研究开发出基于深度学习的单细胞转录组分析模型
单细胞转录组作为单个细胞的特征，可更加精确地定义细胞的类型。常规的基于单细胞转录组的分类方法首先是进行无监督的聚类，然后根据每个集群（Cluster）特异表达的细胞标记基因来对集群进行标注。虽然基于无监督的分类方法更容易发现新细胞类型，但是人工标注的过程费时费力。目前已有的基于监督学习的自动分类方法，大部分无法兼顾到方法的可解释性以及
CTI：深度揭示COVID-19患者的免疫反应特征
关于全球COVID-19大流行的最令人困惑的问题之一就是为什么人们表现出如此多样化的反应。有些人没有任何症状，被称为“沉默传播者”，而一些COVID-19患者的免疫反应变得极端，因此需要重症监护。已知年龄和潜在的健康状况会增加发生严重反应的风险，但尚无法解释某些人出现免疫反应亢进的根本原因，尽管可能是由于许多因素共同作用所致。
PNAS: "剂量控制"帮助学习与记忆
根据达特茅斯的一项研究，调节大脑中电信号的“分子音量旋钮”有助于学习和记忆。该控制机制的发现以及调节该机制的分子通路的揭示，可以帮助研究人员寻找治疗神经系统疾病的方法，包括阿尔茨海默氏病，帕金森氏病和癫痫病。
Science论文深度解读！新研究揭示增强子在动物体内是非常保守的
2020年11月14日讯/生物谷BIOON/---在一项新的研究中，来自澳大利亚昆士兰大学、新南威尔士大学、莫纳什大学、墨尔本大学、悉尼大学和张任谦心脏研究所的研究人员发现称为增强子的基因调控元件的功能在进化树上分布的动物物种中广泛保守。当他们将来自海绵动物的增强子序列插入斑马鱼和小鼠体内时，这两种脊椎动物都能够解释遗传信息，并驱动发育基因的细胞特异性表达，
JMIR: 机器学习预测COVID-19患者重症发生风险
西奈山的研究人员已经开发出机器学习模型，该模型可以预测在临床相关的时间范围内COVID-19患者发生严重事件和死亡的可能性。这项研究描述的新模型是第一个将机器学习用于大量不同人群中的COVID-19患者的风险预测的模型，并于11月6日发表在《Journal of Medical Internet Research》杂志上。该模型可以帮助西奈山的临床医生以及在
Nat Genet深度剖析！为何特定的化疗手段会增加患者患继发性血液癌症的风险？
2020年11月7日 讯 /生物谷BIOON/ --近年来，癌症疗法研究领域的进展已经能够显著改善癌症患者的存活率，有专家推测，到2022年美国将会有1800万癌症幸存者，但其中一部分幸存者却面临着需要解决的长期健康问题。癌症治疗所带来的一种罕见的并发症就是继发性血液癌症治疗相关的急性髓系白血病和骨髓增生异常综合征的发生，这些血液癌症侵袭性很强且治疗效果往往
Nat Commun：利用机器学习技术或能准确预测抗癌药物的作用效果
2020年11月4日 讯 /生物谷BIOON/ --近日，一项刊登在国际杂志Nature Communications上的研究报告中，来自韩国浦项科技大学等机构的科学家们通过研究表示，利用机器学习技术或能有效预测抗癌药物的治疗疗效。目前，随着药物基因组学的出现和发展，研究人员就能利用此前收集的患者对药物反应的数据所衍生的算法，进行机器学习研究来帮助预测不同患
Circ Arrhythm Electrophysiol: 机器学习精确揭示心律不齐的原因
近日，Skoltech研究所的科学家们设计了一种新的基于机器学习的方法，用于检测“心房颤动驱动器”，即被认为会导致最常见类型的心律不齐的心肌小斑块。据美国心脏协会称，这种方法可能导致更有效的针对性医疗干预，以治疗估计影响全球3300万人的疾病。
Nat Commun：科学家成功开发出一种深度学习模型工具 或有望更好地预测肺癌患者的治疗疗效
2020年10月22日 讯 /生物谷BIOON/ --在过去20年里，肺癌患者的个体化疗法的发展和选择已经取得了长足的进展，非小细胞肺癌依然是肺癌的主要类型，而且也是诱发全球癌症相关死亡的主要原因，对于这类肺癌而言目前有两种治疗性策略，即酪氨酸激酶抑制剂和免疫检查点抑制剂疗法，然而，为每一位非小细胞肺癌患者选择最正确的疗法或许并不是一件容易的事情，因为在其治
科学家如何利用机器学习手段帮助改善人类健康研究？
本文中，小编整理了多篇重要研究成果，共同解读科学家们如何利用机器学习手段帮助改善人类健康研究？分享给大家！图片来源：CC0 Public Domain【1】JCM：机器学习预测ECMO导致儿童脑损伤的风险doi：10.3390/jcm9092718当患有心脏或肺部疾病的新生婴儿或儿童难以生存时，医生通常会使用人工肺为其支撑生命。这种被称为体外膜氧合（ECMO