文献解读-肿瘤测序-第五期|《局部晚期或转移性儿童及青少年分化型甲状腺癌的基因特征与临床特征及131I疗效的关系》

关键词:应用遗传流行病学;群体测序;肿瘤测序;


文献简介

  • 标题(英文):The relationship between genetic characteristics and clinical characteristics and the efficacy of 131I therapy in children and adolescents with locally advanced or metastatic differentiated thyroid cancer
  • 标题(中文):局部晚期或转移性儿童及青少年分化型甲状腺癌的基因特征与临床特征及131I疗效的关系
  • 发表期刊:《中国癌症杂志》
  • 作者单位:中国医学科学院北京协和医学院北京协和医院核医学科等
  • 发表年份:2022
  • 文章地址https://doi.org/10.19401/j.cnki.1007-3639.2022.05.002

图1 文献介绍

儿童及青少年分化型甲状腺癌(differentiated thyroid cancer,DTC)的分子生物学特征及其临床指导意义尚不明确。本研究拟初步探讨局部晚期或转移性DTC患儿的基因特征分布及其与临床特征及131I疗效的关系。

本研究对局部晚期或转移性儿童及青少年DTC队列的肿瘤样本进行二代测序,并对其临床资料进行回顾分析,初步描绘了中国局部晚期或转移性儿童及青少年DTC的基因突变分布及其相应临床病理学特征,并探索了可能影响摄碘特征的关键基因及分型。


测序流程

图2 39例儿童及青少年甲状腺癌患者基因及临床特征分布

该研究采用甲状腺癌相关基因panel进行二代测序,覆盖24个基因、7类融合和一项其他分子标志物。在经过质控、比对、去重等分析后,使用Sentieon TNseq模块进行体细胞突变检测。在此基础上,对体细胞突变进行数据库过滤及后续统计学检验,并结合临床信息对该队列患儿的基因特征分布进行了分析。

Sentieon软件团队拥有丰富的软件开发及算法优化工程经验,致力于解决生物数据分析中的速度与准确度瓶颈,为来自于分子诊断、药物研发、临床医疗、人群队列、动植物等多个领域的合作伙伴提供高效精准的软件解决方案,共同推动基因技术的发展。 截至2023年3月份,Sentieon已经在全球范围内为1300+用户提供服务,被世界一级影响因子刊物如NEJM、Cell、Nature等广泛引用,引用次数超过700篇。此外,Sentieon连续数年摘得了Precision FDA、Dream Challenges等多个权威评比的桂冠,在业内获得广泛认可。


结论与总结

综上所述,本研究使用二代测序技术检测了局部晚期或转移性儿童及青少年DTC的基因突变,初步描绘了该队列患儿的基因特征。结果初步提示细化基因突变分层在儿童及青少年DTC尤其是局部晚期或转移性患儿临床管理中的意义。

基于遗传算法的新的异构分布式系统任务调度算法研究(Matlab代码实现)内容概要:本文档围绕基于遗传算法的异构分布式系统任务调度算法展开研究,重点介绍了一种结合遗传算法的新颖优化方法,并通过Matlab代码实现验证其在复杂调度问题中的有效性。文中还涵盖了多种智能优化算法在产调度、经济调度、车间调度、无人机路径规划、微电网优化等领域的应用案例,展示了从理论建模到仿真实现的完整流程。此外,文档系统梳理了智能优化、机器学习、路径规划、电力系统管理等多个科研方向的技术体系实际应用场景,强调“借力”工具创新思维在科研中的重要性。; 适合人群:具备一定Matlab编程基础,从事智能优化、自动化、电力系统、控制工程等相关领域研究的研究及科研人员,尤其适合正在开展调度优化、路径规划算法改进类课题的研究者; 使用场景及目标:①学习遗传算法及其他智能优化算法(如粒子群、蜣螂优化、NSGA等)在任务调度中的设计实现;②掌握Matlab/Simulink在科研仿真中的综合应用;③获取多领域(如微电网、无人机、车间调度)的算法复现创新思路; 阅读建议:建议按目录顺序系统浏览,重点关注算法原理代码实现的对应关系,结合提供的网盘资源下载完整代码进行调试复现,同时注重从已有案例中提炼可迁移的科研方法创新路径。
【微电网】【创新点】基于非支配排序的蜣螂优化算法NSDBO求解微电网多目标优化调度研究(Matlab代码实现)内容概要:本文提出了一种基于非支配排序的蜣螂优化算法(NSDBO),用于求解微电网多目标优化调度问题。该方法结合非支配排序机制,提升了传统蜣螂优化算法在处理多目标问题时的收敛性和分布性,有效解决了微电网调度中经济成本、碳排放、能源利用率等多个相互冲突目标的优化难题。研究构建了包含风、光、储能等多种分布式能源的微电网模,并通过Matlab代码实现算法仿真,验证了NSDBO在寻找帕累托最优解集方面的优越性能,相较于其他多目标优化算法表现出更强的搜索能力和稳定性。; 适合人群:具备一定电力系统优化算法基础,从事新能源、微电网、智能优化等相关领域研究的研究、科研人员及工程技术人员。; 使用场景及目标:①应用于微电网能量管理系统的多目标优化调度设计;②作为新智能优化算法的研究改进基础,用于解决复杂的多目标工程优化问题;③帮助理解非支配排序机制在进化算法中的集成方法及其在实际系统中的仿真实现。; 阅读建议:建议读者结合Matlab代码深入理解算法实现细节,重点关注非支配排序、拥挤度计算和蜣螂行为模拟的结合方式,并可通过替换目标函数系统参数进行扩展实验,以掌握算法的适应性调参技巧。
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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