人工智能在药物靶点的筛选及验证方面的应用进展

近年来人工智能发展迅速,随着算力的提升、算法的迭代,人工智能极大方便了生物信息、化学信息和临床数据的收集及处理,为新药研发注入了新的活力。本综述对人工智能在制药领域的发展历程及其主要算法进行了简要介绍,随后结合具体实例对人工智能在药物靶点筛选及验证方面的不同阶段进行了详细描述,包括药物靶点发现、蛋白结构预测以及苗头化合物生成与优化等。最后对人工智能平台“端到端”的一次高效应用过程进行了具体讨论。

饮茶与卵巢癌患病风险相关的Meta分析

目的通过Meta分析研究饮茶与卵巢癌患病风险的相关性。方法在Pubmed、EMbase、CBMdisc、CNKI、万方数据库检索相关文献,建立一定的筛选标准,在群体研究中探究卵巢癌发病风险与饮茶的关系。检索年限为1995—2010年,采用RevMan5.1.0软件完成Meta分析。结果共纳入国内外病例对照试验和队列试验9项研究,包括69 786例参与者,其中病例4 571例,对照65 215例。Meta分析显示:饮用茶可以显著地降低女性患卵巢癌的风险(RR=0.82,95%CI=0.70~0.96,P<0.001);其中绿茶降低患病风险的作用更为显著(RR=0.69,95%CI=0.54~0.90,P=0.006)。结论饮用茶可以在一定程度上降低女性卵巢癌的患病风险,其中绿茶的抗癌效果更为显著。

循环肿瘤DNA在临床应用中的研究进展

分子诊断检测肿瘤相关突变正越来越多的被应用于癌症患者的临床护理和管理。含有肿瘤突变的循环肿瘤DNA(ct DNA)可以在疾病进程中被多次采集,是一种简单有效的非侵入性"液体活检"技术。作为一种潜在的肿瘤标志物,ct DNA检测有望在肿瘤治疗中对疾病预后判断、动态监测、用药指导和异质评估发挥重要的临床应用价值。但ct DNA检测技术需要进一步规范检测流程,提高检测的可重复性和准确性,才能更好服务于精准医疗。

遗传关联性研究及其Meta分析的简介

基因因素在疾病的发生发展中扮演着重要的角色,遗传关联性研究是基因与人类复杂疾病的重要研究方法之一。但在关联分析领域存在一种"赢者诅咒"现象,此外,由于单个基因效应对大多数疾病来说均较小,因此,需要大样本研究来探索其真实效应。本文主要简要介绍遗传关联性研究及其Meta分析的方法以及报告规范。

生存资料的二次研究系列之四:预后相关系统评价/Meta分析的文献计量学研究

预后指标在医学研究及临床实践中都具有重要意义。预后相关的系统评价/Meta分析对预后方面的研究资料进行评价、汇总以形成能用于指导临床实践的高质量证据。为了探索预后相关系统评价/Meta分析当前在全球范围的研究现状，本文通过检索Scopus数据库获得2006~2015年间发表的预后相关的系统评价/Meta分析文献，利用R软件、tm程序包、ggplot2程序包以及VOSviewer软件进行文献计量学分析、简单的文本挖掘及相关可视化展示。

应用R软件metacor程序包实现相关系数的Meta分析

metacor程序包是一款基于经典频率学理论研发的专用于在R框架下执行相关系数Meta分析的程序包。该程序包于2011年正式推出,可直接将相关系数作为效应量进行合并,采用的方法为DerSimonian-Laird法和Olkin-Pratt法。metacor程序包可以绘制森林图,操作简单易行,但仍有需要完善的地方。本文通过实例演示,介绍R软件metacor程序包实现相关系数Meta分析的方法。