Apr, 2024

盐胡椒调味品与季节组合干预预测

PDF
TL;DR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。
发现论文，激发创造
  • CRISPR：集成模型

    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。

    Mar, 2024

  • 基于转移学习的功能转录网络的细胞重编程设计

    利用转录组数据进行预训练的转移学习方法，通过基因扰动的转录响应，最小化给定初始和目标转录状态之间的差异，成功重现已知的重编程协议并创新性地设计适用于特定重编程转变的可调整模型，研究揭示了基因调控网络对表型的管理方式。

    Mar, 2024

  • 深度生成模型捕捉突变效应的遗传变异

    提出了一种基于深度学习的模型 DeepSequence，可以预测基因突变对分子属性的影响，具有非线性的高阶约束，是一种能够应用于有关蛋白质和 RNA 相互作用的普适模型。

    Dec, 2017

  • DiscoBAX: 基因组实验设计中最佳干预集的发现

    减少临床试验失败风险的实验设计方法，通过发现与遗传驱动的病理有关的基因，最大限度地改变目标表型，并且在基因组实验中探索多样性机制，从而优于现有的实验设计方法。

    Dec, 2023

  • 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

  • 药物协同作用预测的新方法

    本文通过探索基于高通量组合筛选的新的药物组合协同性预测方法，总结了 2021 年以来发表的三十多种原始机器学习方法，其中绝大多数基于深度学习技术。我们旨在通过突出核心技术、数据来源、输入数据类型、以及方法中使用的协同性评分、预测场景和评估协议，对这些论文进行统一的观察。我们发现，最好的方法能够准确解决已知药物或细胞系参与的协同性预测，然而当涉及到新的药物或细胞系时，准确预测的水平仍然有待提高。

    Apr, 2024

  • 基于排列的带干预因果推断算法

    本文提出了两种利用观测和介入数据学习基因调控网络的算法，并证明了这两种算法在符合无偏性假设的情况下均具有一致性保证。同时，这些算法具有非参数性质，适用于分析非高斯数据。本文还对这两种算法在模拟数据，蛋白质信号数据和单细胞基因表达数据上的性能进行了分析。

    May, 2017

  • 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

  • 人类可理解的基因组尺度代谢网络主动学习

    合成生物学中，ILP-iML1515 是一种基于归纳逻辑编程的机器学习框架，通过逻辑推理和学习从实验样本中更新基因组规模代谢模型的新逻辑结构，以有效探索宿主细胞系统的假设空间并引导实验设计，从而降低学习基因功能的实验成本。

    Aug, 2023

  • 基于注意力的多任务学习用于碱基编辑器结果预测

    提出了一种基于注意力的两阶段机器学习模型，用于预测给定基因组目标序列的所有可能编辑结果的可能性，并采用多任务学习模式同时学习多个碱基编辑器变体，验证了该模型对于增强和加速精细化碱基编辑设计进程的能力。

    Nov, 2023