Machine learning model on multi-omics data enables risk stratification and identifies molecular heterogeneity and therapeutic targets in glioblastoma - PubMed2 months agohttps://pubmed.ncbi.nlm.nih.gov/41795092/机器学习模型应用于多组学数据以进行胶质母细胞瘤风险分层识别胶质母细胞瘤的分子异质性及潜在治疗靶点研究经人类研究伦理委员会批准并获患者知情同意分析包含遵循相关指南的公开可用数据集作者声明无利益冲突获河南省科技研发联合基金与国家自然科学基金资助
Machine Learning for Dynamic and Short-Term Prediction of Preeclampsia Using Routine Clinical Data - PubMed2 months agohttps://pubmed.ncbi.nlm.nih.gov/41790468/利用常规电子健康记录数据开发了机器学习模型，用于子痫前期的动态短期预测。该研究纳入三家医院的妊娠病例，重点预测1周、2周和4周内子痫前期的发病情况。关键预测指标包括血压、产妇特征和常规实验室检测结果。模型预测性能在妊娠34周达到峰值，具有较高的预测准确性。血压是最具信息量的预测指标，而实验室指标在妊娠早期贡献更大。该方法展现了早期干预的潜力，并能适应多样化的医疗场景。
Integrating multi-omics and machine learning to unravel mechanisms of lymph node metastasis in papillary carcinoma with and without thyroiditis - PubMed2 months agohttps://pubmed.ncbi.nlm.nih.gov/41789084/研究聚焦于伴或不伴甲状腺炎的甲状腺乳头状癌（PTC）淋巴结转移（LNM）机制PTC病例分为PTC伴甲状腺炎组和单纯PTC组，两组呈现不同的临床特征和基因组图谱与PTC伴甲状腺炎组相比，单纯PTC组肿瘤分期更高，且BRAF和MUC16基因突变更频繁单纯PTC组的LNM与细胞外基质重塑及胶原纤维累积相关，涉及PI16+成纤维细胞亚群PTC伴甲状腺炎组的LNM则通过免疫相关通路实现，未见显著成纤维细胞浸润或ECM改变开发出17基因LNM预测模型，KNN分类器显示高准确度孟德尔随机化分析确定SHISA5为甲状腺癌因果风险基因分子对接显示SHISA5与对乙酰氨基酚具有强结合亲和力，提示治疗潜力研究结果揭示了不同的LNM机制，为PTC患者亚型特异性诊疗策略提供新见解
The prevalence and clinical significance of clonal monocytosis - PubMed2 months agohttps://pubmed.ncbi.nlm.nih.gov/41802133/本研究针对不符合CMML诊断标准的单核细胞增多性克隆性造血现象，提出了CMUS和CCMUS新术语通过分析英国生物银行431,531名参与者数据，评估了CMUS/CCMUS的患病率及临床结局发现CMUS和CCMUS属于高风险状态，与髓系肿瘤、心血管疾病及肾脏疾病显著相关建议采用性别特异性单核细胞阈值并排除孤立性DNMT3A突变，以强化与髓系肿瘤的关联性开发了机器学习工具MoSAIC，可通过血常规指标预测单核细胞增多患者的SRSF2基因突变在丹麦625,328名初级保健患者队列中验证了研究结论最终明确CMUS和CCMUS是需要完善诊断标准的高风险临床状态
Comprehensive Analysis of Bulk RNA-seq, Machine Learning, Mendelian Randomization, and Single-Cell Sequencing Unravels SLC22A3 as a Solute Carrier Superfamily-Associated Biomarker in Atherosclerosis -2 months agohttps://pubmed.ncbi.nlm.nih.gov/41806154/通过多组学分析确定SLC22A3作为动脉粥样硬化(AS)的新型生物标志物和治疗靶点基于批量RNA-seq数据(GSE43292)整合WGCNA与机器学习(LASSO、SVM-RFE、XGBoost、随机森林)锁定SLC22A3外部数据集(GSE28829、GSE163154)验证SLC22A3在AS中显著下调(P < 0.001)且诊断效能优异(AUC > 0.9)SMR分析揭示SLC22A3表达与降低AS风险存在遗传因果关系(P < 0.05，OR = 0.512 (95% CI: 0.280-0.939))单细胞RNA-seq显示SLC22A3特异性表达于平滑肌细胞(SMCs)，在症状患者中显著降低分子对接和动力学模拟筛选出六种FDA批准药物作为潜在SLC22A3靶向治疗剂实验验证证实SLC22A3在mRNA和蛋白水平均显著下调SLC22A3与平滑肌细胞功能相关，是极具前景的AS诊断生物标志物和治疗靶点
