人脑脊液的代谢组学研究—标识恶性神经胶质瘤的特征

CNN+SVM混合模型实现可解释脑瘤MRI分类 医学影像分析中的计算机视觉任务,核心挑战在于模型不仅要准确识别病灶,更要提供可追溯、可验证的决策依据。深度学习虽在特征提取上表现优异,但其黑箱特性难以满足临床对归因性与容错率的严苛要求。CNN+SVM混合架构将卷积神经网络作为鲁棒的特征翻译器,结合支持向量机的线性可解释决策机制,在小样本、多序列、跨设备的脑部MRI数据上实现高召回率与强泛化能力。该范式兼顾算法性能与临床可信度,适用于PACS集成、基层医院部署及放射科医生协同诊断等真实场景,是医疗AI从论文指标走向 bedside value 的关键工程路径 阅读详情

百趣代谢组学分享,脑疾病病人的脑脊液(CSF)通常用来诊断和监测研究,但是恶性胶质瘤病人脑脊液组成的变化很少被人们所知。该研究作者建立了靶向代谢组学分析方法,采用SRM监测模式,使用正负离子切换的方法在CSF中鉴定到了124种极性代谢物。样品来源于10例胶质瘤病人与7例对照。百趣代谢组学解读,采用多种统计手段对数据进行分析,为神经性疾病生物标志物的发现提供参考。

10位胶质瘤病人包含4例新诊断的胶质瘤病人及6例复发病人。7例对照未诊断出任何胶质瘤。除了3号病人通过脑室采集CSF外,其余均通过腰椎穿刺采集。样品采自27-67岁的男性和女性患者,样品保存于-80℃冰箱直至测定。同时测定了一些临床指标如白细胞计数、血清总蛋白水平、血糖水平、LDH水平等(见表1)。测定的肿瘤指标包括肿瘤进程、生存期、肿瘤大小等。对于CSF的前处理,作者向250μL脑脊液样品中加入80%甲醇,-20℃下沉淀蛋白过夜。之后在4℃下13000rpm离心10min。取上清液吹干,用50μL水-乙腈(95:5)复溶。13000rpm离心5min,取上清液吹干,保存于-80℃冰箱。样品用20μL水(质谱级)复溶,取10μL进液质分析。

表1胶质瘤病人的基本信息及临床参数

 

靶向分析的LC-MS/MS条件如下:采用QTRAP 5500(AB/SCIEX)和UFLC (岛津)分析系统。质谱共设定了285个SRM离子对,并采用正负离子切换的模式检测。喷嘴电压(正离子模式):+4900V,喷嘴电压(负离子模式):-4500V;源温:475℃; dwell time:4ms; cycle time:1.89s;色谱柱采用Luna NH2 HILIC(Phenomenx, Torrance,CA);流速:300μL/min;流动相A:20mM氢氧化铵和20mM乙酸铵(pH=9.0)水溶液:乙腈(95:5),流动相B:乙腈;洗脱梯度:0-5min:85-40%B;5-16min:40-0%B;16-24min,0%B;24-25min,0-85%B;25-32 min,85%B。

所有的统计计算使用CRAN软件完成(http://www.r-project.org/)。只要是在某一个样本中未检测到的化合物都被舍弃,保证分析结果更可靠。这一步使得化合物数量从254个降低到124种。代谢组学分享,之后作者使用PCA分析、分层聚类、k均值聚类分析对数据进行挖掘,并利用KEGG数据库分析代谢通路。

恶性神经胶质瘤CSF特有的代谢特征:采用无监督的分层聚类算法发现,胶质瘤病人CSF与对照组相比,其中代谢物水平有升高或降低(图1A)。树状图(图1B)显示的三个分支分别代表两组胶质瘤病人和一组正常样本。有意思的是,新诊断的胶质瘤病人(1、2、5、7号)与其他样本不在同一分支。图1C显示了区分胶质瘤和正常样本的各个代谢物做出的贡献。代谢组学分享,总之,这种分层聚类算法不仅区分了胶质瘤病人和对照组,而且还能够区分新诊断的胶质瘤病人和复发病人。这些信息是无法从MRI上获得的。

 

