目的分析Web of Science核心合集数据库2010—2019年人工智能在癌症研究领域的文献,总结研究热点和发展趋势。方法通过文献计量学方法和CiteSpace信息可视化软件,对2010—2019年Web of Science核心合集数据库关于人工智能在癌症研究领...目的分析Web of Science核心合集数据库2010—2019年人工智能在癌症研究领域的文献,总结研究热点和发展趋势。方法通过文献计量学方法和CiteSpace信息可视化软件,对2010—2019年Web of Science核心合集数据库关于人工智能在癌症研究领域的相关文献进行可视化分析。结果人工智能在癌症研究领域的发文量逐年上升,美国在此领域的发文量、被引频次及合作能力均排在首位,中国的发文量虽排在第二位但被引频次较低。人工智能在癌症研究的热点领域主要在乳腺癌和肺癌,通过机器学习、神经网络等方法构建模型,应用于癌症的基础研究和临床诊断、治疗及预后预测等方面。人工智能的方法学研究、对癌症发生和分类的研究以及蛋白质研究是该领域的研究前沿。结论通过借鉴国际研究的热点与前沿技术,注重国际合作与国家级机构间合作,加强交叉学科研究,将有效促进中国人工智能在癌症研究方面的发展。展开更多
目的:通过整合肺腺癌(lung adenocarcinoma,LUAD)临床信息组、基因组和转录组的多组学信息,构建预后相关风险预测模型,为肺腺癌患者的预后风险预测提供依据。方法:通过肿瘤基因图谱(the cancer genome atlas,TCGA)网站下载522例肺腺癌...目的:通过整合肺腺癌(lung adenocarcinoma,LUAD)临床信息组、基因组和转录组的多组学信息,构建预后相关风险预测模型,为肺腺癌患者的预后风险预测提供依据。方法:通过肿瘤基因图谱(the cancer genome atlas,TCGA)网站下载522例肺腺癌患者数据,完成肺腺癌患者多组学数据库构建。对经过质量控制的数据库,采用Cox比例风险模型评价多组学数据对LUAD预后的影响,构建基于临床信息、基因分型和基因表达多组学信息的预后风险预测模型,并使用受试者工作特征(receiver operating characteristic,ROC)曲线和曲线下面积(area under curve,AUC)评估预后模型风险识别的能力。结果:共386例肺腺癌患者纳入多组学数据库,分别筛选出1个临床信息组、5个基因组单核苷酸多态性(single nucleotide polymorphisms,SNP)和4个转录组mRNA预后相关特征因素与肺腺癌的预后相关。与肺腺癌低风险组相比,高风险组患者较低风险组的预后更差(HR=3.67,95%CI=2.46~5.49,P=1.96×10-10),联合基因组、转录组与临床信息构建多组学预后指数后,其ROC曲线下面积为0.694(95%CI=0.633~0.754)。结论:采用联合临床信息组、基因组和转录组特征的多组学信息构建的预后风险预测指数可有效区分肺腺癌患者预后好坏,其研究结果将为肺腺癌患者的精准治疗提供有效支撑。展开更多
随着大量流动人口涌向城市,聚居在城乡结合部地区,城市社会出现了许多值得研究和关注的社会问题。我们在对北京市某区 D 乡 B 村(因其中主要聚集了从事废品回收业的河南人,又称"河南村"、"破烂村")及其他一些城乡...随着大量流动人口涌向城市,聚居在城乡结合部地区,城市社会出现了许多值得研究和关注的社会问题。我们在对北京市某区 D 乡 B 村(因其中主要聚集了从事废品回收业的河南人,又称"河南村"、"破烂村")及其他一些城乡结合部地区长达1年多的实地调查中,注意到一个十分值得研究。展开更多
文摘目的分析Web of Science核心合集数据库2010—2019年人工智能在癌症研究领域的文献,总结研究热点和发展趋势。方法通过文献计量学方法和CiteSpace信息可视化软件,对2010—2019年Web of Science核心合集数据库关于人工智能在癌症研究领域的相关文献进行可视化分析。结果人工智能在癌症研究领域的发文量逐年上升,美国在此领域的发文量、被引频次及合作能力均排在首位,中国的发文量虽排在第二位但被引频次较低。人工智能在癌症研究的热点领域主要在乳腺癌和肺癌,通过机器学习、神经网络等方法构建模型,应用于癌症的基础研究和临床诊断、治疗及预后预测等方面。人工智能的方法学研究、对癌症发生和分类的研究以及蛋白质研究是该领域的研究前沿。结论通过借鉴国际研究的热点与前沿技术,注重国际合作与国家级机构间合作,加强交叉学科研究,将有效促进中国人工智能在癌症研究方面的发展。