深度学习模型成功识别胚胎发育过程
英国普利茅斯大学牵头的研究表明，一种新的深度学习人工智能（AI）模型可通过视频，识别出胚胎发育过程中发生的事件及其发生时间。29日发表在《实验生物学杂志》上的论文，重点介绍了这种名为“Dev-ResNet”的模型，它能识别出动物胚胎中何时发育出了关键功能，包括其心脏功能、孵化、爬行，甚至死亡。普利茅斯大学的池塘蜗牛胚胎。图片来源：普利茅斯大学这项研究的一个关键创新是对3D模型的使用，该模型利用视频帧之间发生的变化，让AI从这些特征中学习，而不是用传统的静止图像。“Dev-ResNet”是一个小型高效的3D卷积神经网络，能使用视频检测发育事件，并且可相对轻松地进行训练，训练设备也并非实验室级的昂贵硬件。此次，研究人员将模型用于池塘蜗牛胚胎。“Dev-ResNet”能使用视频可靠识别出从第一次心跳到爬行等行为，以及从壳形成到孵化等特征，并揭示了不同特征对温度的敏感性。研究人员表示，虽然本研究的对象是池塘蜗牛胚胎，但该模型已经可广泛应......阅读全文
深度学习模型成功识别胚胎发育过程
英国普利茅斯大学牵头的研究表明，一种新的深度学习人工智能（AI）模型可通过视频，识别出胚胎发育过程中发生的事件及其发生时间。29日发表在《实验生物学杂志》上的论文，重点介绍了这种名为“Dev-ResNet”的模型，它能识别出动物胚胎中何时发育出了关键功能，包括其心脏功能、孵化、爬行，甚至死亡。
深度学习模型成功识别胚胎发育过程
英国普利茅斯大学牵头的研究表明，一种新的深度学习人工智能（AI）模型可通过视频，识别出胚胎发育过程中发生的事件及其发生时间。29日发表在《实验生物学杂志》上的论文，重点介绍了这种名为“Dev-ResNet”的模型，它能识别出动物胚胎中何时发育出了关键功能，包括其心脏功能、孵化、爬行，甚至死亡。普利茅
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方案。
胚胎发育的基本过程
胚胎发育一、胚胎发育过程（蛙的受精卵发育）二、特征⒈卵裂期细胞数量不断增加，但胚胎的总体积并不增加，或有所缩小⒉桑椹胚时期及其以前的细胞，每一个细胞都具有发育成完整胚胎的潜能，属于全能细胞。当胚胎细胞数目达到32个左右时，胚胎形成致密的细胞团，形似桑葚，叫做桑葚胚（morula）。⒊囊胚中有一个含有
干细胞模型再现人类胚胎早期发育
科技日报北京12月2日电 （记者张梦然）据英国《自然》杂志2日发表的一项研究，科学家用人多能干细胞建立了一个模型，可用来研究人类胚胎植入子宫的过程。人胚状体（blastoid）是模拟早期人类胚胎的结构，在研究中能准确再现人类胚胎早期发育的关键阶段，包括黏附在体外子宫细胞上。该模型或有助于推进我们对人
干细胞模型再现人类胚胎早期发育
据英国《自然》杂志2日发表的一项研究，科学家用人多能干细胞建立了一个模型，可用来研究人类胚胎植入子宫的过程。人胚状体（blastoid）是模拟早期人类胚胎的结构，在研究中能准确再现人类胚胎早期发育的关键阶段，包括黏附在体外子宫细胞上。该模型或有助于推进我们对人类发育早期阶段的认识，以及开发不孕不
深度学习增强里德堡多频微波识别
图为机器学习解码结果。(a-c)为训练时间不同时，深度学习模型对传输信号的恢复结果 中国科大供图里德堡原子具有较大的电偶极矩，可以对微弱的电场产生很强的响应，因此作为一个非常有前景的微波测量体系，备受人们青睐。但基于里德堡原子的微波测量领域还存在很多科学问题亟待解决，多频率微波接收就是其中一项难题
深度学习可识别显微照片中的细菌
美国华盛顿大学研究人员开发出一种深度学习软件Omnipose，其能帮助解决在显微镜图像中识别各种微小细菌的挑战。研究结果发表在17日的《自然·方法学》杂志上。 研究人员发现，在大型细菌图像数据库上训练的Omnipose在表征和量化混合微生物培养物中的无数细菌方面表现良好，并消除了其前身可能出现的
深度学习增强里德堡多频微波识别
图为机器学习解码结果。(a-c)为训练时间不同时，深度学习模型对传输信号的恢复结果 中国科大供图 里德堡原子具有较大的电偶极矩，可以对微弱的电场产生很强的响应，因此作为一个非常有前景的微波测量体系，备受人们青睐。但基于里德堡原子的微波测量领域还存在
