深度学习增强的金属有机框架电子皮肤用于健康监测

深度学习增强的金属有机框架电子皮肤在健康监测中的应用 学术背景 电子皮肤(e-skin)是一种能够感知生理和环境刺激的技术,模拟人类皮肤的功能。近年来,电子皮肤在机器人、运动科学和医疗健康监测等领域的应用潜力逐渐显现。然而,当前的电子皮肤技术面临着一些挑战:首先是多功能的实现,即如何在一个设备中同时检测多种生理信号(如生物分子、运动信号等);其次是信号的区分问题,尤其是在同时检测多种刺激时,如何准确区分并识别不同的信号。 传统的多功能电子皮肤通常需要整合多种传感材料,这不仅增加了制造的复杂性,还可能导致设备性能不稳定。此外,现有的电子皮肤在信号的信噪比、灵敏度和稳定性方面也存在不足。因此,开发一种高性能、多功能且易于制造的电子皮肤成为了研究的焦点。 金属有机框架(Metal-Organic ...

微铸3D打印多超材料用于可编程多模态仿生电子学

基于铸型微铸造3D打印的多材料仿生电子器件研究 学术背景 随着仿生电子技术的快速发展,模拟人类感知功能的电子皮肤(Electronic Skin, E-skin)和柔性传感器在机器人、医疗设备和人机交互等领域展现出广阔的应用前景。然而,现有的仿生电子器件在材料选择、结构复杂性和功能集成方面面临诸多挑战。特别是,如何在不破坏材料性能的前提下,实现多种高难度材料的自由组装和多功能集成,成为当前研究的瓶颈。 传统的制造方法,如电纺、光刻和转移印刷,往往难以同时满足材料多样性和复杂结构的需求。3D打印技术虽然为复杂结构的制造提供了可能,但在处理多种高难度材料时,仍然面临材料兼容性、结构分辨率不足等问题。为了解决这些问题,研究人员借鉴了古代失蜡铸造(Lost-wax Casting)的技术思路,提出了...

多模态学习用于基因型-表型动态映射

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...

DysPred框架:利用药物警戒数据预测检查点抑制剂免疫疗法的群体毒性特征

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...

GSPA:基于单细胞分辨率的基因信号模式分析实现基因空间映射

单细胞分辨率下的基因空间映射:基因信号模式分析(GSPA)研究 学术背景 单细胞RNA测序(single-cell RNA sequencing, scRNA-seq)技术近年来在生物学研究中取得了重大进展,尤其是在揭示细胞状态空间(cellular state space)的组织结构方面。然而,尽管已有许多计算方法用于映射细胞状态空间,但关于基因空间(gene space)的映射或嵌入(embedding)的研究却相对较少。基因表达是高度组织的,基因之间通过复杂的生物过程和通路协同工作。然而,由于生物和技术噪声(如基因丢失“dropout”现象),准确量化基因间的相似性仍然具有挑战性。为此,本文提出了一种基于图信号处理(graph signal processing, GSP)的新方法——...

SMART:生物细胞中反应和传输的空间建模算法

细胞信号反应与运输的空间建模算法研究 背景介绍 生物细胞通过复杂的生化反应网络来实现其功能。这些反应网络具有显著的时空动态性,且在细胞的不同区域和亚细胞结构中存在显著的空间分异(spatial compartmentalization)。然而,传统的细胞信号传导模型通常将细胞视为一个均匀混合的体系,忽略了空间效应对反应和运输过程的影响。这种简化虽然在特定情况下有效,但在许多实际场景中会降低模型的预测能力。例如,信号分子的扩散速度较慢、细胞内环境拥挤、细胞结构的复杂性等都会导致空间效应的显著影响。因此,开发能够精确模拟细胞信号传导和运输过程的计算模型成为生物计算科学领域的重要挑战。 2025年1月发表在 Nature Computational Science 期刊上的一篇研究论文,提出了名为...

基于预训练大语言模型的人类蛋白质必要性的全面预测与分析

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...

DeepBlock:通过深度学习进行毒性控制的理性配体生成方法

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...

通过基因型表示图实现生物样本库规模数据的高效分析

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...

负载Glepaglutide的泡沫在炎症性肠病治疗中的粘膜愈合诱导作用

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...