您当前的位置：
首页 >
文章列表页 >
基于生物信息学与机器学习识别阿尔茨海默病铜死亡生物标志物及临床验证与潜在中药预测
基于生物信息学与机器学习识别阿尔茨海默病铜死亡生物标志物及临床验证与潜在中药预测
增强出版Identification of Cuproptosis-related Biomarkers in Alzheimer's Disease Based on Bioinformatics and Machine Learning and Clinical Validation and Prediction of Potential Traditional Chinese Medicine
- “在阿尔茨海默病研究领域，专家利用生物信息学和机器学习方法识别出铜死亡相关基因生物标志物，并预测潜在中药，为中医药治疗阿尔茨海默病提供新思路。”
- 中国实验方剂学杂志 2025年31卷第20期 页码：160-167
DOI： 10.13422/j.cnki.syfjx.20250812
修回：2025-06-28 ，
录用：2025-07-03
移动端阅览
AI导读
HTML全文
图( 2 ) 表( 6 )
参考文献
出版信息
数据统计
312
浏览量
191
下载量
3
CSCD
文章被引用时，请邮件提醒。
提交
工具集
- BibTeX下载
- Endnote下载
- RefMan 下载
- NoteExpress下载
- NoteFirst下载
相关文章
基于生物信息学和实验验证探讨开玄解毒方通过调控铁死亡缓解银屑病的作用机制
慢加急性肝衰竭关键基因的生物信息学探究及潜在中药预测验证
基于生物信息学及实验验证白桦脂酸抑制铁死亡改善非酒精性脂肪性肝病的作用机制
柴胡皂苷D多功能脂质体的构建及其抗肝癌功效与靶向性评价
基于炎症-氧化应激轴调控的中医药干预糖尿病足溃疡的分子机制与研究进展
相关作者
杨昊若
肖雪
李佳琦
张宁馨
杨斌
宋坪
吴忠
吴斌
相关机构
天津中医药大学
中国中医科学院 西苑医院
沈阳药科大学 生命科学与生物制药学院
贵州医科大学 临床医学院
贵州医科大学 附属医院
AI导读
AI脑图
AI问答