深度学习模型筛查新药快千倍
据美国麻省理工学院（MIT）官网12日报道，该校科学家开发出一款名为EquiBind的几何深度学习模型，其将类药物分子与蛋白配对的效率比现有最快的计算分子配对模型QuickVina2-W快1200倍。相关研究已经提交预印本服务器，并将提交给国际机器学习大会。 在药物开发之前，研究人员必须找到有潜
深度学习模型筛查新药快千倍
据美国麻省理工学院（MIT）官网12日报道，该校科学家开发出一款名为EquiBind的几何深度学习模型，其将类药物分子与蛋白配对的效率比现有最快的计算分子配对模型QuickVina2-W快1200倍。相关研究已经提交预印本服务器，并将提交给国际机器学习大会。 在药物开发之前，研究人员必须找到有
人类胚胎模型可模拟受精早期发育特征
原文地址：http://news.sciencenet.cn/htmlnews/2023/9/508019.shtm
以斑马鱼胚胎为模型－研究胚胎发育早期的自我保护机制
当生物体遇到药物或化学污染物入侵时，它会应激性地提高自身转化及外排能力，从而尽快将外源物降解或排出体外，从而实现自我保护，这一作用也被称作生物体的外源物抵御作用。由于该作用决定了药物或污染物在体内的停留时间，从而影响了药物药效或化学污染物毒性的发生，因而受到药物学及环境毒理学研究的广泛关注。
新类胚胎模型打开人类发育“黑匣子”
美国匹兹堡大学的研究人员开发了源自成体细胞的新类胚胎模型，该模型复制了人类早期发育的关键特征，包括血细胞的生成。13日发表在《自然》杂志上的文章，描述了这一名为heX胚胎的模型，为了解早期人类发育提供了一个独特的窗口，有助科学家对遗传病和不孕症的研究，也可用于再生医学应用。 像胚胎一样，heX
深度学习模型准确评估不同产区天麻的质量差异
近日，云南省农业科学院药用植物研究所研究员王元忠联合云南省昭通学院教授刘鸿高、云南农业大学李杰庆在《食品化学》（Food chemistry）发表最新研究论文，提出基于近红外（NIR）光谱技术的天麻地理溯源模型理论。该理论可为不同产区中药地理可追溯性提供借鉴和理论基础。天麻块茎。云南农科院供图该研究
研究提出可用于癌症驱动基因识别的图机器学习模型
当前，全球癌症患者数量呈逐年上升趋势。癌症驱动基因识别在探讨癌症的发生机制中扮演着重要角色，能够为个性化精准治疗提供策略。而现有方法在泛化性和可解释性方面面临挑战。中国科学院新疆理化技术研究所科研团队与合作者，提出了可用于癌症驱动基因识别的图机器学习模型。这一模型融合人工智能与生物医学的优势，具备可
基因组密码被解锁：深度学习模型破解非编码区奥秘
人类基因组中超98%的遗传变异位于非编码区，这些变异通过调控染色质可及性、三维构象、剪接加工等多种分子机制影响基因表达，最终导致疾病发生。由于调控机制的复杂性和细胞类型特异性，目前解读非编码变异的分子效应仍是重大挑战。现有深度学习模型在预测功能基因组特征时，往往在输入序列长度与预测分辨率之间难以兼顾
深度学习的CompCyst更准确地识别发生癌前病变的胰腺囊肿
早期、准确地检测胰腺癌是重中之重。胰腺囊肿很常见并且经常造成管理困境。这是因为并非所有的胰腺囊肿（pancreatic cyst）都会发展成癌症：一些胰腺囊肿是癌前病变，其他的胰腺囊肿很少有发展成浸润性癌症的风险。再者，人们很难对胰腺囊肿进行分类，这会导致漏诊和不必要的手术。 在一项新的研究中
深度学习实现蛋白质序列高成功率从头设计
中国科学技术大学生命科学与医学部教授刘海燕、副教授陈泉团队与信息科学技术学院教授李厚强团队合作，开发了一种基于深度学习为给定主链结构从头设计氨基酸序列的算法ABACUS-R。经过实验验证，ABACUS-R的设计成功率和设计精度超过了原有统计能量模型ABACUS。研究成果北京时间7月21日发表于《
深度学习助力提高蛋白质序列设计成功率
中国科学技术大学生命科学与医学部教授刘海燕、副教授陈泉团队与信息科学技术学院教授李厚强团队合作，开发了一种基于深度学习为给定主链结构从头设计氨基酸序列的算法ABACUS-R。经过实验验证，ABACUS-R的设计成功率和设计精度超过了原有统计能量模型ABACUS。相关成果7月21日发表于《自然—计
