Integrating multi-polygenic scores for enhanced prediction of antidepressant treatment outcomes in an East Asian population
本研究探讨了多基因评分（PGS）在预测抗抑郁药物（SSRIs）治疗效果中的应用，特别是在东亚人群中。通过分析台湾的两个临床队列，研究发现多基因评分能够显著提高对抗抑郁药物反应的预测准确性，尤其是在早期改善症状的情况下。研究强调了扩展药物反应研究至非欧洲人群的重要性，并指出未来需要更大样本和多样化的生物标志物来进一步提升个体化治疗策略的有效性。
Meta transfer learning for brain tumor segmentation using nnUNet in meningioma and metastasis cases
This study introduces a meta-transfer learning approach to enhance brain tumor segmentation using the nnUNet framework, focusing on meningioma and metastasis. The method leverages knowledge from glioma segmentation to improve performance on underexplored tumor types, achieving state-of-the-art Dice coefficients of 0.8621 for meningiomas and 0.8141 for metastases. The results highlight the model's ability to generalize across diverse tumor types, addressing critical challenges in medical imaging, particularly in data-scarce environments.
A bias-resilient client selection analysis for federated brain tumor segmentation
本研究提出了一种基于联邦学习的脑肿瘤分割方法，称为Fed_WCE_BTD，结合了改进的UNet架构和优化的客户端选择策略。通过在BRATS 2021数据集上的实验，验证了该方法在检测增强肿瘤和坏死方面的有效性，Dice系数显著高于传统方法。研究强调了数据隐私和安全性的重要性，展示了联邦学习在医疗影像领域的潜力，尤其是在脑肿瘤分割的应用中。
Neural markers of attention processing in pediatric cochlear implant users: an ERP study
本研究探讨了儿童耳蜗植入用户的注意力处理机制，发现这些用户在自动注意力方面存在显著缺陷，而控制注意力机制则保持完好。通过事件相关电位（ERP）分析，研究揭示了自动注意力与控制注意力的神经标记之间的差异，并指出这些差异与言语识别能力相关。研究结果为耳蜗植入用户的康复干预提供了新的视角，强调了在动态环境中加强自动注意力的重要性。
Med：我国学者领衔，全球首个遗传性耳聋基因治疗国际专家共识发布
全球首个遗传性耳聋基因治疗国际专家共识发布，旨在为该领域的临床应用提供标准化框架。该共识由复旦大学等多国专家共同制定，涵盖伦理审查、患者筛选等六大关键模块，推动耳聋基因治疗的规范化和标准化。基因治疗在改善遗传性听力损失方面展现出巨大潜力，尤其是针对OTOF基因突变的治疗，标志着该领域的重大进展。
Nat Neurosci最新发现：星形胶质细胞和小胶质细胞具有各自独特的昼夜节律
该研究通过分析小鼠大脑中星形胶质细胞和小胶质细胞的昼夜节律，揭示了在阿尔茨海默病和衰老过程中这些细胞的基因表达模式发生显著变化。研究表明，尽管核心生物钟保持稳定，但与代谢、炎症和蛋白清理相关的关键基因节律被打乱，为理解神经退行性疾病的机制及开发精准治疗提供了重要依据。
Addiction：何清华团队揭示网络游戏成瘾发展的认知神经机制
何清华教授团队的研究揭示了网络游戏成瘾的认知神经机制，强调奖赏敏感性和惩罚敏感性在成瘾倾向中的重要作用。研究基于大样本数据，结合行为测量与功能磁共振成像，提供了对成瘾行为的深刻理解，并为未来的干预策略奠定了基础。
PRosettaC outperforms AlphaFold3 for modeling PROTAC ternary complexes
该研究系统比较了两种领先的结构预测工具AlphaFold-3和PRosettaC在建模PROTAC三元复合物中的表现。研究表明，PRosettaC在准确性上优于AlphaFold-3，尤其是在考虑动态评估时。通过动态模拟，研究揭示了模型与实验结构之间的关系，强调了在药物设计中考虑蛋白质灵活性的重要性。
A dual-channel hyperspectral classification method based on NAS and transformer
CTmixer-NAS是一种新型的双通道高光谱图像分类网络，结合了神经架构搜索（NAS）和Transformer网络的优势，能够同时捕获局部和全局信息。该方法在多个高光谱数据集上进行了实验，结果显示其分类准确性显著优于现有算法，具有较高的研究和应用价值。
Multi-cohort high-dimensional proteomics reveals early risk markers for lymphoid cancer subtypes
该研究通过高通量蛋白质组学分析，识别了与淋巴癌亚型相关的早期风险标志物，发现超过500种独特的蛋白质与淋巴恶性肿瘤相关。研究强调了循环蛋白在风险分层、早期诊断和靶向预防策略中的潜力。通过在多个国际队列中的验证，结果显示高一致性，支持其在临床应用中的重要性。
Transformer-based representation learning for robust gene expression modeling and cancer prognosis
GexBERT是一种创新的基于变换器的基因表达建模框架，旨在解决数据稀疏和缺失值问题。通过在癌症分类和生存预测任务中表现出色，GexBERT展示了其在临床应用中的潜力。该模型通过自监督学习捕捉基因间的共表达关系，能够在数据有限的情况下提供准确的预后预测，具有重要的市场价值和投资潜力。
Pharmacovigilance study of adverse events of vedolizumab based on the FAERS database
该研究利用FDA不良事件报告系统（FAERS）数据，分析了vedolizumab的副作用，发现其与多种胃肠道疾病及感染相关，识别出103个不良事件信号。研究结果显示，vedolizumab在临床使用中存在特定的安全风险，尤其是胃肠道反应和感染，且有些不良反应未在药物标签中列出。这些发现为临床决策提供了重要依据，并强调了对vedolizumab使用的监测需求。
GLARE: discovering hidden patterns in spaceflight transcriptome using representation learning
GLARE是一种新型的深度学习分析管道，旨在通过机器学习方法分析太空飞行转录组数据。该管道结合了多种数据处理技术，能够揭示复杂数据中的隐含模式，特别是在植物对微重力环境的反应方面。研究表明，GLARE不仅能够验证已有的研究结果，还能发现新的生物学特征，如低氧反应相关的转录因子。这一创新方法为未来的太空生物学研究提供了强有力的工具。
Through every lens: assessing the impact of chemical modifications on antibody-conjugates using in vivo imaging
该研究评估了化学修饰对抗体偶联物（ADCs）在体内成像中的影响，强调了成像技术在优化抗体药物性能中的重要性。通过比较不同修饰的抗体在肿瘤成像中的表现，研究揭示了化学修饰如何影响抗体的药代动力学特性和临床应用潜力。研究结果表明，改进的偶联化学可以显著提高肿瘤成像的效果，为抗体药物的临床转化提供了重要的设计见解。
Iza-bren shows promise in recurrent or metastatic nasopharyngeal carcinoma
Iza-bren（izalontamab brengitecan）是一种EGFR × HER3双特异性抗体-药物偶联物，在复发或转移性鼻咽癌患者中显示出良好的疗效。根据在2025年ESMO大会上发布的III期临床试验结果，Iza-bren在经过多次治疗后仍能提供有效的治疗选择，显示出显著的客观反应率和生存期，具有早期投资价值。