{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,8,16]]，“日期-时间”：“2024-08-16T00:03:21Z”，“时间戳”：1723766601079}，“参考-计数”：52，“出版商”：“牛津大学出版社（OUP）”，“问题”：“6”，“许可证”：[{“开始”：}“日期-零件”：[2022,10,18]]，”日期-时间me“：”2022-10-18T00:00:00Z“，”时间戳“：166605120000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https://ademicial.oup.com/journals\/pages\/open_access\/funder_policies//chorse\/standard_plication_model”}]，“funder”：[{“DOI”：“10.13039\/501100001809”，“name”：“中国自然科学基金会”，“DOI-asserted-by”：“publisher”，“award”：[“62072173”]，“id“：[{”id“：“10.13039\/501100001809”，“id-type”：“DOI”，“asserted-by”：“publisher”}]}，{“DOI“：”10.13039\/501100004761“，”name“：”湖南省自然科学基金“，”DOI-asserted-by“：”crossref“，”award“：[“2020J4432”]，“id”：[{“id”:“10.13039 \/5011000004761”，“id-type“：”DOI“，”asserted-py“：}，{“名称”：“湖南省教育厅重点科研项目”，“奖项”：[“20A296”]}，{“name”：“数据科学与智能教育重点实验室重点开放项目”}，“DOI”：“10.13039\/501100011821”，“name”:“教育部”，“DOI-asserted-by”：“publisher”，“adward”：[”DSIE202101“]，“id”：[{“id”:“10.13029\/501180011821”，“id-type”：“DOI”，“asserted-by”：“publisher”}]}，{“DOI“：”10.13039\/501100012166“，”name“：”国家重点研发计划“，”DOI-asserted-by“：”publisher“，”award“：[”2020YFB2104400“]，”id“：[{“id”：“10.13039\\501100012166”，”id-type:“DOI：“湖南师范大学医学人文社会科学项目”}，{“name”：“湖南湘江人工智能研究院创新创业训练计划”}]，“content-domain”：{“domain”:[]，“crossmark-restriction”：false}，“short-container-title”：[]，”published-print“：{”date-parts“：[2022,11,19]}，”abstract“：”摘要<\/jats:title>\n成像遗传学通过整合多层次医学数据的特征，为复杂脑疾病的病理学研究提供了独特的见解。然而，目前大多数成像遗传学研究执行不完全数据融合。此外，缺乏有效的深度学习方法来联合分析神经成像和遗传数据。因此，本文首先构建了脑区基因网络，以直观地表示致病因素的关联模式。其次，构建了一种新的特征信息聚合模型，以准确描述大脑区域节点和基因节点之间的信息聚合过程。最后，提出了一种称为特征信息聚合与扩散生成对抗网络（FIAD-GAN）的深度学习方法，用于有效地分类样本和选择特征。我们将重点放在使用所提出的卷积和反卷积操作改进生成器上，通过这些操作，深度学习框架的可解释性得到了显著提高。实验结果表明，FIAD-GAN不仅可以在各种疾病分类任务中取得优异的结果，而且可以提取与AD密切相关的脑区和基因。这项工作为智能临床决策提供了一种新的方法。相关生物医学发现为疾病的临床诊断、治疗和病理分析提供了可靠的参考和技术依据<\/jats:p>“，”DOI“：”10.1093\/bib\/bbac454“，”type“：”journal-article“，”created“：{”date-parts“：[2022,10,19]]，”date-time“：”2022-10-19T08:47:05Z“，”timestamp“：1666169225000}，”source“：“Crossref”，”is-referenced-by-count“：2，”title“：[”一种新一代具有特征聚合和扩散的对抗性网络框架，用于脑部疾病分类和特征选择“]，”前缀“：”10.1093“，”卷“：”23“，”作者“：[{”ORCID“：”http://\/ORCID.org\/00000-0002-2715-3360“，”authenticated-ORCID“：false，”给定“：”Xia-an“，”家族“：”Bi“，”序列“：”first“，”affiliation“：”[{“name”：“湖南省智能计算与语言信息处理重点实验室，湖南师范大学信息科学与工程学院，长沙“}]}，{“给定”：“余华”，“家庭”：“毛”，“序列”：“附加”，“隶属”：[{“名称”：“湖南师范大学信息科学与工程学院计算系“}]}，{“given”：“Sheng”，“family”：“Luo”，“sequence”：“additional”，“affiliation”：[{“name”：“中国长沙湖南师范大学信息科学与工程院计算系”}]，{序列：“附加”，“隶属关系”：[{“名称”：“湖南师范大学信息科学与工程学院计算系，中国长沙”}]}，{“给定”：“莉霞”，“家族”：“张”，“序列”