为帮助受疫情影响的广大科研工作者假期科研不中断，我们从本周一 （3月2日） 起，打造了全新的线上讲座单元 — 40分钟最新顶刊精读系列，帮助大家在家也能掌握最新研究动态。
肥胖人群遗传易感性较低，无法提供足够的信息对肥胖症和相关结局进行风险评估。因此，我们迫切的需要优化并量化表型数据，帮助我们更好的预测肥胖人群的疾病风险。今天要介绍的一篇文献是使用先进的机器学习模型，深度分析大规模人群血浆脂质组学数据、评估肥胖程度及后续疾病风险。
2020年2月份，中科新生命共收录到项目文章12篇，涉及多个研究方向，其中应用到的中科新生命科技服务产品包括：蛋白质组学、修饰组学、代谢组学和多组学联合分析，详情如下。如需索取原文，请加微信：19946181033，并备注“索取文献”。
随着组学技术的飞速发展，生物信息学分析已被广泛应用到医药、农林、环境等领域的研究。然而，好看的皮囊千篇一律，有趣的灵魂万里挑一。生信分析也需要有灵魂才能挖掘出更多有用的数据。那什么是生信分析的灵魂？举个例子：某批临床样本组学分析结果出来以后“欸？这正常组和疾病组之间就这么几个差异分子啊？”。“莫急，
当人工智能与生物医药碰撞到一起时，会擦出怎样的火花？本期讲座，中科新生命高级学术顾问於佳乐博士分享讲座《人工智能开启“精准医疗”时代：高通量组学数据挖掘策略》，带您了解生物标志物筛选过程中的痛点难点问题，如何利用集成机器学习算法来克服这些难题，实现高效及系统的标志物研究。
