机器学习的最新进展为精准医学和转化研究提供了信息。计算病理学将计算机视觉方法应用于临床和病理图像，并从基于神经网络的深度学习技术中收益匪浅。卷积神经网络（CNN）模型可以稳健地预测特定癌症类型中常见的突变基因。然而，目前还未有研究报道将丰度的蛋白组学数据与组织特征联系起来。现在也很少有弱监督深度学习

机器学习通过处理和分析大量的生物数据，加速蛋白质生物标志物的发现。通过对大量病例数据的学习和分析，精准预测疾病的发展趋势，为医生提供更加个性化的治疗方案。2024年年初，随着大数据和人工智能技术的不断发展，机器学习在蛋白质生物标志物筛选中的应用已经取得了显著的进展。例如，基于机器学习筛选出的阿尔兹海

先天性心脏病（CHD）是全球最常见的出生缺陷类型，由于CHD的高发病率和高死亡率，在妊娠早期及时发现CHD是预防和治疗的当务之急。诊断越早，预后越好，因此，产前检测胎儿CHD对于最大限度地降低CHD胎儿的死亡率和改善预后是必要的。2023年12月，上海交通大学医学院赵健元团队、复旦大学丁琛团队联合妇

由2100多位基础研究领域高水平专家投票评选的2023年度“中国科学十大进展”2月29日揭晓。2023年度“中国科学十大进展”主要分布在生命科学和医学、人工智能、量子、天文、化学能源等科学领域，分别为：人工智能大模型为精准天气预报带来新突破、揭示人类基因组暗物质驱动衰老的机制、发现大脑“有形”生物钟

马铃薯是全球第四大粮食作物，其块茎贮藏蛋白必需氨基酸（EAA）含量高、功能特性好，被广泛认为是最有价值的植物蛋白之一。然而，与小麦面筋蛋白相比，马铃薯块茎贮藏蛋白含量较低且缺乏可形成分子间二硫键的半胱氨酸对，导致马铃薯粉团的粘度差，阻碍了其在食品加工领域中的应用。2024年1月23日，中国农业科学院

生物标志物助力精准医疗生物标志物（Biomarker）是指可以标记系统、器官、组织、细胞及亚细胞结构或功能的改变或可能发生的改变的生化指标，具有非常广泛的用途。生物标志物在医学和生命科学领域中具有重要的作用和意义，可用于疾病诊断、判断疾病分期以及药物开发。机器学习和人工智能在生物学领域，特别是蛋白质

在当今科学领域中，单细胞蛋白质组学技术以其突破性的能力和广泛应用性而备受关注。它的出现为我们提供了一扇通向微观世界的大门，让我们能够深入探索细胞内部的奥秘。2024年，这项技术取得了令人瞩目的进展，为解析肿瘤微环境、揭示疾病发生发展机制、构建器官细胞图谱、探索生物发育过程以及研究治疗响应机制提供了新

胃癌（GC）是全球第五大常见癌症，根据Lauran分类GCs分为肠型GCs（IGCs）和弥散型GCs（DGCs）两个亚型。恶性腹水积聚常见于伴腹膜播散的DGCs患者。尽管包括免疫检查点抑制剂在内的新型治疗方案已被开发并批准用于晚期胃癌，但腹膜播散性胃癌患者的缓解率仍然有限，腹水中肿瘤微环境是如何形成

肌萎缩侧索硬化症（ALS）俗称渐冻症，是一种神经退行性疾病，其特征是由于大脑和脊髓的运动神经元（MN）死亡导致进行性、无痛性肌无力。大量证据表明，TAR DNA结合蛋白(TDP-43)在多种MN疾病中存在病理变化。目前已获批的ALS药物治疗效果不大或仅限于特定的遗传亚群，由于缺乏特异性MN病理的生物