图1 CSF代谢物组成的分层聚类分析

作者也进行了PCA分析,发现前3种主成分表现出显著性差异(*,p=8.3×10-15; ** ,p=2.6×10-5; ***, p=1.8×10-9),分别占变异的28.1%、15.3%、13.9%(图2A)。为了进一步解释这些成分,作者将前40个主成分导入KEGG数据库,得到代谢物的通路分析结果。其中嘧啶代谢对2种主成分都做出了贡献(图2C)。代谢物来自三羧酸循环(n=5)、糖异生(n=4)、嘧啶代谢(n=4)为第一个主成分做出贡献;代谢物来自尿素循环(n=4)、嘧啶代谢(n=4)为第2种主成分做出贡献;代谢物来自蛋白质生物合成(n=7)、尿素循环(n=4)、嘌呤代谢(n=4)为第3种主成分做出了贡献。这些发现说明体内生化反应可以区分胶质瘤和正常样本。

代谢物在前两种主成分下的得分图如图2D,可以看出胶质瘤病人聚成两簇,并且与正常样本相区分。采用k均值聚类分析,将不同化合物对各簇的贡献标示以不同的颜色,发现结果相同。说明无论是分层聚类、PCA还是k均值聚类分析都可以获得相同的结果,只是利用数据的不同方面。

 

图2 CSF代谢物组成的PCA分析及k均值聚类分析

作者接下来分析了胶质瘤与正常样本存在差异的化合物,采用双侧t检验分析,39个化合物存在显著性差异(p<0.05)(图3A,表2)。这些代谢物来源于多种代谢途径,包括氨基酸、脂质、嘧啶、中心碳原子代谢。胶质瘤对代谢的改变直接来源于体细胞突变,比如MYC扩增、PTEN缺失、蛋白质丢失、EGFR扩增、IDH1/IDH2突变。

代谢组学分享,作者在3号病人脑脊液中检测到高水平的2-羟戊二酸,说明此病人可能是IDH1突变的胶质瘤;肿瘤复发病人(3、10号)样本中发现三羧酸循环中的代谢物显著富集(图3B),说明这些化合物可以用来提示肿瘤复发的可能;新诊断的胶质瘤病人中发现有7种代谢物与复发病人存在显著性差异(p<0.05)(图3C)。其中有很多代谢物涉及组氨酸和色氨酸代谢,包括吲哚乙酸、吲哚、组氨酸、邻氨基苯甲酸盐。这条代谢途径中的吲哚2,3加氧酶通常作为免疫功能的一个生物标志物,故上述代谢物水平的变化可以反映这些病人的免疫功能变化。

表2胶质瘤病人与对照组相比代谢物的变化情况

 

 

图3恶性胶质瘤类型的代谢物特征分析及与临床指标相关性分析

与临床参数的相关性:临床上采用两个参数来评价胶质瘤病人的肿瘤大小,分别是Tgad和FLAIR。代谢组学分享,作者将以上两种手段观察到的肿瘤大小与检测的代谢物关联起来,发现有8个代谢物与Tgad相关,10个代谢物与FLAIR相关(R2>0.50)。并且有6个代谢物与Tgad和FLAIR均相关, 4个呈正相关,2个呈负相关;另一感兴趣的指标是生存期,作者发现有14个代谢物与生存期相关(R2>0.50)。(表3)其中3个代谢物(泛酸酯、生物素、氨基乙磺酸)可从食物中摄取故在CSF中能够检测到,其余代谢物为核苷酸和氨基酸代谢的中间产物。

CSF中肌醇水平降低,胆固醇硫酸酯水平升高与Tgad和FLAIR检测到的肿瘤大小呈线性相关(图3D)。代谢组学分享,肌醇是一个脑渗透性化合物,用磁共振光谱检测,其在恶性胶质瘤和细胞瘤中的水平比低级别胶质瘤和正常脑组织中的水平低。该研究也显示肿瘤大小与CSF中肌醇水平呈负相关;CSF中胆固醇硫酸酯水平与肿瘤大小正相关。胆固醇硫酸酯参与人支气管上皮细胞鳞状上皮生化过程,这也就暗示该代谢物来自正常组织的致癌性转化。

表3与临床指标Tgad、FLAIR、生存期相关的代谢物

 

