Study on the therapeutic effect of traditional Chinese medicine fumigation therapy based on the theory of "XIN ZHU SHEN MING" on the prevention and treatment of ICU delirium caused by excitement

开始日期2022-11-01

申办/合作机构

重庆市渝中区中医院

ChiCTR-IOR-16008394

/ RecruitingN/AIIT

Study on the neuroprotective mechanism of compound Cong-Rongjing to GDNF and observation on the effect of early-stage Parkinson's disease

开始日期2016-06-01

申办/合作机构

福建中医药大学

100 项与 CGX-1007 相关的临床结果

登录后查看更多信息

100 项与 CGX-1007 相关的转化医学

登录后查看更多信息

100 项与 CGX-1007 相关的专利（医药）

登录后查看更多信息

119

项与 CGX-1007 相关的文献（医药）

2026-05-01·DRUGS

Antiseizure Medications that Did Not Reach the Epilepsy Market: An Assessment of Factors Contributing to Their Failed Clinical Development Over the Last Three Decades

Review

作者: Perucca, Emilio ; Bialer, Meir

The EILAT Conferences on New Antiepileptic Drugs (AEDs), which have taken place biennially since 1992, have traditionally offered a forum for stakeholders from industry and academia to present updates on potential antiseizure medications (ASMs) in development. We reviewed publicly accessible data on compounds that were presented at EILAT conferences over this period but failed to reach the ASM market. The overarching aim was to determine the most likely reason(s) for terminating development and to provide potentially useful clues to improve the efficiency of ASM development in the future. We restricted our analysis to investigational compounds in clinical development that targeted common epilepsies. Of 56 such compounds, 15 reached the ASM market, 11 are still in development, and 30 had their development for epilepsy indications terminated. Compounds whose development was terminated include atimepazole, beprodone, cannabidivarin, carabersat, conantokin-G, dezinamide, elpetrigine, flunarizine, fluorofelbamate, ICA-105665, isovaleramide, JNJ-40411813, losigamone, naluzotan, padsevonil, pitolisant, ralitoline, remacemide, safinamide, soretolide, talampanel, tonabersat, T2000, T2007, valnoctamide, valrocemide, VX-765, zandatrigine, zuranolone, and 534U87. For most of these compounds, termination of development occurred during phase 1 or phase 2. Unfavorable pharmacokinetic properties, such as short half-life or high drug-drug interaction potential, were a common likely cause of early termination. Overall, the most common reason for terminating clinical development was lack of efficacy, possibly related, at least in some cases, to use of suboptimal trial designs. Review of preclinical data suggested that, for many compounds, suboptimal clinical efficacy was unlikely to be primarily explained by their mechanism of action. In some instances, failure to pursue an epilepsy indication could be explained by prioritization of development for other neurological or psychiatric conditions. This may reflect the perception of the drug market for common epilepsies being relatively crowded, and only attractive for compounds with outstanding safety or efficacy advantages over existing medications.

2025-11-01·TOXICON

Expanding the repertoire of conopeptides from the venom of the vermivorous snail Conus regius

Article

作者: Figueiredo, Suely G ; Pimenta, Daniel C ; Campos, Fabiana V ; Fiorotti, Helena B ; Beraldo-Neto, Emídio

This study presents a comprehensive proteomic characterization of Conus regius venom. Venom samples were fractionated using reversed-phase chromatography and analyzed by Q-TOF mass spectrometry. Spectral data were processed with Peaks Studio V7.0 and searched against a Conus protein database. A total of 520 peptide and protein sequences were identified, with most corresponding to conopeptides. Among these, eight presented similarities to disulfide-poor conopeptides of the Conantokin, ConoGay, and ConoCAP classes, as well as two sequences not classified in the literature. Additionally, 284 peptides showed similarity to conotoxins from 13 gene superfamilies (M, A, T, P, S, I1, Conodipine, O1, Insulin, G2, O2, Q, and H), while 102 sequences were linked to undetermined superfamilies. Of the identified sequences, 21 had been previously described in C. regius venom, while many others shared similarities with conotoxins from other Conus species. Most conotoxins identified were associated with the M and A superfamilies, suggesting their predominance in the venom. This study expands the known repertoire of C. regius venom components and provides valuable insights into its molecular diversity, supporting future research into its biotechnological potential.

2024-09-01·Journal of telemedicine and telecare

Using a telemedicine-assisted airway model to improve the communication and teamwork of tracheal intubation during the coronavirus disease 2019 pandemic

Article

作者: Wu, Cheng-Yi ; Wu, Shih-Ni ; Tseng, Wen-Pin ; Tien, Yu-Tzu ; Huang, Chien-Hua ; Tsai, Min-Shan ; Lin, Chien-Hao ; Chen, Wei-Ting ; Lin, Hao-Yang

Introduction:

Isolated spaces impair communication and teamwork during tracheal intubation (TI) in suspected coronavirus disease 2019 patients. We thus aimed to evaluate the telemedicine-assisted airway model (TAM) to improve communication and teamwork during the pandemic.

Methods:

This two-stage prospective study included adult patients intubated in the emergency department of the National Taiwan University Hospital between 1 August 2020 and 31 July 2021. First, we randomised patients receiving TI in the standard setting into the conventional group (Con-G) and the isolation area into the isolation group (Iso-G). We evaluated the obstacles to communication and teamwork in an isolation scenario. Second, we developed the TAM to facilitate communication and teamwork between staff in separate spaces during TI and assigned patients to the TAM group (TAM-G). Communication and teamwork were evaluated using the Team Emergency Assessment Measure (TEAM). Subjective evaluations were conducted using a questionnaire administered to medical staff.

Results:

Eighty-nine patients were enrolled: 17, 34, and 38 in the Con-G, Iso-G, and TAM-G, respectively. The communication frequency (CF) of the Con-G and Iso-G was the highest and lowest, respectively. The CF of the TAM-G increased and approached that of the Con-G. The overall TEAM score was the highest in the Con-G and the lowest in the Iso-G, while the overall score in the TAM-G was comparable to that of the Con-G.

Discussion:

The TAM may improve communication and teamwork for TIs without compromising efficacy during the pandemic. This study was registered at ClinicalTrials.gov; registration numbers: NCT04479332 and NCT04591873.