新工具有助揭示胚胎发育等细胞过程
在显微镜下，细胞通常处于静止状态，但实际上它们是动态结构。细胞挤压、拉伸、弯曲，以及穿越周围环境，这时它们会产生力。这些力非常小，可能只有一只曲别针重量的十亿分之一。但它们却有深刻的生物学影响。在快速生长的胚胎中，这种变化的力能改变细胞发育进程，“告诉”它们何时停止分化以及开始转化。 早在1个
我所开发出新型深度学习模型应用于电池寿命预测
近日，我所能源催化转化全国重点实验室动力电池与系统研究部（DNL29）陈忠伟院士、毛治宇副研究员团队，联合西安交通大学冯江涛教授，在电池健康管理领域取得新进展。合作团队开发了一种新型的深度学习模型，有效地解决了传统方法对大量充电测试数据的依赖，为电池实时寿命预估提供了新的思路，实现了锂电池寿命的端到
BMC－Biology：基于深度学习预测E3泛素连接酶识别位点
真核细胞内蛋白质的降解依赖于自噬及泛素-蛋白酶体系统（2004年诺贝尔化学奖）。其中，泛素-蛋白酶体系统负责降解细胞内超过80%的蛋白，该系统的关键酶为E3泛素连接酶，负责识别要被降解的底物蛋白并将其泛素化。人体内表达600余种E3，这些E3以特定规则结合不同底物蛋白，从而实现降解过程的特异性。底物
拉曼光谱技术首发现，无创预测D3胚胎成囊率
来自中信湘雅医院团队的一项最新研究表明，使用拉曼光谱和深度学习分类模型，能够检测D3胚胎培养基，并预测D3卵裂期胚胎到囊胚期的发育潜力，总体准确率达到73.53%，整体精度接近到74%，敏感性为77.78%，特异性为 72%；预测交付的总体准确性为 80.5%，敏感性为 85.7%，特异性为80
Nature：利用深度学习可预测细胞外观，帮助发现病变过程
据Nature最新报道，艾伦细胞科学研究所（Allen Institute for Cell Science）发布的网站Allen Cell Explore，包含数千个干细胞的三维立体图像，不止是发现每个细胞的独特外观，通过深度学习算法，该研究所还对细胞的外观进行了预测。改变一个基因对细胞整体而
深度学习网络技术可加快临床PET图像重建过程
近日，来自美国纪念斯隆凯特灵癌症中心（Memorial Sloan Kettering Cancer Center）的科学家们开发出一种名为“DeepPET”的新技术，该技术是使用深度学习（deep learning）将正电子放射断层造影术（PET）成像数据转换为高质量图像，并在Medical
食蟹猴胚胎体外培养模型揭示灵长类早期神经胚发育特征
出生缺陷影响健康。有数据显示，当前已知的出生缺陷病种超过8000种，其中神经管畸形是常见的一类出生缺陷。出生缺陷的发生与早期胚胎发育异常直接相关。因此，研究早期胚胎发育过程、探究发育机理，是揭示病理性胚胎发生机制，提升相关疾病诊疗效率，从根源上提高健康水平的重要前提。 人早期胚胎发育起始于受精卵（
深度学习算法“解密”脑活动
英国《自然·医学》杂志9月25日在线发表的一项研究，报告了一种可以分析四肢瘫痪患者大脑活动的深度学习算法。该算法已被用于向患者的前臂肌肉传递电刺激，从而恢复瘫痪肢体的功能性运动。 慢性瘫痪患者的生活质量可以通过脑机接口加以改善。脑机接口可以将控制运动的中枢神经系统回路和辅助设备（例如计算机光标
AI侦探敲碎深度学习黑箱
研究人员创建了能填补照片空白的神经网络，以鉴别人工智能瑕疵。 Jason Yosinski坐在美国加州旧金山的一个小型玻璃办公室内，陷入了对人工智能的沉思。作为优步公司的研究科学家，Yosinski正为在笔记本电脑上运行的人工智能（AI）进行“脑外科手术”。 很多AI将改变人类现代生活，例如
单细胞测序数据分析中的应用案例
以下是一些深度学习方法在单细胞测序数据分析中的应用案例： 1. 细胞类型分类 - 研究人员使用深度学习算法，如卷积神经网络（CNN），对单细胞测序数据进行分析，以准确地识别和分类不同的细胞类型。例如，通过训练模型学习不同细胞类型的基因表达特征，从而能够对新的单细胞数据进行快速准确的分类。