基于离子动力学的汗液指纹识别技术：喷墨打印有机电化学晶体管阵列的研究 学术背景 汗液作为一种非侵入性的生物标志物，蕴含着丰富的生理信息，能够反映人体的健康状况，如水分平衡、疾病标志物等。然而，汗液成分复杂，包含多种离子和分子，传统的汗液监测设备通常依赖于具有特定生物识别元件（如离子选择性膜和酶）的传感器，这些传感器需要通过复杂的化学修饰来选择性结合特定的离子或分子。然而，这种复杂的化学修饰过程可能导致信号漂移和干扰，限制了其广泛应用。为了解决这一问题，研究者提出了一种基于离子动力学的汗液指纹识别策略，结合喷墨打印的有机电化学晶体管（Organic Electrochemical Transistor, OECT）阵列和人工智能算法，实现了对汗液成分的高效检测和分析。 论文来源 该研究由来自P...

多模态学习揭示基因型-表型动态关系 背景介绍 基因型与表型之间的复杂关系一直是生物学领域的核心问题之一。基因型（genotype）指生物体的遗传信息，而表型（phenotype）则是这些遗传信息在特定环境下的表现。尽管早在1909年，Wilhelm Johannsen就提出了这两个术语，并试图量化它们之间的关系，但一个多世纪以来，我们仍然无法精确地描述基因型如何通过复杂的基因表达模式塑造表型。近年来，单细胞RNA测序（single-cell RNA sequencing, scRNA-seq）等技术的发展使得我们能够在细胞分辨率下观察基因表达的复杂动态，然而这些技术仍然无法全面映射基因型组合如何导致表型的产生。 当前的研究方法，如正向遗传学（forward genetics）和反向遗传学（r...

免疫检查点抑制剂毒性的预测与监控：DysPred深度学习框架的突破性应用 学术背景 免疫检查点抑制剂（immune checkpoint inhibitors, ICIs）是近年来癌症免疫治疗领域的重大突破，通过抑制免疫检查点信号通路，增强机体的抗肿瘤免疫反应。然而，ICIs在治疗过程中可能引发广泛的免疫相关不良反应（immune-related adverse events, irAEs），这些不良反应不仅影响患者的生活质量，甚至可能导致器官功能受损或死亡。由于irAEs在临床环境、肿瘤类型、组织特异性及患者人口统计学特征中的高度异质性，亟需一种稳健且可扩展的方法来预测和管理这些不良反应。 尽管已有研究通过临床试验和传统的药物不良反应数据集（如SIDER和OFFSIDES）对irAEs进行...

关于动态视觉刺激生成的时空风格转移算法的研究报告 学术背景 视觉信息的编码与处理一直是神经科学和视觉科学领域的重要研究方向。随着深度学习技术的快速发展，研究人工视觉系统与生物视觉系统之间的相似性成为热点。然而，视觉研究中生成适当的动态视觉刺激以测试特定假设的方法相对匮乏。现有的静态图像生成方法虽然已有较大进展，但在处理动态视觉刺激时，仍存在灵活性不足、生成结果偏离自然视觉环境统计特性等问题。为此，研究者们开发了一种名为“时空风格转移”（Spatiotemporal Style Transfer, STST）的算法，旨在生成能够匹配自然视频的低级时空特征，同时去除高级语义信息的动态视觉刺激，为研究物体识别提供了有力的工具。 此外，深度学习模型在视觉任务中的表现与生物视觉系统的比较也需要大量的可...

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...

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...