：“附加”，“隶属关系”：[{“名称”：“湖南师范大学信息科学与工程学院，中国长沙”}]}，{given“：”Xun“，”family“：”Luo“，”sequence“：”additional“，”affiliation“：[{“name”：“湖南师范大学信息科学与工程学院，中国长沙”}]}，{“given”：“Luyun”，“family”：“Xu”，“sequence”：“additional”，“affiliance”：[{“name”：“中国长沙湖南师范大学商学院”}]]，“member”：“286”，“在线发表”：{“日期部分”：[[2022,10,18]]}，“参考文献”：[{“关键”：“2022112111194375100_ref1”，“第一页”：“377”，“文章标题”：“阿尔茨海默病和其他痴呆的流行病学”，“卷”：“66”，“作者”：“Garre Olmo”，“年份”：“2018”，“期刊标题”：“Rev Neurol”}，{“关键”：“2022112111194375100_ref2”，“doi断言”：“crossref”，“第一页”：“a028035“，“DOI”：“10.1101\/cshperspect.a028035”，“article-title”：“神经退行性疾病的病理学”，“volume”：“9”，“author”：“Dugger”，“year”：“2017”，“journal-title“：”Cold Spring Harb Perspect Biol“}，{“key”：”2022112111194375100_ref3“，”DOI-asserted-by“：”crossref“，”first page“102003”，“DOI:”10.1016\/j.media.2021.10 2003年“，”文章标题“：”通过自适应稀疏多视角典型相关分析确定基因组、蛋白质组和成像生物标记物之间的关联”，“卷”：“70”，“作者”：“杜”，“年份”：“2021年”，“期刊标题”：“医学图像分析”}，{“关键”：“2020 2112111194375100_ref4”，“doi-asserted-by”：“crossref”，“首页”：“252”，“doi”：“10.1017\/neu.2019.20”，“article-title”：“抑郁症额叶和颞叶灰质体积减少：基于体素的形态计量学研究的贡献”，“体积”：“31”，“作者”：“Kandilarova”，“年份”：“2019”，“期刊标题”：“神经精神病学学报”}，{“关键”：“2022112111194375100_ref5”，“doi断言”：“crossref”，“首页”：“1059”，“doi”：“10.3389\/fennur.20199.01059”，“文章标题”：“轻度认知障碍、阿尔茨海默病和额颞叶痴呆患者不同额叶脑容量和行为症状之间的关系“，“容量”：“10”，“作者”：“Cajanus”，“年份”：“2019”，“期刊标题”：“前神经”}，{“关键”：“2022112111194375100_ref6”，“doi-asserted-by”：“crossref”，“首页”：“bbab481”，“doi”：“10.1093\/bib\/bbab481“，”article-title“：”表观基因组签名作为免疫表型指标提示肺腺癌的持久临床免疫治疗益处“，”volume“：”23“，”author“：”Pan“，”year“：”2022“，”journal-title”：“Brief Bioninform”}，{“key”：“2022111194375100_ref7”，“doi-asserted-by”：“crossref”，“first-page”：“1”，“doi”：“10.1186\/s12920-019-0584-6“，“article-title”：“HiSSI：基于有效显著模式和差异进化的高阶SNP-SNP相互作用检测”，“volume”：“12”，“author”：“Cao”，“year”：“2019”，“journal-title“：”BMC Med Genomics“}，{“key”：”2022112111194375100_ref8“，“doi-asserted-by”：“crossref”，“first page”：：“723”，“doi”：“10.1016\/j.cell.2021.01.001“，”article-title“：“猕猴胎脑3D基因组揭示灵长类皮质激素生成过程中的进化创新”，“卷”：“184”，“作者”：“罗”，“年份”：“2021”，“日志标题”：“细胞”}，{“键”：“022112111194375100_ref9”，“doi-asserted-by”：“crossref”，”第一页“bbab165”，‘doi’：“10.1093\/bbib\/bbab165”、“article-title”：“”MDA-GCNFTG：通过特征和拓扑图的图采样，基于图卷积网络识别miRNA-disease关联”，“volume”：“22”，“author”：“Chu”，“year”：“2021”，“journal-title”：“Brief Bioninform”}，{“key”：”2022111194375100_ref10“，“doi-asserted-by”：“crossref”，“first-page”：“D1244”，“doi”：“10.1093\/nar\/gkaa1037”，“article-title“：”LincSNP 3.0:一个更新的数据库，用于将功能变体与人类长非编码RNA、环状RNA及其调控元件链接”，“volume”：“49”，“author”：“Gao”，“year”：“2021”，“journal-title”：“Nucleic Acids