PNAS Nexus：科学家有望开发出预测人类机体智力的特殊机器学习模型
本文研究揭示了对人类机体认知的未来预测研究如何通过优先系统性地评估预测大脑特征而不是最大化地预测性能从而来提高解释的价值。
2024-12-19
Science：利用机器学习破解发育中的人类大脑中的基因调控
这项研究是作为 PsychENCODE联盟的一部分完成的，该联盟汇集了多学科团队，从人类大脑中生成大规模的基因表达和调控数据，涉及几种主要的精神疾病和大脑发育阶段。
2024-05-31
Nature子刊：冯建峰/程炜团队开发机器学习模型，识别自杀行为风险因素
研究团队开发了一种基于行为学、代谢组学和蛋白组学的机器学习判别模型，用以区分是个体是否发生自杀行为。研究发现基于16种行为学特征的分类模型在区分有无自杀行为上表现出高判别准确性。
2024-07-05
J Biomed Inform：科学家开发出能识别人类疾病亚型的新型机器学习模型
这项研究中，研究人员引入了一种新型机器学习方法来识别具有潜在亚型的疾病，利用开放型靶标平台中记录的近2.3万种疾病的广泛数据集。
2024-07-11
Sci Adv：科学家有望利用机器学习技术和成像技术揭示干细胞的特殊行为
研究人员重点分析了干细胞的代谢行为，他们利用一种名为荧光寿命成像显微镜的实时成像技术来分析干细胞是如何分解葡萄糖产生能量的。
2024-07-10
Cell：开发出一种基于机器学习的成像方法，可用于评估头颈癌患者的预后和治疗反应
这项研究最重要的成果是开发出了一种新的成像方法，它将细胞行为生物标志物分析与单个细胞形状和整个肿瘤组织结构的形态学分析相结合。
2024-11-06
李博文等利用机器学习+组合化学，加速发现用于mRNA递送的可电离脂质
该研究通过将机器学习和组合化学相结合，建立了一种加速发现和评估可电离脂质的方法，促进了用于精准递送mRNA的脂质纳米颗粒（LNP）的开发。
2024-05-20
PLoS Digital Health：科学家有望利用机器学习模型可靠地预测多发性硬化症患者的疾病进展
来自鲁汶大学等机构的科学家们通过研究表示，机器学习模型或能可靠地告知临床医生多发性硬化症患者的残疾进展情况。
2024-08-05
Cell子刊：韩敬东团队开发机器学习程序，在单细胞水平识别衰老细胞
该研究开发了一种机器学习程序——SenCID（Senescent Cell Identification），它可以准确地识别bulk转录组和单细胞转录组数据中的衰老细胞。
2024-04-17
Science：科学家开发出能帮助理解人类基因组中转录起始的特殊机器学习模型
研究人员开发了一种名为Puffin的机器学习程序，当分析了数以万计已知的人类启动子数据后，这种新型程序就能确定其由三种类型的序列模式所组成，即基序、启动子和三核苷酸（trinucleotides）。
2024-05-27