从单个序列预测蛋白质结构 随着人工智能开始深刻地影响结构生物学,下一个挑战之一是仅从单个序列预测蛋白质结构。深度学习模型通过用蛋白质语言模型表示单个序列并从多序列结构预测器中提取知识来解决这一挑战。 杨沈 新闻及观点 12月19日
综合领域科学与机器学习 为了理解机器学习系统的设计是否可以集成领域专业知识,最近的一项工作提出了将领域科学与机器学习综合起来的方法,这显示出额外的好处。 Zachary del Rosario 梅森·德尔·罗萨里奥 新闻及观点 2022年12月15日
仿生自适应抓手手皱 生物系统中非线性形态变化的建模是一项具有挑战性的任务。通过对水果表面奇异图案形成过程的观察,揭示了手性起皱拓扑结构的机械结构不稳定性,然后将其用于增强型自适应抓取器的设计。 弗朗西斯科·达尔科索 新闻及观点 2022年10月24日
模拟流体,气体和两者之间的一切 从流体到气体的相对论性流动的模拟对计算方法提出了挑战。提出了一种晶格动力学方案来模拟这种流动,它允许强相互作用和弱相互作用制度的计算探针。 保罗Romatschke 新闻及观点 2022年10月24日
ADM在脑功能中的作用 在最近的一项研究中,使用现象学模型研究了活动依赖髓鞘形成(ADM)对大脑网络活动和信息传递的影响。该模型探索了轴突的传导速度如何随着神经活动的变化而变化,从而探究了整体传输延迟。 莫里斯·j·查克隆 新闻及观点 10月3日
混合模式和流行病的传播 将社会混合数据整合到流行病模型中,可以帮助决策者更好地理解流行病的传播。然而,在大多数人群中可能无法立即获得经验混合数据。在最近的一项工作中,提出了一种网络模型方法来构建微观层面的社会混合结构,当经验数据不可用时。 凯西梁 贾杰森 吴宗强 新闻及观点 9月22日
理清网络信息流 在许多科学领域,确定信息如何在相互连接的组件组成的网络中流动是一项具有挑战性的任务。提出了一个框架来解构在任何两个区域(如大脑区域)传输的信号流,并定义每个区域如何表示这些信号。 斯特凡诺Recanatesi 新闻及观点 8月18日
学习物理系统的状态变量 自动确定物理系统的状态变量是一个具有挑战性的问题,但在几乎所有科学和工程过程的建模过程中是必不可少的。提出了一种基于深度神经网络的方法来寻找视频帧数据系统的状态变量。 鲍里斯·克莱默 新闻及观点 2022年7月25日
深度学习蛋白质序列设计 设计能够精确折叠成预先指定的3D结构的蛋白质序列是一项具有挑战性的任务。与传统的基于物理的蛋白质设计方法相比,最近提出的深度学习算法改进了这种设计。 王爵 新闻及观点 2022年7月21日
在空间转录组学中绘制细胞关系 介绍了一种基于图神经网络的工具,使用空间分辨的转录组学数据来执行无监督的细胞聚类,这些数据可以揭示组织和器官中的细胞身份、相互作用和空间组织。 新周 新闻及观点 27 june 2022
人工智能驱动的适体生成 适配体有望成为下一代药物,但考虑到巨大的搜索空间,识别候选适配体是一项具有挑战性的任务。现在,一种名为RaptGen的人工智能(AI)驱动工具被提出用于提高适体序列的成功识别。 Majid Khabbazian Hosna Jabbari 新闻及观点 2022年6月02日
有效地修剪大脑连接体 在多个尺度上描述大脑的连接体对于揭示皮层信息处理的基本原理以及它如何影响行为是至关重要的。提出了一种基于gpu的连接体修剪实现,其速度比之前基于cpu的实现提高了100倍以上。 新闻及观点 5月30日