Res”}，{“key”：”2022111194375100_ref11“，”doi-asserted-by“：”crossref“，”first page“：”D181“，”doi“：”10.1093\/nar\/gkx1035“，”article-title“：”MSDD：人工管理的miRNAs、SNPs和人类疾病之间实验支持关联的数据库“，”volume“：”46“，”author“：”Yue“，”year“：”2018“，”journal-title”：“Nucleic Acids Res”}，{“key”：“2022111194375100_ref12”，“doi-asserted-by”：“crossref”，“first-page”：“2556”，“doi”：“10.1002\/hbm.25387”，“”article-title“：”精神分裂症患者成像遗传学稀疏深层神经网络\u2013对照分类“，”卷“：”42“，”作者“：”陈“，”年份“：”2021“，”期刊标题“：”人类大脑映射“}，{“key”：“2022112111194375100_ref13”，“doi-asserted-by”：“crossref”，“first page”：”657“，”doi“：”10.1111\/dgd.12393“，”article-title“Dab1对海马亚区形态发生的贡献不同“，”volume“：”59“，”author“：”Blume“，”year“：”2017“，”journal-title“：”Dev Growth Differ“}，{”key“：“2022112111194375100_ref14”，“doi-asserted-by”：“crossref”，“first page”：“101632”，“doi”：“10.1016\/j.media.2019.101632”、“article-title”：“使用多模板的自适应稀疏学习用于神经退行性疾病诊断”，“卷”：“61”，“作者”：“雷”，“年份”：“2020”，“新闻标题”：“医学图像分析”}，{“关键”：“2022112111194375100_ref15”，“doi-asserted-by”：“crossref”，“首页”：“1544”，“doi”：“10.1093\/生物信息学\/btw033”，“文章标题”：脑成像遗传学的结构化稀疏典型相关分析：一种改进的GraphNet方法“，“volume”：“32”，“author”：“Du”，“year”：“2016”，“journal-title”：“Bioinformatics”}，{“key”：”2022112111194375100_ref16“，”doi-asserted-by“：”crossref“，”first page“：”1“，”doi“：”10.1038\/srep44272“，”article-title“：”通过三向稀疏典型相关分析挖掘阿尔茨海默病相关脑成像遗传关联”，“卷”：“7”，“作者”：“郝”，“年份”：“2017年”，“期刊标题”：“科学代表”}，{“关键词”：“2022112111194375100_ref17”，“doi-asserted-by”：“crossref”，”首页“585”，“doi”：“10.3389”，“fins.2019.00585”，“article-title”：“图论在识别人脑网络连接模式中的应用：系统综述”，“卷”：“13”，“作者”：“Farahani”，“年份”：“2019”，“期刊标题”：“Front Neurosci”}，{“key”：“2022112111194375100_ref18”，“doi-asserted-by”：“crossref”，“首页”：“e106418”，“doi”：“10.1371”，“journal.pcbi.1006418”，”“article-title”：“MDHGI：miRNA-disease关联预测的矩阵分解和异质图推理“，“volume”：“14”，“author”：“Chen”，“year”：“2018”，“journal-title”：“PLoS Compute Biol”}，{“key”：”2022111194375100_ref19“，”doi-asserted-by“：”crossref“，”first page“：”bbab340“，“doi”：“10.1093\/bib\/bbab340”，“article-title“：”生物信息学中的图形表示学习：趋势、方法和应用”，“卷”：“23”，“作者”：“Yi”，“年份”：“2022”，“期刊标题”：“简要生物信息”}，{“关键字”：“2020 2112111194375100_ref20”，“doi-asserted-by”：“crossref”，“首页”：“323”，“doi”：“10.1016\/j.ins.2021.04.073”，“文章标题”：基于自动编码器和图形嵌入预测circRNA-disease关联“，”volume“：”571“，”author“：”Yang“，”year“：”2021“，“journal-title”：“Inform Sci”}，{“key”：“2022112111194375100_ref21”，“doi-asserted-by”：“crossref”，“first-page”：“101947”，“doi”：“10.1016\/j.media.2020.10194”，“article-title“：”具有相似性意识的图卷积网络和疾病诱导恶化预测的自适应校准”，“卷”：“69”，“作者”：“宋”，“年份”：“2021”，“期刊标题”：“医学图像分析”}，{“键”：“2020 