• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

将可解释的深度学习与多组学相结合，用于筛选涵盖“炎症-癌症”转变的肝细胞癌进展性诊断生物标志物。

Integrating explainable deep learning with multi-omics for screening progressive diagnostic biomarkers of hepatocellular carcinoma covering the "inflammation-cancer" transformation.

作者信息

Li Saiyu, Zhang Yiwen, Guan Lifang, Dong Yijing, Zhang Mingzhe, Zhang Qian, Xu Huarong, Xiao Wei, Wang Zhenzhong, Cui Yan, Li Qing

机构信息

School of Pharmacy, Shenyang Pharmaceutical University, Shenyang, 110016, China.

State Key Laboratory of New-tech for Chinese Medicine Pharmaceutical Process, Jiangsu Kanion Pharmaceutical Co., Ltd., Lianyungang, 222001, China.

出版信息

J Pharm Anal. 2025 Sep;15(9):101253. doi: 10.1016/j.jpha.2025.101253. Epub 2025 Mar 1.

DOI:10.1016/j.jpha.2025.101253
PMID:40919103
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC12410188/
Abstract

Image 1.

摘要

图1。

https://cdn.ncbi.nlm.nih.gov/pmc/blobs/b13a/12410188/07d41ac83478/gr1.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/b13a/12410188/990f968cf678/ga1.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/b13a/12410188/07d41ac83478/gr1.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/b13a/12410188/990f968cf678/ga1.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/b13a/12410188/07d41ac83478/gr1.jpg

相似文献

1
Integrating explainable deep learning with multi-omics for screening progressive diagnostic biomarkers of hepatocellular carcinoma covering the "inflammation-cancer" transformation.将可解释的深度学习与多组学相结合，用于筛选涵盖“炎症-癌症”转变的肝细胞癌进展性诊断生物标志物。
J Pharm Anal. 2025 Sep;15(9):101253. doi: 10.1016/j.jpha.2025.101253. Epub 2025 Mar 1.
2
A deep learning approach based on multi-omics data integration to construct a risk stratification prediction model for skin cutaneous melanoma.基于多组学数据整合的深度学习方法构建皮肤黑色素瘤风险分层预测模型。
J Cancer Res Clin Oncol. 2023 Nov;149(17):15923-15938. doi: 10.1007/s00432-023-05358-x. Epub 2023 Sep 7.
3
MOLUNGN: a multi-omics graph neural network for biomarker discovery and accurate lung cancer classification.MOLUNGN：一种用于生物标志物发现和准确肺癌分类的多组学图神经网络。
Front Genet. 2025 Jun 4;16:1610284. doi: 10.3389/fgene.2025.1610284. eCollection 2025.
4
Interactive Explainable Deep Learning Model for Hepatocellular Carcinoma Diagnosis at Gadoxetic Acid-enhanced MRI: A Retrospective, Multicenter, Diagnostic Study.用于钆塞酸二钠增强MRI肝细胞癌诊断的交互式可解释深度学习模型：一项回顾性、多中心诊断研究
Radiol Imaging Cancer. 2025 May;7(3):e240332. doi: 10.1148/rycan.240332.
5
Supervised graph contrastive learning for cancer subtype identification through multi-omics data integration.通过多组学数据整合进行癌症亚型识别的监督式图对比学习
Health Inf Sci Syst. 2024 Feb 23;12(1):12. doi: 10.1007/s13755-024-00274-x. eCollection 2024 Dec.
6
CXR-MultiTaskNet a unified deep learning framework for joint disease localization and classification in chest radiographs.CXR-MultiTaskNet：一种用于胸部X光片中疾病联合定位与分类的统一深度学习框架。
Sci Rep. 2025 Aug 31;15(1):32022. doi: 10.1038/s41598-025-16669-z.
7
An explainable graph neural network approach for effectively integrating multi-omics with prior knowledge to identify biomarkers from interacting biological domains.一种可解释的图神经网络方法，用于有效整合多组学与先验知识，以从相互作用的生物领域中识别生物标志物。
bioRxiv. 2024 Sep 26:2024.08.23.609465. doi: 10.1101/2024.08.23.609465.
8
Harnessing multi-omics and artificial intelligence: revolutionizing prognosis and treatment in hepatocellular carcinoma.利用多组学和人工智能：革新肝细胞癌的预后和治疗
Front Immunol. 2025 Jul 23;16:1592259. doi: 10.3389/fimmu.2025.1592259. eCollection 2025.
9
Interpretable graph Kolmogorov-Arnold networks for multi-cancer classification and biomarker identification using multi-omics data.用于多癌分类和使用多组学数据进行生物标志物识别的可解释图柯尔莫哥洛夫-阿诺德网络
Sci Rep. 2025 Jul 29;15(1):27607. doi: 10.1038/s41598-025-13337-0.
10
Explainable attention-enhanced heuristic paradigm for multi-view prognostic risk score development in hepatocellular carcinoma.用于肝细胞癌多视图预后风险评分开发的可解释注意力增强启发式范式
Hepatol Int. 2025 Mar 16. doi: 10.1007/s12072-025-10793-8.

本文引用的文献

1
Machine-learning-based plasma metabolomic profiles for predicting long-term complications of cirrhosis.基于机器学习的血浆代谢组学图谱用于预测肝硬化的长期并发症。
Hepatology. 2025 Jan 1;81(1):168-180. doi: 10.1097/HEP.0000000000000879. Epub 2024 Apr 17.
2
Machine learning of plasma metabolome identifies biomarker panels for metabolic syndrome: findings from the China Suboptimal Health Cohort.基于血浆代谢组学的机器学习方法鉴定出代谢综合征的生物标志物组合：来自中国亚健康队列研究的发现。
Cardiovasc Diabetol. 2022 Dec 23;21(1):288. doi: 10.1186/s12933-022-01716-0.
3
Integrative omics analysis identifies biomarkers of idiopathic pulmonary fibrosis.
综合组学分析鉴定特发性肺纤维化的生物标志物。
Cell Mol Life Sci. 2022 Jan 11;79(1):66. doi: 10.1007/s00018-021-04094-0.
4
Hepatocellular carcinoma (HCC): Epidemiology, etiology and molecular classification.肝细胞癌（HCC）：流行病学、病因学和分子分类。
Adv Cancer Res. 2021;149:1-61. doi: 10.1016/bs.acr.2020.10.001. Epub 2020 Nov 28.
5
Development and Validation of a Deep Learning Model for Non-Small Cell Lung Cancer Survival.深度学习模型在非小细胞肺癌生存预测中的建立与验证。
JAMA Netw Open. 2020 Jun 1;3(6):e205842. doi: 10.1001/jamanetworkopen.2020.5842.