暂无搜索历史
细胞比例的精确估计是理解组织功能、疾病进展及群体差异的关键环节。尽管现有去卷积方法已广泛应用于转录组数据,但多数算法高度依赖特定组学类型,难以扩展至蛋白组和代谢...
拉曼高光谱成像通过结合振动光谱与空间成像,能够在分子层面解析样品的化学组成与空间分布信息。然而,拉曼散射信号本质上极其微弱,通常需要较长积分时间或高功率激光才能...
材料发现与开发是应对能源转型、可持续发展与先进制造等全球挑战的关键。尽管大语言模型为加速材料研究带来了前所未有的机遇,但其在实际科研场景中的有效应用仍依赖于深度...
单细胞技术的发展使得在同一细胞中同时测量多种数据模态成为可能。然而,现有方法往往分别分析各模态数据,或通过整合表示学习获得统一嵌入,却难以区分哪些信息是模态共享...
智能体人工智能正在发展为由多个计算专家组成的协作系统,这些系统能够在文献检索、假设提出、数据分析以及模型解释等劳动密集型任务上接近甚至达到人类研究者的水平。此类...
在基于结构药物研发(SBDD)领域,分子生成、对接预测、多肽设计等核心任务长期依赖专用算法,跨任务迁移性差、分子表征不统一、任务定义模糊等瓶颈严重制约研发效率。...
基于多靶点作用机制的药物发现依赖于具有多靶点活性的化合物,这类化合物可通过筛选实验、靶点谱分析实验或计算方法获得。深度生成模型推动了当代多靶点化合物的设计。双靶...
蛋白工程的核心挑战在于需要在高维序列空间中寻找能够协同增强功能的多突变组合。传统定向进化通常通过逐步叠加突变进行搜索,而机器学习方法又往往依赖大规模数据、多轮实...
化学反应和催化机理的自动发现仍是计算化学中的核心难题,尤其在复杂体系中,传统方法往往难以确定有效搜索方向。研究人员提出了一种名为 Loxodynamics 的深...
盐–溶剂化学决定了电解质体系中的离子电导率、粘度和稳定性,但由于盐、溶剂及条件组合形成的巨大化学空间,以及实验数据稀缺且分布极度不均衡,使得理性设计仍十分困难。...
计算机模型正在展现出前所未有的潜力:它们可以结合个人的临床记录与当前健康数据,预测未来可能发生的疾病以及治疗效果。这是否意味着医学即将进入真正的预防时代?
蛋白质如何启动并进化出与其他蛋白质的相互作用,以形成结合位点和蛋白质-蛋白质界面,这一问题仍未得到充分理解。然而,进化形成蛋白质-蛋白质界面的蛋白质表面,与非相...
研究人员提出 DrugLLM,一种专门面向小分子优化的大语言模型。该模型通过功能基团级别的分子表示方法(FGT)对分子进行语义化分词,并设计了“下一步修改预测”...
随着预训练蛋白质语言模型(protein language models, pLMs)的广泛应用,越来越多基于 pLM 的方法被用于蛋白质–蛋白质相互作用(PP...
深度学习基础模型在生物活性预测领域日益受到关注。此前研究人员提出了ActFound,这是一种结合成对学习与元学习策略的生物活性基础模型。通过在大规模数据上进行预...
在不对称催化研究中,如何预测反应的对映选择性一直是核心挑战之一。传统方法通常依赖大量实验数据进行建模,但在真实化学研究中,可获得的数据往往高度稀缺,导致模型难以...
今天为大家分享一篇发表在《Chemical Science》(IF = 7.4)上的研究论文,题目为“Enhancing fluorescent probe d...
质粒是细菌中独立于染色体存在的DNA分子,在水平基因转移过程中发挥关键作用,常携带抗生素耐药基因等重要功能。然而,由于质粒结构高度嵌合、多样性强且拷贝数变化大,...
尽管人工智能(AI)已实现生物信息学工作流的自动化,但生物解释仍较为零散,且往往与机制性洞察脱节。现有AI存在2极分化:❶是缺乏逻辑基础的统计「黑盒」 模型,❷...
CRISPR–Cas基因编辑系统在识别靶序列时必须依赖一种称为PAM(原间隔序列邻近基序)的短DNA序列,这一限制显著缩小了可编辑基因位点的范围。尽管已有多种工...
暂未填写公司和职称
暂未填写所在城市