2112111194375100_ref22”，“doi-asserted-by”：“crossref”，“首页”：“i474”，“doi”：“10.1093”，“生物信息学”，“article-title”：“通过多任务稀疏典型相关分析确定渐进成像遗传模式：对ADNI队列的纵向研究“，“卷”：“35”，“作者”：“杜”，“年份”：“2019年”，“期刊标题”：“生物信息学”}，{“关键”：“2022112111194375100_ref23”，“doi-asserted-by”：“crossref”，“首页”：“947”，“doi”：“10.2174”\/156802661812180831120612”article-title“：“开发新的医学和药学计算技术”，“卷”：“18”，“作者”：“陈”，“年份”：“2018”，“期刊标题”：“Curr Top Med Chem”}，{“键”：“2022112111194375100_ref24”，“doi-asserted-by”：“crossref”，“首页”：“6894”，“doi”：“10.3390\/app11156894”，“article-title”：“免疫球蛋白的准确预测和关键特征识别”，“卷”：“11”，“作者”：“龚”，“年份”：“2021”，“期刊标题”：“Appl Sci”}，{“键”：“022112111194375100_ref25”，“首页”：“十一”，“文章标题”：”CPPred-FL：一种基于序列的预测因子，用于通过特征表示学习大规模识别细胞穿透肽”，“volume“：”21“，”author“：”Qiang“，”year“：”2020“，”journal-title“：”Brief Bioninform“}，{“key”：”2022112111194375100_ref26“，”doi-asserted-by“：”crossref“，”first-page“：”1846“，”doi“：”10.1093\/bib\/bbz088“，”article-title”：“ACPred-fuse：融合多视角信息提高抗癌肽预测”，“volume”：“21”，“author”：“Rao”，“year”：“2020年”journal-title“：”Brief Bioninform“}，{”key“：”2022112111194375100_ref27“，”doi-asserted-by“：”crossref“，”first page“：“352”，”doi“：”10.2174 \/15748936126661707095707“，”article-title”：“生物大数据处理中深度学习应用的进展与挑战”，“volume”：“13”，“author”：“Peng”，“year”：“2018”，“journal-title”:“Curr Bioninfrom”}，}“key“：”2022112111194375100_ref28“，”doi-asserted-by“：”crossref“，”first-page“：”bbaa186“，“doi”：“10.1093\/bib\/bbaa186”，“article-title”：“预测潜在miRNA-disease关联的深层网络”，“volume”：“22”，“author”：“Chen”，“year”：“2021”，“journal-title“：”Brief Bioninform“}，{“key”：”20221221111943750100_ref29“，”doi-asserted-by“：”crossref“，”首页“：”63605“，”DOI“：”10.1109\/ACCESS.2019.2913847“，”article-title“：”通过3D-CNN和FSBi-LSTM进行阿尔茨海默病诊断的深度学习框架“，”volume“：”7“，”author“：”Feng“，”year“：”2019“，”journal-title”：“IEEE ACCESS”}，{“key”：“2022112111194375100_ref30”，“DOI-asserted-by”：“crossref”，“first-page”：“156”，”DOI:“10.3389 \/fncom.2014.00156“，“article-title”：“阿尔茨海默病诊断MRI数据的空间成分分析：贝叶斯网络方法”，“volume”：“8”，“author”：“Ilan”，“year”：“2014”，“journal-title“：”Front Compute Neurosci“}，{“key”：”2022111194375100_ref31“，”doi-asserted-by“：”crossref“，”first page“：”10415“，”doi“10.1007\/s00521-05799-w“，”article-title“：”基于CNN的阿尔茨海默病分类框架“，”volume“：”33“，”author“：”AbdulAzeem“，”year“：”2021“，”journal-title”：“Neural Comput Applic”}，{“key”：“2022111194375100_ref32”，“doi-asserted-by”：“crossref”，“first page”：”559“，”doi“：”10.1086\/519795“，”article-title“：”PLINK：全基因组关联和基于人群的连锁分析的工具集”，“卷”：“81”，“作者”：“Purcell”，“年份”：“2007”，“期刊标题”：“Am J Hum