Magas vérnyomás: ki dolgozik rajta

Intézményenként egy kártya. Szűrhetsz célpontra, országra, vagy csak az EU-13 (Horizon Europe felzárkózó) országok intézményeire.

• Minden célpont
• AMPK 0
• SGLT2 3
• GLP-1 2
• PPAR 0
• AKT 0
• NLRP3 0
• PI3K 0
• NRF2 1
• HIF-1 0
• STAT3 0
• VEGF 0
• ACE2 0
• SIRT1 0
• TNF 1
• IL-6 1
• mTOR 0
• TLR4 0
• ERK 0
• MAPK 0
• HMGB1 0
• YAP 0
• CXCR4 0
• HSP90 0
• IL-17 1
• AR 1
• PCSK9 3
• APOE 1
• CD19 0
• GPX4 0
• JNK 0
• METTL3 0
• PINK1 0
• PTEN 0
• TP53 0
• ABL1 0
• APOL1 0
• BTK 2
• CD40 0
• FAK 0
• HDAC 0
• IL-1 0
• JAK 0
• MMP-9 0
• PKM2 0
• STK11 0
• CGRP 0
• CTNNB1 0
• DPP-4 0
• FTO 0
• RUNX1 0
• STING 0
• AXL 0
• CD38 0
• COX-2 0
• DMD 0
• GIP 0
• HTT 0
• IDH 0
• IGF1R 0
• MDM2 0

Az EU-13 szűrő, nem rangsor: csak szűkíti a listát.

Ebben a nézetben még nincs kutatócsoport.

Vizsgálatok, amelyek regiszteradata szerint az egyéni résztvevői adatokat (IPD) megosztják.

Ebben a nézetben egy vizsgálat sem jelzi, hogy megosztaná a résztvevői adatokat.

Publikációk erről a betegségről egy MeSH-módszerkifejezés szerint, például szekvenálási vagy képalkotó módszerre.

• Single-Cell Analysis 12
• Organoids 1
• Mendelian Randomization Analysis 85
• CRISPR-Cas Systems 2
• Gene Expression Profiling 52
• Sequence Analysis, RNA 5
• Whole Genome Sequencing 2
• Exome Sequencing 10
• Proteomics 45
• Metabolomics 45
• Mass Spectrometry 3
• Flow Cytometry 4
• Immunohistochemistry 24
• Liquid Biopsy 1
• Xenograft Model Antitumor Assays 1
• Positron-Emission Tomography 6
• Magnetic Resonance Imaging 123
• Machine Learning 100
• Deep Learning 13
• Cohort Studies 415
• Genome-Wide Association Study 82

• Interpretable Machine Learning for Predicting Early Onset Hypertension in the US.

  Prev Chronic Dis, 2026. okt.

• Association between the triacylglycerol-glucose index, TyG-BMI and hypertension in children and adolescents: a cross-sectional study with machine-learning-based risk stratification.

  Front Endocrinol (Lausanne), 2026. okt.

• A Machine Learning Framework for Predicting Functional Status and Estimating Health Care Costs in Pulmonary Arterial Hypertension: Retrospective Cohort Study.

  JMIR Med Inform, 2026. okt.

• Integrated multi-omics and machine learning identify core mechanobiology-associated immune genes in pulmonary arterial hypertension.

  Front Immunol, 2026. okt.

• Food-Derived Antihypertensive Peptides: A Comprehensive Review of Preparation Strategies, Multitarget Mechanisms, and Machine Learning Advancements.

  J Agric Food Chem, 2026. szept.

• A Drug-Referenced Machine-Learning Framework for Prioritizing Korean Herbal Formulations in Hypertension Using Linear SVM and Graph Convolutional Networks.

  Int J Mol Sci, 2026. szept.

• Development and Validation of a Machine Learning-Based Model for Predicting All-Cause Mortality Risk in Patients With Type 2 Diabetes Mellitus Combined With Hypertension: National Cohort Study.

  JMIR Med Inform, 2026. szept.

• Machine learning and deep learning-based prediction of hypertension and analysis of its major risk factors in Bangladesh.

  PLoS One, 2026. szept.

• Evaluation of a National Health Service Machine-Learning Model for Hypertension Case-Finding: Retrospective Cohort Study.

  J Med Internet Res, 2026. szept.

• Interpretable machine learning-enabled risk stratification for pulmonary arterial hypertension associated with unrepaired congenital heart disease: results from a national prospective registry.

  Int J Cardiol, 2026. szept.

Megmutatjuk, a betegség mely célpontjait említi az absztrakt, és onnan a rajtuk dolgozókhoz jutsz.