首页
探索
nav.journalClub
趋势
更多
synapse
⌘+K
语言
简体中文
简体中文
Machine learning identifies glycosphingolipid signature linking immune dysregulation and clinical prognosis in uveal melanoma | Synapse
March 3, 2026
Open Access
机器学习识别出与免疫失调和葡萄膜黑色素瘤临床预后相关的糖鞘脂特征
HG
Haoran Guo
BL
Bai Li
ZZ
Zhi Zhang
See all
Key Points
所识别的糖鞘脂特征与免疫失调相关,影响临床预后。
采用机器学习技术分析生物标志物与患者结果之间的关系。
本研究评估了葡萄膜黑色素瘤中的生物标志物,以建立免疫反应与临床特征之间的联系。
研究结果支持糖鞘脂作为葡萄膜黑色素瘤病例预后有价值的生物标志物的潜力。
Read Full Paper
externally
Mark Helpful
Like
Save
Bookmark
Relay
Share
View Full Paper
Mark Helpful
Like
Save
Bookmark
Relay
Share
View Full Paper
Cite This Study
Copy
Guo等人(Tue)研究了这个问题。
synapsesocial.com/papers/69a75ac3c6e9836116a20ffe
https://doi.org/https://doi.org/10.1007/s12672-026-04494-3