机器学习模型可准确预测农药在植物根系累积量
近日，中国农业科学院植物保护研究所农药应用风险控制创新团队先后在Environmental Science & Technology和Journal of Hazardous Materials上发表研究论文。他们首次利用机器学习模型直接预测植物根部从土壤中吸收累积农药等有机污染物的量，解决了传统线性模型无法模拟农药被植物吸收的非线性关系，并揭示了影响植物累积农药的关键化学分子结构，为农产品在产地环境化学污染的预测提供了新的工具和手段。 机器学习模型预测植物吸收累积农业污染物的示意流程图 中国农科院植保所供图 农作物累积是农业污染物从土壤进入人类食物链的重要途径。准确预测植物吸收和累积农业污染物对保障食品安全、产地修复和人类健康暴露评估具有重要的意义。然而，由于污染物—土壤—植物根系之间复杂的相互作用，......阅读全文
机器学习模型可准确预测农药在植物根系累积量
近日，中国农业科学院植物保护研究所农药应用风险控制创新团队先后在Environmental Science & Technology和Journal of Hazardous Materials上发表研究论文。他们首次利用机器学习模型直接预测植物根部从土壤中吸收累积农药等有机污染物的量，
机器学习模型预测中风？
中风的诊断可能很棘手，因为患者并不总是表现出典型的症状，而且其他疾病也可能模仿它。研究人员利用现有数据开发了一种机器学习模型，可以准确预测中风，并可能使诊断变得更容易。诊断错误是一个主要的公共卫生问题，造成了可预防的病人伤害和卫生超支。由于诊断错误而导致的可预防的中风死亡比误诊的心脏病发作要常见30
新技术构建机器学习模型可预测玉米株高
近日，中国农业科学院生物技术研究所玉米功能基因组团队与作物代谢调控与营养强化团队合作，首次对玉米自交系全生育期进行全自动高通量无损监测，深入解析了玉米株高形成的动态遗传基础和调控网络，并通过机器学习构建了株高的智能预测模型。该研究为玉米表型精准鉴定、重要基因克隆和株型改良提供了有效策略和新的基因资源
准确预测身高？这种机器学习算法能做到
美国密歇根州立大学的研究人员近日开发出一种先进的算法，能够根据个人基因组来预测他们的身高、骨密度，甚至是教育水平。这项成果于近日发表在《Genetics》杂志十月刊上。 这项研究的负责人、密歇根州立大学的Stephen Hsu博士表示这仅仅是开始。“尽管我们现在验证了这一工具的这三个结果，但我
机器学习模型可识别乳房病变风险
美国研究人员近日在《放射学》杂志线上版发表文章称，他们开发出一种机器学习工具，可以确定哪些高危乳房病变可能会变成癌症，从而帮助医生作出正确的治疗决策，减少不必要的手术。 乳房病变是一种女性常见疾病，而高危乳房病变有很大几率转变成癌症。正是由于这种风险，手术切除病变组织通常被认为是首选治疗
机器学习模型有望提前五年预测白血病
《自然》上发表了一项重磅研究：一个由来自全球多家科研机构的白血病科学家组成的研究小组使用血液检测和机器学习技术，来预测健康个体是否有患急性骨髓性白血病（AML）的风险。这项研究意味着我们可以提早发现AML的高风险人群并进行监测，同时可以进行研发，寻找降低该疾病患病几率的方案。急性骨髓性白血病（AM
准确率达95% 机器学习预测复杂新材料合成
据22日发表在《科学进展》杂志上的一项研究，美国西北大学和丰田研究所研究人员已成功应用机器学习来指导新纳米材料的合成，消除与材料发现相关的障碍。这种训练有素的算法，可通过定义数据集来准确预测可用于清洁能源、化学和汽车行业燃料的重要催化剂。 论文通讯作者、美国西北大学纳米技术专家查得·米尔金此次
机器学习模型对阿尔茨海默病的预测风险进行排序
根据最近的一项研究，一旦个人达到65岁，也就是阿尔茨海默病的发病门槛，他们的遗传风险可能在决定他们是否会患上这种致命的大脑疾病方面发挥更大的作用，而不仅仅是他们的年龄。最近发表在《科学报告》杂志上的这项研究利用机器学习模型对患阿尔茨海默病的风险因素进行排序。这是通过使用遗传风险分数、非遗传信息和近5
机器学习模型创建定制气味和香水
目前，人们仅根据气味剂的物理化学特征来预测嗅觉印象。但是，该方法无法预测传感数据，而传感数据对于产生气味是必不可少的。为了解决这个问题，日本东京工业大学研究人员采用了逆向思维的创新策略，不是根据分子数据预测气味，而是根据气味印象预测分子特征。这是使用标准质谱数据和机器学习模型实现的。研究成果发表在最
仅利用质谱，机器学习可预测未上市新型人造毒品
英国《自然·机器智能》杂志15日发表一项计算生物学突破，包括加拿大英属哥伦比亚大学在内的研究团队研发了一种自动化、生成式的机器学习方法，可以仅利用质谱就确定未知的新型精神药物（又称人造毒品）的化学结构，了解这些结构能帮助法医实验室更快识别出疑似的人造毒品。 每年有大量新型精神药物出现在非法市场