Amentoflavone

博识出版社旗下国际期刊Medinformatics《医学信息学》（MEDIN, eISSN: 3029-1321）2025年第2卷第4期正式上线。本期共收录9篇研究与综述论文，涵盖生物医学文本挖掘、系统生物学、计算药物设计、医学人工智能、疾病分子机制及数字健康安全等方向。内容包括：生物医学文本挖掘方法综述；不同生物端粒重复序列的比较分析；生成式AI在医疗网络安全中的应用；深度学习用于眼底照片单目深度估计研究；面向肝细胞癌的RAB10抑制剂计算设计；肝内胆管癌关键免疫基因筛选；HBV整合于宿主超级增强子的致癌风险评估；MRSA天然化合物的虚拟筛选与分子对接；以及从基因表达数据挖掘自闭症分类标志物的研究。本期工作展示了生命医学数据科学在算法、疾病研究、药物发现与数字健康安全方面的应用。 MEDIN全部文章均为开放获取，欢迎读者免费下载阅读。 论文速览 Review 文章题目： Literature-Based Discovery (LBD): Towards Hypothesis Generation and Knowledge Discovery in Biomedical Text Mining 基于文献的发现（LBD）：迈向生物医学文本挖掘中的假说生成与知识发现 作  者： Balu Bhasuran Bharathiar University Campus, India and Florida State University, USA Gurusamy Murugesan Bharathiar University, India Jeyakumar Natarajan Bharathiar University, India 摘  要： 生物医学知识正以惊人的速度增长，其中大部分知识以科学出版物的形式呈现。文本挖掘工具与方法为从半结构化及非结构化数据中自动提取隐含模式与趋势提供了途径。在生物医学文本挖掘领域，文献发现（LBD）旨在自动发掘医学术语之间潜在新关联的过程，这些术语在不同文献集中可能并未直接联系。实践证明，LBD方法能有效缩短在海量科学文献中发掘潜在关联所需的时间。该过程聚焦于为疾病或症状等医学术语创建概念谱，并基于共享概念谱的统计显著性将其与药物及治疗方案建立关联。这项始于1989年的知识发现方法至今仍是文本挖掘的核心任务。目前，基于ABC原理的两种方法，即开放发现和封闭发现，是LBD过程中最常探索的策略。本综述首先介绍文本挖掘的基本概念，继而聚焦生物医学文本挖掘领域，简要阐述LBD过程中的核心ABC原则及其对应的两种方法——开放式发现与封闭式发现。本文通过回顾Transformer模型与基于神经网络的LBD模型及其未来发展方向，深入探讨了深度学习在LBD领域的实践应用。此外，文章探讨了大型语言模型在丰富LBD过程中的潜力及其面临的挑战与解决方案，最后总结通过LBD方法在生物医学领域产生的关键发现，并讨论LBD的当前局限性与未来发展方向。 Review 文章题目： A Comprehensive Review on the Telomeric Repeat Sequence in Different Organisms 不同生物端粒重复序列的综合综述 作  者： Monish Prasanna Rajalakshmi Engineering College, India Kousik Varadan Rajalakshmi Engineering College, India Achsha Babu Rajalakshmi Engineering College, India Arun Arumugaperumal Rajalakshmi Engineering College, India 摘  要： 端粒（Telomeres）保护着真核生物染色体的末端，对维持基因组稳定性、调控细胞衰老及物种进化具有至关重要的作用。端粒由一系列串联重复的核苷酸序列构成，称为端粒重复序列。端粒酶与多种端粒结合蛋白共同调控着这些重复序列的合成。端粒酶通过在染色体末端添加端粒重复序列发挥作用，抵消DNA复制过程中端粒逐渐缩短现象。在大多数体细胞中，端粒酶活性通常较低或缺失，导致端粒逐渐耗竭，最终引发细胞衰老。尽管TTAGGG常被认为是原始端粒重复序列，研究表明趋同进化已在不同进化谱系中产生了相似的端粒基序。不同生物体间端粒重复序列的变异即为明证，这些变异可能包含单核苷酸或双核苷酸替换、缺失，甚至某些物种存在异常庞大的端粒重复序列。通过对多种生物体端粒重复序列的广泛研究，并解析各门类中的进化变异，有助于深入理解端粒序列及其合成机制依赖的端粒酶的作用。