基于模拟退火算法的加权网络随机化研究 背景介绍 在神经科学领域，连接组学（connectomics） 是研究大脑神经网络结构和功能的重要分支。随着现代成像技术的发展，研究人员能够获取到大量的生物意义丰富的边权重（edge weights），这些权重信息对于理解大脑网络的组织和功能至关重要。然而，尽管加权网络分析在连接组学中日益普及，现有的网络随机化模型大多仅保留二元节点度（binary node degree），而忽略了边权重的重要性。这导致在评估网络特征的显著性时，可能无法准确反映出权重信息的影响。 为了解决这一问题，来自McGill University、University of Minnesota等机构的研究团队提出了一种基于模拟退火算法（simulated annealing al...

引言 近年来，利用数值方法求解偏微分方程（Partial Differential Equations, PDEs）已在工程和医学等广泛学科中扮演了重要角色。这些方法在拓扑和设计优化以及临床预测中的应用已显示出显著成效。然而，由于在多种几何体上进行多次问题求解所需的计算成本非常高，导致这些方法在很多场景下变得无法负担。因此，开发能够在不同几何条件下提高PDE求解效率的方法，成为了近年科学机器学习领域的一个研究热点。 论文背景与来源 《A Scalable Framework for Learning the Geometry-Dependent Solution Operators of Partial Differential Equations》这篇文章由Minglang Yin、Nic...

基于预训练大型语言模型的人类蛋白质必要性预测与分析 学术背景 人类必需蛋白质（Human Essential Proteins, HEPs）对个体的生存和发育至关重要。然而，实验方法识别HEPs通常成本高、耗时长且劳动强度大。此外，现有的计算方法仅在细胞系水平上预测HEPs，但HEPs在活体人类、细胞系和动物模型之间差异显著。因此，开发一种能够在多个水平上全面预测HEPs的计算方法显得尤为重要。最近，大型语言模型（Large Language Models, LLMs）在自然语言处理领域取得了显著成功，蛋白质语言模型（Protein Language Models, PLMs）也因其能够在大规模蛋白质序列上进行预训练而崭露头角。然而，PLMs是否能够显著提高蛋白质必要性预测任务的效果仍然未知...

深度学习应用于目标蛋白配体生成的最新研究：DeepBlock框架的提出与验证 背景与研究问题 药物发现过程中，寻找能够结合特定蛋白的配体分子（ligand）一直是核心目标。然而，目前的虚拟筛选方法（virtual screening）通常受限于化合物库的规模和化学空间的广度，难以在大规模化学空间中发现符合目标特性的创新化合物。相比之下，去新药设计（de novo drug design）通过从头生成分子结构，为探索现有化合物库之外的化学空间提供了崭新的可能性。 近年来，深度生成模型（deep generative models）在化学分子生成领域取得了显著进展，包括自回归模型（autoregressive models）、变分自编码器（variational autoencoders, VA...

基于Genotype Representation Graph (GRG)的研究：提升生物数据分析效率的新框架 学术背景与研究动机 随着测序技术的迅速进步，大规模基因组数据的收集变得愈发普遍，尤其是在人类疾病关联研究领域，基因组数据的分析需求日益增长。2023年底，英国生物银行（UK Biobank）在其云计算平台上发布了约50万份全基因组数据，其中已有20万份完成相位（phased）处理。这类庞大的数据集为科研提供了前所未有的机会，但也带来了新的难题：如何高效地编码和分析如此巨大的基因组数据？传统的二维表格化数据结构（如VCF文件格式）在储存和计算效率方面面临瓶颈，难以应对不断增长的数据需求。 在这一背景下，科学家们提出了新的数据表示和处理方法以优化压缩率和计算性能。本研究的目标是开发一种...

