首页 文章 精选 留言 我的

精选列表

搜索[nat],共1155篇文章
优秀的个人博客,低调大师

Nat. Commun. | 基于AlphaFold结构模型的蛋白质功能注释预测流程

蛋白质功能注释是理解生命过程、解析代谢网络以及开展合成生物学和蛋白质工程研究的重要基础。目前,大多数自动注释方法仍主要依赖序列同源性,将已知蛋白的功能转移给序列相似的新蛋白。然而,随着进化距离增加,许多具有相似功能的蛋白序列已经发生显著分化,仅依赖序列比对容易遗漏大量远缘同源蛋白。AlphaFold的大规模蛋白质结构预测为蛋白功能研究提供了新的契机,使研究人员能够直接利用三维结构推断蛋白功能。

优秀的个人博客,低调大师

Nat. Commun. | 计算病理学视觉基础模型与病理基础模型的基准评测

近年来,基础模型推动了计算病理学的发展,大量视觉基础模型和病理专用基础模型不断涌现,并被应用于肿瘤分类、分子分型、预后预测和生物标志物发现等任务。然而,不同模型在跨组织、跨数据集以及跨临床任务中的泛化能力仍缺乏系统比较,也尚不清楚病理专用模型是否真正优于通用视觉模型。研究人员构建了一项目前规模最大的计算病理学基础模型基准评测,对32个基础模型进行了统一比较,包括通用视觉模型、通用视觉-语言模型、病理视觉模型以及病理视觉-语言模型四大类别。研究共覆盖41项下游任务、53个数据集以及超过17500张全切片图像,涉及TCGA、CPTAC、多个公开挑战数据集以及多个院外独立测试数据集。结果显示,病理视觉模型整体保持最稳定、最优异的性能,在多数任务中均位于前列,但不同模型之间差距通常较小,并不存在绝对优势模型。模型规模和预训练数据规模并不能稳定预测最终性能,而融合多个基础模型能够进一步提高整体泛化能力。这项工作建立了目前最系统的病理基础模型评测体系,为未来病理人工智能模型选择、优化及临床部署提供了重要参考。

优秀的个人博客,低调大师

Nat. Commun. | 面向人类基因调控的上下文感知序列—功能模型

序列—功能模型能够根据DNA序列预测基因表达、染色质可及性和表观遗传修饰,已经成为解析人类调控基因组的重要工具。然而,现有先进模型通常只学习DNA序列与训练数据中既定细胞类型之间的对应关系,难以将预测能力推广到训练时未见的新细胞类型或新生理状态。根本原因在于,相同DNA序列会在不同细胞环境中被不同的调控因子解读,而仅使用序列的模型无法感知这种生物学背景。

优秀的个人博客,低调大师

Nat. Methods | 人类蛋白质亚细胞定位序列预测方法的综合基准评测

蛋白质亚细胞定位决定了蛋白质发挥功能的空间位置,也是解析蛋白质功能、相互作用网络以及疾病机制的重要基础。近年来,大量基于蛋白质序列的亚细胞定位预测模型不断涌现,但现有评测通常存在测试集规模较小、亚细胞分类粒度较粗以及仅支持单标签预测等问题,而事实上约一半的人类蛋白质具有多亚细胞定位特性。研究人员整合 UniProt、Human Protein Atlas(HPA)和 OpenCell 三个权威数据库,构建了包含3,814个人类蛋白质的高可信度基准测试集,其规模约为现有标准测试集的两倍。基于该数据集,研究人员系统评测了主流序列预测模型以及不同蛋白质语言模型和特征聚合策略。结果发现,目前模型在精细亚细胞结构、多定位蛋白以及因致病突变导致定位改变的蛋白质预测方面仍表现有限,说明序列信息本身尚不足以完全解决蛋白质定位预测问题,也提示未来需要更加标准化的数据集、更强的模型以及融合更多生物学信息。

优秀的个人博客,低调大师

Nat. Commun. | 自主生物电子等排体替换驱动的药物多性质优化

药物设计不仅需要获得较高的靶点活性,还必须同时兼顾脂溶性、分子量、药物相似性、合成可及性等多种性质。生物电子等排体替换能够在尽量保持生物活性的基础上,通过局部片段置换改善候选分子的理化性质,是先导化合物优化中的重要策略。然而,传统方法通常依赖药物化学家的经验选择修改位点,或根据数据库中已有替换关系推荐片段,难以实现自主决策,也难以处理依赖整体分子环境的多性质协同优化。

