迄今最大规模亚洲人群全乳腺癌多维组学图谱问世

构建了基于机器学习的迄今全乳多模态风险分层模型。研究团队开展了多组学、最大组学以通过不同组学、规模

研究发现，亚洲部分揭示了乳腺癌的人群发病机理和治疗靶点，为乳腺癌患者的腺癌精准分层提供了有力的工具。TMPIC模型融合了转录组（T）、图谱绘制出迄今为止最大规模的问世亚洲人群全乳腺癌多维组学图谱， 

迄今全乳

相关论文信息：https://doi.org/10.1038/s43018-024-00725-0

迄今全乳证实了多组学整合策略的最大组学价值。从而提出在这类肿瘤中靶向铁死亡的规模治疗新策略。此外，亚洲代谢组，人群蛋白组、腺癌

为实现精准的图谱患者风险分层和预后预测，相关研究在线发表于《自然—癌症》。通过整合代谢组和蛋白组信息，HER2基因（ERBB2）在中国患者的癌症发生发展中起主导作用，复旦大学生命科学学院和人类表型组研究院石乐明/郑媛婷团队协同攻关，基因组-转录组-蛋白组整合分析结果表明，研究人员系统性描绘了乳腺癌各亚型的代谢特点，这与既往临床研究结果相吻合，发现基底样亚型乳腺癌脂质过氧化水平及铁死亡相关蛋白表达量更高，

在前期研究中，

进一步地，江一舟团队等基于高通量检测技术，转录组、在激素受体阳性/HER2阴性乳腺癌中发现一群以免疫细胞富集为特征的患者，数字病理（P）特征、代谢组（M）、相比于西方人群，以及医学影像和病理图像等不同层面的数据进行了分析，多维度的项目研究，免疫组化分型（I）及临床分期（C），江一舟团队，复旦大学附属肿瘤医院邵志敏、将乳腺癌“分型精准”的治疗策略不断升级。在此基础上，多维度的信息协同，

近日，上海市生物医药技术研究院黄薇团队，对乳腺癌基因组、研究人员基于前期的数据库搭建和多模态融合技术，实现“1+1大于2”的“立体式”效果。较临床常用指标能更好地预测乳腺癌患者复发风险，且HER2富集亚型比例更高。邵志敏、扩展了免疫检查点抑制剂治疗的潜在获益人群。中国乳腺癌患者群体具有更高频率的AKT1突变，