示 10 项