233

项与 CGX-1007 相关的新闻（医药）

2026-10-22

·临床肾脏病杂志

文章选读|生物标志物在狼疮肾炎疗效监测中的最新进展

生物标志物在狼疮肾炎疗效监测中的最新进展赵晓娇刘姗姗乔玉峰（山西医科大学附属山西省人民医院肾内科，太原 030001） DOI：10.3969/j.issn.1671-2390.2026.09.011 摘要狼疮肾炎（lupus nephritis，LN）是系统性红斑狼疮常见的并发症，也是导致患者死亡的主要原因之一。尽管有较多新型治疗方法报道，但在LN疗效监测方面仍面临重大限制。蛋白尿监测和肾穿刺活检有着其自身的局限性，仅靠蛋白尿监测疗效有可能造成治疗延误，而肾穿刺活检因其有创性及无法实时评估治疗反应等特点。目前越来越多的研究致力于探索是否可以通过无创检查实现动态监测LN的治疗情况，人工智能的出现也加速了这一进展。本综述阐述近年来涌现的新型生物标志物在LN免疫活动实时监测、纤维化进程评估及治疗应答预测方面的最新进展，并探讨其临床应用潜力与挑战，为LN的精准监测和早期干预提供新视角和理论依据。关键词狼疮肾炎；生物标志物；疗效监测；人工智能系统性红斑狼疮（systemic lupus erythematosus，SLE）是一种累及全身多个系统的自身免疫性疾病，40%~60%的患者会发展为狼疮肾炎（lupus nephritis，LN），而其中10%~40%的患者会进展为终末期肾病（end-stage renal disease，ESRD），显著加重患者的经济负担和增加病死率［1］。疾病复发是慢性肾脏病发病及进展的重要预测因子［2］，尽管较多新型生物制剂的出现显著改善了患者的预后，但仍有10%~50%的患者会出现疾病复发［3］。目前临床上通常依赖抗双链抗体（anti-double stranded DNA antibodies，抗dsDNA）、补体及蛋白尿等标志物监测疾病，但这些传统的生物标志物仍存在难以早期发现的局限性。因此，寻找无创、更敏感且特异的生物标志物用于动态评估LN活动和治疗反应是目前的研究热点。随着精准医学及人工智能（artificial intelligence，AI）的不断发展，各种疗效监测的生物标志物在LN的作用已被确定，LN的疗效监测正逐步从孤立监测向多维度的综合评价转变［4］。本综述旨在阐述近年来在LN疗效监测领域中出现的新型生物标志物，以期为临床早期干预提供理论支持。一、传统生物标志物的临床应用 1.抗dsDNA抗体抗dsDNA抗体是诊断SLE的核心依据，但其在LN的直接致病作用尚未达成共识，活动性LN患者血清抗dsDNA抗体的阳性率仅为60.3%［5］。Choi等［6］运用机器学习技术将SLE的临床表现与其相关抗体检测阳性结果进行了相关性分析，发现高抗dsDNA抗体水平中LN发生率（46%）处于中等水平。此外，不同的抗dsDNA抗体亚型在监测效能上存在显著差异，Himbert等［7］的研究发现，抗dsDNA IgG在预测LN复发时价值较低，而抗dsDNA IgE则显示出80%的阳性预测价值。传统检测方法未区分抗体亚型，可能掩盖了特定亚型的潜在预测作用。 2.补体补体系统在LN的发病机制中扮演着复杂的双重角色。生理状态下，补体经典途径的早期成分参与清除凋亡细胞和免疫复合物，有助于维持免疫耐受。然而，当自身免疫失控时肾脏原位补体过度激活通过补体C5a依赖性炎症及膜攻击复合物直接损伤肾小球，此过程导致消耗性低补体血症，即血清补体C3/补体C4随LN活动性升高而降低，其持续低水平预示不良预后［8］。值得注意的是，Ⅴ型LN患者补体水平可以保持正常，补体C4基因突变的患者血清补体C4水平持续低下［9］。同时，补体在LN动态监测方面具有滞后性。Atisha-Fregoso等［10］对难治性LN予以利妥昔单抗联合环磷酰胺后序贯使用贝利尤单抗治疗后检测临床效果时发现补体水平恢复（>48周）晚于抗dsDNA转阴（48~96周）和蛋白尿改善（24~48周）。除此之外，感染、其他自身免疫性疾病（抗中性粒细胞胞质抗体相关性血管炎等）也可能导致补体消耗。鉴于LN发病机制的高度异质，单一补体标志物的预测价值有限，需结合其他多种生物标志物综合分析。De Vriese等［11］建议抗dsDNA抗体联合补体动态监测LN疗效，抗dsDNA阴性联合补体正常时对无活动性LN患者具有>90%的阴性预测价值，提示免疫学缓解，停止用药可有效避免过度治疗。然而，该策略仍需大样本临床研究进一步验证。 3.尿液标志物临床上通常使用蛋白尿作为监测LN疗效最简便的指标，但目前较多学者认为蛋白尿既不能区分可治疗的炎症和慢性损伤，也不能区分国际肾脏病学会LN分级［12］。蛋白尿通常是一个滞后指标，常在肾脏损伤后出现［13］。此外，蛋白尿并不一定表明LN的持续性活动，在肾小球高滤过疾病中也会出现蛋白尿，如糖尿病肾脏疾病、肥胖、2型糖尿病、高盐饮食、妊娠等［14］。因此，蛋白尿动态监测疾病可能无法早期发现复发且可能与其他相关性肾病混淆。 4.组织学监测尽管肾穿刺活检是诊断和评估LN炎症活动和慢性损伤的金标准，在确定病理分型和治疗决策方面是不可替代的，但重复肾穿刺活检动态监测疾病存在局限性。首先，其作为有创操作，即使在超声引导下进行经皮穿刺，仍存在出血的风险。在一项包括118 604例经皮肾穿刺活检的系统评价中，最常见的并发症是与肾周血肿相关的出血（11.0%），其次是肉眼血尿（3.5%），需要输注红细胞（1.6%）和/（或）干预以控制出血（0.3%），肾切除（0.01%）和死亡（0.06%）［15］。其次，重复肾穿刺活检的最佳时机尚存争议，且临床缓解与组织学缓解的不一致性问题尚未得到解决。当患者表现为蛋白尿进行重复肾穿刺活检时，69%的患者没有显示组织学活动［16］。综上所述，传统的监测指标尚不能动态监测LN患者的疗效反应，急需开发新型生物标志物动态监测患者治疗反应，以期早期发现疾病复发并进行临床干预，积极改善患者的预后。二、新型生物标志物的研究进展 1.补体系统与免疫细胞相关新型标志物持续的免疫调节失衡作为LN疾病活动的核心驱动机制，不仅导致自身免疫反应的持续激活，还引发肾脏局部的炎症级联反应和免疫复合物沉积，从而加剧肾小球和肾小管间质的损伤［8］。因此，免疫调节异常的动态监测和干预成为LN临床管理的关键策略，早期发现患者免疫调节失衡有助于早期调整治疗方案。补体C1q为补体经典途径的始动因子补体1的组成成分，抗C1q抗体是针对C1q的自身抗体。Fava等［17］的研究表明，在增殖性LN中初次肾活检时较高的抗补体C1q抗体水平在预测完全缓解（complete response，CR）方面优于蛋白尿；CR患者的抗体浓度在12个月内显著下降，未达到CR者则无明显变化。同样Calatroni等［18］的研究发现抗补体C1q抗体与LN复发相关，当抗补体C1q抗体滴度>40 UI时增加疾病复发的风险，其预测能力不仅在基线和6个月时得到证实，也在12个月时得到证实。因此，通过定期监测抗补体C1q抗体浓度可以更早地评估治疗效果，及时调整治疗方案。但目前的研究仅针对增殖性LN患者，并且未对治疗方案进行标准化，仍需要更多的临床研究针对其他类型的LN进行活动性评估。补体C4d是补体激活产生的C4的最终切割片段，可作为诊断增殖性LN的生物标志物。最新研究发现其与治疗反应也具有相关性。Zickert等［19］的实验纳入了77例活动性LN患者且所有患者接受免疫抑制治疗并完成2次肾穿刺活检，研究表明低补体C4d和低补体C4d/补体C4对增殖性LN缓解的预测效能优于补体C3/C4，且补体C4d与组织病理学呈显著正相关（r=0.33，P=0.01）。因此，在增殖性LN患者中，补体C4d的动态监测可指导个体化治疗调整，且可预测组织学缓解。但该研究纳入样本量较少，且主要样本集中于增殖性LN，仍需更大样本验证补体C4d在增殖性LN中的价值。部分学者认为血清补体生物标志物易受全身炎症的影响，提出尿液补体生物标志物更能反映肾脏内炎症的观点，并且其具有无创、易于获取的优点，在评估疾病活动、预测治疗反应和指导治疗干预方面具有广阔前景［20］。Ganguly 等［21］发现治疗后3个月尿补体C3d/肌酐水平下降幅度比尿补体C3d更大，尿补体C3d水平下降可以作为治疗反应的标志物，评估患者早期治疗变化以防止不可逆的肾损伤。由于T淋巴细胞能够协调和促进B淋巴细胞自身抗体的产生，因此T淋巴细胞被确定为SLE发展的关键因素。Wang等［22］通过整合转录组学分析与临床表型数据，揭示了T淋巴细胞功能异常在LN（特别是ESRD）中的关键作用，提出共抑制受体（co-inhibitory receptors，Co-IRs）可作为肾脏损伤特异性与全身疾病活动度的潜在生物标志物。研究表明，CD4⁺ T淋巴细胞上的程序性死亡受体1（programmed cell dealth protein 1，PD-1）、T淋巴细胞免疫球蛋白黏蛋白3（T cell immunoglobulin and mucin domain-3，Tim3）及细胞毒性T淋巴细胞相关蛋白4（cytotoxic T-lymphocyte-associated protein 4，CTLA4）单阳性细胞甚至PD-1⁺TIM3⁺双阳性细胞的比例，均与蛋白尿水平呈显著正相关；而CD8⁺T淋巴细胞上的T淋巴细胞免疫球蛋白和ITIM结构域（T cell immunoreceptor with Ig and ITIM domains，TIGIT）的表达及人类白细胞抗原-DR与分化簇38双阳性表型，则与补体C3降低及高疾病活动度密切相关。这提示Co-IRs图谱可作为评估LN肾损伤特异性与全身活动度的敏感生物标志物。此外该研究表明，在免疫治疗后多数Co-IRs表达水平显著下降，且其表达受Ⅰ型干扰素-Janus激酶-信号转导及转录激活因子信号通路调控，可被Janus激酶抑制剂（如托法替尼）抑制。因此，监测Co-IRs（尤其是CD38等活化标志）的变化，不仅能评估治疗反应，还可能为预测患者对靶向治疗（如Janus激酶抑制剂）的敏感性提供线索。同样，Deng等［23］提出激活PD-1信号可以抑制CD8+ T淋巴细胞活性，该研究发现靶向PD-1/程序性死亡配体1通路可有效减少LN小鼠模型中的肾脏病理。因此，目前Co-IRs在LN动态监测及治疗方面具有较大潜力。 2.纤维化进程监测肾小管间质中细胞外基质的过度积累是LN慢性肾损伤的关键因素，与之相关的新型生物标志物被认为是LN患者肾纤维化、肾小管萎缩和疾病活动的指标［24］。Genovese等［25］的研究表明，血清间质胶原和Ⅲ型尿胶原与间质纤维化、肾小管萎缩和单核细胞浸润的组织学标志物相关，这些发现表明无创尿胶原蛋白转化生物标志物有用于识别LN组织学改变。除此之外，尿液转化生长因子β水平与LN患者的间质纤维化、肾小管萎缩等慢性病理评分显著正相关，因此该指标升高可作为预测LN慢性化进展的独立标志物，其动态变化反映肾脏纤维化活动程度。肾内补体激活与LN中的间质纤维化和肾小管萎缩（interstitial fibrosis and tubular atrophy，IFTA）的发病机制有关。Wang等［26］发现，尿液中补体C3、补体因子Ⅰ以及补体C9/分化簇59比值是LN患者肾小管间质纤维化的潜在标志物。