热点事件持续更新
机器学习工作流预测JAK抑制下基因表达
1 篇报道1 个报道来源2 小时前更新
先了解这件事
事件综述
2026年10月17日，免疫学专家在YouTube发布ImmuneZoom解读，对一篇发表于Cell Systems的论文进行剖析。该研究提出一种机器学习工作流：先用BioNetGen对JAK-STAT信号网络的磷酸化轨迹进行建模，将所得动力学特征作为机器学习模型的输入，进而预测fedratinib处理条件下的全局基因表达。报道指出，该方法能够在fedratinib处理下区分JAK2依赖基因与JAK2非依赖基因。
由模型根据报道生成 · 55 分钟前更新
最新进展10月18日 03:24
机器学习工作流可区分fedratinib处理下JAK2依赖与非依赖基因。报道时间线
沿着报道，了解事件的不同侧面。
10月17日
- 专家解读（YouTube）免疫学专家解读：机制-机器学习工作流建模 JAK-STAT 信号网络解码巨噬细胞可塑性
ImmuneZoom 解读 Cell Systems 论文，用 BioNetGen 建模 JAK-STAT 磷酸化轨迹作为机器学习输入预测全局基因表达，能区分 fedratinib 处理下 JAK2 依赖与非依赖基因。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。