打开APP

研究开发了详细的SARS-COV-2三维模型

2020年6月6日讯 /生物谷BIOON /——随着世界各国竞相了解导致2019冠状病毒病(COVID-19)大流行的SARS-CoV-2病毒,科学家们获得了越来越多有关构成传染性颗粒的病毒成分的信息。尽管每一项关于SARS-CoV-2的新发现都为科学家和各国政府提供了重要的新信息,但没有一项新发现能够对能够感染我们的病毒颗粒提供一个清晰的总体形象。现在,专

2020-06-06

PLoS ONE:科学家利用机器学习技术成功追踪COVID-19的基因组特性

2020年5月12日 讯 /生物谷BIOON/ --日前,一篇发表在国际杂志PLoS ONE上的研究报告中,来自西安大略大学等机构的科学家们通过研究利用机器学习技术识别出了29种不同COVID-19 DNA序列的潜在基因组特性。这种新型的数据发现工具能够帮助研究人员快速且容易地在几分钟内对诸如SARS-CoV-2等致死性病毒进行分类。图片来源:PLOS ON

2020-05-12

Cell及其子刊新突破:中国科学家成功开发SARS-CoV-2小鼠模型

2020年6月3日讯 /生物谷BIOON /——动物模型对于病毒的病理学、疫苗开发和药物筛查至关重要。非人类的灵长类动物模型是临床前实验常用的动物模型,但是费用昂贵、使用不便、需要的设施相对复杂,这限制了这种动物模型在SARS-CoV-2中的应用。小鼠模型是一种更理想的临床前实验模型,因为其价格便宜、更容易获得,同时饲养条件简单。但是小鼠并不表达SARS-C

2020-06-03

medRxiv:科学家开发出一种基于人口规模的新型模型 或能准确推测COVID-19的实际感染人数

2020年6月9日 讯 /生物谷BIOON/ --日前,一篇发表在预印版平台medRxiv上的研究报告中,来自马克斯普朗克研究所等机构的科学家们通过研究开发了一种基于人口规模的新型模型,其能够帮助研究者仅用少量的数据就能估计不同国家COVID-19感染的实际人数,基于该模型,德国的病例数要比确诊病例数高出了1.8倍,然而研究者推测,意大利的实际感染人数要比卫

2020-06-09

Nature重大进展:研究发展感染SARS-CoV-2的恒河猴呼吸系统疾病模型

2020年5月26日讯 /生物谷BIOON /——2019年底全球爆发了新型冠状病毒SARS-CoV-2,引起呼吸系统疾病,其病死率约2%。在前所未有的全球疫情蔓延之后,世界卫生组织于2020年3月11日宣布2019冠状病毒病(COVID-19)为全球大流行。虽然有关人类疾病的数据正在稳步出现,但SARS-CoV-2发病机制的某些方面只能在动物模型中进行详细研

2020-05-26

科学家如何利用机器学习来帮助改善多种疾病的研究?

本文中,小编整理了多篇研究成果,共同解读科学家们如何利用机器学习来帮助改善多种人类疾病的研究?分享给大家!图片来源:CC0 Public Domain【1】Cell综述深度解读!机器学习如何带来生物医学研究的变革!doi:10.1016/j.cell.2020.03.022日前,一篇刊登在国际杂志Cell上题为“How Machine Learning Wi

2020-04-23

机器学习如何带来生物医学研究的变革!

2020年4月21日 讯 /生物谷BIOON/ --日前,一篇刊登在国际杂志Cell上题为“How Machine Learning Will Transform Biomedicine”的综述文章中,来自俄勒冈健康科学大学的研究人员论述了机器学习技术在改善疾病诊断和治疗方面的应用,文章中,研究人员概述了机器学习如何改变生物医学三大领域的,即临床诊断、精准疗

2020-04-21

新的肺部模型让COVID-19患者机械通气更安全!

2020年5月14日讯 /生物谷BIOON /——使用机械通气挽救了患有严重呼吸系统疾病的COVID-患者的生命。但与此同时,通气压力也给脆弱的肺组织带来了巨大的压力;对于已存在肺损伤的患者,使用呼吸机可能是致命的。慕尼黑工业大学(TUM)开发的计算肺模型可用于减少机械通气造成的损害,并可显着提高患者的生存率。治疗急性呼吸系统疾病的医生在确定机械通气的最佳方案时

2020-05-14

基于动物模型研究证实哺乳传播寨卡病毒

寨卡病毒(Zika virus, ZIKV)感染是全球重大公共卫生问题,寨卡疫情被世界卫生组织宣布为“国际关注的突发公共卫生事件”。2015年寨卡疫情在巴西爆发,发现大量婴儿出生时脑发育缺陷与该疫情相关。寨卡病毒主要通过蚊子叮咬传播,但它也可通过被感染的精液进行性传播。研究表明孕妇感染ZIKV后,病毒可以通过胎盘感染胎儿的大脑引发胎儿小头症。近期也有临床报道

2020-05-11

武汉团队找到3个新冠死亡标志物,建立预测模型准确率超九成

 快速准确的病情评估对治疗新冠肺炎患者极为重要。当地时间5月14日,华中科技大学同济医学院附属同济医院等机构在学术期刊《自然-机器智能》发文表示,利用3个生物标志物,机器学习算法可以至少提前10天预测新冠肺炎患者个体的死亡率,准确率超过90%。这3个生物标志物分别是乳酸脱氢酶、淋巴细胞和超敏C反应蛋白水平。结合这些标志物,论文提出了一个简单且易操作

2020-05-18