与无/轻度IFTA（间质受累<25%）的患者相比，中/重度IFTA（间质受累≥25%）的LN患者尿液中的补体C3、补体因子Ⅰ水平及补体C9/分化簇59比值均显著升高。监测此类指标可能有助于评估肾小管间质损伤的严重程度，并为干预治疗提供新靶点，从而有望改善患者长期预后。分化簇44（cluster of differentiation 44，CD44）是一种与组织炎症和纤维化有关的跨膜糖蛋白。Wong等［27］证明血清CD44水平在临床症状出现前约4.5个月升高，对其连续监测可以作为LN早期发作的参考；同时也强调了CD44在介导LN肾小管间质炎症和纤维化中的致病作用，CD44有望成为监测疾病纤维化及早期监测疾病的生物标志物。 Hiramoto等［28］的研究预测了与LN组织学严重程度的尿液生物标志物，提出钙颗粒蛋白B（S100 calcium-binding protein A9，S100A9）、单核细胞趋化蛋白1（monocyte chemoattractant protein-1，MCP-1）和胰岛素样生长因子结合蛋白-5（insulin-like growth factor binding protein-5，IGFBP-5）的水平可能预测 LN 患者的肾脏组织学改变及其严重程度，其中S100A9与肾小球内炎症密切相关，动态监测该指标可以指导免疫抑制治疗的短期疗效；MCP-1与间质炎症显著相关，动态监测可能用于评估治疗反应；IGFBP-5与间质纤维化高度相关，提示慢性化损伤，动态监测可以识别治疗抵抗或慢性化高风险患者，对该类患者进行更为积极的治疗。随着更多潜在生物标志物在LN中得到验证，建立可靠无创方法监测疾病活动成为可能，有助于增加更多的无创指标革新治疗策略并改善临床预后，为LN的个体化管理提供新路径。 3.治疗应答预测 LN的传统治疗方案包括糖皮质激素联合环磷酰胺/吗替麦考酚酯（mycophenolate mofetil，MMF）/他克莫司，近年来由于靶向生物制剂的出现，LN治疗进入“靶”治时代。目前新兴的生物制剂包括贝利尤单抗、奥比妥珠单抗、阿鲁尼单抗（INF受体拮抗剂）、利妥昔单抗等［29］，早期判断治疗方案是否有效也受到研究者的关注。脂质代谢异常是LN的致病机制之一，羟基脂肪酸支链脂肪酸酯（fatty acid esters of hydroxy fatty acids，FAHFA）是一类新发现的生物活性脂质分子。在一项在LN小鼠模式下使用脂质组学技术的研究中，该团队观察到：与未接受糖皮质激素治疗的小鼠相比，接受治疗的小鼠的FAHFA总水平显著降低。此外，该研究还强调长期使用糖皮质激素可能会使异常脂质代谢恶化。因此，FAHFA可作为确定何时停止糖皮质激素治疗的潜在标志物［30］。可溶性CD163（soluble CD163，sCD163）是CD163分子经金属蛋白酶裂解释放至胞外的形式。CD163是一种相对分子质量约130 000的Ⅰ型跨膜糖蛋白，属于富含半胱氨酸的清道夫受体超家族，特异性表达于单核-巨噬细胞系统［31］。在LN患者的肾脏组织中，表达CD163的M2c型巨噬细胞是主要的浸润巨噬细胞亚群［32］。其释放的sCD163可进入尿液，因此尿液sCD163水平被视作反映肾脏局部巨噬细胞浸润与活化的特异性生物标志物［33］。研究发现，活动性LN患者中的sCD163显著高于非活动性LN，且尿液sCD163水平高的SLE患者往往具有较高的慢性肾脏病分期［34］。在贝利尤单抗治疗LN的国际临床试验中，基线尿液sCD163水平是区分治疗有反应者与无反应者的显著差异指标之一［35］。最新研究表明，尿液sCD163/肌酐比值在肾穿刺活检时能可靠预测组织学活动性：治疗开始后3个月和6个月时，按尿液sCD163/肌酐水平分为低（<520 ng/mmol）、中（520~1200 ng/mmol）和高（>1200 ng/mmol）3组，可独立预测完全缓解者、部分缓解者和无反应者［36］。因此，CD163阳性巨噬细胞（M2c）可能参与LN的免疫炎症过程，而尿液sCD163/肌酐水平可作为评估LN活动及治疗反应的早期预测指标。 Liu等［37］评估贝利尤单抗对难治性LN患者的疗效时发现基线干扰素γ水平的曲线下面积（area under the curve，AUC）为0.96，敏感度为0.89，特异度为1.00，可以预测患者的治疗反应，较低的基线水平可能预示着难治性LN患者对贝利木单抗的良好反应。Park等［38］根据患者对MMF的治疗反应进行分组，研究发现基线尿白细胞介素17水平以及3个月时尿白细胞介素6和尿白细胞介素23可预测患者一年治疗反应。除了上述所述的生物标志物，上文所提及的抗C1q也可以作为监测治疗反应的生物标志物，期待有更多相关生物标志物出现为患者个体化诊疗提供帮助。三、AI驱动的预测模型在LN的疗效监测中的应用除了以上所述的各种新型生物标志物，近年来随着AI技术的快速发展，利用AI构建预测模型等方法在监测疾病方面也得到极大的突破。Cheng等［39］通过分析治疗后的肾组织病理切片，构建了一个用于早期有效预测LN患者诱导治疗疗效的AI模型。该模型在内部验证（AUC=0.901）和外部测试（AUC=0.840）中的性能均显著优于传统临床病理模型（AUC=0.6~0.8），有助于早期识别对标准诱导治疗无应答的高危患者，为个体化强化治疗（如生物制剂联用）提供依据。Wang等［40］通过分析患者的年龄、体重指数、估算肾小球滤过率等指数构建出预测LN肾间质纤维化和肾小管萎缩的列线图，该预测模型C指数为0.794（95%CI：0.734~0.854），在区间验证中C指数值仍可达到0.857（95%CI：0.776~0.938）。虽然该预测模型仍然无法取代肾穿刺活检成为LN管理的关键检查，但可以使用临床数据识别高危患者并早期干预可以减缓疾病进展并改善长期结局。Su等［41］将初始肾穿刺活检时肾小球分化簇68巨噬细胞浸润评分纳入临床测量的智能模型，其在预测临床反应方面优于传统的基于临床测量的模型，该模型可早期预测增生性LN对使用激素联合环磷酰胺/MMF的治疗反应，为患者提供个性化治疗。目前Tang等［42］开发了一种定量生物标志物面板微型阵列系统，基于血清V-set和免疫球结构域蛋白4、肿瘤坏死因子受体超家族成员1B、血清血管细胞黏附分子1、激活白细胞黏附分子、骨桥蛋白和抗dsDNA IgG抗体构建了多重免疫阵列。该组合在区分LN与健康对照的AUC达1.0，区分活动性LN与非活动性LN的AUC为0.92。即使在SLE疾病活动指数评分评分<4的“临床缓解期”患者中，该标志物组合仍能识别出隐匿性炎症活动（准确率为85%）。此外，该组合联合临床数据进一步构建了复发评分模型模型可预测6个月内进展为ESRD的风险（风险比为3.8，P<0.001），并能较临床复发提前2~3个月发出预警（敏感度92%，特异度88%），指导强化治疗。该项技术还具备快速检测优势，可通过3D打印芯片盒配合智能手机成像在10 min内完成检测。该系统代表了一种极具前景的无创血清生物标志物组合检测技术。 AI的出现为LN的精准医疗提供了新的视角，使用AI整合多维生物标志物数据有可能早期预测复发及治疗效果。然而，有效地处理和分析这些高维数据仍然是一个挑战。不同数据源之间的标准化和一致性问题可能导致模型性能下降。此外，由于研究样本较小限制了这些模型的广泛临床应用。因此，在将这些模型用于临床实践之前，需要进行严格的标准化和大规模验证。四、讨论 LN是SLE常见的并发症且预后较差，近年来其相关的生物标志物在及时诊断、准确分类和充分监测LN治疗反应方面取得了积极进展。本综述从免疫活性、纤维化风险、治疗敏感性3个方面列举了相关的生物标志物，期待为患者提供个性化治疗，对存在复发风险的患者进行早期干预。然而这些生物标志物因其可重复性及技术的复杂性在临床实施方面存在诸多问题，仍需要大量的多中心研究以及更简便的测量方法。随AI技术的迅猛发展，期待未来拥有更多更简便的监测方法进而早期改善患者预后。利益冲突声明所有作者均声明没有利益冲突附录 1.Siegel CH, Sammaritano LR. Systemic lupus erythematosus: a review[J]. JAMA, 2024, 331(17): 1480. DOI: 10.1001/jama.2024.2315. 2.Gatto M, Frontini G, Calatroni M, et al. Effect of sustained clinical remission on the risk of lupus flares and impaired kidney function in patients with lupus nephritis[J]. Kidney Int Rep, 2024, 9(4): 1047-1056. DOI: 10.1016/j.ekir.2024.01.016. 3.Rovin BH, Ayoub IM, Chan TM, et al. KDIGO 2024 clinical practice guideline for the management of lupus nephritis[J]. Kidney Int, 2024, 105(1): S1-S69. DOI: 10.1016/j.kint.2023.09.002. 4.Shang SL, Xia JK, He GS, et al. Advances in precision medicine for lupus nephritis: biomarker-and AI-driven diagnosis and treatment response prediction and targeted therapies[J/OL]. EBioMedicine, 2025, 117: 105785. DOI: 10.1016/j.ebiom. 2025. 105785. 5.Bruschi M, Angeletti A, Prunotto M, et al. A critical view on autoantibodies in lupus nephritis: Concrete knowledge based on evidence[J]. Autoimmun Rev, 2024, 23(5): 103535. DOI: 10.1016/j.autrev.2024.103535. 6.Choi MY, Chen I, Clarke AE, et al. Machine learning identifies clusters of longitudinal autoantibody profiles predictive of systemic lupus erythematosus disease outcomes[J]. Ann Rheumatic Dis, 2023, 82(7): 927-936. DOI: 10.1136/ard-2022-223808. 