Genet”}，{“关键”：“2022112111194375100_ref33”，“doi-asserted-by”：“crossref”，《首页》：“433”，“doi”：“10.1002\/jnr.24364”，“article-title”：“DPARSF工具箱种子相关分析（SCA）中rs-fMRI参数的优化：初步研究用于AD和MCI诊断和跨人群迁移学习的皮质图神经网络”，“卷”：“23”，“作者”：“Wee”，“年份”：“2019”，“期刊标题”：“Neuroimage”}，{“关键”：“2022112111194375100_ref35”，“doi-asserted-by”：“crossref”，“首页”：“101656”，“doi”：“10.1016\/j.media.2020.10165”，“article-title”：“通过一种新的结构化SCCA方法检测阿尔茨海默病脑部成像表型的遗传关联”，“卷”：“61”，“作者”：“杜”，“年份”：“2020”，“期刊标题”：“医学图像分析”}，{“关键”：“2022112111194375100_ref36”，“doi-asserted-by”：“crossref”，“首页”：“3416”，“doi”：“10.1109”，TMI.2020.2995510”，“文章标题”：通过肮脏的多任务学习方法关联多模式脑成像表型和遗传风险因素”，“卷”：“39”，“作者”：“杜”，“年份”：“2020”，“新闻标题”：“IEEE Trans-Med imaging”}，{“关键”：“2022112111194375100_ref37”，“doi-asserted-by”：“crossref”，“首页”：“1”，“doi”：“10.1186\/s13148-019-0672-7”，《文章标题》：“阿尔茨海默病患者海马体DNA甲基化特征与神经发生有关”，“卷”：“11”，“作者”：“阿尔图纳”，“年份”：“2019”，“期刊标题”：“临床表观基因”}，{“关键”：“2022112111194375100_ref38”，“首页”：“100004”，“文章标题”：《生成对抗网络：理论与应用概述》，“卷“：”，“作家”：“Aggarwal”，“年份”：“2021”，“期刊标题”：“Int J Inf Manage Data Insights”}，｛“key”：“2022112111194375100_ref39”，“doi断言”：“crossref”，“首页”：“1”，“doi”：“10.1038\/s41598-020-7439-w”，“文章标题”：“早期检测阿尔茨海默病阶段的多模式深度学习模型”，“volume”：“11”，“author”：“Venugopalan”，“year”：“2021”，“journal-title“：”Sci-Rep“}，{”key“：”2022112111194375100_ref40“，”doi-asserted-by“：”crossref“，”first page“：“43”，“doi”：“10.1016\/j.neuroscience.2021.01.002”，“article-title”：“MRI图像上阿尔茨海默病早期诊断的转移学习方法”，“volume”：“460”，“author”：“Mehmood”，“year”：“2021”，“journal-title”:“neuroscience”}，}“key”“：”2022112111194375100_ref41”，“doi断言者”：“crossref”，“首页”：“S121”，“doi”：“10.1016\/j.neurobiolaging.2014.04.037”，“文章标题”：“阿尔茨海默病分类的大脑连接和新的网络测量”，“卷”：“36”，“作者”：“Prasad”，“年份”：“2015”，“期刊标题”：“神经生物学衰老”}，{“密钥”：“2022112111194375100_ref42”，“doi-asserted-by“：”crossref“，”first page“：”233“，”doi“：”10.1109 \/TCYB.2019.2940526“，”article-title“：”融合稀疏网络学习用于轻度认知障碍的纵向分析“，”volume“：“51”，”author“：”Yang“，”year“：”2019“，”journal-title”：“IEEE Trans-Cybernet”}，{“key”：“2022112111194375100_ref43”，”doi-assert-by“213“，”DOI“：”10.1017\/S135561771700087X“，”article-title“：”主观认知下降修改认知正常老年人脑血流和记忆功能之间的关系“，”volume“：”24“，”author“：”Hays“，”year“：”2018“，”journal-title”：“J Int Neuropsychology Soc”}，{“key”：“2022112111194375100_ref44”，“DOI-asserted-by”：“crossref”，“首页”：“151”，“DOI”：“10.1016\/j.neurobiologing.2022.05.012”，“文章标题”：“认知未受损衰老中的认知储备、神经认知表现和高阶静息状态网络”，“卷”：“117”，“作者”：“Varela-L\u00f3pez”，“年”：“2022”，“期刊标题”：“Neurobiologing”}，{“key”：“2022112112111194375100_ref45”，“DOI断言”：“crossref“，”first page“：”597455“，”DOI“：”10.3389\/fnagi.2021.597455”，”article-title“：”与认知相关的改变的岛叶次区域连接性，用于区分临床前阿尔茨海默病的谱”，“volume”：“13”，“author”：“Wang”，“year”：“2021”，“journal-title”：“Front Aging Neurosci”}，{“key”：”2022111194375100_ref46“，”doi-asserted-by“：”crossref“，”first