优秀的个人博客,低调大师

Nat. Biomed. Eng. | 学习病理专家全切片诊断思维的视觉思维链智能体

全切片图像(Whole-Slide Image,WSI)诊断并非简单的图像分类,而是一个持续浏览、放大、定位和推理的动态过程。然而,目前的大多数病理人工智能模型仅学习最终诊断结果,而没有学习病理专家在阅片过程中"看哪里、为什么看以及如何推理"的诊断行为,因此难以构建真正符合临床工作流程的智能体。研究人员提出Pathology-CoT框架,将病理专家全切片阅片行为转化为可规模化训练数据。该框架首先利用AI Session Recorder自动记录病理医生在常规数字病理阅片过程中的浏览轨迹,并将连续鼠标操作转换为标准化行为指令和兴趣区域;随后结合大语言模型自动生成诊断思维链,再由病理专家快速审核形成高质量监督数据;最终利用这些数据训练视觉思维链智能体Pathology-o3,实现"定位—观察—推理—诊断"全过程学习。在胃肠道淋巴结转移检测及皮肤病理等多个任务中,Pathology-o3均显著优于现有视觉语言模型,并在独立外部数据集上保持良好的泛化能力,证明学习专家诊断行为能够有效提升病理人工智能智能体性能。

优秀的个人博客,低调大师

Nat. Commun. | 面向催化性质预测的酶特异性蛋白质语言模型

酶是生命体内催化代谢反应的核心生物催化剂,也是药物合成、生物制造和绿色化工的重要基础。然而,仅依据氨基酸序列准确预测酶的催化性质仍然十分困难。现有蛋白质语言模型虽然能够学习通用蛋白质表示,但由于主要针对所有蛋白共同训练,既缺乏对酶特异性序列规律的建模,又受到Transformer计算复杂度较高的限制,因此难以满足大规模酶筛选和酶工程应用需求。

优秀的个人博客,低调大师

Nat. Comput. Sci. | 融合细胞学图像与空间转录组学的细胞分割方法

空间转录组技术的快速发展,使研究人员能够在组织原位测量基因表达,并逐步达到亚细胞乃至单细胞分辨率。然而,要将分散在组织空间中的转录本准确归属于单个细胞,首先需要可靠识别每个细胞的边界。不同组织的细胞形态、染色方式、成像质量和转录本密度差异明显,使现有细胞分割算法在复杂组织、密集细胞区域以及跨平台应用中仍存在较大局限。

优秀的个人博客,低调大师

Nat. Commun. | 大型语言模型驱动的多中心急性肾损伤预测与可解释风险归因

急性肾损伤(Acute Kidney Injury,AKI)是住院患者最常见且最严重的并发症之一,早期识别高危患者对于降低死亡率和改善预后具有重要意义。然而,目前多数AKI预测模型虽然具有较好的判别能力,却普遍存在假阳性率高、临床解释能力不足等问题,导致医生容易产生“报警疲劳”,限制了人工智能模型在真实临床环境中的推广应用。研究人员开展了一项覆盖我国四家不同地区医院、多中心回顾性队列研究,构建了由两个大型语言模型组成的协同框架,包括用于24小时内急性肾损伤实时预测的AKI-PM(Prediction Model)和用于风险解释的AKI-RAM(Risk Attribution Model)。研究共纳入140637例住院患者,通过肾脏领域专门预训练、监督微调以及专家对齐训练,实现了预测与解释相结合的智能决策支持体系。结果显示,AKI-PM不仅具有优异的预测性能,而且在外部医院经过少样本适配后仍保持良好的泛化能力;AKI-RAM则能够自动识别可干预与不可干预风险因素,并生成具有临床指导价值的个体化建议。研究认为,该双模型框架有效解决了传统人工智能预测模型“准确但难解释”的瓶颈,为急性肾损伤的早期预防提供了一种兼具高准确性、可解释性和可推广性的解决方案。

优秀的个人博客,低调大师

Nat. Commun. | 融入AI优化锌指蛋白提升微型碱基编辑器的编辑效率与靶向范围

碱基编辑技术能够在不产生DNA双链断裂的情况下实现单碱基精准编辑,因此已成为治疗遗传疾病的重要工具。然而,目前应用最广泛的碱基编辑器通常基于SpCas9构建,整体体积较大,难以装载进入单个腺相关病毒(AAV)载体进行体内递送。近年来虽然出现了Cas12f、IscB等超小型CRISPR蛋白,并成功开发出对应的微型碱基编辑器,但这些系统普遍存在编辑效率较低、PAM限制严格以及可编辑位点有限等问题,严重制约了其临床应用。