Comprehensive evaluation of triglyceride glucose index-a body shape index (TyG-ABSI) for incident peripheral artery disease: data-driven phenotyping and machine learning-based risk prediction in the U2 months agohttps://pubmed.ncbi.nlm.nih.gov/41803825/本研究评估了甘油三酯葡萄糖指数-体型指数（TyG-ABSI）在英国生物银行队列中预测外周动脉疾病（PAD）的效果。TyG-ABSI结合了甘油三酯-葡萄糖指数（TyG）和体型指数（ABSI），用以反映胰岛素抵抗和内脏脂肪堆积。较高水平的TyG-ABSI与PAD发病率增加显著相关，最高四分位数组的15年累积发病率为4.16%，而最低四分位数组仅为0.98%。研究采用包括逻辑回归在内的机器学习模型预测PAD，其中逻辑回归表现最佳（AUC = 0.788）。数据驱动聚类分析识别出四个代谢亚组，胰岛素抵抗/葡萄糖功能障碍亚组的PAD风险最高。SHAP分析显示TyG-ABSI、年龄和中性粒细胞计数是PAD的关键预测因子。该研究表明TyG-ABSI是PAD风险的强有力预测指标，并强调了可解释机器学习模型在临床风险分层中的应用价值。
Unraveling the Dynamic Trajectories and Predictive Determinants of Fear of Cancer Recurrence in Breast Cancer Survivors: A Prospective Cohort Study - PubMed2 months agohttps://pubmed.ncbi.nlm.nih.gov/41806313/该研究探讨了乳腺癌幸存者对癌症复发恐惧（FCR）的变化轨迹。识别出三种不同的FCR变化轨迹：持续低水平（47.85%）、逐渐上升（32.28%）和逐渐下降（19.87%）。随机森林（RF）模型显示出最高预测准确率，其ROC曲线下面积为0.901，PR曲线下面积为0.854。关键预测因素包括人口统计学、社会经济、临床和心理社会因素。该研究强调了早期识别高风险因素对改善患者预后的重要性。研究局限性包括仅测量了六个时间点的FCR数据，以及需要进行更长期的追踪研究。未来研究应重点关注基于证据的FCR管理干预措施。
Interpretable machine learning prediction models for 28-day mortality in critically ill patients with atrial fibrillation and acute kidney injury - PubMed2 months agohttps://pubmed.ncbi.nlm.nih.gov/41800157/本研究旨在开发可解释的机器学习模型，用于预测同时患有房颤和急性肾损伤的ICU患者28天死亡率。回顾性分析采用MIMIC-IV和eICU-CRD数据库，分别纳入11,510例和2,565例患者。梯度提升机(GBM)模型表现最优，内部验证AUC达0.856，外部验证AUC为0.761。SHAP分析显示阴离子间隙、心率和年龄是预测死亡率的三大关键指标。研究开发了在线风险计算器，可用于临床实践及个体化风险评估。
Launch HN: IonRouter (YC W26) – High-throughput, low-cost inference2 months agohttps://ionrouter.io通过IonAttention技术实现高吞吐、低成本的推理。定制推理栈可在单GPU上多路复用模型，毫秒级切换并实时适应流量变化。支持微调模型、自定义LoRAs或任何开源模型，提供专用GPU流和按秒计费。适用于机器人感知、监控安防、游戏资产生成和AI视频管线。单GPU同时运行五个视觉语言模型，处理2700个视频片段且冷启动<1秒。仅需一行代码修改即可兼容OpenAI客户端。按百万token计费，无闲置成本。集成智谱AI、月之暗面、MiniMax、积木等公司的旗舰模型。包含140亿参数文生视频模型，10秒内生成视频片段。亚4秒快速图像生成，满足实时应用需求。无需GPU专业知识，一分钟内快速上手。
Can I Run AI locally?2 months agohttps://www.canirun.ai/Meta的Llama 3.1 8B模型因其出色的质量/速度比而备受关注。列举了来自Meta、阿里巴巴、微软、OpenAI、Mistral AI、谷歌、深度求索、月之暗面等公司的多种AI模型，并标注了它们的参数量级和专长领域。模型规模从超小型（0.8B）到超大规模（1T参数）不等，可满足从边缘设备到高性能计算的不同需求。专业方向涵盖多模态能力、代码生成、逻辑推理、多语言支持和高效的混合专家（MoE）架构。特别提及了OpenAI的开源权重MoE模型、Mistral AI的代码专用模型，以及阿里巴巴支持思维模式的主打模型。该文本作为指南，帮助用户根据浏览器API和实际硬件配置判断可运行的AI模型。