作者等人用恶性胶质瘤的小组样本,构建了人脑脊液的整体代谢组学轮廓。研究发现,用少量样本即可以显著区分胶质瘤病人与正常病人。开发了一种正负离子模式切换的LC-MS/MS方法用于代谢物检测。采用无监督的分类算法来寻找病人样本间的总体差异,并研究与系统性癌症相关代谢的生理学特点。尽管该研究中的样本量较小,但某些代谢物水平的显著差异暗示从脑脊液中发现代谢生物标志物有很大潜力,代谢物特征同样可以作为诊断标志物。代谢组学分享,作者等人希望该研究可以扩展代谢组学技术的适用性,并且促进CSF中的代谢物分析为未来大样本的肿瘤学临床研究提供参考。

参考文献:Jason W. Locasale, Tamar Melman, Susan Song,etal. Metabolomics of Human Cerebrospinal Fluid Identifies Signatures of Malignant Glioma. [J]. Mol. Cell. Proteomics 11, 2012, 1–12.

TCGA癌症类型缩写对照表:命名规则、核心价值与数据分析实战指南 在生物信息学与癌症基因组学研究中,数据标准化是确保分析可重复性与准确性的基石。TCGA(癌症基因组图谱)项目作为公共数据金矿,为每种癌症类型分配了唯一的缩写标识符,如BRCA、LUAD等。理解这些缩写的命名逻辑(如“器官+类型”简写)及其与人类可读疾病名称的映射关系,是进行高效数据检索、样本筛选和跨研究沟通的关键。这种映射不仅避免了因缩写混淆(如LUAD与LUSC)导致的分析偏差,更是连接生信分析、临床研究与论文写作的通用语言。其技术价值在于为自动化脚本集成、数据可视化标注及多数据库整合提供了可靠参考。本文 阅读详情

相关推荐

医疗AI中的隐私与价值平衡:临床可落地的五层防御体系

在生物医学大数据时代,隐私保护不再只是合规要求,而是影响AI模型临床效用的核心变量。理解差分隐私、联邦学习、k-匿名化等技术原理是基础,但真正决定项目成败的是其在真实医疗场景中的适配性——比如DICOM元数据脱敏如何影响肺结节分割精度,或联邦学习为何在多中心眼底图像上失效。技术价值体现在能否守住关键临床指标误差阈值(如TNM分期准确率下降≤3%),而典型应用场景涵盖三甲医院伦理审查准备、药企真实世界研究数据治理、以及AI医疗器械算法备案。本文聚焦‘临床可验证的隐私工程’,以23个落地项目经验为基础,拆解从采

weixin_30905133的博客 487

新手必读!10分钟带你入门代谢组

代谢组学虽然是一门年轻的学科,但其最近几年火爆科研圈。以“Metabolomics”为检索词在PubMed网站上检索,可以发现近10年代谢组学相关文章的数量每年保持高速增长。本期伯小医就带大家了解一下代谢组学。图1 代谢组学相关文章数量。

BioRunYiXue的博客 4971

医疗AI落地两大硬骨头:临床工作流耦合与数据合规闭环

医疗人工智能不是单纯算法问题,而是临床系统集成与数据治理的双重工程挑战。其核心在于理解‘临床工作流’如何真实运转——医生操作节奏、PACS/RIS/HIS系统交互逻辑、人机协同的毫秒级响应需求;同时必须构建覆盖数据来源可溯、脱敏可控、用途限定、结果可验、模型可审、责任明确的全链路‘医疗数据治理闭环’。这两大维度共同决定了AI能否从论文走向诊室、从Demo变成日常工具。本文聚焦真实医院场景中反复出现的集成断点与合规卡点,为工程师、信息科及临床科室提供可复用的方法论与落地抓手。

weixin_34055787的博客 483

成功案例(IF=7.4)| 脂代谢组学和蛋白质组学分析揭示多囊卵巢综合征的发病机制

多囊卵巢综合征(PCOS)是女性最常见的内分泌和代谢紊乱,也是无排卵性不孕症和高雄激素血症的主要原因。患者的主要临床表现为月经少、不孕、高雄激素血症、肥胖、多毛、痤疮、胰岛素抵抗(IR)和B超下多囊卵巢改变。严重的代谢紊乱可导致PCOS的长期并发症,包括糖尿病、高脂血症、心血管疾病,甚至子宫内膜癌。脂质代谢组学和蛋白质组学是系统生物学中旨在发现疾病中的代谢途径变化和诊断生物标志物的新学科。

bioyigene的博客 785

广东凉茶作用于大鼠的血清代谢组学研究* (2012年)