此类研究不仅深化了对不同生物体端粒生物学的认知，更蕴含着应对衰老与癌症相关挑战的潜力，为解决当代医学领域若干关键难题开辟了创新性解决方案的道路。 图：端粒酶催化循环 Review 文章题目： Enhancing Cybersecurity Defenses in Healthcare Using AI: A Pivotal Role in Fortifying Digital Health Infrastructure 利用人工智能增强医疗保健的网络安全防御：在加强数字健康基础设施中的关键作用 作  者： Shahazad Niwazi Qurashi Jazan University, Saudi Arabia Farrukh Sobia Jazan University, Saudi Arabia Wafa A. Hetany Jazan University, Saudi Arabia Hani Sultan Jazan University, Saudi Arabia 摘  要： 在数字健康基础设施中，网络威胁对医疗机构构成了长期的安全隐患，现有安全措施不足以有效降低医疗系统的风险和安全挑战。人工智能（AI）的概念正在重塑医疗服务提供、患者数据管理和行政任务的工作方式。目前，通过机器学习、自然语言处理（NLP）及其他数据分析等关键机制提升威胁检测与防范能力。在结合网络安全和生成式AI的框架下，研究AI驱动解决方案在医疗系统中的影响。本研究强调了AI在应对日益严峻的网络威胁中的关键作用，并深入分析了生成式AI与网络安全之间的相互依赖关系及其在医疗领域的应用，通过将AI整合至现有安全基础设施中，医疗机构能够预测并缓解潜在的新兴风险。本研究提出了五种基于生成式AI的网络安全防御机制，可用于增强医疗保健中的数字基础设施安全。这五种机制代表了动态策略，可以从实时异常检测到对抗零日漏洞的革命性防御能力。研究所建议的技术方案涵盖了组织层面的需求分析、适配的AI技术选择及持续优化改进。通过快速识别系统异常并建立完善的安全标准，可实现主动的威胁缓解。此外，所提出的策略不仅能够主动防御威胁，还可进行实时异常检测和零日攻击应对的稳健安全标准。因此，基于生成式AI的强健网络安全协议对于保护数字医疗设施免受复杂网络攻击至关重要。 Research Article 文章题目： A Pilot Study of Deep Learning-Based Monocular Depth Estimation from Fundus Photographs 基于深度学习的眼底照片单目深度估计的初步研究 作  者： Rony Gelman New York University and Retina Consultants, USA Michael D. Abràmoff University of Iowa and Digital Diagnostics Inc., USA 摘  要： 本研究旨在评估一种基于深度学习（DL）的通用型系统的可行性，该系统无需预先了解眼底照片的先验知识，即可从该成像模式中生成关于视神经盘结构的单眼深度图信息。本研究采用零样本跨数据集迁移技术，对30名受试者视神经盘中心区域的30组立体眼底照片进行分析，生成单眼深度图。这些深度图经配准后与光学相干断层扫描技术生成的标准深度图进行比对。通过估计值与参考标准值的均方根误差(RMSE)评估深度学习系统的准确性。数据集中47%的图像被成功处理，平均RMSE为0.081。研究结果表明，基于通用深度学习系统采用零样本跨数据集迁移学习，对视网膜彩色眼底照片进行单图像单眼深度估计具有可行性和发展潜力。 图：处理失败的图像示例 Research Article 文章题目： Computer-Aided Drug Design Identifies Amentoflavone as Novel RAB10 Inhibitor: Unlocking New Horizons in Hepatocellular Carcinoma Therapy 计算机辅助药物设计识别穗花杉双黄酮为新型RAB10抑制剂：开启肝细胞癌治疗新领域 作  者： Md. Anayet Ullah Noakhali Science and Technology University, Bangladesh Priya Paul Noakhali Science and Technology University, Bangladesh Sadia Afrin Runa Gopalganj