生物样本类型详情
Input 01 · Tissue RNA
从实体瘤 Bulk RNA 中，解析分子信息。
实体组织保留丰富的组织特异性、肿瘤状态与疾病进程信号。RNABag 从整体 RNA 表达图谱中建立统一分子表征，在识别组织来源与癌症相关模式的同时，进一步连接生存与复发风险，让一份组织转录组承载从疾病识别到临床结局研究的连续信息。
进入工作台
Input 02 · Plasma RNA
从 cfRNA 中，捕捉外周血里的癌症信号。
血浆 cfRNA 汇集了来自组织与循环细胞的动态转录信息。RNABag 从低丰度、高噪声的 RNA 背景中识别癌症相关变化，并进一步解析肿瘤诱导的系统性免疫响应，为组织活检之外的无创癌症研究提供新的分子信息来源。
进入工作台
Input 03 · Platelet RNA
从血小板 RNA 中，解析肿瘤驱动的系统性转录重塑。
血小板会持续响应肿瘤及其微环境释放的系统性信号，并由此改变自身 RNA 图谱。RNABag 解码肿瘤教育血小板中的这些表达变化，在识别癌症相关状态之外，进一步提取与潜在肿瘤组织来源有关的分子特征。
进入工作台
能力详情
Capability 01 · Cancer detection
肿瘤辅助诊断
癌症会引起大量基因表达及其调控关系的系统性变化。RNABag 不依赖单一生物标志物，而是从整体转录组模式中识别癌症相关分子状态，并在独立研究队列中检验这些信号能否跨越不同数据来源保持辨识能力。
进入工作台
Capability 02 · Tissue classification
肿瘤亚型分类
不同器官长期维持着具有辨识度的转录组结构。RNABag 从癌症及正常样本中学习这些组织特异性模式，在疾病相关变化之外提取仍然保留的解剖来源信息，从而追踪复杂转录信号可能来自哪个组织或器官。
进入工作台
Capability 03 · Cancer localization
癌症溯源
肿瘤能够重塑循环血小板的转录组状态，其中不仅包含癌症相关信号，也保留部分与肿瘤来源相关的分子差异。RNABag 学习这些复杂的 TEP 表达模式，在癌症状态识别之后进一步比较不同候选肿瘤来源，为基于外周血的癌症定位研究提供分子线索。
进入工作台
Capability 04 · Survival prediction
生存分析
患者在相似诊断下仍可能经历不同的疾病进程。RNABag 从肿瘤转录组中学习与临床结局相关的分子模式，对患者进行生存风险分层，并进一步关联影响不同风险状态的关键基因和生物学程序。
进入工作台
Capability 05 · Recurrence prediction
复发预测
治疗结束并不意味着所有疾病风险已经消失。RNABag 从患者的分子图谱中寻找与短期复发相关的转录特征，并进一步连接残留肿瘤细胞存活、肿瘤干性与休眠细胞再激活等生物学程序。
进入工作台
Capability 06 · Pathway analysis
生物通路分析
RNABag 通过基因贡献分析识别推动当前模型输出的重要分子特征，再结合功能富集将离散基因重新组织为相互关联的生物学通路与功能模块，使预测结果进一步获得可检查的生物学解释。
进入工作台
Capability 07 · Target discovery
靶点发现
RNABag 将模型高贡献基因、疾病相关通路以及不同任务中重复出现的分子模式进行整合，从复杂的转录组背景中优先筛选更具研究价值的候选分子，为后续机制验证与靶点研究提供数据驱动线索。
进入工作台