关于本研究专题
背景
肿瘤学、微生物学与计算科学的交叉融合显著深化了人类对癌症的认知。近年来，大量研究聚焦肿瘤微生物组对癌症启动、进展及治疗响应的深远影响。与此同时，蛋白质组学技术揭示了调控肿瘤生物学的复杂蛋白质网络与信号通路。尽管这两个领域各自贡献了宝贵洞见，但整合蛋白质组学与微生物组数据的综合研究仍相对匮乏。当前学界正深入探讨肿瘤微环境中的因果关系与机制性互作，亟需解析这些组分以识别可操作的生物标志物和治疗靶点。值得注意的是，人工智能（AI）作为新兴强大工具，正通过赋能高维数据集的精细化分析，加速癌症蛋白质组学与微生物组研究的发现进程。
本研究专题旨在展示肿瘤学领域中蛋白质组学、肿瘤微生物组与AI驱动分析的前沿进展。通过征集利用计算技术解析复杂生物系统的论文，推动癌症诊断、预后评估及治疗创新。核心目标包括阐明肿瘤相关微生物与宿主蛋白质景观的协同作用，识别新型临床生物标志物，并将数据驱动的洞见转化为个性化医疗的实用方案。
针对组学驱动与计算型癌症研究的新兴格局，本专题不仅关注机制研究，更强调转化与临床意义。投稿需同时覆盖蛋白质组学、肿瘤微生物组、人工智能三个领域的至少两项，并明确关联癌症生物学或医学。欢迎涉及但不限于以下主题的论文：
- 用于肿瘤特征分析的多组学整合（蛋白质组学与微生物组）
- 人工智能赋能的肿瘤学生物标志物发现与验证
- 癌症相关微生物数据集的新型计算分析方法
- 肿瘤微生物组在调控宿主蛋白质组与癌症进展中的功能作用
- 旨在临床应用的转化研究（如诊断、预后、治疗响应预测）
- 免疫肿瘤学中肿瘤微生物组与蛋白质组的交叉对话
- 人工智能在癌症微生物组与蛋白质组工作流程部署中的伦理或技术挑战
关键词
肿瘤微生物组，蛋白质组学，人工智能，生物标志物发现，多组学整合
重要说明
所有投稿必须符合目标期刊及栏目的范畴定义。Frontiers保留在同行评审任何阶段将偏离范畴的稿件引导至更合适栏目的权利。
【全文结束】