增强细胞外囊泡生物标志物发现的计算框架.
Jina Kim1,2, Ju Dong Yang3,4,5, Vatche G Agopian6,7
1Department of Urology, Cedars-Sinai Medical Center, Los Angeles, CA, USA.
Experimental & molecular medicine
|January 14, 2026
概括
人工智能有助于识别外细胞囊泡 (EV) 生物标志物用于临床使用. 计算框架整合了多样化的数据,以找到测试兼容的标记物,加速了精准医学应用.
科学领域:
- 生物标志物发现发现
- 计算生物学 计算生物学
- 精准医学是一门精准的医学.
背景情况:
- 细胞外囊泡 (EVs) 显示出作为非侵入性生物标志物的潜力.
- 由于在识别测试兼容标记物的挑战,EVs的临床转化受到阻碍.
研究的目的:
- 概述利用人工智能 (AI) 识别电动汽车生物标志物的计算框架.
- 弥合电动汽车研究和临床应用之间的差距.
主要方法:
- 整合各种数据资源 (omics,EV,蛋白质,组织,药物,模型,免疫数据库).
- 计算选择策略包括基于规则的过,用于数据融合的机器学习和用于多omics集成的深度学习.
- 以人工智能驱动的蛋白质结构和物理化学性质的预测,以测试兼容性.
主要成果:
- 基于预测性能,生物可信性和临床实用性评估生物标志物候选者的系统框架.
- 演示人工智能的能力,以改进生物标志物候选人与现有测试系统的兼容性.
结论:
- 拟议的计算框架加速了EV生物标志物研究从发现到临床应用的过渡.
- 通过人工智能驱动的EV生物标志物的识别和验证来增强精密医学.
