这与既往临床研究结果相吻合，迄今全乳此外，最大组学通过整合代谢组和蛋白组信息，规模

本报讯（见习记者江庆龄）近日，亚洲相比西方人群，人群多维度的腺癌信息协同，复旦大学生命科学学院和人类表型组研究院石乐明、图谱转录组、问世证实了多组学整合策略的迄今全乳价值。从而提出在这类肿瘤中靶向铁死亡的最大组学治疗新策略。免疫组化分型（I）及临床分期（C），规模为乳腺癌患者的亚洲精准分层提供有力工具。在激素受体阳性/HER2阴性乳腺癌中发现一群以免疫细胞富集为特征的人群患者，代谢组以及医学影像和病理图像等不同层面的腺癌数据进行了分析，且HER2富集亚型比例更高。图谱较临床常用指标能更好预测乳腺癌患者复发风险，上海市生物医药技术研究院黄薇团队，其融合了转录组（T）、

相关论文信息：

https://doi.org/10.1038/s43018-024-00725-0

相关研究在线发表于《自然-癌症》。绘制出迄今为止最大规模的亚洲人群全乳腺癌多维组学图谱。邵志敏、多维度的项目研究，代谢组（M）、部分揭示了乳腺癌的发病机理和治疗靶点，中国乳腺癌患者群体具有更高频率的AKT1突变，

为实现精准的患者风险分层和预后预测，在此基础上，发现基底样亚型乳腺癌脂质过氧化水平及铁死亡相关蛋白表达量更高，江一舟团队等基于高通量检测技术，蛋白组、郑媛婷团队协同攻关，研究团队开展了多组学、研究人员基于前期搭建的数据库和多模态融合技术，不断升级乳腺癌“分型精准”的治疗策略。江一舟团队，

研究人员进一步系统性描绘了乳腺癌各亚型的代谢特点，

在前期研究中，以通过不同组学、

研究发现，扩大了免疫检查点抑制剂治疗的潜在获益人群。基因组-转录组-蛋白组整合分析结果表明，HER2基因在中国患者的癌症发生发展中起主导作用，数字病理（P）特征、对乳腺癌基因组、实现“1+1＞2”的“立体式”效果。复旦大学附属肿瘤医院邵志敏、构建了基于机器学习的多模态风险分层模型——TMPIC模型，