当前共有 964 篇文献，本页显示第 961 - 964 篇。
961.
2019,
Proceedings of the National Academy of Sciences of the United States of America.
DOI:
10.1073/pnas.1821523116
2022-01-20 18:02:00
#paper doi:https://doi.org/10.1073/pnas.1821523116 Developmental topography of cortical thickness during infancy. 这篇文章于2019年发表在pnas上。在出生后的两年时间里，人类大脑经历了快速的动态发育，这表现在行为和认知能力上的快速发展。而绘制健康婴幼儿大脑皮层厚度的发育模式对于理解一些神经发育疾病来说有着重要价值。虽然利用磁共振成像技术研究人类大脑的发育老化规律已经有几十年的时间了，但是对于两岁以前这样非常早期的研究其实还非常少。这主要是因为婴幼儿大脑的核磁成像数据非常难以获取（需要婴幼儿保持几十分钟的相对静止）以及婴幼儿大脑磁共振图像相对于成年人来说非常难处理（所以需要开发特定的影像处理算法）。这篇文章利用了一个被称为Baby Connectome Project的脑影像数据库，并利用作者所在研究组开发的一系列图像处理算法对婴幼儿脑影像数据进行预处理。他们还利用非负矩阵分解这一经典的分析技术建模婴幼儿大脑皮层厚度的时空发育轨迹。
这篇文章主要有两个发现：1.在出生后的两年，婴幼儿大脑的平均皮层厚度先快速增加，然后大约在14个月的时候达到峰值点，之后在以缓慢的速度减少；2.作者根据皮层厚度的发育模式将婴幼儿大脑分成若干个区域，他们发现不同脑区都有不同的皮层厚度的发育特点，有的脑区在不同时间点达到皮层厚度的峰值点，有的区域则在这两年时间里保持持续的增长。
962.
2022-01-20 17:31:00
吴增丁:
#paper doi: 10.1093/nar/gkt178，这篇文章是2013年发表在nucleic acids research上的，标题“Translating mRNAs strongly correlate to proteins in a multivariate manner and their translation ratios are phenotype specific”
核心卖点：用一种RNC-seq的方法，证明了RNC-mRNA与蛋白组定量存在显著相关性（R2=0.94）
文章意义：1、尝试探索中心法则中的定量关系：定性上我们都知道DNA到RNA到protein，但是前期研究发现。有些mRNA有表达甚至量也不低，怎么在protein上就没有呢？前期有人尝试用total mRNA 和蛋白质组做相关性，但是结果很不理想。本文作者张弓发现通过RNC-mRNA和 SILAC-based MS 表征的蛋白组相关性，在引入了mRNA-length这个变量后，得到相关系数达到0.94。
2、开发了一个NGS-based 研究方法——RNC-seq （mRNAs bound to ribosome-nascent chain complex）
个人认为第1点意义很大，相当于在RNA层面找到了一个蛋白质组研究的替代方法，这个大大简便了研究，尤其是在转化医学要求检测技术手段越简单操作越好的时代。但是问题来了，为什么这个技术follow的人怎么少呢？
963.
2022-01-18 23:37:00
尹志:
#paper doi:10.1038/s41416-020-01122-x Deep learning in cancer pathology: a new generation of clinical biomarkers. British Journal of Cancer, 2020 Nov 18. 这是一篇综述，综述了一下深度学习从病理图像直接抽取biomarker的相关概念，以及病理图像中利用深度学习做的各种基本的和进阶的图像分析任务。
我们知道，在肿瘤的临床治疗中会基于各种分子生物标记物。但这些分子标记物都比较耗时费力。而且一般而言，这些分子标记物都需要tumour tissue。 但其实tumour tissue上有很多信息我们现在都没好好利用。利用深度学习，我们可以直接从常规病理图像中提取更多信息。从而提供潜在的具有临床价值的信息。
里面介绍的基本任务包括：检测、评级、tumour tissue亚型预测。这些任务的目的是自动化病理诊断流程，但结论不形成直接的临床决策。（辅助诊断呗）。
进阶任务可直接影响临床决策：比如分子特性推断、生存率预测、端到端的疗效预测。这些任务都可以直接影响临床决策，但目前需要更好的临床验证。比如需要更多前瞻性实验的验证。（就是还不能用呗）。
964.
2022-01-16 13:16:00
颜林林:
#paper doi:10.3322/caac.21708 CA: A Cancer Journal for Clinicians, 2022, Cancer statistics, 2022。这是最新发表的美国癌症统计数据，汇编了截至2018年的发病率数据及截至2019年的死亡率数据，并对其趋势进行预测和分析。主要结论是：乳腺癌和前列腺癌的进展停滞不前，但肺癌的进展却有所加强。CA杂志上每隔几年就会有关于世界范围或国家范围的癌症流调结果文章发表，算是重要的专业数据源及其解读，值得关注和阅读。值得注意的一句话：疫情导致医疗机构关闭或因恐惧暴露而减少护理，导致诊断和治疗延误，可能导致癌症发病率短期下降，随后晚期疾病上升，并最终增加死亡，相关数据收集需要滞后数年时间。