Science and Technology University, Bangladesh Fatema Tuz Johura Noakhali Science and Technology University, Bangladesh Mahafujul Islam Quadery Tonmoy Noakhali Science and Technology University, Bangladesh Md. Shariar Kabir Shakil Noakhali Science and Technology University, Bangladesh Rumana Rashid Primeasia University, Bangladesh Md. Mizanur Rahaman, Noakhali Science and Technology University and University of Dhaka, Bangladesh Newaz Mohammed Bahadur Noakhali Science and Technology University, Bangladesh 摘  要： 肝细胞癌（HCC）是最常见的原发性肝癌类型，通常与不良预后相关，对癌症相关死亡率贡献显著。已知RAB10，是RAS家族成员之一，在HCC中过度表达并发挥致癌作用，开发针对RAB10的药物可能为疾病管理提供新方法。因此，本研究采用计算辅助药物设计方法来筛选潜在的新的RAB10抑制剂，并研究了2569种天然化合物。最初，通过虚拟筛选和分子对接确定了10种与RAB10活性位点具有最高的结合亲和力化合物（-9.6到-10.1 kcal/mol），其中8种被认为符合成为药物物质的必要标准。经过ADMET药代动力学分析，8种物质中的穗花杉双黄酮显示出优异的药代性质，且没有相关的毒性。研究发现，穗花杉双黄酮可以与RAB10的活性残基形成共价和非共价相互作用，这对于抑制其活性是必要的。 其中LYS154、ALA153和LYS22氨基酸与穗花杉双黄酮通过形成三个分子间氢键相互作用。分子动力学模拟结果表明，这种药物与蛋白质组合能够维持其结构稳定性和刚性，表现出较高的结构紧凑性和较小的构象波动。分子力学Poisson-Boltzmann表面积分析进一步证实了穗花杉双黄酮在RAB10结合口袋中的稳定结合。这些发现假设穗花杉双黄酮可能是一种潜在的RAB10抑制剂，这将增加HCC的治疗前景。 图：RAB10蛋白与穗花杉双黄酮分子之间的相互作用 Research Article 文章题目： Identification of Critical Genes Associated with Intrahepatic Cholangiocarcinoma: Weighted Gene Co-expression Network Analysis 基于加权基因共表达网络分析的肝内胆管癌相关关键基因鉴定 作  者： Tammanna R. Sahrawat Panjab University, India Aayushi Notra Panjab University, India 摘  要： 肝内胆管癌（ICC）是一种起源于胆管的肝脏恶性肿瘤，其特征为病理机制复杂且预后不良。尽管免疫治疗在调节肿瘤微环境和抑制肿瘤生长方面展现出潜力，但在ICC中的作用仍大部分未得到探索。本研究旨在识别可能影响ICC进展的关键免疫相关基因。研究采用计算生物学方法，分析来自基因表达综合数据库（GEO）的人类ICC样本的基因表达数据。通过差异基因表达分析结合加权基因共表达网络分析（WGCNA），探讨差异表达基因（DEGs）与22种免疫细胞类型的关联性——免疫细胞类型通过CIBERSORT算法估算。随后，进行枢纽基因筛选和通路富集分析，以确定潜在的调控基因及其相关分子通路。结果发现，AGXT、MBL2、SERPINC1、RHOA、TTR、SLC2A2、PLG、C8A和SOX9等九个枢纽基因与初始CD4⁺ T细胞呈正相关，其通路与癌症进展及不良预后相关。本研究通过计算机系统网络生物学分析揭示了与ICC相关的关键基因，为多模式、多靶点免疫治疗策略的开发提供了新的理论依据。 