深度学习框架用于多体薛定谔方程的自旋对称解研究：一种新方法的开创性成果 量子物理和量子化学领域中，多体电子体系的描述一直是一个重要但极具挑战性的课题。准确表征电子-电子强关联尤其对催化、光化学和超导性等领域具有深远意义。然而，传统的方法，如广泛使用的Kohn–Sham密度泛函理论(KS-DFT)，在多参考体系中对静态关联的描述仍存在不足。这一不足导致了所谓的“对称性困境”(symmetry dilemma)，即自旋对称破缺的解尽管是不物理的状态，却能获得较低的能量结果。此外，虽然波函数方法在捕获静态关联方面表现出色，但其计算复杂度较高，需要专家选择合适的活性空间，对普通应用存在显著障碍。因此，找到一种高效且准确的方法来解决多体薛定谔方程，同时保持正确的自旋对称性，这是科学家们长期以来期待解决...

从无定形前驱体预测晶体的出现：深度学习助力材料科学新突破 背景介绍 晶体从无定形物质中逐步生成的过程在自然界与实验室中具有重大意义。这一过程广泛存在于从地质到生物过程的各种现象中，并且在开发新材料的过程中占据核心地位。然而，无定形状态向晶体态的转化中，最初出现的常常是亚稳态（metastable state）晶体，而非热力学上的稳定态晶体。这种亚稳态形成的普遍规律可以通过”Ostwald法则”加以解释，该法则指出与无定形前驱体（amorphous precursor）具有相似局部结构特征的晶体将更容易优先成核。 无定形材料的晶化过程，尤其是其能量景观（energy landscape）的建模，一直以来是科学界的难点。传统的分子建模方法或从头计算（ab initio methods）由于计算量...

新型直肠泡沫制剂在炎症性肠病治疗中的应用研究 近年来，炎症性肠病（inflammatory bowel disease, IBD）的发病率逐渐上升，该病以肠道粘膜损伤、慢性炎症及复发性发作为主要特征，目前仍缺乏一种理想的治疗手段。研究人员发现了一种名为胰高血糖素样肽-2（glucagon-like peptide 2, GLP-2）的33氨基酸多肽，其具有刺激肠道生长、修复肠粘膜和增强上皮细胞完整性的功效。然而，GLP-2在体内仅有极短的半衰期（7分钟），使其在临床治疗中受到了极大的限制。为解决这一难题，研究者们开发了一种GLP-2的长效类似物——Glepaglutide（GL），其通过氨基酸替换显著延长了体内半衰期（达50小时）。但由于Glepaglutide需通过皮下注射给药，这给患者的...

肾纤维化的机制与研究模型：迈向更接近人体生理的模型 研究背景与问题陈述 慢性肾脏病（Chronic Kidney Disease, CKD）是全球范围内的重大公共健康问题，据估计其影响了超过10%的人口，是导致死亡的主要原因之一。肾纤维化（kidney fibrosis）作为CKD的关键病理终点，对肾单位（nephrons）结构和功能造成破坏，但目前对其病理机制的理解尚不完全。多数针对肾纤维化的研究使用动物模型进行，这些模型尽管揭示了一些潜在机制，但由于其在生理、代谢和分子途径上无法完全模拟人体肾脏，导致在药物和疗法开发的跨物种转化研究中存在显著局限性。此外，传统的二维细胞培养模型尽管作为疾病研究和药物筛选的起点，但由于缺乏三维的高级肾脏生物架构和功能，也难以满足研究需求。这些因素催生了开发...

利用仿生海洋粘附蛋白涂层进行皮肤光老化防治的研究成果 皮肤光老化是当前全球面临的重大健康问题之一，尤其对于长期暴露在户外紫外线（UV）辐射下的人群而言，其表现包括胶原蛋白的减少、皱纹增加、皮肤弹性丧失、结构性减弱等。这些生理变化不但影响个体的外貌，还增加了相关并发症的风险。然而，尽管日常生活中已应用防晒品、局部药物（如维甲酸）和抗氧化剂等治疗方案，但目前仍无一种真正高效且持久的皮肤光老化防治策略可供应用。 针对上述挑战，本文的研究聚焦于一种新型仿生海洋粘附蛋白涂层，并探讨其在皮肤光老化防治领域的潜力。这项研究由Bo Xue带领的研究团队完成，作者来自中国海洋大学（Ocean University of China）的College of Marine Life Science。本文发表于20...