Mar, 2024

CRISPR：集成模型

PDF
TL;DR该论文提出了一种新的合奏学习方法来设计单导 RNA，该方法能够准确且具有一般性地预测 CRISPR 的靶向有效性和离靶敏感性，从而改善对不同基因和细胞数据集的泛化能力。通过在一个基准数据集上进行评估，发现该方法在准确性和泛化能力方面优于现有方法，并且可以用于设计具有高灵敏度和特异性的单导 RNA，甚至对于新基因或细胞，这对于临床使用 CRISPR 技术提供了重要的启示，因为它使研究人员能够设计更有效和更安全的治疗方法来对抗各种疾病。
发现论文，激发创造
  • 盐胡椒调味品与季节组合干预预测

    通过对基因干预的影响进行估计，本研究聚焦于基因对的组合对细胞转录组的效应，并引入了 Salt 和 Peper 两种新方法，Salt 从生物学启发并假设组合效应主要是加性的，而 Peper 则通过深度学习拓展了 Salt 的加性假设以实现前所未有的准确性，与现有先进方法进行全面比较并在现实环境中进行越界分析突出了当前模型的局限性，凸显了改进建模技术和数据获取策略的必要性，为更有效地探索基因干预效应铺平了道路。

    Apr, 2024

  • 单细胞基因组学中的增强基因筛选：预过滤协同与强化优化

    近期单细胞基因组学的新进展要求在基因面板选择上精确以有效解读复杂的生物学数据。我们提出了一种迭代的基因面板选择策略，该策略能够整合其他基因选择算法的结果，并引入强化学习中的探索过程，以提高我们的框架的效率并动态地精细调整和定位基因面板选择。

    Jun, 2024

  • CRISPR：从指令跟踪语言模型中消除偏置神经元

    该研究介绍了一种用于减轻大型语言模型中指令 - 标签偏见的新的偏见缓解方法，称为 CRISPR，该方法利用属性方法识别有影响的偏见神经元并通过修剪来消除这些偏见神经元。实验结果表明，CRISPR 在减轻指令 - 标签偏见方面非常有效，在社交偏见基准上提高了语言模型的性能，同时不损害现有知识。CRISPR 是高度实用和模型无关的，具有在应对不断演变的社交偏见中灵活性的特点。

    Nov, 2023

  • 机器学习建模研究 SiRNA 结构 - 效能关系在抗击 Sars-Cov-2 刺突基因中的应用

    开发基于化学信息学表示的 siRNA 的机器学习模型以预测其效力，并选择最有效的 siRNA 分子进行进一步的发展，证明了 AI / 机器学习模型在加速 siRNA 基于药物发现方面的潜力。

    Jan, 2024

  • 用 RNA 对比学习改进您的预测

    通过对功能相似的基因组序列进行对比性学习，本研究提出了一种学习 RNA isoform 的通用表示方法，并在 RNA 半衰期和平均核糖体负载预测等下游任务上证实了其实用性。

    Oct, 2023

  • deepTarget: 一种基于深度循环神经网络的 microRNA 靶点预测端到端学习框架

    本文提出一种基于深度递归神经网络的自编码及序列交互学习，利用端到端的机器学习框架进行 miRNA 靶向预测，不仅准确性高，而且消除了手动特征提取的需求，该方法相比于现有的替代方案更为优秀，并取得了 miRNA 靶向预测领域巨大的进步。

    Mar, 2016

  • SentRNA: 在计算 RNA 设计中，通过融入人类设计策略的先验知识进行改进

    通过将人类设计策略与机器学习相融合，我们提出了一种名为 SentRNA 的新型 RNA 设计算法，该算法使用全连接神经网络进行端到端训练，可以解决以前无法通过任何基于机器的方法解决的复杂问题，并在两个具有挑战性的测试集上实现了最新技术水平的性能。

    Mar, 2018

  • DiscoGen: 学习发现基因调控网络

    介绍 DiscoGen，这是一种基于神经网络的 GRN 发现方法，它可以去噪基因表达度量并处理干预数据，我们证明了我们的模型优于 SOTA 神经网络基因因果发现方法。

    Apr, 2023

  • 基于组织和检测嵌入的泛化序列模型用于表观基因组预测

    通过将组织和检测嵌入到上下文化基因组网络中，我们展示了强相关性可以在广泛的实验条件中实现，同时提供了关于基因变异对表观遗传序列模型训练影响的首次见解。

    Aug, 2023

  • deepMiRGene: 基于深度神经网络的 miRNA 前体序列预测

    通过深度学习，本文提出了一种新的 miRNA 前体预测算法，deepMiRGene，该算法采用循环神经网络，具有自动学习数据特征的优点，并在三个基准数据集中表现出与当前最优工具相当的性能。

    Apr, 2016