Network toxicology reveals key genes of amiodarone induced pulmonary fibrosis: based on machine learning and SHAP analysis - PubMed2 months agohttps://pubmed.ncbi.nlm.nih.gov/41808861/胺碘酮（AMD）是一种III类抗心律失常药物，其严重不良反应可诱发肺纤维化（AIPF）。该研究结合网络毒理学、机器学习（ML）和体外验证技术，成功识别了AIPF的关键基因。共筛选出8个候选枢纽基因，其中SHAP分析显示CTSK、ADORA3和AGER是最重要的预测因子。分子对接和动力学模拟证实AMD与核心靶点（CTSK、ADORA3、AGER）能形成稳定结合。体外实验表明，AMD处理可上调BEAS-2B细胞中CTSK表达，下调ADORA3和AGER表达，并增强细胞迁移和侵袭能力。研究结果提示CTSK、ADORA3和AGER在AIPF发病机制中起关键作用，为生物标志物和治疗靶点开发提供了新方向。
MedFusion-gP-AKI: development and multicenter validation of a machine learning fusion model for early prediction of KDIGO stage 3 acute kidney injury in critically ill traumatic cervicothoracic spinal2 months agohttps://pubmed.ncbi.nlm.nih.gov/41803650/开发MedFusion-gP-AKI机器学习融合模型，用于早期预测重症创伤性颈胸段脊髓损伤（TCTSCI）患者KDIGO 3级急性肾损伤（AKI）模型基于MIMIC-IV/eICU队列训练，并在中国四家中心的188例患者中完成外部验证，获得高AUC值（0.938、0.909、0.969等）和可靠区分度确定的关键预测因子包括乳酸、平均动脉压、体温、血钾水平及TCTSCI损伤节段采用生成对抗网络（GAN）数据插补和SMOTified-GAN平衡技术确保模型稳健性SHAP分析显示模型归因符合临床规律，并开发了在线计算器供临床实践使用旨在提升TCTSCI患者AKI早期识别与预防策略，有望降低死亡率
Identification of Key Genes via Integrated Multi-Omics and Machine Learning Uncovers Tumor Biological Features and Prognostic Biomarkers in Uterine Leiomyosarcoma - PubMed2 months agohttps://pubmed.ncbi.nlm.nih.gov/41799759/子宫平滑肌肉瘤（ULMS）是一种罕见且侵袭性强的子宫恶性肿瘤，误诊率高且预后不良。通过多队列数据整合（4个GEO数据集、TCGA-SARC、单细胞测序）鉴定出96个在细胞周期/p53/DNA修复通路中富集的InteGenes。比较113种机器学习算法后，GBM模型显示出高诊断准确性（训练AUC=1，验证准确率92.3-100%）。36个Mgenes（如TRIP13，AUC=0.972）具有诊断价值，并与肿瘤免疫微环境（TIME）相关。发现Mgenes可调控ULMS的TIME：上调Mgenes与M2型TAMs/Tregs相关，下调Mgenes与效应免疫细胞相关。孟德尔随机化分析未发现Mgenes与ULMS存在遗传因果关系。该研究深化了对ULMS分子特征及免疫微环境的认知，为诊断工具开发和免疫治疗靶点选择提供了新方向。
Association of the estimated glucose disposal rate combined with a body shape index with all-cause and cardiovascular-specific mortality among individuals with cardiovascular-kidney-metabolic syndrome2 months agohttps://pubmed.ncbi.nlm.nih.gov/41820961/研究探讨了估算葡萄糖处置率(eGDR)和体形指数(ABSI)对心血管-肾脏-代谢(CKM)综合征患者死亡率的联合影响NHANES(1999-2018)数据显示，共纳入18,186名0-4期CKM综合征患者低eGDR与高ABSI均可独立预测更高的死亡风险eGDR低且ABSI高的人群死亡风险最高：全因HR=2.79，心血管特异性HR=4.53XGBoost机器学习模型在死亡率预测中表现最佳(全因死亡率AUC=0.877，心血管特异性死亡率AUC=0.850)研究表明eGDR和ABSI可优化CKM综合征患者的风险分层
Lifelong behavioral screen reveals an architecture of vertebrate aging - PubMed2 months agohttps://pubmed.ncbi.nlm.nih.gov/41818367/开发了一个平台，用于对非洲青鳉鱼的自然寿命进行高分辨率连续行为追踪。观察到个体间存在明显不同的衰老轨迹，长寿动物在生命早期的行为表现与短寿个体存在差异。行为差异与器官特异性转录组变化相关。机器学习模型能根据动物幼年时期的行为准确推断其年龄并预测未来寿命。动物在成年期会经历一系列稳定、模式化的行为阶段，各阶段间存在突然转变，这揭示了衰老过程具有结构化特征。
