人格特质对孕妇分娩恐惧的影响：一项系统评价和荟萃分析

《Journal of Proteome Research》：The role of personality traits on fear of childbirth in pregnant women: A systematic review and meta-analysis

糖组学分析框架GlyTrait通过自动化推导N-糖组学数据中的功能特征（如分支和岩藻糖化），结合统计与可解释机器学习方法，为疾病相关糖基化模式提供新见解。该框架验证了在肝细胞癌生物标志物发现和既往 CHO 细胞系、 visceral 莱姆病数据复现中的有效性，支持无需编程知识的自定义特征提取。

　　

宾富|王国利|陈欣|李月月|刘学娇|卢浩杰|张颖

中国上海复旦大学12478号中山医院化学系及肝癌研究所，邮编200032

我们开发了GlyTrait，这是一个基于Python的框架，旨在通过创新计算和解释从N-糖组数据中得出的特征来增强糖组学分析。糖组学研究常常面临糖组数据可解释性和生物学相关性的挑战。GlyTrait自动化地提取具有生物学意义的特征，将研究重点从单纯关注糖链的丰度（在组成或结构糖组学研究中）转移到功能性糖链属性上，如分支结构和岩藻糖基化。此外，凭借其精心设计的公式语法，无需任何编程知识即可实现自定义特征的开发。最后，后续的统计分析和可解释的机器学习方法能够提供关于与疾病状态相关的糖基化模式的深入见解。GlyTrait的有效性已通过重新分析已发表的糖工程化CHO细胞系数据以及内脏利什曼病患者数据得到验证，同时还开展了一项针对肝细胞癌（HCC）N-糖组生物标志物发现的新试点研究。我们相信GlyTrait有望成为糖组学领域不可或缺的工具。