7.Himbert M, Jourde-Chiche N, Chapart L, et al. Anti-dsDNA IgE: a potential non-invasive test for prediction of lupus nephritis relapse[J/OL]. RMD Open, 2024, 10(2): e004255. DOI: 10.1136/rmdopen-2024-004255. 8.Roveta A, Parodi EL, Brezzi B, et al. Lupus nephritis from pathogenesis to new therapies: an update[J]. Int J Mol Sci, 2024, 25(16): 8981. DOI: 10.3390/ijms25168981. 9.Ayoub I, Rovin BH. The use of serological tests in the care of patients with lupus nephritis[J]. Clin J Am Soc Nephrol, 2022, 17(2): 305-307. DOI: 10.2215/cjn.13431021. 10.Atisha-Fregoso Y, Malkiel S, Harris KM, et al. Phase II randomized trial of rituximab plus cyclophosphamide followed by belimumab for the treatment of lupus nephritis[J]. Arthritis Rheumatol, 2021, 73(1): 121-131. DOI: 10.1002/art.41466. 11.De Vriese AS, Sethi S, Fervenza FC. Lupus nephritis: redefining the treatment goals[J]. Kidney Int, 2025, 107(2): 198-211. DOI: 10.1016/j.kint.2024.10.018. 12.Carlucci PM, Li J, Fava A, et al. High incidence of proliferative and membranous nephritis in SLE patients with low proteinuria in the accelerating medicines partnership[J]. Rheumatology(Oxford), 2022, 61(11): 4335-4343. DOI: 10.1093/rheumatology/keac067. 13.Fava A, Buyon J, Magder L, et al. Urine proteomic signatures of histological class, activity, chronicity, and treatment response in lupus nephritis[J]. JCI Insight, 2024, 9(2): e172569. DOI: 10.1172/jci.insight.172569. 14.Lichtnekert J, Anders HJ. Lupus nephritis-related chronic kidney disease[J]. Nat Rev Rheumatol, 2024, 20(11): 699-711. DOI: 10.1038/s41584-024-01158-w. 15.Poggio ED, McClelland RL, Blank KN, et al. Systematic review and meta-analysis of native kidney biopsy complications[J]. Clin J Am Soc Nephrol, 2020, 15(11): 1595-1602. DOI: 10.2215/CJN.04710420. 16.Mejia-Vilet JM, Malvar A, Arazi A, et al. The lupus nephritis management renaissance[J]. Kidney Int, 2022, 101(2): 242-255. DOI: 10.1016/j.kint.2021.09.012. 17.Fava A, Wagner CA, Guthridge CJ, et al. Association of autoantibody concentrations and trajectories with lupus nephritis histologic features and treatment response[J]. Arthritis Rheumatol, 2024, 76(11): 1611-1622. DOI: 10.1002/art.42941. 18.Calatroni M, Conte E, Stella M, et al. Clinical and immunological biomarkers can identify proliferative changes and predict renal flares in lupus nephritis[J]. Arthritis Res Ther, 2025, 27(1): 72. DOI: 10.1186/s13075-025-03536-5. 19.Zickert A, Grönwall C, Juto A, et al. Plasma C4d levels correlate with treatment response and renal activity in proliferative lupus nephritis[J]. Rheumatology (Oxford), 2025, 64(8): 4825-4833. DOI: 10.1093/rheumatology/keaf160. 20.Kesarwani V, Bukhari MH, Kahlenberg JM, et al. Urinary complement biomarkers in immune-mediated kidney diseases[J/OL]. Front Immunol, 2024, 15: 1357869. DOI: 10.3389/fimmu.2024.1357869. 21.Ganguly S, Majumder S, Kumar S, et al. Urinary C3d is elevated in patients with active Lupus nephritis and a fall in its level after 3 months predicts response at 6 months on follow up[J]. Lupus, 2020, 29(13): 1800-1806. DOI: 10.1177/0961203 320950019. 22.Wang CM, Jan Wu YJ, Zheng JW, et al. T cell expressions of aberrant gene signatures and co-inhibitory receptors (Co-IRs) as predictors of renal damage and lupus disease activity[J]. J Biomed Sci, 2024, 31(1): 41. DOI: 10.1186/s12929-024-01024-7. 23.Deng J, Zhu JL, Jiang XY, et al. PD-1 activation mitigates lupus nephritis by suppressing hyperactive and heterogeneous PD-1+CD8+ T cells[J]. Theranostics, 2025, 15(11): 5029-5044. DOI: 10.7150/thno.107418. 24.Guo QY, Qiao PY, Wang JJ, et al. Investigating the value of urinary biomarkers in relation to lupus nephritis histopathology: present insights and future prospects[J/OL]. Front Pharmacol, 2024, 15: 1421657. DOI: 10.3389/fphar.2024.1421657. 25.Genovese F, Akhgar A, Lim SS, et al. Collagen type III and VI remodeling biomarkers are associated with kidney fibrosis in lupus nephritis[J]. Kidney360, 2021, 2(9): 1473-1481. DOI: 10.34067/KID.0001132021. 26.Wang SD, Broder A, Shao DM, et al. Urine proteomics link complement activation with interstitial fibrosis/tubular atrophy in lupus nephritis patients[J/OL]. Semin Arthritis Rheum, 2023, 63: 152263. DOI: 10.1016/j.semarthrit.2023.152263. 27.Wong CCY, Gao LY, Xu YS, et al. Cluster of differentiation-44 as a novel biomarker of lupus nephritis and its role in kidney inflammation and fibrosis[J/OL]. Front Immunol, 2024, 15: 1443153. DOI: 10.3389/fimmu.2024.1443153. 28.Hiramoto K, Saito S, Hanaoka H, et al. Urinary biomarkers associated with pathogenic pathways reflecting histologic findings in lupus nephritis[J]. Arthritis Rheumatol, 2025, 77(3): 298-310. DOI: 10.1002/art.43017. 29.Rossi GM, Vaglio A. New treatment regimens, new drugs, and new treatment goals for lupus nephritis[J]. J Clin Med, 2025, 14(2): 584. DOI: 10.3390/jcm14020584. 