研究提出可用于癌症驱动基因识别的图机器学习模型
该模型通过构建精准的癌症基因调控图谱，有望为个性化医疗和精准药物研发开辟新途径。同时，该模型在整合多组学数据和复杂网络分析方面的优势，使其具备跨疾病和跨领域应用的潜力。
2025-01-18
Nat Genet：科学家识别出6个与癌症风险相关的新基因
本文研究结果揭示了多个新型癌症风险基因，并强调了自噬、细胞凋亡和细胞压力反应或许应该作为未来科学家们开发新型癌症疗法的关注重点。
2024-11-17
Cell：为何肿瘤抑制基因的“二次打击”模式决定癌症的进程与疗效？
研究通过综合分析基因突变、杂合性丢失、纯合缺失以及基因融合等多种遗传改变，揭示了不同癌症类型中TSGs失活的独特模式。
2024-12-27
Nat Commun：癌症遗传学研究的新模式或能指向肿瘤抑制基因作为潜在的新型癌症疗法靶点
本文研究结果表明，基因拷贝数的增加和减少都能以令人惊讶的方式发生，从而驱动癌症进化，这一研究发现挑战了科学家们关于这些相互作用如何发生的传统观点和认知。
2024-08-07
Nature Methods：肿瘤进化的空间图谱，CalicoST算法揭示癌症克隆的基因组与空间演化
CalicoST算法的诞生填补了这一空白。它不仅能够从空间转录组数据中推断出肿瘤的等位基因特异性拷贝数变异，还能够重建肿瘤克隆在空间中的进化轨迹，绘制出肿瘤演化的“进化地图”。
2024-11-10
Mol Cell：HOXDeRNA 通过与基因组广泛结合激活癌症转录程序和超级增强子
HOXDeRNA通过rG4结构结合EZH2并招募到PRC2标记的基因组区域，从而去除PRC2对关键胶质瘤转录因子和超级增强子的抑制，最终激活多个癌症驱动基因，驱动星形胶质细胞向胶质瘤转化。
2024-11-07
Nature Methods：肿瘤进化的空间图谱：CalicoST算法揭示癌症克隆的基因组与空间演化
CalicoST算法的核心优势在于其能够从SRT数据中精确推断等位基因特异性拷贝数变异（allele-specific CNAs）。
2024-11-23