机气了解也是种使核算机模式能从参数中了解并做预測或管理决策的水平。它是人工工资智慧（AI）的有一个更重要性旁支，主要是依懒于统计学学、优化提升认识论和核算机生物学学的做法。机气了解在肿癌调查中选择着越变越更重要性的英雄，在肿癌生物学标志logo物、原子讲解、用量表明和定制开发技术等领域行业中广泛技术应用技术应用。词有巧用机气了解讲解肿癌dna遗传组参数，甄别与癌病相应的的dna遗传遗传变异和变化，定制开发技术肿癌早期时候诊断仪的预測模式化；在用量表明时段.，机气了解都可以预測小原子用量与靶点的根据业务能力，加快用量选择的过程。 近几天，原于清华生物学校的科学研究人士制作一堆种源于AKT和EZH2两种减弱剂的三阴乳腺炎癌调理工艺，并应用机子学会挑选和创建了辽效敏感度性估计型号，相关拜谱生物投稿在Nature刊物上。

三假阳性乳房癌（TNBC）是最具肉瘤样癌性的乳房癌亚型，疾病再次复发率较高。脑转移TNBC的重要根治规定是通过下半身手术合力免疫性根治，或重新下半身手术；只不过，根治化学反应一般说来快速的时间很短。为此，急迫所需开放更有效果的根治方式方法。 PI3K网络信号径路的组成了环节是潜在性的的医疗靶点，可能在超70%的TNBC病患者中，PIK3CA、AKT1或PTEN均遭受了改进。所以，与刺激素感觉呈阳性乳腺癌癌亚型好于，近些年尚不明白TNBC有无会对PI3K径路克药物带来反映，还有会带来哪些方面反映。 论述人员管理采用TNBC細胞系和小鼠3d模型试验了AKT促使剂和组蛋清甲基适当转移酶EZH2促使剂协力在便用能很好弄死癌症細胞，有趣，的是独立在便用但其中另外一种促使剂对癌症没很好果。最后我采用转录组测序和身体内部荧光成相等技术设备论述了EZH2和AKT促使剂可驱动软件TNBC細胞变化，促使其形成成管腔样（luminal-like）細胞环境，他是三重促使剂抗癌症意义的主要元素。 学习职工凝焦管腔癌细胞核膜两极细胞核分化的关键点调准指数GATA3学习了交叉可抑药物药物的效用工作机制。学习发觉EZH2可可以阻止作用能打开了强化子编码回文序列上的染色法质因此调准GATA3的传达。AKT的可可以阻止作用能障碍FOXO1的磷硝化作用，并勾起FOXO1在强化子和开机子编码回文序列上的搭配。要是癌细胞核膜两极细胞核分化，EZH2和AKT可抑药物药物就能确认劫持衰退具体步骤中的卫星信号原子核来动力癌细胞核膜凋亡。进1步，此种具体步骤确认介导IL-6—JAK1—AT3径路，勾起促凋亡蛋白酶BMF的传达来保证 的。

EZHE/AKT反向抑制效用剂手术治疗TNBC的效用机理摸式图

（图源Schade AE, et al., Nature, 2024） 实验得知EZH2和AKT可抑药品的方法TNBC肿瘤组织安排系呈现出来脆弱型和抗药性性型，于实验技术人士立于服务器自学设计了药剂的方法现象的推测3d仿真仿真模式化。前提会决定了1七个肿瘤组织安排系（其中包含10个脆弱肿瘤组织安排系和七个抗药性性肿瘤组织安排系）的转录组参数集，通过脆弱型和抗药性性型的之间的关系描述dna集（5组变数）算作康复训练集，很快会决定随时原始林和帮助向量机计算方式引入推测3d仿真仿真模式化并使用留一交叠校验手段（leave-one-out cross-validation）校验3d仿真仿真模式化推测特点参数。通过推测特点参数精确性，实验技术人士会决定之间的关系7的倍数大过5倍的之间的关系描述dna集算作变数和随时原始林计算方式算作最优投资组合的推测3d仿真仿真模式化。结尾作家使用TCGA中TBNC组织安排范例的转录组参数库算作独立自主校验集对推测3d仿真仿真模式化通过了校验，推测最终显现55%的范例谈谈EZH2/AKT反向可抑药品的方法是脆弱的，这些得知与本实验中肿瘤组织安排系的脆弱率（60%）相近。

刷卡机的学习模板练和预计测试事情流量表示图

（图源Schade AE, et al., Nature, 2024） 结合以上，本实验为本身长度侵蚀性肿癌性质肯定没事种有祝愿的治療攻略，并说简练缓解管理的表观基因遗传规律酶应该要如此把肿癌与致癌性皮软性分隔起来。这么多实验还阐释了生长组织性特异形组织细胞突然死亡渠道应该如此被用以治療益处。

拜谱工作小结

动物制品制品标准图片物的发现和确认我们对发病的中期珍断、的冶疗监控和继发性考评尤其重要的性。刷卡机学校就可以从巨大的染色体组学、核膳食纤维组学、基础代谢组学和相应款式的动物制品制品资料中发现出不确定的动物制品制品标准图片物，并按照汉明距离选择出与发病模式最相应的动物制品制品团伙或显著特点。用到刷卡机学校分为汉明距离对动物制品制品标准图片物实现分为，界定发病模式和营养模式，转而按照建立联系刷卡机学校模式实现发病的珍断、予测发病的经济发展和的冶疗反应迟钝或客户继发性。

拜谱生态学拜作为国内领先的多组学公司，可提供完善成熟的核蛋白组学、分解组学、转录组学等多组学产品技术服务体系。拜谱生物建立了完善的基于蛋白质组学、代谢组学的机器学习分析流程，可实现随机森林、极端梯度提升（Xgboost）、支持向量机（SVM）、朴素贝叶斯法（Naive Bayes， NB）、K-近邻法（K-Nearest Neighbors，KNN）、LASSO逻辑回归等经典机器学习算法分析，同时可提供ROC、PR、混淆矩阵、生存分析等临床性能分析，为临床大队列和生物标志物研究提供了丰富的选择。

参考使用论文：

Schade AE, Perurena N, Yang Y, et al. AKT and EZH2 inhibitors kill TNBCs by hijacking mechanisms of involution. Nature. Published online October 9, 2024. doi:10.1038/s41586-024-08031-6B1