30.Hu CF, Du Y, Xu XF, et al. Lipidomics revealed aberrant metabolism of lipids including FAHFAs in renal tissue in the progression of lupus nephritis in a murine model[J]. Metabolites, 2021, 11(3): 142. DOI: 10.3390/metabo11030142. 31.Plevriti A, Lamprou M, Mourkogianni E, et al. The role of soluble CD163 (sCD163) in human physiology and pathophysiology[J]. Cells, 2024, 13(20): 1679. DOI: 10.3390/cells1320 1679. 32.Chavanisakun C, Keawvichit R, Benjakul N. M1 and M2 macrophage polarization correlates with activity and chronicity indices in lupus nephritis[J]. Life (Basel), 2025, 15(1): 55. DOI: 10.3390/life15010055. 33.Zhang T, Li H, Vanarsa K, et al. Association of urine sCD163 with proliferative lupus nephritis, fibrinoid necrosis, cellular crescents and intrarenal M2 macrophages[J/OL]. Front Immunol, 2020, 11: 671. DOI: 10.3389/fimmu.2020.00671. 34.Sciascia S, Ponticelli C, Roccatello D. Pathogenesis-based new perspectives of management of ANCA-associated vasculitis[J]. Autoimmun Rev, 2022, 21(3): 103030. DOI: 10.1016/j.autrev.2021.103030. 35.Weeding E, Fava A, Mohan C, et al. Urine proteomic insights from the belimumab in lupus nephritis trial[J/OL]. Lupus Sci Med, 2022, 9(1): e000763. DOI: 10.1136/lupus-2022-000763. 36.Renaudineau Y, Treiner E, Colombat M, et al. Urinary soluble CD163 is useful to predict lupus nephritis activity and to monitor standard-of-care therapy response[J]. Rheumatology(Oxford), 2025, 64(12): 6319-6327. DOI: 10.1093/rheumatology/keaf446. 37.Liu SS, Li J, Zhang ZY, et al. Serum IFN-γ predicts the therapeutic effect of belimumab in refractory lupus nephritis patients[J]. Pharmacogenomics Pers Med, 2024, 17: 443-452. DOI: 10.2147/pgpm.s476308. 38.Park DJ, Joo YB, Nam E, et al. Exploring potential multiple molecular biomarkers that predict treatment response in patients with lupus nephritis[J]. Sci Rep, 2024, 14(1): 31422. DOI: 10.1038/s41598-024-83057-4. 39.Cheng C, Li B, Li J, et al. Multi-stain deep learning prediction model of treatment response in lupus nephritis based on renal histopathology[J]. Kidney Int, 2025, 107(4): 714-727. DOI: 10.1016/j.kint.2024.12.007. 40.Wang HF, Chen QL, Ye QP, et al. Development and validation of a nomogram for predicting the interstitial fibrosis and tubular atrophy in patients with lupus nephritis[J]. Rheumatol Oxf Engl, 2025, 64(5): 2647-2655. DOI: 10.1093/rheumatology/keae509. 41.Su CL, Cong AS, Wu H, et al. Glomerular CD68+ macrophages infiltration at initial biopsy predicts response to standard immunosuppression in proliferative lupus nephritis[J]. J Autoimmun, 2025, 152: 103392. DOI: 10.1016/j.jaut.2025.103392. 42.Tang CL, Tan GJ, Teymur A, et al. A serum biomarker panel and miniarray detection system for tracking disease activity and flare risk in lupus nephritis[J/OL]. Front Immunol, 2025, 16: 1541907. DOI: 10.3389/fimmu.2025.1541907. Recent advances in biomarkers for efficacy monitoring in lupus nephritis Zhao Xiao-jiaoLiu Shan-shanQiao Yu-feng （Department of Nephrology， Shanxi Provincial People’s Hospital， Shanxi Medical University， Taiyuan 030001， China） AbstractLupus nephritis （LN） is a common complication of systemic lupus erythematosus （SLE） and a leading cause of mortality. Despite the emergence of numerous novel therapeutic approaches， significant limitations persist in monitoring LN treatment efficacy. Conventional approaches， such as proteinuria monitoring and renal biopsy， have inherent limitations. Sole reliance on proteinuria may delay timely therapeutic intervention， while renal biopsy， due to its invasive nature and inability to provide real-time assessment， offers limited insights into dynamic changes in treatment response. Consequently， increasing research efforts are dedicated to exploring non-invasive modalities for dynamically monitoring LN activity. The advent of artificial intelligence is accelerating progress in this field. This review summarizes the recent advances in novel biomarkers for real-time monitoring of immunological activity， assessment of fibrosis progression， and prediction of therapeutic response in LN. It further discusses their clinical application potential and associated challenges， providing novel perspectives and support for the precision monitoring and early intervention of LN. KeywordsLupus nephritis；Biomarker；Efficacy monitoring；Artificial intelligence 引用本文：赵晓娇,刘姗姗,乔玉峰.生物标志物在狼疮肾炎疗效监测中的最新进展[J].临床肾脏病杂志,2026,26(09):882-887.(Zhao Xiao-jiao,Liu Shan-shan,Qiao Yu-feng.Recent advances in biomarkers for efficacy monitoring in lupus nephritis[J].Journal of Clinical Nephrology,2026,26(09):882-887.) 通信作者：乔玉峰，Email：qiaoyufeng122@163.com 基金信息：湖北陈孝平科技发展基金会项目（CXPJJH124010-062）文章编号：1671-2390（2026）09-0882-06 收稿日期：2025-05-22 出版日期：2026-09-28 网刊发布日期：2026-09-28

