proteomics

西北大学（Northwestern University）与巴克研究所（Buck Institute）发表在《Aging Cell》上的研究表明，绝经后的卵巢仍具有生物学活性，会随着年龄增长持续发生重塑，并且具有与卵巢癌相关的分子特征，这一发现挑战了长期以来关于绝经后卵巢状态的传统认知。

科学家使用基于质谱的蛋白质组学分析古埃及文物，发现粘合剂和颜料中使用了牛胶等动物来源的蛋白质。

本文提出了一个LLM-agent框架，用于大规模分析跨组织蛋白质共丰度网络，以识别保守的簇并生成疾病机制的机制假设。

本文使用来自 TCGA-BRCA 的多组学数据，系统地基准测试了用于 ER 状态预测的经典机器学习模型（Random Forest、XGBoost 等），发现 RNA 表达提供了最强的预测信号，并且在整合的多组学设置中，Random Forest 达到了 90.3% 的平衡准确率。