×
验证码:
换一张
忘记密码?
记住我
×
统一认证登录
登录
中文版
|
English
上海科技大学知识管理系统
ShanghaiTech University Knowledge Management System
统一认证登录
登录
注册
ALL
ORCID
题名
作者
发表日期
关键词
文献类型
DOI
出处
存缴日期
收录类别
出版者
学习讨论厅
图片搜索
粘贴图片网址
首页
研究单元&专题
作者
文献类型
学科分类
知识图谱
知识整合
学习讨论厅
在结果中检索
研究单元&专题
生命科学与技术学院 [38]
信息科学与技术学院 [3]
免疫化学研究所 [1]
iHuman研究所 [1]
物质科学与技术学院 [1]
更多...
作者
刘雪松 [38]
王诗翔 [18]
吴涛 [15]
何早柯 [11]
赵翔宇 [10]
吴宸旭 [10]
更多...
文献类型
期刊论文 [28]
专利 [8]
预印本 [2]
发表日期
2023 [7]
2022 [10]
2021 [8]
2020 [1]
2019 [7]
2018 [2]
更多...
出处
BRIEFINGS ... [3]
BIOINFORMA... [2]
CANCER RES... [2]
ISCIENCE [2]
ONCOGENE [2]
bioRxiv [2]
更多...
语种
英语 [22]
中文 [1]
资助项目
National N... [9]
Shanghai S... [3]
Key Resear... [1]
Ministry o... [1]
Ministry o... [1]
NIH/NCI[R0... [1]
更多...
资助机构
收录类别
SCI [22]
SCIE [16]
PPRN.PPRN [2]
AMI [1]
EI [1]
ESCI [1]
更多...
×
知识图谱
KMS
>
生命科学与技术学院
>
PI研究组
>
刘雪松组
反馈留言
刘雪松组
帮助
所有内容中
刘雪松组
浏览条目
浏览/检索结果:
共38条,第1-10条
帮助
限定条件
专题:刘雪松组
第一作者的第一单位
第一作者单位
通讯作者单位
已选(
0
)
清除
条数/页:
5
10
15
20
25
30
35
40
45
50
55
60
65
70
75
80
85
90
95
100
排序方式:
请选择
WOS被引频次升序
WOS被引频次降序
提交时间升序
提交时间降序
期刊影响因子升序
期刊影响因子降序
作者升序
作者降序
发表日期升序
发表日期降序
题名升序
题名降序
肿瘤免疫:免疫系统与肿瘤细胞的持续战斗
期刊论文
科学, 2023, 卷号: 75, 期号: 05, 页码: 12-16+69
作者:
陈静
;
吴涛
;
刘雪松
Adobe PDF(2098Kb)
  |  
收藏
  |  
浏览/下载:99/0
  |  
提交时间:2023/11/24
肿瘤免疫
免疫编辑
免疫逃逸
免疫治疗
人工智能
Neodb: a comprehensive neoantigen database and discovery platform for cancer immunotherapy
期刊论文
DATABASE-THE JOURNAL OF BIOLOGICAL DATABASES AND CURATION, 2023, 卷号: 2023
作者:
Wu, Tao
;
Chen, Jing
;
Diao, Kaixuan
;
Wang, Guangshuai
;
Wang, Jinyu
Adobe PDF(2440Kb)
  |  
收藏
  |  
浏览/下载:234/38
  |  
提交时间:2023/07/11
Accurate prediction of pan-cancer types using machine learning with minimal number of DNA methylation sites
期刊论文
JOURNAL OF MOLECULAR CELL BIOLOGY, 2023
作者:
Ning, Wei
;
Wu, Tao
;
Wu, Chenxu
;
Wang, Shixiang
;
Tao, Ziyu
Adobe PDF(6162Kb)
  |  
收藏
  |  
浏览/下载:317/1
  |  
提交时间:2023/04/11
Quantification of Neoantigen-Mediated Immunoediting in Cancer Evolution—Reply
期刊论文
CANCER RESEARCH, 2023, 卷号: 83, 期号: 6, 页码: 973
作者:
Tao, Wu
;
Kaixuan, Diao
;
Xue-Song, Liu
Adobe PDF(146Kb)
  |  
收藏
  |  
浏览/下载:27/0
  |  
提交时间:2024/03/29
TLimmuno2: predicting MHC class II antigen immunogenicity through transfer learning
期刊论文
BRIEFINGS IN BIOINFORMATICS, 2023
作者:
Wang, Guangshuai
;
Wu, Tao
;
Ning, Wei
;
Diao, Kaixuan
;
Sun, Xiaoqin
Adobe PDF(1562Kb)
  |  
收藏
  |  
浏览/下载:221/0
  |  
提交时间:2023/03/26
CD4+ T cell
immunogenicity
long short-term memory
neoantigen
transfer learning
The repertoire of copy number alteration signatures in human cancer
期刊论文
BRIEFINGS IN BIOINFORMATICS, 2023
作者:
Tao, Ziyu
;
Wang, Shixiang
;
Wu, Chenxu
;
Wu, Tao
;
Zhao, Xiangyu
Adobe PDF(3003Kb)
  |  
收藏
  |  
浏览/下载:274/91
  |  
提交时间:2023/03/15
copy number alteration
mutational signature
cancer genome
cancer prognosis
copy number signature
Allosterically inhibited PFKL via prostaglandin E2 withholds glucose metabolism and ovarian cancer invasiveness
期刊论文
CELL REPORTS, 2023, 卷号: 42, 期号: 10
作者:
Chen, Shengmiao
;
Wu, Yiran
;
Gao, Yang
;
Wu, Chenxu
;
Wang, Yuetong
Adobe PDF(5886Kb)
  |  
收藏
  |  
浏览/下载:110/1
  |  
提交时间:2023/11/13
Cancer
Metabolism
CRISPR-Cas9 screening
EMT
PFKL
PGE2
PTGES3
TET2
fumarate
invasion
metastasis
ovarian cancer
Addressing the Enzyme-independent tumor-promoting function of NAMPT via PROTAC-mediated degradation
期刊论文
CELL CHEMICAL BIOLOGY, 2022, 卷号: 29, 期号: 11
作者:
Zhu, Xiaotong
;
Liu, Haixia
;
Chen, Li
;
Wu, Chenxu
;
Liu, Xuesong
Adobe PDF(3803Kb)
  |  
收藏
  |  
浏览/下载:239/0
  |  
提交时间:2022/11/03
Seq2Neo: A Comprehensive Pipeline for Cancer Neoantigen Immunogenicity Prediction
期刊论文
INTERNATIONAL JOURNAL OF MOLECULAR SCIENCES, 2022, 卷号: 23, 期号: 19
作者:
Diao, Kaixuan
;
Chen, Jing
;
Wu, Tao
;
Wang, Xuan
;
Wang, Guangshuai
Adobe PDF(3026Kb)
  |  
收藏
  |  
浏览/下载:538/82
  |  
提交时间:2022/10/27
immunogenicity
immunotherapy
bioinformatics pipeline
deep learning
Seq2Neo: a comprehensive pipeline for cancer neoantigen im-munogenicity prediction
预印本
2022
作者:
Diao, K.
;
Chen, J.
;
Wu, T.
;
Wang, X.
;
Wang, G.
Adobe PDF(2876Kb)
  |  
收藏
  |  
浏览/下载:33/6
  |  
提交时间:2024/01/09
immunogenicity
immunotherapy
bioinformatics pipelines
deep learning