跳到主要内容
检索

Jinan University

5 篇关联报道

订阅更新
  1. researchsquare.com

    逆合成算法被“陷阱分子”考出短板:三类选择性问题上,top-20 预测错误率最高达 100%

    研究团队提出“陷阱分子”这一对抗式评测思路:用 AI 智能体按反应 SMARTS 模板和 USPTO 反应记录,刻意设计含敏感基团、近似重复反应位点或大位阻基团的分子,专门诱导逆合成算法犯典型错误。在 100 个化学选择性、100 个区域选择性和 27 个位阻陷阱分子上,UAlign、SimpRetro、RetroChimera 三种不同原理的算法在 top-20 预测中均暴露出明显弱点,化学选择性、区域选择性和位阻三类问题的总体出错率分别为 66%–77%、85%–93% 和 92.6%–100%。

  2. bioRxiv

    发育轨迹并不走最小作用量路线:校准掉测量底噪后,线虫谱系仍快出约两倍

    单细胞图谱只能把每个细胞测一次,因此“发育轨迹”是跨胚胎拼接的群体质心路径,而非任何细胞的真实路径。LADD 从时序单细胞转录组学出一个随机发育向量场,用大偏差理论算出最小作用量与最短时间路径,并用三层校准把质心测量本身的代价与真实路径偏离分开。在线虫谱系图谱中,原始作用量比为 3.79,但模型自身前向模拟的集合就有 2.07,校准后仍留下约两倍的路径特异超出;斑马鱼中观测值完全落在模型底噪上。

  3. arXiv

    FastRL 以优势感知剪枝与自适应采样为 GRPO 类方法带来约 2.07 倍训练加速并提升约 1.64% 平均准确率

    该工作提出 FastRL,一个可即插即用的强化学习框架,通过优势感知剪枝策略选择性保留高优势轨迹并最大化轨迹间梯度多样性,以及基于历史剪枝分布动态调整采样规模的自适应 rollout 采样机制,在 Geometry3K 与 GeoQA8K-R1V 上实现平均 2.07 倍训练加速,并在视觉推理基准上取得约 1.64% 的平均准确率提升,且可无缝集成到 GRPO、DAPO 与 GSPO 变体中。

  4. 双中心127例核性白内障研究:AS-OCT图像特征与LOCS III分级显著相关,自动分级准确率达0.81与0.87

    这项双中心临床验证研究纳入泰国(n=81)与深圳(n=46)共127例不同严重程度的核性白内障患者,用AS-OCT成像并按LOCS III标准分级,开发自动机器学习模型提取核区标注并分析基于特征的量化指标,发现均值、方差、均方根、四分位距和百分位数等像素特征与核性白内障分级显著相关(P<.01),方差、标准差和中位数一致性高而峰度与偏度呈负相关,预测模型在深圳中心准确率0.81(F1 0.82)、泰国中心0.87(F1 0.83),支持核性白内障的三级严重程度分类及辅助诊断与手术规划。

  5. bioRxiv

    DECIPHER用解耦表征学习从bulk组学中估计细胞类型比例,并在肺腺癌中支持预后分层

    作者提出DECIPHER,一个端到端的表征学习框架,通过分别学习用于解卷积的域恒定表征Zc和建模域相关变异的域特异表征Zs,并结合可微非负最小二乘优化从Zc估计细胞类型比例,在模拟数据、实验生成的bulk-细胞混合样本、真实世界数据集和多种分子模态上表现出稳健且有竞争力的解卷积性能,且学到的Zc还支持跨独立队列的时序年龄预测和肺腺癌的预后分层。

已读完全部报道