基于集成学习的代谢组衰老与死亡时钟在18,476人中识别全生命周期的系统性衰老风险
一项涉及18,476人的研究基于集成学习构建代谢组衰老与死亡时钟，识别人类全生命周期的系统性衰老风险。研究发表于Science Translational Medicine，所提供内容未列出具体效应量或预测性能数据。
#临床预测模型
Science Translational MedicineAI 评分2626
Genome MedicineAI 评分3939 衰老癌相关成纤维细胞分泌Tenascin-C促进高级别浆液性卵巢癌进展
体内外功能实验表明，衰老癌相关成纤维细胞分泌Tenascin-C（TNC），促进高级别浆液性卵巢癌进展。TNC通过激活肿瘤细胞SDC4-ERK信号诱导上皮间质转化，其表达受成纤维细胞内NF-κB调控。单细胞与空间转录组及临床样本分析构建的衰老成纤维细胞风险模型可预测不良生存结局。