跳到主要内容
检索

University of Helsinki

9 篇关联报道

订阅更新
  1. bioRxiv

    纳米孔原始电流信号有了可迁移表征:Brieno 用离散词元预训练,少标注也能读出甲基化

    纳米孔测序的原始电流信号连续、没有天然词元,此前多按任务各建专用模型。Brieno 先用残差向量量化把信号压成离散词元,再以掩码词元预测在 1.18 亿条读段上预训练 Transformer,冻结或微调特征即可用于物种识别、条码拆分、碱基识别和甲基化检测。在留出运行上,微调 Brieno 的 CpG 5mC 读段级 AUROC 为 0.978,高于 Dorado 专用 5mCG 模型的 0.975。

  2. bioRxiv

    细胞系药敏要能用到病人身上:MODAE+在保留肿瘤谱系的同时对齐两个域,预测敏感性与生存显著相关

    把癌细胞系的药物敏感性迁移到患者肿瘤,难点在于对齐两个数据域时容易抹掉肿瘤谱系结构。MODAE+在共享隐空间里同时优化域对齐、去混杂、药敏预测、生存预测和谱系分类,并用自适应多任务优化平衡这些目标。在可配对的TCGA治疗子集上,其预测敏感性与总生存的Cox显著率为41.5%,对照方法CODE-AE-ADV为4.9%。

  3. Nature

    免疫细胞的染色质开关被逐个定位:caQTL比eQTL多找回4.5%到22.6%的疾病信号

    在922名供者的347万个外周血单核细胞核上,研究把染色质开放程度当作可遗传的分子性状,在28种免疫细胞类型中定位出243,225个染色质开放数量性状位点(caQTL),其中六成只在单一细胞类型中起作用。与单细胞表达数量性状位点(eQTL)相比,这些位点在16种疾病和44项血液性状的全基因组关联信号上多共定位4.5%到22.6%;把细胞类型、远端窗口和多因果变异模型一起纳入后,炎症性肠病位点有共定位证据的比例从约16%升到约65%。

  4. medRxiv

    轻量医学CNN的通道宽度改由递推阶数决定:脑MRI上参数最多减50.4%,精度有得有失

    轻量医学图像分类网络的通道宽度不再逐层手工设定或交给架构搜索。此前Fibonacci-Net按固定二阶递推分配滤波器数,容量难以调节。Scaled m-BonacciNet用m-Bonacci递推的主根算出缩放系数,把原通道向量整体收窄,并在末段卷积改用深度可分离卷积;15类脑MRI上Tribonacci版本取得96.09%准确率和0.9581宏F1,参数约0.85百万、FLOPs约365.69百万,但4类脑MRI与CKD超声上部分版本精度下降。

  5. arXiv

    Hyvärinen 论证无监督学习没有单一目标,并提出四个彼此正交甚至相互冲突的目标

    该文论证无监督学习(含自监督学习)不存在单一目标或单一被最大化的目标函数,并提出四个彼此不同、部分正交甚至相互冲突的目标:估计数据分布、生成新数据点、为下游任务提取特征、以及理解数据;作者对每个目标给出问题表述、代表性方法与验证方式,并指出理解数据这一目标依赖可辨识性,而验证本身往往最为困难。

  6. arXiv

    PrivTab 将差分隐私机制嵌入表格基础模型架构,在 33 个 TabArena 数据集上于中强隐私区间超越 DP-LR 与 DP-MLP,并将拟合时间从数分钟压缩至约 10 毫秒

    作者提出 PrivTab,一种将差分隐私机制嵌入架构的表格基础模型:它在模拟数据上预训练,通过上下文学习把敏感行压缩为紧凑的可证明私有摘要,在 33 个 TabArena 分类数据集、六个隐私区间上于中强隐私下优于 DP-LR 与 DP-MLP,保持良好校准,并将拟合时间从数分钟降至约 10 毫秒的单次前向传播。

  7. Nature Communications

    mxDVP 从仅 100 个小胰岛细胞中鉴定出逾 6000 种蛋白,并在人胰岛中解析出十二种内分泌亚型

    研究者开发了多重深度视觉蛋白质组学(mxDVP)这一端到端流程,将高多重成像、自动化计算分析与空间引导的超灵敏质谱结合,其开源图像分析框架 PIPΣX 支持全切片膜感知分割、注释与激光显微切割导出,从而在少至 100 个小胰岛细胞中实现超过 6000 种蛋白鉴定;应用于人胰岛时分割了超过 860,000 个细胞并解析出十二种内分泌亚型,包括具有空间组织模式、INSM1 与 SCG3 共表达以及 α/β/δ 混合特征的罕见多激素与中间态群体。

  8. Nature News

    人类监督下的智能体式AI:从假设生成到实验辅助的药物重定位

    该研究开发了RepurAgent——一个由监督智能体与规划智能体协调研究、预测、数据、报告四个子智能体、并采用人在回路设计、情景记忆与检索增强生成的分层多智能体系统,在急性髓系白血病、回顾性COVID-19抗病毒筛选和多种硫酸酯酶缺乏症三个场景中验证其可贯穿药物重定位生命周期,分别获得专家盲评认为比普通LLM基线更具新颖性与机制可信度的候选、在无预设阈值下对化合物排序达到最高0.99的AUC-ROC并标记出人工复核遗漏的混杂因素、以及从5000个化合物中优先选出81个高置信候选并获得领域专家佐证。

  9. 人工智能辅助药物发现中的先导化合物优化:连接计算进展与转化挑战

    这篇综述系统梳理了人工智能与机器学习在先导化合物优化中的应用现状,涵盖图神经网络、Transformer架构、扩散模型与化学基础模型在分子设计与性质预测方面的进展,并讨论了以数据为中心的人工智能、不确定性量化、可信人工智能、人工智能优化悖论以及从分子预测转向科学决策等新兴概念,指出尽管工业界采用日益增加,人工智能仍依赖高质量实验数据、模型泛化能力与严格实验验证,未来进展更多取决于能在迭代式先导优化工作流中改善科学决策的可信人工智能系统,而非日益复杂的算法。

已读完全部报道