传统中医理论认为,广东凉茶具有清热祛湿等多种功效.但由于其成分异常复杂,难以利用传统评价手段对其作用机制进行全面分析.文中引入代谢组学的研究策略,即采用稳定性和重复性俱佳的核磁共振技术(NMR)获得大鼠血清样本中代谢物指纹图谱的“全景”数据,然后对其进行多元数据分析,识别差异标志物.结果表明,长期饮用广东凉茶使大鼠体内的脂类代谢、糖代谢及能量代谢发生变化,且其代谢响应呈现阶段性特征.本研究为深入解析广东凉茶的作用机制和建立科学的凉茶评价系统提供了实验依据.

【Qt】QML-01:使用QtCreator10创建QML工程,并讲解第一个程序:Hello World

QML第一讲:创建QML工程、详解QML第一个程序Hello World

郭老二 7794

代谢组分析

是通过检测和分析生物体中所有小分子代谢物(metabolites,如糖、脂质、氨基酸、有机酸等)的组成和变化,研究生物系统在生理、病理或环境条件下的代谢状态和动态变化的科学技术。代谢物是基因组、转录组和蛋白组功能的最终表达,因此代谢组分析被认为是生物学研究的最后一个层次,提供了最接近表型的信息。

大甘的博客 3413

【深度强化学习】(2) Double DQN 模型解析,附Pytorch完整代码

Double DQN 算法是 DQN 算法的改进版本,解决了 DQN 算法过估计行为价值的问题。Double DQN 算法不直接通过最大化的方式选取目标网络计算的所有可能 Q 值,而是首先通过估计网络选取最大 Q 值对应的动作。在 Double DQN 框架中存在两个神经网络模型,分别是训练网络与目标网络。这两个神经网络模型的结构完全相同,但是权重参数不同;每训练一段之间后,训练网络的权重参数才会复制给目标网络。

博观而约取,厚积而薄发 1万+

一文读懂代谢组学

本文转载自“微生太”,已获授权。代谢组学的研究范畴聚焦于代谢产物所经历的化学过程。采用高精尖的分析仪器,对细胞内的代谢物进行定性和定量分析。与基因组学、转录组学、蛋白质组学一样,代谢组学...

刘永鑫的博客——宏基因组公众号 4130

2006NOIP普及组真题 4. 数列

从上述推理中,我们发现要输出的幂次和中的第 N 项(也就是幂次和中的序号N),对应的二进制位数和幂次和对应的二进制位数相同。当 k=3 时,k的幂次为1, 3, 9, 27, 81…,即第0位,第2位均为1,转成 k 进制(k=3)时。,即第2位,第3位均为1,转成 k 进制(k=3)时。转成 k 进制(k=3)时的幂次和为。,即第0位,第1位,第2位均为1,(即第0位,第1位,第2位均为1)N=12时,12的二进制是。(即第0位,第2位均为1)(即第2位,第3位均为1)结论:这道题就变成了。

weixin_40252159的博客 1513

W5500+STM32F103C8T6进行TCP通信(modbus)

一路生花一、w5500资料二、modbus通信三、从机代码四、总结五、参考 一、w5500资料 w5500的资料就放在下面了,单纯的客户端和其他模式上面有教程 https://www.aliyundrive.com/s/enPnnZgNtpE 二、modbus通信 Modbus RTU通信时使用的数据帧结构如下图,而Moubus TCP通信的数据帧和这个稍微不一样,没有crc检验,因为tcp本就是一种可靠传输协议 这里是Modbus TCP数据帧 公共功能码定义 三、从机代码

junseven164的博客 5777

代谢组+基因组联合分析

代谢组+基因组联合分析 简介 代谢组学是定量描述生物内源性代谢物对内外因变化应答规律的科学,能够直接反映生命体的终端和表型信息,近年来在疾病诊断和分型、生物标志物发现、药物研发、基因功能解析、代谢途径及调控机理等领域发挥着重要作用。全基因组关联分析(Genome-wide association study,GWAS) 常常用于疾病表型与相关变异位点研究,全基因组关联分析利用全基因组重测序或外显子测序技术获取数以百万计的SNP分子标记,与表型数据进行联合分析,从中筛选出与疾病相关的SNP,发现影响复杂性状的