2026-10-21

·iFungi真菌界

iFungi文章获EurekAlert!报道：聚焦念珠菌血症的全球挑战与未来方向

近日，iFungi 期刊发表的一篇综述文章 “Comprehensive Review on Candidemia: Epidemiology, Diagnosis, Treatment, and Future Directions” 获美国科学促进会（AAAS）旗下全球科学新闻发布平台 EurekAlert! 专题报道。该报道向全球超过5,000名认证记者和科研机构推介了这项来自中国学者的重要工作。念珠菌血症是院内血流感染的主要致死原因之一，全球每年相关死亡超过17万例。文章指出，其流行病学格局正在发生显著变化：非白念珠菌（non-albicans Candida）已占全球病例的一半以上，其中光滑念珠菌、近平滑念珠菌以及多重耐药的新兴病原体耳念珠菌（Candida auris）带来了独特的治疗挑战。通讯作者、山东大学常文强教授在报道中表示：“抗真菌耐药已不再是局部问题，而是全球健康威胁。例如耳念珠菌对氟康唑的耐药率高达70%–90%，对棘白菌素和两性霉素B的耐药性也在出现。我们需要强有力的抗真菌药物管理计划和药敏指导的治疗来应对这一趋势。” 文章系统梳理了念珠菌血症的诊断瓶颈——血培养虽是金标准，但耗时长、灵敏度有限；分子检测、宏基因组测序、CRISPR检测及人工智能预测等新技术正在填补这一空白。治疗方面，文章强调经验性治疗与药敏指导治疗并重，并探讨了联合治疗在难治性感染中的应用潜力，同时梳理了rezafungin、fosmanogepix等处于临床开发阶段的新型抗真菌药物。该综述由山东大学常文强教授团队联合国内多家机构共同完成，于2026年6月30日 iFungi期刊第一期正式发表。报道链接：https://www.eurekalert.org/news-releases/1145096 原文信息文章标题 Comprehensive Review on Candidemia: Epidemiology, Diagnosis, Treatment, and Future Directions 作者姓名 Yeji Wang, Minghui Song, Jingfang Sun, Xiaoyi Luan, Ming Zhang, Yeji Wang, Yuemei Dong, Lintao Sai, Ying Li, Wenqiang Chang 合作单位 Department of Natural Product Chemistry, Key Laboratory of Chemical Biology (Ministry of Education), School of Pharmaceutical Sciences, Cheeloo College of Medicine, Shandong University, Jinan, Shandong, China State Key Laboratory of Microbial Technology, Shandong University, Qingdao, Shandong, China Department of Laboratory Medicine, Affiliated Hospital of Xuzhou Medical University, Xuzhou, Jiangsu, China Institute of Medical Science, The Second Hospital, Cheeloo College of Medicine, Shandong University, Jinan, Shandong, China Department of Infectious Diseases, Qilu Hospital of Shandong University, Shandong University, Jinan, Shandong, China School of Medical Technology, Xuzhou Medical University, Xuzhou, Jiangsu, China 期刊名称 iFungi（eISSN 3079-7284） DOI 10.26599/iFungi.2026.9670005 原文链接 https://www.sciopen.com/article/10.26599/iFungi.2026.9670005 发表日期 2026.6.30 被引次数截至2026.10，被引16次引用格式： Dong H, Song M, Sun J, et al. Comprehensive Review on Candidemia: Epidemiology, Diagnosis, Treatment, and Future Directions. iFungi, 2026, 1(1): 9670005. https://doi.org/10.26599/iFungi.2026.9670005 扫描二维码阅读原文作者信息通讯作者常文强教育经历山东大学教授、博导，国家高层次青年人才获得者，山东大学杰出中青年学者。 2022年1月～至今：山东大学药学院，教授 2013年7月～2021年12月：山东大学药学院，讲师、副教授 2008年9月～2013年6月：山东大学药学院天然药物化学专业，获医学博士学位； 2003年9月～2008年6月：山东大学生命科学学院生物技术专业（国家生物基地），获理学学士学位。研究方向天然产物中抗真菌药物的发现基于人工智能的药物发现真菌耐药和致病的作用机制研究代表性成果 1.Yeji Wang, Minghui Song, Fujing Liu, Zhen Liang, Rui Hong, Yuemei Dong, Huaizu Luan, Xiaojie Fu, Wenchang Yuan, Wenjie Fang, Gang Li, Hongxiang Lou*,Wenqiang Chang*(2025). Artificial intelligence using a latent diffusion model enables the generation of diverse and potent antimicrobial peptides. Science Advances,11(6):eadp7171. 2.Hongxuan Cao #, Jie Tu #, Jiahui Chen #, Bingzhang Chen #, Zeyue Huang #, Yingjie Wang #, Jing Shen, Xiuqi Hu, Jialin Bo, Li Rao, Zheng Liu, Nokwanda P Makunga, Muhammad Salman Hameed, Chen Su, Jian Wan*,Wenqiang Chang*, Chunquan Sheng*, Yanliang Ren*(2026). Inhibiting Mrt4-rRNA interaction with fumaramidmycin-based derivatives as an antifungal strategy. Nature Communications, doi: 10.1038/s41467-026-70226-4. 3.Chen Jinyao#, Zhang Ming#, Wang Yeji, Xie Zhiyu, Yang Fei, Yu Hongjun, Zhang Di, Fang Min, Luan Xiaoy, Jin Xueyang, Wang Xue, Qiao Yanan, Zheng Shicun, Li Xiuyun,Chang Wenqiang*, Lou Hongxiang* (2026). Exporter Mdr1 as an importer is an achilles' heel for combating drug-resistantCandida. Cell Chemical Biology. 19;33(2):227-240.e6. 通讯作者李颖教育经历徐州医科大学副教授、硕士生导师。 2020年8月～至今：徐州医科大学医学技术学院，副教授 2016年8月～2020年7月：徐州医科大学医学技术学院，讲师 2011年8月～2016年7月：山东大学药学院天然药物化学专业，获医学博士学位 2007年9月～2011年7月：山东大学生命科学学院生物技术专业（国家生物基地），获理学学士学位研究方向抗真菌药物的发现及机制研究微生物与宿主互作代表性成果 1. Li, Y., Bai, R., Zhu, Y., Shi, P., Wang, T., Zhou, D., Zhou, J., Zhu, T., Zhang, X., Gu, R., Ding, X., Chen, H., Wang, X., & Zhu, Z. (2025). Genetic variation in gut microbe as a key regulator of host social behavior in C. elegans. Gut microbes, 17(1), 2490828. 2. Li, Y., Xu, S., Wang, L., Shi, H., Wang, H., Fang, Z., Hu, Y., Jin, J., Du, Y., Deng, M., Wang, L.*, & Zhu, Z*. (2023). Gut microbial genetic variation modulates host lifespan, sleep, and motor performance. The ISME journal, 17(10), 1733–1740. 3. Wang, L., Yang, Z., Pang, Y., Wu, X., Zhang, X., Zhu, T., Ding, X., Liu, W., Zhou, Y., Zhang, P., Li, Y.*, & Zhu, Z*. (2025). Gut Microbial Genetic Variation Prolongs Host Healthy Longevity and Remodels Metabolome and Proteome in Drosophila Melanogaster. Advanced science, 26:e05469. 4. Chaoqun Chen, Zhiyu Xie, Liu Cong, Shanshan Mao, Liying Wang, Yalun Wu, Yu Zhang, Qing Zhou, Aijaz Ahmad, Wenqiang Chang, Zuobin Zhu & Ying Li (19 Mar 2024): Antifungal activity of a maleimide derivative: disruption of cell membranes and interference with iron ion homoeostasis, Mycology, 2024;16(1):382-401. 5. Ying Li#, Chaoqun Chen#, Liu Cong, Shanshan Mao, Mingzhu Shan, Zibing Han, Jiayi Mao, Zhiyu Xie, Zuobin Zhu*. Inhibitory effects of a maleimide compound on the virulence factors of Candida albicans. Virulence, 2023, 14:1, 2230009. 第一作者董豪杰教育经历山东大学药学专业硕士研究方向抗真菌药物第一作者宋明慧教育经历山东大学博士，天然药物化学专业研究方向抗真菌药物的发现及其作用机制研究代表性成果 Song, M., Zhou, Y., Li, G., Barashkova, A. S., Rogozhin, E. A., & Chang, W*. (2025). Peptides in plant-microbe interactions: Functional diversity and pharmacological applications. Cell Surface. 第一作者孙静芳教育经历徐州医科大学附属医院检验科，主治医师。 2016年7月～至今：徐州医科大学附属医院，检验科，工作 2013年9月～2016年6月：吉林大学临床检验诊断学专业，获医学硕士学位； 2007年9月～2012年6月：新乡医学院医学检验专业，获医学学士学位。研究方向临床病原微生物的检测与耐药机制研究真菌耐药和致病机制研究代表性成果 1.Sun J, Liang X, Chen Y, , et al. Antifungal Drug Susceptibility Profiles and Molecular Mechanisms of Azole Resistance of Candida tropicalis Isolated from a Tertiary Teaching Hospital in Xuzhou. Infect Drug Resist. 2026;19:583024. 2.Kang H, Wang Z, Sun J, et al. Rapid identification of bloodstream infection pathogens and drug resistance using Raman spectroscopy enhanced by convolutional neural networks. Front Microbiol. 2024;15:1428304. 3.Li H, Sun J, Zhou Y, et al. The utility of competency-oriented clinical laboratory teaching combined with case-based learning (CBL). Clin Chem Lab Med. 2021;59(11):1784-1789. 4.Sun J, Ding S, Zhu L, et al. Improving performance of recently introduced flow cytometry-based approach of malignant cell screening in serous cavity effusion. Int J Lab Hematol. 2020;42(5):612-618 第一作者栾小艺教育经历山东大学药学院，实验师。 2019年7月～至今：山东大学药学院，工作 2016年9月～2019年6月：山东大学药学专业，获硕士学位； 2011年9月～2015年6月：中国药科大学理科基地班，获学士学位。研究方向天然活性产物的提取分离、结构鉴定与化学表征抗真菌与抗感染化学生物学机制研究代表性成果 1. Xueyang Jin#, Xiaoyi Luan#, Fei Xie, Wenqiang Chang*, Hongxiang Lou*(2023). Erg6 acts as a downstream effector of the transcription factor Flo8 to regulate biofilm formation in Candida albicans. Microbiology Spectrum, 11(3):e00393-23. 2. Mengjiao Ma, Xiaoyi Luan, Hao Zheng, Xiaoning Wang, Shuqi Wang, Tao Shen, Dongmei Ren*(2023). A Mulberry Diels-Alder-Type Adduct, Kuwanon M, Triggers Apoptosis and Paraptosis of Lung Cancer Cells through Inducing Endoplasmic Reticulum Stress. International Journal of Molecular Sciences, 24(2):1015. 欢迎持续关注iFungi最新动态！期刊介绍 iFungi（eISSN 3079-7284）是由 MedCore 出版社主办、清华大学 SciOpen 平台出版，国际性同行评议和开放获取的医学真菌学英文期刊。期刊以“精准诊断、学科交叉、启发创新、突破开拓、传播教育”为核心理念，以创办代表全球真菌学研究最高水平的学术治理平台为愿景，旨在展示和传播医学真菌领域内的重要创新与实践成果，为从事真菌生物学、临床真菌学、诊疗研发、流行病学、全球健康以及跨学科研究的多学科专家和学者提供核心学术资源。聚焦从基础科学到全球健康的广泛议题，主要研究范围包括但不限于以下方面：真菌生物学：涵盖真菌分类、生理生化、遗传发育、致病机制等基础研究临床真菌学：涉及真菌感染的诊断、治疗、耐药监测及预后评估诊疗研发：聚焦抗真菌药物开发、新型诊断技术、实验模型与转化医学流行病学与全球健康：关注真菌病的疾病负担、流行趋势、公共卫生政策与防控策略跨学科交叉领域：包括计算生物学、工程学、材料科学、数据科学等在医学真菌学中的应用荣誉主编介绍｜PROFILE 廖万清院士中国工程院院士皮肤病、真菌病学专家，一级教授，文职特级，博士生导师。长期致力于皮肤病与真菌病防治研究,在国内外发现9种新的病原真菌及其引起的疾病类型,荣获国家科技进步一等奖一项、二等奖二项、三等奖一项。2014年获首届叶剑英奖,2016年获国家优秀科技工作者称号,2017年获中华医学会皮肤科分会卓越贡献奖,上海医学发展终身成就奖等。2018年获得戴芳澜终身成就奖。2019年获得第三届国之大医--特别致敬奖。2019年获得大国匠心·年度致敬人物奖励。2021年获第八届树兰医学奖，2023年获得吴阶平医学奖。主编介绍｜PROFILE 潘炜华教授主任医师教授，博士生导师上海长征医院皮肤科主任，上海市领军人才。先后担任中国人口文化促进会皮肤科分会主委；中华医学会皮肤科分会委员；上海医学会皮肤科分会副主委。在《新英格兰医学期刊》等国内外期刊发表百篇论文，授权发明专利17项。获国家科技进步二等奖、教育部科技进步一等奖、上海科技进步一等奖、华夏科技进步一等奖、五洲女子科技奖等。研究方向皮肤病与真菌病的基础及临床研究；新病原真菌的发现、致病机制及保藏应用；真菌病诊断技术、防治策略及相关药物研发；真菌病原威胁感知、监测预警及防治策略。联系方式期刊主页：ifungi.medcore.net 投稿平台： https://mc03.manuscriptcentral.com/ifungi 联系方式: ifungiofficial@gmail.com iFungi诚邀全球真菌生物学、临床真菌学、诊疗研发、流行病学、全球健康及跨学科领域的专家学者，提交高质量学术成果，为领域共建高质量医学真菌学证据库！ iFungi 往期文章 1卷1期 1卷2期