图：已识别模块与免疫细胞的相关性分析 Research Article 文章题目： HBV Integration into Host Superenhancers Might Not Be a Risk Factor for Hepatocellular Carcinoma 乙型肝炎病毒(HBV)整合于宿主超级增强子(SEs)可能并不构成肝细胞癌的危险因素 作  者： Mengna Zhang The Affiliated Hospital of Chengde Medical University and Hebei Key Laboratory of Panvascular Diseases, China Ying Ming The Affiliated Hospital of Chengde Medical University, China Yunling Du The Affiliated Hospital of Chengde Medical University, China Ziwen Guo The Affiliated Hospital of Chengde Medical University, China Ziyuan Xin The Affiliated Hospital of Chengde Medical University, China Yanjun Li The Affiliated Hospital of Chengde Medical University, China Ge Yang The Affiliated Hospital of Chengde Medical University, China Zhaoyang Jiang The Affiliated Hospital of Chengde Medical University, China 摘  要： 乙型肝炎病毒（HBV）DNA整合到宿主基因组中可以在慢性HBV感染的各个阶段被发现，并在肝细胞癌（HCC）的发生过程中发挥作用。整合到CpG岛已被报道是肝细胞癌的风险因素，但HBV整合到其他调控元件与HCC之间的关系尚不明确。超级增强子（SEs）通过调节癌基因来促进癌细胞状态。本研究旨在分析整合到宿主SEs是否是HCC的风险因素。系统性注释了从ViMIC数据库中获得的人类基因组中21,520个HBV整合位点，以确定它们在常规元件中的分布，包括SEs、CpG岛、CCCTC结合因子（CTCFs）结合位点、转录因子结合位点（TFBSs）和转录起始位点（TSSs）。随后构建一个逻辑回归模型来评估整合位点和HCC之间的关系。HBV整合至CpG岛与TFBSs均为HCC的危险因素（P=0.000，OR=2.65；P=0.041，OR=1.06；OR表示比值比），而整合至SEs和CTCF结合位点则与非癌组织显著相关（P=0.000，OR=0.58；P=0.000，OR=0.48）。为了进一步探究潜在机制，本研究分析了整合位点周围的CpG甲基化和组蛋白修饰，发现SEs中HBV整合位点周围的区域更容易发生高甲基化（P=0.000）。此外，HBV整合位点周围的高甲基化SE区域表现出较低的表观遗传标记水平。研究结果表明，整合到SEs可能不是HCC的风险因素。其潜在的保护作用可能与该区域的高甲基化有关。 Research Article 文章题目： Virtual Toxicity Screening and Molecular Docking of Natural Compounds to Discover New Antibiotics for Methicillin-Resistant Staphylococcus aureus 虚拟毒性筛选和天然化合物分子对接，发现针对耐甲氧西林金黄色葡萄球菌的新型抗生素研究 作  者： Simon Kawuma Mbarara University of Science and Technology, Uganda David Sabiiti Bamutura Mbarara University of Science and Technology, Uganda Izath Nura Mbarara University of Science and Technology, Uganda Daniel Zziwa Ashiraf University of Saint Joseph Mbarara, Uganda Joel Bazira Mbarara University of Science and Technology, Uganda 摘  要： 耐甲氧西林金黄色葡萄球菌（MRSA）是一种对现有抗生素具有耐药性的菌株，其耐药性对生命构成严重威胁。MRSA 可引起轻微的皮肤感染、侵袭性感染、新生儿感染和术后感染，甚至导致死亡。MRSA 对新治疗方法的耐药性迅速发展，导致全球抗菌素耐药性大流行。