aganlala的博客 5630

保姆级教程:用R包ggpicrust2搞定PICRUSt2功能预测,从差异分析到热图PCA一键出图

本文提供了一份详细的ggpicrust2使用指南,帮助用户从零开始完成PICRUSt2功能预测数据的差异分析和可视化。通过安装配置、数据导入、差异分析到高级可视化(如热图和PCA)的全流程讲解,即使是初学者也能快速掌握发表级图表的生成技巧。

weixin_33712987的博客 383

顶刊聚焦|肿瘤相关巨噬细胞(TAM)新的功能亚群 —— 机制已解构,空间待解析

这项研究通过多重免疫荧光(multiplex immunofluorescence)对非小细胞肺癌(NSCLC)组织进行空间分析,发现了SLC2A1(GLUT1)⁺ TAM富集的区域,CD8⁺ T细胞密度显著降低,两类细胞在空间中形成"互斥"分布。通过空间组学分析,研究者发现并非所有肿瘤细胞都受益于TREM2⁺ LAMs的“脂肪酸供给”,只有特定空间邻域(CN9)的肿瘤细胞才呈现出代谢重编程和免疫抑制特征。这一发现揭示了TAM功能的空间异质性:同一亚群的TAM,在不同空间位置可以发挥不同的功能。

sh_Wayen的博客 332

Yakit实战:利用验证码识别插件突破Webfuzzer自动化测试瓶颈

本文详细介绍了如何利用Yakit的Webfuzzer模块结合验证码识别插件,突破自动化安全测试中的验证码瓶颈。通过实战演示,讲解了如何部署本地OCR服务、编写热加载脚本,实现从获取验证码到自动识别并替换的全流程自动化,从而让Webfuzzer能够高效、无人值守地进行大规模密码喷洒等测试。

weixin_29323493的博客 281

物联网Node-Red开发教程-第6章 HTTP与Web服务

本章摘要(147字): 本章系统讲解了Node-RED中的HTTP节点应用,重点包括: 三大核心HTTP节点功能:http in(接收请求)、http response(返回响应)、http request(调用外部API) 详细演示了REST API开发流程,包括路径参数(req.params)处理和响应构造 提供了创建Hello World API、传感器数据接口等实用示例 涵盖HTTP方法特性、状态码设置及响应头配置等关键知识点 通过流程图和JSON配置直观展示节点连接方式,帮助快速掌握Web服务开发

shihui2003的博客 264

多模态测试灾难:视觉AI在医疗影像诊断的1000种误判

医疗AI测试工程师面临前所未有的挑战:传统软件测试方法在视觉AI医疗诊断领域遭遇根本性失效。本文揭示了三大核心困境:数据偏差导致的"长尾分布"问题使罕见病例检测失灵;深度学习"黑箱"特性引发的特征误判难以追踪;临床信息割裂造成的决策依据缺失。面对多模态AI系统,测试范式必须重构——从数据源头治理、引入对抗性测试,到建立跨学科场景验证体系。测试工程师的角色需从功能验证转向风险架构,通过可解释性分析、实时监控等技术手段,确保AI诊断的可靠性和安全性。这场测试革命要求工程师

2501_94480392的博客 307

ican项目四汽车零件智能测量

ican项目四汽车零件智能测量

weixin_72050316的博客 560

多模态测试灾难:视觉AI在医疗影像诊断的“千面”误判

AI医疗影像诊断系统的测试面临前所未有的挑战:数据偏差导致罕见病例误判,算法"黑箱"引发特征误读,临床信息缺失造成决策失真。传统测试方法在神经网络单元定义、多模块集成验证等方面遭遇瓶颈。解决方案需构建全生命周期质量体系:测试左移至数据治理,引入可解释性评估,设计人机协同场景测试,建立生产环境监控机制。测试工程师角色需升级为跨学科风险管理专家,通过数字孪生等技术预见风险,在技术可靠性与医疗安全性之间建立信任桥梁。这标志着软件测试从缺陷检测向系统性风险管理的范式转变。

