配方筛选不再靠猜:KolTa把温度物理残差写进采集规则,药物溶解度达标查询少约18%
在测量样本很少、实验预算固定的配方发现中,KolTa把性质预测拆成组分基值、角色条件相互作用和锚定温度响应三部分,并用温度导数约束训练。它的采集规则把集成分歧与目标温度处的物理残差一起按折外误差校准。在二元混合物黏度、药物溶解度、离子液体黏度和模拟电解质电导率四个任务上,平均AULC均列第一或第二;药物任务达到80%回收所需查询中位数比最快对照少约18%。
在测量样本很少、实验预算固定的配方发现中,KolTa把性质预测拆成组分基值、角色条件相互作用和锚定温度响应三部分,并用温度导数约束训练。它的采集规则把集成分歧与目标温度处的物理残差一起按折外误差校准。在二元混合物黏度、药物溶解度、离子液体黏度和模拟电解质电导率四个任务上,平均AULC均列第一或第二;药物任务达到80%回收所需查询中位数比最快对照少约18%。
早孕期唐氏筛查的超声图像分辨率低、结构差异大,而罕见异常病例稀少,使常规自监督预训练难以奏效。RadarMAE改用同心圆环与角度扇区交替遮挡的雷达式掩码,迫使网络学习颅面结构的连续曲率与细长形态,在内部队列上取得AUC 0.99、准确率0.97。配合域对抗适配,模型在四家外部医院仅用无标注图像校准,关键指标相对内部的下降被限制在0.04以内。
一个由41位国际多学科专家组成的工作组系统检索了截至2025年3月17日的922篇文献,将2016年仅针对特发性肺纤维化(IPF)的急性加重(AE)定义修订为适用于全部纤维化间质性肺病(fILD)的AE-fILD定义(以弥漫性肺泡损伤为核心,伴或不伴机化性肺炎),并提出“急性呼吸恶化(ARW)”这一更广的概念框架以涵盖非DAD所致的急性呼吸恶化,同时汇总了流行病学、危险因素、预后与治疗证据,并讨论了AE作为临床试验终点的可行性。
该工作提出 FetalAgents——一个基于 AutoGen 构建的多智能体系统,由 GPT-5-mini 驱动的 Coordinator 解析临床意图与解剖平面并动态调度专家智能体,专家智能体以确定性融合规则组合 FetalCLIP、nnU-Net、USFM、SAMUS、AoP-SAM 等专用视觉模型,Summarizer 汇总为结构化报告;在多中心外部数据集的八项临床任务(标准平面分类、脑平面分类、腹部与胃分割、AoP 估计、AC 与 HC 测量、GA 预测)上,FetalAgents 相比专用视觉模型、超声基础模型与通用/医学 MLLM 取得最优或最具竞争力的结果,并支持端到端视频流关键帧提取与报告生成。
该研究提出OmniTCR——一个1.13亿参数的自回归基础模型,在3.28亿条格式化人类免疫序列记录上预训练,通过序列类型标记与互补的组分顺序,将单个TCR链与部分或完整的TCR-pMHC关联数据联合学习,从而在同一模型中同时完成TCR识别预测与条件序列生成,在未见表位上取得肽-TCRβ识别AUPRC 0.7009、TCR-pMHC相互作用预测AUPRC 0.8235,并在11个独立泛癌队列中以平均AUROC 0.9436区分癌症与健康免疫组库。
已读完全部报道