Staphylococcus aureus resistance to non-β-lactam antibiotics: global genomic epidemiology and machine learning feasibility assessment - PubMed2 months agohttps://pubmed.ncbi.nlm.nih.gov/41806067/金黄色葡萄球菌对非β-内酰胺类抗生素的耐药性日益增强，亟需开展基因组与表型研究分析了来自137个国家的112,360份金黄色葡萄球菌基因组，其中111,350份符合质量标准鉴定出fosB、bcrAB等耐药基因，fosB基因检出率高达65.3%，在临床分离株中尤为突出糖肽类药物（万古霉素、替考拉宁）MIC值普遍较低，达托霉素呈现变异性；磷霉素和杆菌肽表型数据有限fosB耐药性年增长率为0.20%，北美、欧洲和南美洲呈现高流行趋势机器学习模型预测达托霉素MIC值效果中等（R²=0.49），但因糖肽类药物MIC变异性低而预测失败本研究强调需整合基因组与表型监测，以提升耐药性预测和管理水平
Multi-omics investigation of benzo[a]pyrene in gastric cancer: comprehensive network toxicology, machine learning and molecular docking approaches - PubMed2 months agohttps://pubmed.ncbi.nlm.nih.gov/41817952/苯并[a]芘（BaP）通过环境暴露与胃癌（GC）风险相关。鉴定出7个核心毒理学靶点：ALB、HSP90AA1、ESR1、INS、TP53、TNF和EGFR。这些靶点在MAPK信号通路、脂质与动脉粥样硬化及PI3K-Akt信号通路中显著富集。整合多组学数据与机器学习构建了GC患者预后模型（CBRS）。分子对接显示BaP与关键毒理学靶点具有强结合亲和力。本研究为系统理解BaP的胃癌毒理机制提供了综合分析框架。
Integrating Network Toxicology, Machine Learning, and Molecular Dynamics to Explore the Molecular Network of Triclosan-Induced Acute Myocardial Infarction - PubMed2 months agohttps://pubmed.ncbi.nlm.nih.gov/41828566/三氯生（TCS）暴露与急性心肌梗死（AMI）风险增加相关。该研究整合网络毒理学、机器学习、分子模拟和体外实验以探索潜在机制。通过差异表达分析和WGCNA鉴定出37个候选基因，并利用机器学习精筛至8个核心调控因子（包括PTGS2）。分子对接和分子动力学模拟证实TCS与PTGS2能稳定结合。TCS会上调心肌细胞中PTGS2及损伤标志物cTnI的表达，该效应可被PTGS2抑制剂塞来昔布逆转。研究证实PTGS2是TCS诱导心肌细胞损伤的关键介质，提示其作为潜在治疗靶点的可能性。
Routine blood tests and machine learning identify complications in high myopia - PubMed2 months agohttps://pubmed.ncbi.nlm.nih.gov/41826348/高度近视可能导致严重的眼部并发症，如白内障、青光眼、视网膜脱离和黄斑变性。一项利用常规血液检测结果的机器学习模型可识别出高度近视并发症风险升高的人群。该模型通过一项包含10,661名参与者的多中心研究开发，并在两个独立队列中得到验证。模型显示出高准确度（AUC=0.9010-0.9649），并能标记出后续获得临床确诊的个体。在针对311,254名成人的社区筛查研究中，该模型将并发症检出率提高了74%（阳性预测值）。这种方法支持在初级医疗和社区场景中开展机会性筛查并实现更早转诊。
Launch HN: Chamber (YC W26) – An AI Teammate for GPU Infrastructure2 months agohttps://www.usechamber.io/Chambie是一款AIOps队友，旨在简化GPU基础设施设置、训练任务创建及优化流程。它提供完整的GPU工作负载可观测性，具备自动性能洞察与根因分析功能。先进的跨云编排技术可最大化GPU可用性与利用率。Chambie将实验指标与基础设施数据关联，支持通过CLI、SDK或Slack实现快速迭代和任务重新提交。部署工作由Chambie团队负责，支持Kubernetes、Slurm及混合架构。Chambie已通过SOC 2 Type I认证，确保您基础设施内的数据安全。支持多云和本地环境，包括AWS、GCP、Azure、Slurm及Kubernetes平台。