2501_94449311的博客 359

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

医疗AI伦理落地指南:从听诊器移交到临床决策权保障

医疗人工智能不是单纯的技术工具,而是嵌入临床工作流的‘准决策协作者’。理解其伦理本质,需回归‘自主性、不伤害、行善、公正’四大原则,并将其转化为医生可操作的界面设计、数据治理与人机协同机制。本文聚焦AI在真实诊疗场景中的权责边界问题,解析如何通过临床语义脱敏、热力图+临床特征映射、反自动化偏见交互等关键技术手段,实现模型可解释性与医生判断主导权的统一。特别关注肺结节识别、糖尿病视网膜病变筛查、心电图预警等高频应用中,算法输出与临床可用性之间的关键鸿沟,为工程师、信息科、医务处及一线医生提供可验证、可审计、可

385

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

2020.8.26丨代谢组测序产品概述

背景介绍 4个层次的组学技术 代谢物可以反馈调节上游 文章发表现状 代谢物定义:分子量小于1000的小分子 代谢组学:检测生物体内的小于1000分子量的代谢物进行定性定量分析 检测方式 色谱技术-物质分离 GC:气相色谱 LC:液相色谱 质谱技术-物质鉴定 当遇到分子量相同的物质会打碎分子,进行二级质谱 色质联用 仪器平台 公司选择 平台比较 代谢

3912

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

干货第一弹!多组学联合分析之代谢组FAQ

按照 sMRM(Schedule Multiple Reaction Monitoring)的采集模式对样本中所含代谢物进行采集,可检测的物质是我们数据库中包含的代谢物,所以老师有关注的物质的时候需要做好售前咨询工作,避免出现关注的物质不在数据库中而导致检测不到的情况,也是相对定量。后续要进行一系列生信分析。客户已经明确要检测的物质,首先用这些物种的标准品,配置不同浓度的溶液,上机,绘制出标准曲线,建立检测该类物质的方法,验证方法的专属性、基质效应、精密度、准确度、稳定性等方面,属于绝对定量。

SHANGHAILINGEN的博客 2049

联合分析专题:带你了解转录组+代谢组联合分析在医学方向的研究思路

转录组+代谢组的多组学分析,可以同时实现从“因”和“果”两个层面来探究生物学问题,相互间进行验证,从海量的数据中筛选出关键基因、代谢物及代谢通路,深度解析生物系统的宏观发育过程,解释生物过程的复杂性和整体性。

bioyigene的博客 7773

代谢组学简介-百趣代谢组学资讯

经过多年发展,BIOTREE现已拥有完善的非靶标代谢组学平台,包括UHPLC-QTOFMS、OrbitrapLC-MS、GC-TOF-MS、GC-Q-MS等,能够准确、快速地分析各种生物样本(血、尿、动物组织、唾液、羊水、细胞和细胞液、植物、微生物等)中的小分子代谢物。高通量靶标代谢组学整合了非靶标代谢组学和靶标代谢组学的技术优点,创造性实现了高通量、高灵敏度靶向代谢物检测,为定性、定量检测大批量、低丰度代谢物提供了高效的方法。靶标代谢组学是对非靶标代谢组学的延伸与验证,应用前景非常广阔。...

Biotree2012的博客 1374

非靶向代谢组学数据分析方法总结

生物信息学早已不再局限于基因组学领域了,后基因组学越来越受到关注,并且这几年“多组学”的也研究越来越多。其中,代谢组学是相对比较年轻的一门学科,“代谢组”(metabolome)的概念于1998第一次被提出。基因组学和转录组学是生物信息的上游,更多的体现的是生物活动的内在本质因素,而代谢组学是生物信息的最下游,体现的是生物活动的表型结果。代谢组学分为靶向代谢组学和非靶向代谢组学,本文将结合本人的经...

FanJin的博客 7万+
上一篇: 百趣代谢组学-抑郁症居然“男女有别”,脑膜淋巴管起关键作用!
下一篇: 百趣代谢组学分享—揭示水稻“生长-防御”平衡调控机制!
螺钉资讯
博客等级 码龄5年 52粉丝 196原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值