Nat Commun：科学家开发出深度学习模型来理解人类基因组的奥秘
来自美国西北大学等机构的科学家们通过研究开发出了一种深度学习算法，其或能够识别基因组上发生的聚腺苷酸化的位置，这一研究进展或有望加速对DNA转录过程发生错误时出现的疾病和障碍进一步深入研究。
西湖大学马丽佳团队开发全新深度学习模型，精准预测SpCas9/gRNA活性及特异性
在多个GUIDE-seq测试数据集上相对于应用较广的CFD模型，AIdit_OFF无论特异性还是召回率表现的都更好，且将预测gRNA脱靶位点的精准率平均提高了2.6倍。
Science子刊：岳峰团队利用深度学习发现癌症中的新基因突变
目前人们对结构变异的检测主要依赖于全基因组测序（WGS）。然而，由于 WGS 依赖于短测序，所以其在检测基因组重复区域结构变异上的能力十分有限。
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
研究提出预测RNA聚合酶暂停位点的深度学习模型
近日，清华大学交叉信息研究院的曾坚阳研究组成功开发了能在全基因组上预测RNA聚合酶暂停位点的深度神经网络模型，该研究为Pol II暂停现象在转录过程中的调控机制提供了一个全新的分析框架，也为在缺乏测序数据的细胞系上研究Pol II暂停提供了很好的预测参考模型。真核生物的转录是一个高度复杂且被准确调控的动态过程，RNA聚合酶II（RNA
研究开发出基于深度学习的单细胞转录组分析模型
单细胞转录组作为单个细胞的特征，可更加精确地定义细胞的类型。常规的基于单细胞转录组的分类方法首先是进行无监督的聚类，然后根据每个集群（Cluster）特异表达的细胞标记基因来对集群进行标注。虽然基于无监督的分类方法更容易发现新细胞类型，但是人工标注的过程费时费力。目前已有的基于监督学习的自动分类方法，大部分无法兼顾到方法的可解释性以及
Nat Commun：科学家成功开发出一种深度学习模型工具 或有望更好地预测肺癌患者的治疗疗效
2020年10月22日 讯 /生物谷BIOON/ --在过去20年里，肺癌患者的个体化疗法的发展和选择已经取得了长足的进展，非小细胞肺癌依然是肺癌的主要类型，而且也是诱发全球癌症相关死亡的主要原因，对于这类肺癌而言目前有两种治疗性策略，即酪氨酸激酶抑制剂和免疫检查点抑制剂疗法，然而，为每一位非小细胞肺癌患者选择最正确的疗法或许并不是一件容易的事情，因为在其治
Nat Biotechnol：研究人员开发新的机器学习模型预测CRISPR-Cas9编辑人原代T细胞的结果
2019年8月4日讯 /生物谷BIOON /——在一项近日发表在《Nature Biotechnology》上、题为"Large dataset enables prediction of repair after CRISPR-Cas9 editing in primary T cells"研究中，来自Chan-Zuckerberg Biohub、斯坦福大学、加州大学等单位的研究人员在Alexa