# 逐层相关性传播

临床生存模型通常输出分布参数，这些抽象量难以对应医生熟悉的危险因素。ODDS-DR把网络输出重新参数化为按对数几率相加的形式，使每个输出神经元都能直接归因到输入特征。在SUPPORT2与主动脉缩窄两个队列上，其区分度与DeepSurv、DeepHit、DSM等基线相当或更高，其中SUPPORT2上对数 logistic 变体的C-index为0.83。

临床生存模型通常输出分布参数，这些抽象量难以对应医生熟悉的危险因素。ODDS-DR把网络输出重新参数化为按对数几率相加的形式，使每个输出神经元都能直接归因到输入特征。在SUPPORT2与主动脉缩窄两个队列上，其区分度与DeepSurv、DeepHit、DSM等基线相当或更高，其中SUPPORT2上对数 logistic 变体的C-index为0.83。

DeepDelivery把人类蛋白组当作mRNA递送支架的候选库来筛：先用病毒衣壳蛋白数据训练深度学习模型，再以双模型交叉过滤，从109,375条人类序列中提名512个候选。实验测试15个候选，12个形成包裹mRNA的颗粒并完成功能性递送；其中RTL8B在HEK293T报告细胞上的转导效率为73.2%，高于作为参照的Arc（56.5%）、PEG10（53.1%）和PNMA2（67.4%）。这些结果支持把人类自身蛋白作为可模块化改造的递送支架来源，但免疫原性与体内行为尚未评估。

DeepDelivery把人类蛋白组当作mRNA递送支架的候选库来筛：先用病毒衣壳蛋白数据训练深度学习模型，再以双模型交叉过滤，从109,375条人类序列中提名512个候选。实验测试15个候选，12个形成包裹mRNA的颗粒并完成功能性递送；其中RTL8B在HEK293T报告细胞上的转导效率为73.2%，高于作为参照的Arc（56.5%）、PEG10（53.1%）和PNMA2（67.4%）。这些结果支持把人类自身蛋白作为可模块化改造的递送支架来源，但免疫原性与体内行为尚未评估。