Oxidative phosphorylation is required for cardiomyocyte re-differentiation and long-term fish heart regeneration
研究表明，氧化磷酸化在心肌细胞再分化和长期心脏再生中至关重要。通过对不同斑马鱼品系的比较，发现氧化磷酸化是促进心脏再生的关键调节因子。这一发现挑战了传统观点，认为氧化磷酸化对再生有害。研究结果为心脏疾病的治疗提供了新的潜在靶点，具有重要的商业价值。
A reference-guided iterative approach to polish the nanopore sequencing basecalling for therapeutic RNA quality control
研究提出了一种参考引导的迭代方法，以改善纳米孔测序的基础调用，特别针对治疗RNA的质量控制。通过分析疫苗mRNA和BioRNA，展示了该方法在提高序列准确性和质量控制中的有效性。这一创新技术在生物技术领域具有重要的应用潜力，尤其是在RNA治疗和疫苗开发方面。
Low-dimensional materials for bioelectronic devices
低维材料在生物电子设备中展现出巨大的应用潜力，能够实现实时监测、诊断和治疗，尤其适用于可穿戴和植入式设备。研究指出，传统硅基材料与人类组织的生物机械特性不匹配，而低维材料则具备优越的灵活性和生物相容性，适合用于下一代生物电子设备。该技术的创新性和市场需求为早期投资提供了良好机会。
Evaluating mammographic density′s contribution to improve a breast cancer risk model with questionnaire-based and polygenic factors
本研究评估了乳腺密度对乳腺癌风险模型的贡献，结合问卷基础风险因素和多基因风险评分，验证了其在风险分层中的有效性。研究结果表明，加入乳腺密度后，模型的风险预测能力有所提高，尤其是在50岁以上的女性中，能够更好地识别高风险患者。这一发现为个性化乳腺癌筛查和预防策略提供了重要的临床依据，具有广泛的应用潜力。
Raindrop optimizer: a novel nature-inspired metaheuristic algorithm for artificial intelligence and engineering optimization
Raindrop算法是一种新颖的基于自然现象的元启发式优化方法，展示了其在人工智能和工程优化中的广泛应用潜力。该算法通过模拟雨滴的动态行为，采用探索和开发两个阶段，能够有效解决复杂的优化问题。实验结果表明，Raindrop算法在多个基准测试中表现出色，尤其是在多峰和复杂函数的优化中，显示出其强大的全局搜索能力和避免局部最优的能力。
Artificial Intelligence (AI)-assisted readout method for the evaluation of skin prick automated test results
AI-assisted readout method for skin prick tests demonstrates high accuracy and significantly reduces variability in results. The study involved 897 patients across multiple hospitals, validating the AI algorithm against physician measurements. Results show a specificity of 98.4% and sensitivity of 85.0%, with a notable reduction in readout time by 3.7 times. This innovation enhances standardization in allergy diagnostics, improving both efficiency and patient outcomes.
Graph neural network model using radiomics for lung CT image segmentation
GEANet is a novel framework for lung CT image segmentation that integrates radiomics and Graph Neural Networks (GNN). It addresses challenges in segmentation accuracy and model interpretability, achieving superior performance compared to existing methods. The framework employs a hybrid loss function to enhance robustness against class imbalance and improve boundary delineation. Experimental results indicate that GEANet significantly outperforms traditional models, making it a promising tool for lung cancer diagnosis and management.
Bilateral collaborative streams with multi-modal attention network for accurate polyp segmentation
BiCoMA网络通过结合卷积神经网络和变换器的优势，显著提高了结肠镜图像中息肉的分割精度。该研究展示了BiCoMA在多个基准数据集上的优越性能，尤其是在复杂的临床场景中，强调了其在早期癌症检测和预防中的重要性。
Long non-coding RNAs as a biomarker for homologous recombination deficiency and parp inhibitor sensitivity in high-grade serous ovarian cancers
本研究探讨了长非编码RNA（lncRNA）ENSG00000272172.1在高等级浆液性卵巢癌（HGSC）中的潜在生物标志物价值，特别是在同源重组缺陷（HRD）和PARP抑制剂敏感性方面。研究表明，ENSG00000272172.1在HRD阳性肿瘤中显著上调，并且可通过血浆检测，显示出其作为非侵入性生物标志物的潜力。该lncRNA的高表达与患者的整体生存率显著相关，提示其在临床决策中的应用前景。
Decoding the molecular and genomic landscape of hepatocellular carcinoma: biomarker discovery, classification frameworks, and therapeutic targeting
该文综述了肝细胞癌（HCC）的分子和基因组特征，强调了新兴生物标志物如DCLK1、GPC3等在早期诊断中的潜力。传统的生物标志物如AFP的敏感性不足，导致HCC的早期诊断困难。通过整合新技术如液体活检和单细胞测序，研究者们希望能够改善HCC的早期检测和个性化治疗策略。
Novel peptides from the edible bivalve Ruditapes decussatus target apoptosis, autophagy, and FGF19-FGFR4 signaling in human cancer cell lines
本研究从可食用双壳类Ruditapes decussatus中提取了新型生物活性肽，显示出显著的抗癌潜力，尤其针对肝癌和结肠癌细胞。通过诱导细胞凋亡和自噬，这些肽表现出选择性细胞毒性，且对正常细胞影响较小。研究结果为开发新一代抗癌疗法奠定了基础，具有良好的商业投资前景。
Improved vascular response to a novel polymeric blend PLLA/PLGA coronary scaffold material: preclinical study
研究评估了一种新型聚合物混合物PLLA/PLGA生物可吸收支架在猪冠状动脉再狭窄模型中的表现。结果显示，该支架在减少炎症和促进血管愈合方面优于传统的PLA支架，具有重要的临床应用潜力。研究结果表明，PLLA/PLGA支架在90天后保持通畅且无再狭窄现象，支持其作为下一代生物可吸收支架的潜力。
Giotto Suite: a multiscale and technology-agnostic spatial multiomics analysis ecosystem
Giotto Suite是一个多尺度和技术无关的空间多组学分析生态系统，旨在高效整合和可视化多种空间数据。其核心框架支持多种空间组学技术，能够处理复杂的多模态数据，促进生物医学研究的深入。Giotto Suite遵循FAIR原则，致力于开放源代码社区的建设，为用户提供灵活的工作流程和强大的数据分析能力。
Benchmarking foundation models as feature extractors for weakly supervised computational pathology
本研究对19种病理基础模型进行了基准测试，评估其在31个与癌症相关的临床任务中的表现。结果显示，数据多样性对模型性能至关重要，尤其是在低数据场景下。CONCH模型在多项任务中表现优异，研究强调了结合不同模型的优势以提高整体预测准确性。该研究为数字病理学领域提供了重要的参考，帮助选择适合特定任务的基础模型。
Rapid thrombogenesis prediction in COVID-19 patients using DNN with data labeling
研究提出了一种基于深度神经网络(DNN)的框架，用于快速预测COVID-19患者的血栓形成风险，显著缩短了传统CFD模拟所需的时间。通过对多种机器学习算法的比较，发现XGBoost模型表现最佳，准确率超过95%。该框架的创新性和临床应用潜力为医疗决策提供了新的工具，具有较高的商业价值。