Nat. Commun. | 从单细胞转录组数据中学习可解释的细胞和基因签名嵌入
本文介绍由加拿大麦吉尔大学与蒙特利尔高等商学院、北京大学、复旦大学的研究人员联合发表在Nature Communications的研究成果:本文作者提出了单细胞嵌入式主题模型scETM(single-cell Embedded Topic Model)用于解决大规模scRNA-seq数据集的整合分析。scETM利用可迁移的基于神经网络的编码器,和一个通过矩阵三角分解而具有可解释的线性解码器。sc....

Nat. Commun. | 训练人工智能以发现与疾病相关的基因
研究人员已经开发出一种使用深度学习来识别与疾病相关基因的人工神经网络。该研究发表在2020年2月12日《 Nature Communications》上。人工神经网络揭示了大量基因表达数据中的模式,并发现了与疾病相关的基因。来自瑞典林雪平大学的开发人员希望该方法最终可以应用于精准医学和个性化治疗。科学家根据不同蛋白质或基因如何相互作用来绘制生物系统图。他们使用人工智能(AI),研究了是否有可能通....

Nat. Commun | 用于全基因组药物重定位的系统网络算法
1. 背景DNA/RNA测序的最新进展实现了通过“精确”定位个性化疾病模块来快速识别新靶标并重新利用已批准的药物治疗异质性疾病。基因组学时代,药物开发已成为高度集成的系统性问题,互补多组学与计算方法成为新的研究范式,由于基因组学和系统生物学最新技术和计算方式的进步,使得利用导致人类疾病的癌症类型特异性机制来识别新靶向药物与治疗药物成为可能。基于网络的方法通过度量药物靶标与人类蛋白相互作用组中疾病....

本页面内关键词为智能算法引擎基于机器学习所生成,如有任何问题,可在页面下方点击"联系我们"与我们沟通。