2026-10-21

·青创广东医

招募！大数据挖掘和精准药物设计本科生创新创业教育基地招新啦！

大数据挖掘和精准药物设计本科生创新创业教育基地黄遵楠课题组招新啦一.基地负责人介绍黄遵楠教授，海归博士、三级教授、博士生导师和博士后合作导师。现为广东医科大学研究生院副院长、东莞市计算机辅助药物设计重点实验室主任，附属东莞第一医院药学部的学术主任，以及广东省大数据挖掘和精准药物设计创新团队负责人。同时还兼任东莞市政协委员、农工党广东省委会联络工作委副主任、中国中医药信息学会中医临床药学分会副会长等，六个SCI期刊客座执行主编或学术编辑，JACS，Sci Adv，Nat Comm, Bioact Mater等60余个SCI期刊审稿人，中国科协海智计划特聘专家，国家自然科学基金项目评议专家、英国国家科研与创新署（UKRI）课题以及广东等省科技成果奖、杰出青年基金和特色人才计划评审专家等。2013年广东省“扬帆计划”引进紧缺拔尖人才，2016年东莞市优秀科技工作者，2023年东莞市特色人才，2025年中国商业联合会全国服务业科技创新人物。主要从事大数据挖掘和精准药物设计的科研工作，在分子诊断标志物预测、靶向药物分子设计和中药复方的旧药新用等方面做出了原创性的工作。主持包括国家自然科学基金面上项目2项、外国专家项目2项以及省部级等科研课题9项，总经费达1000余万。发表学术论文170余篇，其中SCI论文136篇（其中高被引论文3篇），累计影响因子700余分，google上他引4700余次，H指数33，i10指数83；scopus上他引5200余次，H指数30。近五年，以第一或通讯作者（含共同）在Mol Cancer, Acta Pharm Sin B, Theranostics等高水平学术期刊上发表SCI论文68篇，累计影响因子380余分；主编SCI专刊3期；以主要起草人参与制定三项人工智能团体标准；获发明专项授权7项；获得广东省优秀教学成果奖二等奖2项（分别为第二完成人和第八完成人）和省级学会优秀教学成果奖共5项（其中第一完成人一等奖3项，三等奖1项；第三完成人一等奖1项）。近两年指导三位博士后获得1项国家自然科学基金外国学者项目、2项粤莞联合基金青年创新项目及1项广东省教育厅青年创新项目。二.基地成果 1.学生科研活动已培养出博士生2名，同等学力1名，硕士生26名，本科生创新创业人才400余名。指导本科生获得创新创业项目国家级15项、省级16项，校级70余项以及省攀登计划6项，“挑战杯”广东省课外学术科技作品竞赛一等奖6项，二等奖3项，三等奖2项。 2015-2024年间，黄遵楠教授指导2014-2020级课题组成员本科生陈奇聪、刘旭、黄鸿斌、林树锽、汤斯琦，梁碧玉、刘弘、杜庆橙、张桂桂、陈镜安、刘家贺、姚斌、张敏婷、马钰坤、余漂健、陈伟钢、陈烁玲、周宇全、李朗辉、陈雯君、陈鑫琳、刘瑞凝、胡希韵、张旭婷、杨楠、廖科勇，史永鹏，李佳龙、刘雅琦、腾菲、廖剑波、唐裕来、洪晓玲、庄楷、胡希韵、冯海欣、梁友诚、黄宝翔、余嘉奇、王丽珊以（共同）第一或通讯作者在循证医学、分子进化、虚拟筛选、数据挖掘等生物信息学领域发表SCI论文31篇，累积影响因子达180余分，国际英文CSCD论文3篇，34篇论文他引已达到1175余次（本科生参与并有署名的SCI论文还有10余篇），另有多篇在评审中。教学科研成果受《人民日报》和《科技日报》等中央媒体报道。课题组本科生每年均有多名学生升学至中山大学、华南理工大学、南方医科大学等知名高校。 2.本科生完成的主要成果课题组近期部分科研成果和活动推文 1.课题组本科生2024年在中科院一区Top杂志Mol Cancer（IF=33.9）揭示SWI/SNF染色质重塑复合物泛癌景观和单细胞测序机制 2.课题组本科生2024年在中科院一区Top杂志Big Data Mining and Analytics揭示肾细胞癌mRNA和miRNA标志物 3. 课题组本科生2024年在中科院二区杂志Genes & Diseases（IF=9.4）揭示铜代谢基因作为胃腺癌全新的治疗靶点和免疫治疗指标 4.课题组本科生赴广州参加2024年第六届全国生物医学数据挖掘与计算学术会议 5.课题组本科生在2024年第15届生物信息学顶会ACM BCB年会做壁报展示鼓励学生参加国内各类学术会议与竞赛以拓展学术视野 3.本科生完成的主要成果合集 1）Big Data Mining and Analytics, in press, (2026) (SCI IF: 6.2) Lishan Wang#, Jiaojiao Wang#, Dongli Yang, Kai Zhuang, Jiazhuo Xiao, Zhuolun Tang, Muhammad Waqas, Lin Yan, Zunnan Huang*, “Unraveling the Oncogenic and Immunosuppressive Roles of the FACT Complex in Pan-Cancer Through Multi-Omics and Single-Cell Analysis 2）Interdisciplinary Sciences - Computational Life Sciences, in press, (2026) (SCI IF: 3.9 Kai Zhuang#, Lin Yan#, Muhammad Waqas, Haixin Feng, Siqi Tang, Haoqi He, Xinshi Yu, Yanling Wang*, Zunnan Huang*, “Unveiling the Impact of Copper Metabolism on Epithelial-Mesenchymal Transition of Triple-Negative Breast Cancer: Identification of Therapeutic Targets” 3）Journal of Cellular and Molecular Medicine （SCI IF: 4.2） Aamir Fahira#, Kai Zhuang#, Xuemin Jian, Syed Mansoor Jan, Liu Yong, Jianbo Sun, Yongyong Shi*, Zunnan Huang*, “Genetic Crosstalk Between Type 1 Diabetes and Sjögren's Syndrome: A Systematic Exploration of Risk Genes and Common Pathways”,29(22): e70930 (2025) 4) Comput Struct Biotech J (SCI IF: 4.1, 他引2次) Yulai Tang#, Aamir Fahira#, Siying Lin, Yiming Shao, Zunnan Huang*, Shared and specific competing endogenous RNAs network mining in four digestive system tumors, Computational and Structural Biotechnology Journal, 23, 4271-4287 (2024) 5) Big Data Min Anal (SCI IF: 6.2) Jiaqi Yu1, Jiayi Cai1, Aamir Fahira, Keyong Liao, Yani Tongjia, Yiming Shao, Zunnan Huang*, “A Comprehensive Investigation to Identify Prognostic mRNA and miRNA Signatures for Renal Cell Utilizing a Stratification-based Approach”, Big Data Mining and Analytics, in press, doi: 10.26599/BDMA.2024.902003 (2024) 6) Mol Cancer (SCI IF: 33.9, 他引1次) Kai Zhuang1, Lishan Wang1, Chengyu Lu1, Zhiping Liu1, Dongli Yang, Hao Zhong, Jiami Zou, Aamir Fahira, Jiaojiao Wang*, Zunnan Huang*, “Assessment of SWI/SNF Chromatin Remodeling Complex Related Genes as Potential Biomarkers and Therapeutic Targets in Pan-cancer”, Molecular Cancer, 23(1): 176 (2024) 7) BBA – Mol Cell Res (SCI IF: 4.6, 他引3次) Yong Liu1, Junzhang Zhao1, Baoxiang Huang1, Youcheng Liang, Guanming Jiang, Xinglin Zhou, Yilin Chen, Tao He, Mingbin Zheng*, Zunnan Huang*, “Identification and validation of an immunotherapeutic signature for colon cancer based on the regulatory patterns of ferroptosis and their association with the tumor microenvironment”, Biochmica et Biophysica Acta - Molecular Cell Research, 20:119698 (2024) 8) Genes Dis (SCI IF=6.9) Kai Zhuang1, Siqi Tang1, Haixin Feng1, Jinying Zhang, Ying Liu, Yong Liu, Yongjian Su, Jiaqi Yu, Zunnan Huang*, “A novel copper metabolism-related signature model predicting the prognosis, target drugs, and immunotherapy in stomach adenocarcinoma”, Genes & Diseases, 11(5): 101102 (2023) 9) Comput Biol Med (最新 SCI IF=7.7，他引12次) Yong Liu1, Youcheng Liang1, Yongjian Su, Jiaqi Hu, Jianbo Sun, Mingbin Zheng*, Zunnan Huang*, “Exploring the potential mechanisms of Yi-Yi-Fu-Zi-Bai-Jiang-San therapy on the immune-inflamed phenotype of colorectal cancer via combined network pharmacology and bioinformatics analyses”, Computers in Biology and Medicine, accepted, (2023) 10) Comput Biol Med (最新 SCI IF=7.7, 他引11次) Xiyun Hu1, Weidong Liu1, Meiqi He, Qimiao Qiu, Bingjie Zhou, Ruining Liu, Fengxu Wu*, Zunnan Huang*, “Comparison of the molecular mechanisms of Fuzi Lizhong Pill and Huangqin decoction in the treatment of cold and heat syndrome of ulcerative colitis based on network pharmacology”, Computers in Biology and Medicine, 159:106870 (2023) 11) Front Mol Biosci (IF=5.0, 他引2次) Xiaoling Hong1, Kai Zhuang1, Na Xu, Jiang Wang, Yong Liu, Siqi Tang, Junzhang Zhao*, Zunnan Huang*, “An integrated analysis of prognostic mRNA signature in early- and progressive- stages gastric adenocarcinoma”, Frontiers in Molecular Bioscience, 9:1022056 (2022) 12) Int J Mol Sci (IF=5.6, 他引21) Yulai Tang1, Hua Zhang1, Lingli Chen, Taomin Zhang, Na Xu, Zunnan Huang*, “Identification of Hypoxia-Related Prognostic Signature and Competing Endogenous RNA Regulatory Axes in Hepatocellular Carcinoma”, International Journal of Molecular Sciences, 23, 13590 (2022) 13) Molecules (IF=4.6, 他引73次) Jianbo Liao1, Qinyu Wang1, Fengxu Wu*, Zunnan Huang*, “In Silico Methods for Identification of Potential Active Sites of the Therapeutic Targets”, Molecules, 27(20), 7103 (2022) 14) Mol Biol Rep (SCI IF=2.8, 他引5次) Jiaen Wei1, Yaqi Liu1, Fei Teng1, Linshan Li, Shanhong Zhong, Hui Luo*, Zunnan Huang*, “Anticancer effects of marine compounds blocking the NF-κB signaling pathway”, Molecular Biology Reports, 49(10): 9975-9995 (2022) 15) Am J Cancer Res IF=5.3, 他引12次) Siqi Tang1, Keyong Liao1, Yongpeng Shi1, Tingting Tang, Beibei Cui, Zunnan Huang*, “Bioinformatics Analysis of Potential Key lncRNA-miRNA-mRNA Molecules as Prognostic Markers and Important ceRNA Axes in Gastric Cancer”, American Journal of Cancer Research, 12(5), 2397-2418 (2022) 16) Curr Chin Sci （他引2次） Jialong Li, Kun Li, Chang Gao, Zunnan Huang*, “An Epidemiological Study of Kidney Calculi in Western Guangdong”, Current Chinese Science, 2(1):68-75 (2022) 17) Interdiscipl Sci - Comput Life Sci ( IF=4.8, 他引78次) Xuting Zhang1, Fengxu Wu1, Nan