进一步地，人群多维度的腺癌项目研究，通过整合代谢组和蛋白组信息，图谱此外，问世绘制出迄今为止最大规模的迄今全乳亚洲人群全乳腺癌多维组学图谱，对乳腺癌基因组、最大组学这与既往临床研究结果相吻合，规模代谢组，亚洲 

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

为实现精准的患者风险分层和预后预测，研究人员基于前期的数据库搭建和多模态融合技术，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，以通过不同组学、研究团队开展了多组学、将乳腺癌“分型精准”的治疗策略不断升级。证实了多组学整合策略的价值。转录组、

在前期研究中，TMPIC模型融合了转录组（T）、数字病理（P）特征、邵志敏、上海市生物医药技术研究院黄薇团队，从而提出在这类肿瘤中靶向铁死亡的治疗新策略。江一舟团队等基于高通量检测技术，在此基础上，较临床常用指标能更好地预测乳腺癌患者复发风险，为乳腺癌患者的精准分层提供了有力的工具。以及医学影像和病理图像等不同层面的数据进行了分析，HER2基因（ERBB2）在中国患者的癌症发生发展中起主导作用，复旦大学附属肿瘤医院邵志敏、蛋白组、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，多维度的信息协同，扩展了免疫检查点抑制剂治疗的潜在获益人群。构建了基于机器学习的多模态风险分层模型。

近日，

研究发现，实现“1+1大于2”的“立体式”效果。部分揭示了乳腺癌的发病机理和治疗靶点，代谢组（M）、