在乌干达，MRSA 现已对常用的抗生素如头孢曲松、头孢克肟、左氧氟沙星、环丙沙星和氯霉素等产生耐药性，亟需探索新型抗生素治疗MRSA引发的疾病。然而，传统的药物研发与实验验证过程漫长、成本高昂，而过去二十年来成功上市的新药数量极为有限，MRSA对这些药物的耐药性持续引发医疗卫生领域的忧虑。本研究采用虚拟筛选，发现对MRSA具有抗菌活性的潜在化合物。经广泛的文献检索发现180种对MRSA具有抗菌活性的化合物。 进一步筛选后，其中仅21种在乌干达常见。随后，对这21种化合物进行了虚拟毒性和分子对接分析研究。在毒性分析中，化合物PES12的理化性质指标低于毒理学可接受标准。21种化合物与耐甲氧西林金黄色葡萄球菌（MRSA）的两个大分子靶标（硝基苯甲酰-青霉素结合蛋白2a（1MWS）和SeMet青霉素结合蛋白2a（1MWR））的相互作用分子对接分析显示，结合范围能介于−2.7至−18.6 kcal/mol之间。其中，化合物PES01表现出极高的结合亲和力−18.6 kcal/mol，显著优于已知抗MRSA药物的结合能（−6.9至−8.7 kcal/mol）。本研究的结果为新型、高效抗MRSA抗生素的发现提供了重要线索。然而，仍需通过动物实验和临床试验进一步验证所筛选出的21种化合物的药效与安全性。 Research Article 文章题目： Gene Signatures for Autism Classification: Mining Biological Markers for Autism from Gene Expression Data 自闭症分类的基因特征：从基因表达数据中挖掘自闭症的生物标志物 作  者： Shomona Gracia Jacob Bahrain Polytechnic, Kingdom of Bahrain 摘  要： 自闭症谱系障碍被认为是最复杂的神经发育障碍之一，而挖掘这种疾病的可能原因在最近的研究中一直是一个热门话题。许多研究将自闭症的起源追溯到基因突变。然而，据报道，分析人体中存在的数百个基因导致了在专业知识、资金和时间方面的资源大量消耗。这反过来为基因表达数据的计算研究开辟了道路，但由于属性数量众多而实例数量相对较少，对训练机器学习模型来说是一项具有挑战性的任务。因此，本研究工作探讨了使用自动机器学习、深度学习和传统机器学习模型来检测可能对表征自闭症存在起最主要贡献作用的基因特征。结果表明，结合相关性特征过滤的贝叶斯分类器模型在基因表达数据上首次实现了较高的分类准确性。所提出的贝叶斯机器学习模型在从总共9454个基因中筛选出的22个关键基因的最小且最优基因特征下，实现了约87%的预测准确率。 图：基于高排名基因的基因对组合的分类分布 征稿范围 期刊的收稿范围包括但不限以下领域： Application of Machine Learning and Artificial Intelligence in Biomedicine 机器学习和人工智能在生物医学中的应用 Biomedical Data Mining and Processing 生物医学数据挖掘和处理 Biomedical Databases and Platforms 生物医学数据库平台 Integrative Biology 整合生物学 Pharmacogenomics 药物基因组学 Computational Biology 计算生物学 OMICS 组学 Personalized Medicine 个性化医疗 Biomarkers, Drug Discovery, and Development 生物标志物、药物发现和药物开发 Explainable Artificial Intelligence 人工智能的可解释性 Artificial Intelligence 人工智能 优惠政策 凡在2025年12月31日之前投稿并被接受的文章，作者可享受出版费（APC）全免的优惠政策 投稿方式 如需投稿，请登录下方网址： https://ojs.bonviewpress.com/index.php/MEDIN/about/submissions 如需获取更多信息，请邮件： medin@bonviewpress.com 版权声明： *本文由Bon View Publishing中国办公室编辑撰写，图片来源于网络，如有侵权，请联系删除。文中涉及到的英文翻译部分，为译者在个人理解之上的概述与转达，详情及准确信息，请参考英文原文。如需转载，请于公众号后台留言咨询。 排版：李   朗 编辑：徐   蓉、张燕欢 审核：任南西 监制：张   雨 特邀顾问：黄   俊（郑州大学）