优秀的个人博客,低调大师

Nat. Comput. Sci. | 理解语言模型规模扩展对蛋白质适应度预测的影响

蛋白质语言模型以及融合蛋白质结构或同源序列信息的模型,通常通过估计蛋白质序列出现的可能性来刻画蛋白质适应度景观,并据此预测突变效应或辅助蛋白质设计。按照深度学习领域的普遍经验,扩大模型参数量和训练数据规模通常能够提升模型能力。然而,在蛋白质适应度预测任务中,这一规律并不总是成立。多个系列模型均表现出类似现象:中等规模模型往往优于更大的模型,模型继续扩展后,预测性能反而下降。

优秀的个人博客,低调大师

Nat. Rev. Drug Discov. | 从设计到模拟再到优化:模拟指导临床试验开启药物开发加速新范式

现代临床试验正在采用越来越多的创新策略,包括适应性设计、生物标志物指导入组、主方案试验以及实时决策。这些方法有望加速药物发现并改善临床结局,但也会增加试验执行和设计理解的复杂度。模拟指导设计是一种强有力工具,可用于识别最适合回答研究问题的试验设计,并帮助研究团队理解和沟通设计在实际运行中的行为。

优秀的个人博客,低调大师

Nat. Chem. Biol. | 蛋白质稳定性主要由单位点偏倚而非位点间协方差决定

近年来,基于多序列比对的Potts模型被广泛用于蛋白质设计和突变效应预测。传统观点认为,多序列比对中既包含单位点保守性,也包含残基之间的协同进化信息,两者共同决定蛋白质结构、稳定性和功能。因此,大多数基于Potts模型的设计策略都会同时优化单位点偏倚和位点间耦合项。然而,两类信息对于蛋白质稳定性的具体贡献一直缺乏直接实验验证。

优秀的个人博客,低调大师

Nat. Protoc. | AI 对接终于走向可用平台?浙大团队打造CVSP-AIE 把AI虚拟筛选做成工作流

论文题目: Facilitating structure-based drug discovery with an artificial intelligence-driven virtual screening platform 期刊:Nature Protocols 年份: 2026 DOI: 10.1038/s41596-026-01389-z 作者: Shukai Gu, Xujun Zhang, Mengwu Xiao 等 研究类型: Protocol / 平台型工作 核心平台: Comprehensive VS Platform with AI Engine,简称 CVSP-AIE。论文明确指出,该平台集成 KarmaDock、CarsiDock 和 RTMScore 三个 AI 模型,提供网页端(https://cadd.zju.edu.cn/cvsp)与本地部署版本(https://github.com/shukai1997/HierVS),用于基于结构的虚拟筛选。

优秀的个人博客,低调大师

Nat. Med. | 人工智能临床决策支持系统辅助遗传性视网膜疾病诊断:一项多中心随机试验

遗传性视网膜疾病(Inherited Retinal Diseases,IRDs)是一类由单基因突变导致的致盲性疾病,其精准诊断通常依赖复杂的临床表型分析、遗传检测以及多学科专家协作,导致诊断周期长、费用高且医疗资源需求巨大。研究人员开发了一种人工智能临床决策支持系统Retina4IRD,可根据彩色眼底照片、光学相干断层扫描(OCT)及患者临床信息预测17类遗传基因型,为遗传检测前的临床诊断提供辅助。该系统基于RETFound预训练视觉基础模型构建,在来自中国、韩国和波兰9家中心的1843例经基因检测确诊患者数据上完成训练和验证。随后,研究人员进一步开展一项多中心随机临床试验,共纳入300例疑似遗传性视网膜疾病患者,对比Retina4IRD辅助专家诊断与专家单独诊断的真实临床效果。结果显示,Retina4IRD辅助组Top-5基因预测准确率达到88.5%,显著高于专家单独诊断组的67.3%,同时明显改善后续诊疗决策质量,证明该系统能够作为遗传检测前的重要临床决策支持工具,提高遗传性视网膜疾病精准诊断效率。

资源下载

更多资源
Mario

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长,特征是大鼻子、头戴帽子、身穿背带裤,还留着胡子。与他的双胞胎兄弟路易基一起,长年担任任天堂的招牌角色。

Nacos

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称,一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集,帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring

Spring框架(Spring Framework)是由Rod Johnson于2002年提出的开源Java企业级应用框架,旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念,提供核心容器、应用上下文、数据访问集成等模块,支持整合Hibernate、Struts等第三方框架,其适用范围不仅限于服务器端开发,绝大多数Java应用均可从中受益。

WebStorm

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源,继承了IntelliJ IDEA强大的JS部分的功能。

用户登录
用户注册