跳到主要内容
检索

Essen University Hospital

3 篇关联报道

订阅更新
  1. medRxiv

    尤文肉瘤的生存差异不在突变里:135例空间图谱分出四种预后类型,干扰素反应型预后最好

    尤文肉瘤基因组近乎单一,却长期无法解释患者生存的巨大差异。研究对135例患者的肿瘤与微环境做单细胞和空间转录组分析,识别出五种肿瘤细胞转录状态与八种由邻近细胞配置定义的生态位,并按生态位组成把患者分为融合活跃型、增殖型、免疫反应型和微环境富集型四类。免疫反应型以干扰素激活的肿瘤细胞为特征、预后较好,四类的生存差异在两个独立的批量转录组队列中得到重现。

  2. Nature Biotechnology

    单细胞多组学速度模型学会扰动:在Arid1a缺失B细胞里点名三个可救靶点,小鼠验证全部奏效

    DynaVelo把单细胞多组学中的RNA表达与转录因子基序可及性放进同一个神经微分方程,学出可被干预的速度场,而不只是画轨迹。在野生型小鼠生发中心B细胞上,它复现暗区增殖、向亮区转换与再循环的分支;在Arid1a杂合缺失细胞上,它提名Ctcf、Stat3和Bcl6为挽救靶点,三种双杂合小鼠的暗区表型均被拉回。

  3. arXiv

    用七个模型替换四个腹部CT数据集的人工标注后,预训练对标签质量的依赖消失,而直接部署仍高度依赖

    该研究在WORD、AMOS、CT-1K和AbdomenAtlas四个腹部CT数据集上,用nnU-Net、MedSAM、TotalSegmentator及四个规模的STU-Net共七个模型生成伪标签,构造不同质量的标签版本,再以DynUNet在相同确定性训练设置下分别做域内训练和预训练加微调;结果显示域内性能与标签质量强正相关且呈非线性、数据量可部分补偿质量,而预训练后微调在绝大多数设置下显著优于无预训练基线,且预训练标签质量高低不再明显影响下游结果。

已读完全部报道