page“：”193“，“doi”：“10.1176\/appi.neuropsych.14060126”，“article-title”：“行为去抑制报告增加背后的脑损伤区域”，“volume”：“27”，“author”：“Knutson”，“year”：“2015”，“journal-title“：”神经精神病学临床神经科学杂志“}，{“key”：”2022112111194375100_ref47“，”doi-assert-by“，”首页“：”390“，”DOI“：”10.1148“radiol.2021203383“，”文章标题“：”MRI预测帕金森病从轻度认知功能障碍到痴呆的转化：基于机器学习的模型“，”卷“：”300“，”作者“：”Shin“，”年份“：”2021“，”杂志标题“：“放射学”}，{“key”：“2022111194375100_ref48”，“DOI-asserted-by”：“crossref“，”first page“：”e859“，”DOI“：”10.1212\/WNL.0000000006075“，”article-title“：”tau PET、淀粉样PET和海马体积对阿尔茨海默病认知的影响“，”volume“：“91”，”author“：”Aschenbrenner“，”year“：”2018“，”journal-title”：“Neurology”}，{“key”：“2022112111194375100_ref49”，”DOI-asserted-by“：”crossref.“，”首页“：”974“，”DOI“：“10.1016\/j.stem.2019.05.003“，”article-title“：“老年人和阿尔茨海默病患者海马神经发生持续”，“volume”：“24”，“author”：“Tobin”，“year”：“2019”，“journal-title”：“Cell stem Cell”}，{“key”：”2022111194375100_ref50“，”doi-asserted-by“：”crossref“，”first page“：”114“，“doi”：“10.1097\/WAD.0000000000 422”，“article-title“：”MAGI2基因的多态性修改淀粉样蛋白\u03b2对神经退行性变的影响“，”volume“：”35“，”author“：”Kim“，”year“：”2021“，”journal-title”：“阿尔茨海默病相关疾病”}，{“key”：“2022111194375100_ref51”，“doi-asserted-by”：“crossref”，“first-page”：“e056383”，“doi”：“10.1002 \/alz.056383”，“article-title”APOE批准的全基因组关联分析为非裔美国人识别新的阿尔茨海默病候选风险位点“，“volume”：“17”，“author”：“Kunkle”，“year”：“2021”，“journal-title”：“Alzheimers Dement”}，{“key”：”2022111194375100_ref52“，“doi-asserted-by”：“crossref”，“first page”：：“6176”，“doi”：“10.1073\/pnas.1423205112”，“article-title“：”接触素相关蛋白样2/Caspr2敲除神经元的突触异常和胞质谷氨酸受体聚集”，“数量”：“112”，“作者”：“Varea”，“年份”：“2015”，“期刊标题”：“美国科学院学报”}]，“容器标题”：[“生物信息学简介”]，“原文标题”：[]，“语言”：“en”，“链接”：[{“URL”：“https:\/\/actical.oup.com/bib\/article-pdf\/23\/6\/bbac454\/47143845\/bbac454.pdf“，”content-type“：”application\/pdf“，”content-version“：”vor“，”intended-application“：”syndication“}，{”URL“：”https:\///actical.com./bib\/artice-pdf\-23\/6\bbac454\%47143845 \/bbac 454.pdf'“，”内容-t type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2022,11,21]]，”date-time“：”2022-11-21T11:24:40Z“，”timestamp“：1669029880000}，”score“：1，”resource“：”{“primary”：{“URL”：“https:\/\/acticle.oup.com/bib\/article\/doi\/10.1093\/bbib\/bbac454\/6762742”}}，“subtitle”：[]，“shorttitle”“：[]，”已发布“：{”日期部分“：[2022,10,18]]}，”references-count“：52，”journal-issue“：{”issue“：“6”，“published-print”：{“date-parts”：[[2022,11,19]]}}，“URL”：“http://\/dx.doi.org\/10.1093\/bbib\/bbac454”，“relation”：{}，”ISSN“：[”1467-5463“，”1477-4054“]，”ISSN-type“：[{”value“：”1467-5563“，“type”：“print”}，{“value”：“1477-4054”，“type”：“electronic”}]，“subject”：[]，“published-other”：{“date-parts”：[2022,11]]}，“发布的“：{“date-parts”：[[2022,10,18]]}}}