环状RNA与蛋白结合位点预测不再只看RNA:CPRISP把蛋白序列也编进模型,37套基准平均AUC达0.9874
环状RNA与RNA结合蛋白的结合位点预测长期偏重转录本特征,蛋白侧信息利用有限。CPRISP把环状RNA的序列组成、理化性质、二级结构与预训练嵌入,同蛋白序列的全局与局部表示一起送入多尺度残差网络分类。在37套基准数据集上,其平均AUC为0.9874,高于CircSSNN的0.9230;在序列相似度受控划分下仍保持0.9861。
环状RNA与RNA结合蛋白的结合位点预测长期偏重转录本特征,蛋白侧信息利用有限。CPRISP把环状RNA的序列组成、理化性质、二级结构与预训练嵌入,同蛋白序列的全局与局部表示一起送入多尺度残差网络分类。在37套基准数据集上,其平均AUC为0.9874,高于CircSSNN的0.9230;在序列相似度受控划分下仍保持0.9861。
该研究开发并双中心验证了一套基于U-Net的可解释AI框架,用于膝关节正位(AP)与侧位(LAT)X线片的自动质控,通过解剖分割与关键点定位生成质控指标,内部与外部验证的平均Dice系数分别为0.964与0.936,多数ICC超过0.90,质控敏感度介于91.67%至98.36%、特异度介于89.13%至99.10%;此外6名放射技师接受为期4周、覆盖474名患者948张X线片的AI反馈后,敏感度呈现探索性数值提升,效应量为0.30至0.73。
已读完全部报道