事件概述 相关报道显示，研究系统评估Shambhala-2、TDM和UPC三种数据协调方法，以对齐RNA-seq与微阵列等异构基因表达数据，并在25个独立数据集（983个样本、23种心血管疾病表型）上基准测试35种机器学习/深度学习分类器及多种XAI方法。结果显示Shambhala-2在保留生物信号方面表现更优，基于Shapley的解释方法在高维数据中识别关键基因特征更稳定，且所鉴定的候选标志物与炎症、免疫调控、氧化应激和血管重塑等心血管相关通路有关。 这类研究的意义不只在于提出新的疾病认识，也在于为早筛、分层诊疗和随访管理提供更具体的检测依据。 产业观察 前沿医学研究会持续推动检测技术、临床分层和疾病管理方式的变化。 文章来源 https://www.biorxiv.org/content/10.64898/2026.07.23.740273v1 |
/3 
浙公网安备33010802005999号 