Yang1, Xiaohui Zhan, Jianbo Liao, Shangkang Mai, Zunnan Huang*, “In silico methods for identification of potential drug targets”, Interdisciplinary Sciences - Computational Life Sciences, 14(2):285-310 (2022) (中科院最新分区三区) 18) Front Oncol （IF=5.738, 他引24次） Shuoling Chen1, Chang Gao1, Tianyang Yu1, Yueyang Qu, Gary Guishan Xiao*, Zunnan Huang*, “Bioinformatics analysis of a prognostic miRNA signature and potential key genes in pancreatic cancer”, Frontiers in Oncology, 11:641289 (2021) 19) Interdiscipl Sci - Comput Life Sci (IF=3.492, 他引7次) Jingan Chen1, Silu Li1, Wenru Wu, Jingyi Xie, Xuemei Cheng, Zixin Ye, Xiaoqing Yin, Yong Liu*, Zunnan Huang*, “Molecular identification and phylogenetic analysis of the traditional Chinese medicinal plant Kochia scoparia using ITS2 barcoding”, Interdisciplinary Sciences - Computational Life Science, 13(1):128-139 (2021) 20) J Cancer Res Clin Oncol (IF=4.322, 他引52次) Jiaen Wei1, Ruining Liu1, Xiyun Hu1, Tingen Liang, Zhiran Zhou, Zunnan Huang*, “Targeting the MAPK Signaling Pathway via Marine Compounds in Cancer Therapy”, Journal of Cancer Research and Clinical Oncology, 147: 3-22 (2021) 21) Gene (IF=3.688, 他引23次) Wenjun Chen1, Xinlin Chen1, Minting Zhang, Zunnan Huang*, “The association of Human leukocyte antigen class II (HLA II) haplotypes with the risk of Latent autoimmune diabetes of adults (LADA): Evidence based on available data”, Gene, 27: 145177 (2020) 22) Front Chem (IF=5.221, 他引346次) Fengxu Wu1, Yuquan Zhou1, Langhui Li1, Xianhuan Shen, Ganying Chen, Xiaoqing Wang, Xianyang Liang, Mengyuan Tan, Zunnan Huang*, “Computational approaches in preclinical studies on drug discovery and development”, Frontiers in Chemistry, 8: 726 (2020) 23) BMC Med Res Methodol (IF=4.615, 他引2次) Shuhuang Lin, Yukun Ma, Zunnan Huang*, “Advanced Stratification Analyses in Molecular Association Meta-analysis: Methodology and Application”, BMC Medical Research Methodology, 20(1): 147 (2020) 方法学文章 24) Front Genet (IF=4.599, 他引55次) Weigang Chen1, Chang Gao1, Yong Liu, Ying Wen, Xiaoling Hong, Zunnan Huang*, “Bioinformatics analysis of prognostic miRNAs and potential critical target genes in colon cancer”, Frontiers in Genetics, 11:478 (2020) 25) Front Pharmacol (IF=5.810, 他引37次) Shuoling Chen1, Chang Gao1, Yangyuan Wu, Zunnan Huang*, “Identification of Prognostic miRNA Signature and Lymph Node Metastasis-related Key Genes in Cervical Cancer”, Frontiers in Pharmacology, 5:144 (2020) 26) Pharmacol Res (IF=7.658, 他引35次) Yukun Ma1, Piaojian Yu1, Shuhuang Lin1, Qiqun Li, Zijing Fang, Zunnan Huang*, “The association between nonsteroidal anti-inflammatory drugs and skin cancer: Different responses in American and European populations”, Pharmacological Research, 152: 104499 (2020) 27) Genes (IF=3.759, 他引24次) Minting Zhang1, Shuhuang Lin1, XiaolinYuang, Ziqi Lin, Zunnan Huang*，“HLA-DQB1 and HLA-DRB1 Variants Confer Susceptibility to Latent Autoimmune Diabetes in Adults: Relative Predispositional Effects Among Allele Groups”, Genes, 10(9): E710 (2019) 28) Cell Physiol Biochem (IF=5.500, 他引31次) Siqi Tang1, Bin Yao1, Na Li, Shuhuang Lin*, Zunnan Huang*, “Association of dopamine beta-hydroxylase polymorphisms with Alzheimer’s disease, Parkinson’s disease and Schizophrenia: evidence based on currently available loci”, Cellular Physiology and Biochemistry, 51(1), 411-428 (2018) 29) Front Chem (IF=4.155, 他引155次) Hongbin Huang1, Guigui Zhang1, Yuquan Zhou, Chenru Lin, Suling Chen, Yutong Lin, Shangkang Mai, Zunnan Huang*, Reverse screening methods to search for protein targets of chemopreventive compounds, Frontiers in Chemistry, 6: 138 (2018)（获第15届广东省挑战杯一等奖） 30) Oncotarget (IF=5.138, 他引7次) Shuhuang Lin1, Xu Liu1, Bin Yao, Zunnan Huang*, Controlling for confounding factors and revealing their interactions in genetic association meta-analyses: a computing method and application for stratification analyses, Oncotarget, 9(15):12125-12316 (2018) 方法学文章（获得第15届广东省挑战杯二等奖） 31) J Theo Biol (IF=1.833, 他引4次) Yong Liu1, Jingan Chen1, Jieying Qian, Hao Lin, Ning Sun, Zunnan Huang*, “Evolutionary analysis and structural characterization of Aquilaria sinensis sesquiterpene synthase in agarwood formation: a computational study”, Journal of Theoretical Biology, 456, 249-260 (2018) 32) Oncoscience (他引22次） Qingcheng Du1, Guanming Jiang1, Silu Li, Yong Liu*, Zunnan Huang*, Docetaxel increases the risk of severe infections in the treatment of non-small cell lung cancer: a meta-analysis, Oncoscience, 5(7-8):220-238 (2018) 33) Sci Rep (IF=4.259, 他引36次) Hong Liu1, Jian Huang1, Mengmeng Dou, Yong Liu1, Biying Xiao, Xu Liu*, Zunnan Huang*, “Variants in the IL7RA gene confer susceptibility to multiple sclerosis in Caucasians: evidence based on 9734 cases and 10436 controls”, Scientific Reports, 7(1):1207 (2017)（获得第14届广东省挑战杯二等奖） 34) Neurol Sci（IF=1.78, 他引39次） Qicong Chen1, Biyu Liang1, Ziyou Wang, Xiaoguang Cheng, Yifeng Huang, Yong Liu*, Zunnan Huang*, Inﬂuence of four polymorphisms in ABCA1 and PTGS2 genes on risk of Alzheimer’s disease: a meta-analysis. Neurological Sciences, 37(8): 1209-20 (2016) 35) Medicine（IF=2.13, 他引24次） Hongbin Huang1, Cong Peng1, Yong Liu, Xu Liu, Qicong Chen, Zunnan Huang*. Genetic association of NOS1 exon18, NOS1 exon29, ABCB1 1236C/T and ABCB1 3435C/T polymorphisms with the risk of Parkinson’s disease: a meta-analysis. Medicine, 95: e4982, (2016)（获得校级挑战杯二等奖） 36) Biomed Res Int （IF=2.13, 他引23次） Yong Liu1, Qicong Chen1, Xu Liu, Mengmeng Dou, Silu Li, Jiahui Zhou, Hong Liu, Yongfu Wu*, Zunnan Huang*, Genetic association of CHAT rs3810950 and rs2177369 Polymorphisms with the risk of Alzheimer’s disease: a meta-analysis [J]. BioMed Research International, 2016: 9418163 (2016) 37) Meta Gene （他引17次） Jiahe Liu1, Xu Liu1, Yong Liu, Shimin Deng, Hongbin Huang, Qicong Chen, Weidong Liu, Zunnan Huang*. Association of EVI5 rs11808092, CD58 rs2300747, and CIITA rs3087456 polymorphisms with multiple sclerosis risk: A meta-analysis [J].Meta Gene, 9:97-103 (2016) 三.基地研究方向课题组聚焦运用医学大数据与智能算法破解疾病机制、加速药物发现。包含2个研究方向，临床大数据挖掘、计算机药物设计，课题组各个方向均由老师、海外博士后和研究生负责共同指导，欢迎热衷医学研究的同学加入。 1.临床大数据挖掘致力于利用生物医学大数据和机器学习算法，深入分析疾病的发生机制，识别关键临床诊断标记物。通过构建多模态数据系统，提升疾病诊断的准确性，并挖掘潜在分子机制，为个性化治疗和新药研发提供支持。涵盖从数据挖掘，药物疗效预测到临床应用的多个环节，旨在推动精准医疗的发展，助力疾病诊疗的智能化和个性化进程。 2.计算机药物设计利用计算化学基本原理，通过模拟预测与受体生物大分子之间的相互作用或通过分析已有药物结构与活性内在关系，来辅助先导化合物的发现、设计和优化的药物设计方法。四.科研活动目标以掌握前沿医学技术为目标，通过深度参与课题设计、数据分析以及SCI论文的撰写，积极投身“大学生创新创业训练计划”、“攀登计划”、“挑战杯”等学术竞赛与项目申报，致力于形成方法创新与实际应用并重的科研成果，推动科研成果向临床转化，逐步成长为能够独立承担复杂系统医学研究任务的科研人才。五.报名条件 1.招募对象：第二临床医学院、药学院、公共卫生学院、生物工程学院、医学技术学院、基础医学院2026级本科生优先。 2.学习成绩优秀，无重修记录。 3.未加入其他课题组。 4.有意向者把报名表与作业发至负责人邮箱：全清龙 liqourleon@gmail.com 截止时间：10月30日18：00 4. 咨询群、报名表与作业获取（报名者务必进群，相关通知将在群里公布） END 内容来源：大数据挖掘和精准药物设计本科生创新创业教育基地

100 项与 CGX-1007 相关的药物交易

登录后查看更多信息

研发状态

10 条进展最快的记录,

后查看更多信息

适应症	最高研发状态	国家/地区	公司	日期
癫痫	临床1期	美国	Cognetix	-
癫痫	临床1期	-	Precipio, Inc.	-
癫痫	临床1期	-	Medtronic Plc	-
神经变性	临床1期	-	Medtronic Plc	-
神经变性	临床1期	-	Cognetix	-
神经变性	临床1期	-	Precipio, Inc.	-
神经退行性疾病	临床1期	美国	-	-
疼痛	临床前	美国	Cognetix	-