科研人员开发基于深度学习模型的空间转录组精细分辨率细胞注释算法

STASCAN提供了用于整合空间基因表达信息和组织学图像进行精细分辨率细胞注释的工具，在解码细胞空间精细分布和解析特异组织结构方面具有优势。

2024-11-10

单细胞和空间转录组中环形RNA深度学习算法取得进展

CIRI-deep可以实现多种转录组测序数据中差异剪接环形RNA的可靠预测，并在单细胞及空间水平实现细胞类型特异环形RNA的准确解析，具有广泛的应用场景。

2024-02-21

DEMINING框架通过嵌入的深度学习模型DeepDDR，实现了从RNA测序数据中高效、精确地鉴定RNA编辑和DNA突变。

2024-10-16

该研究开发了一种深度学习算法，用于准确预测生物多样性编辑结果。

2024-02-26

研究团队通过将该系统应用于中国和印度的真实临床流程，证实该系统可在大幅降低筛查频率和公共卫生成本的情况下仍保持极低的漏诊率，从而为将来的糖尿病并发症防控实践提供了个性化筛查和管理决策的依据。

2024-02-15

科研人员利用SIRM方法，对几种带有缺失锥的数据集进行处理。结果显示，使用SIRM方法后的重建图像在缺失锥方向上的分辨率得到提高，恢复了取向优势带来的密度畸变问题，并提升了分辨率。

2024-08-08

该研究报道了一种基于多信息融合的机器学习模型PSPHunter，可用于鉴定相分离蛋白和相分离关键氨基酸。

2024-04-24

CalicoST算法的诞生填补了这一空白。它不仅能够从空间转录组数据中推断出肿瘤的等位基因特异性拷贝数变异，还能够重建肿瘤克隆在空间中的进化轨迹，绘制出肿瘤演化的“进化地图”。

2024-11-10

CalicoST算法的核心优势在于其能够从SRT数据中精确推断等位基因特异性拷贝数变异（allele-specific CNAs）。

2024-11-27

为了更好地理解肿瘤的演化过程，研究人员开发了许多基于高通量测序技术的亚克隆重建算法。这些算法利用肿瘤DNA测序数据中的突变特征来推断肿瘤亚克隆的组成和演化历史。

2024-06-13