「这项研究表明,机器学习和人工智能可以成为构建更有效的纳米疗法的设计过程中不可或缺的一部分。
但这种情况正在开始改变。借助一种称为稀疏卷积神经网络 (Sparse Convolutional Neural Network,SCNN) 的机器学习工具,研究人员可以专注于数据的相关部分并筛选出其余部分。
PENCIL的分类模式识别特定表型富集的亚群,与差异丰度测试算法具有相同的应用。然而,基于监督学习的 PENCIL 框架提供了一种更灵活的方式来同时选择基因和识别亚群。为了证明这一独特的特征,与其他方法进行比较的模拟被设计为需要基因选择。
最近,大型语言模型 (LLM),尤其是基于 Transformer 的模型在机器学习研究领域发展迅速。这些模型已成功应用于自然语言、代码生成、生物和化学研究等各个领域。
BM 欧洲研究院和苏黎世联邦理工学院的研究人员提出了 Regression Transformer(RT),这是一种将回归抽象为条件序列建模问题的方法。这为多任务语言模型引入了一个新方向——无缝桥接序列回归和条件序列生成。
作为 HBP 的一部分,法国艾克斯-马赛大学(Aix-Marseille Université,AMU)的研究人员开发了整合患者测量数据的计算大脑建模技术。
有的蛋白质在基态结构中缺乏 Pocket,因此被认为是「不可成药的蛋白质」。
2023 年 2 月 28 日,率先采用人工智能技术和计算科学来解决治疗挑战的创新实验室 AION Labs,宣布成立 DenovAI,这是该实验室获得以色列创新局(Israel Innovation Authority)批准的第二家初创公司。
RNA 分子上的甲基化修饰,关系到某些蛋白的表达,进而会影响到细胞的状态,对于疾病治疗药物开发具有潜在应用价值。
在这里,艾伦图灵研究所、伦敦大学、罗氏制药以及 Genentech 的研究人员,概述了该领域的研究进展,并提出了从具有结构化缺失的数据中学习的一系列重大挑战。
让 OpenAI 创建的图像生成系统 DALL·E 2 绘制一幅「金鱼在海滩上啜饮可口可乐」的图画,它会吐出超现实的图像。
开发用于在分子和纳米尺度上分析蛋白质-蛋白质相互作用(PPI)的新方法可以深入了解细胞内信号通路,并将提高对蛋白质功能以及其他生物和非生物来源的纳米级结构的理解。
在人工智能计算机芯片的广阔前景中,服务于「边缘」市场的产品,包括无人机、物联网设备、电话和低功耗服务器环境,为供应商提供了肥沃的土壤,成为少有的市场之一。
对比增强脑肿瘤的预处理诊断在临床神经肿瘤学中仍然具有挑战性,因为它们在常规 MRI 上的外观非常相似。