《转化精神病学》：解决临床用药难点，回顾20项机器学习预测抗精神病药物预后成效
近日，由意大利米兰大学的Paolo Brambilla领衔的研究团队在《转化精神病学》发表一篇综述型研究，他们回顾了28项利用不同神经影像、神经生理、遗传以及临床特征对不同阶段的SCZ患者的抗精神病药
肺癌类器官预测临床疗效总准确率高达83.3%
药物敏感性与临床反应的总体一致性可达83.33%，LCO-DST在预测晚期癌症治疗反应中有极高的准确性，其在精确医学中具有巨大的潜力，后续可进行大规模临床试验，确定不同类型疗法的精确截止值。
《自然》：1600000个肺癌细胞大分析，发现1m㎡肿瘤组织即可预测肺癌术后是否会进展！
这项研究通过一种新颖的空间组学技术对非小细胞肺癌的免疫微环境做了深度解析，确定了与患者生存相关的分子特征及空间特征，并以此为基础构建了可预测非小细胞肺癌术后疾病进展的模型，对非小细胞肺癌的临床决策有重
Nature子刊：研究人员开发出可预测的精细下调目标基因蛋白表达的新方法
基因编辑技术在植物中的开发和应用，为分子设计育种带来了革命性的变化。基于基因编辑技术建立基因精细调控的方法对于精准设计育种至关重要。目前应用最广泛的基因表达调控方法如CRISPR-Cas、CRISP
Nature 子刊：高彩霞团队开发可预测的精细下调目标基因蛋白表达的新方法
基因编辑技术在植物中的开发和应用为分子设计育种带来了革命性的变化。基于基因编辑技术建立基因精细调控的方法对于精准设计育种至关重要。目前应用最为广泛的基因表达调控方法，如 CRISPR-Cas、CRIS
同济大学刘琦团队开发基于元学习的AI模型，用于抗原-TCR亲和力识别及肿瘤新生抗原免疫原性预测
实验证明PanPep在三种应用场景Majority learning、Few-shot learning以及Zero-shot learning场景中均取得了较高的抗原-TCR预测准确率。
JCO：一次低剂量CT即可预测未来6年肺癌风险！MIT和哈佛研究团队开发的AI模型可不依赖放射科医生和临床数据，高准确率预测肺癌
该研究开发了包括无吸烟史人群的肺癌风险预测模型，预测性能良好，可以为接受CT肺癌筛查的患者提供有关未来肺癌风险的额外信息，而且对正常临床工作流程无明显干扰。
哈佛科学家发现，先天免疫重要因子TBK1竟是癌症免疫逃逸的帮凶
这项研究发现，TBK1是一个新的免疫逃逸基因，抑制TBK1可以通过增强肿瘤细胞对于效应细胞因子的敏感性，诱导细胞死亡，从而促进癌症免疫疗法的疗效。
Nat Commun：揭示抑制p53的两种不同的抑制因子触发癌细胞死亡机制
在一项新的研究中，来自美国科罗拉多大学的研究人员阐明了阻止p53的激活引发有效癌细胞死亡的工作机制。他们发现抑制p53的两种不同的抑制因子可以通过激活一种称为整合应激反应的互补基因网络引起癌细胞死亡。
王福俤/方学贤团队发现新的肝脏铁死亡抑制因子，为铁死亡相关疾病带来新的治疗靶点
这项研究聚焦肝损伤中铁死亡发生机制这一前沿基础问题，借助新颖的研究思路、完备的实验体系和具有独特优势的模式动物，深入而系统地阐明铁死亡新基因ME1在肝I/R损伤中的功能与调控机制