Nature子刊：遗忘是一种新的学习形式，遗忘的记忆并未丢失，只待重新激活的钥匙
近日，都柏林三一学院和多伦多大学的研究人员在 Nature Reviews Neuroscience 期刊发表了一篇题为：Forgetting as a form of adaptive engram cell plasticity（遗忘是记忆细胞适应性神经可塑性的一种表现形式）的文章。这篇文章指出，与其说遗忘是一种缺陷，不如说是一种
Journal of Genetics and Genomics：糖基化酶碱基编辑器的机器学习研究中获进展
碱基编辑技术可实现精确的碱基转换，当前，有三类碱基编辑器被广泛应用，包括胞嘧啶碱基编辑器（cytosine base editor，CBE）、腺嘌呤碱基编辑器（adenine base editor，ABE）、糖基化酶碱基编辑器（glycosylase base editor，GBE）。2020年，中国科学院天津工业生物技术研究所研究
基于机器学习开发适用于中国人群的衰老评估指标
近日，德睿智药团队与浙江大学、昆山杜克大学在《Frontiers in Medicine》（影响因子5.1）联合发表论文。该研究使用机器学习（ML）方法建立了一个基于中国中老年人群的生物年龄测量方法，并证明了基于机器学习的生物年龄与疾病发生率及死亡率间存在密切联系，同时发现基于机器学习的生物年龄相较于以往方法具有优势。德睿智药团队负责该研究的建模
Nature：我们是如何学会学习的？科学家给出明确答案！
来自纽约大学等机构的科学家们通过对小鼠进行研究后发现，旨在专注于重要事物而忽略分心的认知训练或能增强大脑的信息处理能力，从而使得机体能够学会如何去学习。
科学家如何利用机器学习技术来改善人类健康研究？
机器学习是一门多领域的交叉学科，主要包括概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科，近年来，科学家们不断将机器学习技术应用到改善人类健康和疾病等研究领域中，本文中，小编就整理了多篇研究报告，共同解读科学家如何利用机器学习技术来改善人类的健康。分享给大家！【1】Science：利用新型机器学习技术准确预测蛋白和RNA的三维结构doi：10.112
上海交大研究团队合作建立肝恶性肿瘤影像诊断深度学习新模型
肝恶性肿瘤包括肝细胞癌（HCC）、肝内胆管细胞癌（ICC）和转移性肝癌等，是常见且预后极差的恶性肿瘤。影像学诊断为治疗决策和预后判断提供了不可或缺的支持，然而不同肝恶性肿瘤通过影像学诊断常有误诊。临床上不同肝恶性肿瘤的治疗策略差异巨大，医生在手术、靶向、免疫等治疗前对患者肿瘤类别的准确诊断至关重要。近期，医学院附属新华医院顾劲扬教授团队、生命科学技术学院俞章
“机器学习”如何助力新药研发？
今天的新药发现，已经离不开计算学科的支撑，与计算相关的各种技术也因新药研发，而备受行业的重视。机器学习，作为AI的一个重要分支，凭借其辅助发现潜力化合物、预测相关参数、节约试验成本、压缩开发周期等优势，得到了研发及投行的极大关注。本稿件即对机器学习的历史及其于医药领域的应用进行概述，以期与同行进行共同学习。未来：精准医学&药物
研究人员发现精神分裂症谱系不同阶段的个体表现出不同的奖赏价值区分能力
快感缺失与动机缺乏是精神分裂症患者阴性症状的核心症状。动机缺乏症状被定义为个体发起或维持目标导向性行为的动力下降，可能是由于患者对奖赏价值的表征存在受损。范围适应性的价值表征或编码，被认为可能是导致精神分裂症患者出现动机缺乏症状的潜在机制之一。范围适应性编码是指个体采用刺激在其所处范围内的相对位置来对其价值进行编码与表征的能力，被发现
Science：利用新型机器学习技术准确预测蛋白和RNA的三维结构
美国斯坦福大学博士生Stephan Eismann和Raphael Townshend在该大学计算机科学副教授Ron Dror的指导下，利用巧妙的新型机器学习技术，开发出一种通过计算预测准确结构来克服这一问题的人工智能算法。最值得注意的是，即使只从少数已知结构中学习，他们的方法仍然成功，这使得它适用于那些结构最难通过实验确定的分子类型。
British Journal of Psychology:揭示基于单眼的无意识奖赏学习机制
奖赏能够影响人的知觉和行为，人们可以从意识和知觉上区分哪些事物能带来奖赏、哪些不能。这种意识和知觉上的差异为追求奖赏提供了重要线索。奖励规则由人制定，但大脑的奖赏系统未必需要意识来调控奖赏学习。奖赏的神经调节信号弥散地分布在整个大脑，奖赏系统与大脑中多个脑区有连接。这种连接的复杂性使无意识的奖赏学习成为潜在的可能，但由于以往研究范式里