elife：机器学习揭示蛋白质的功能
2019年3月13日 讯 /生物谷BIOON/ --今天在开放获取期刊eLife中描述了一种能够读取和分析蛋白质序列的新型机器学习模式。该研究表明，当训练读取序列数据时，称为限制玻尔兹曼机器（RBM）的人工神经网络可以提供有关蛋白质结构，功能和进化特征的大量信息。它被认为是第一种可以仅从序列数据中提取这种细节水平的方法。（图片来源：www.pixabay.com）蛋白质由称为氨基酸的分子序列形成，
研究发现果蝇嗅觉学习记忆中的去抑制神经环路机制
中国科学院生物物理研究所郭爱克、李岩课题组题为Suppression of GABAergic neurons through D2-like receptor secures efficient conditioning in Drosophila aversive olfactory learning 的研究论文于2月22日在《美国国家科学院院刊》（PNAS）在线发表。该研究发现了果蝇学习记忆
Diabetes Care：深度学习能够提高设备检测糖尿病性视网膜病变的准确度
2019年2月21日 讯 /生物谷BIOON/ --根据2月14日在线发表于《Diabetes Care》的一项研究，深度学习会提升糖尿病相关检测设备灵敏度与准确度的提高，从而更加有利于准确检测糖尿病视网膜病变（DR）。在最近发表的这项研究中，来自阿姆斯特丹VU医疗中心的Frank D. Verbraak及其同事通过混合深度学习增强设备对视网膜图像进行分级。将其视网膜病变的分类与参考标准进行比较，
研究发现分裂型特质个体对远期未来奖赏加工的异常
精神分裂症患者对金钱和社会性奖赏加工存在一定的缺损，具体表现为对未来奖赏的期待性愉快体验降低而即时性愉快体验完好。日常生活中，对于未来奖赏加工的缺损可以用“延迟折扣”来描述。“延迟折扣”是指未来奖赏的当前主观价值随着时间延长而减少的心理现象。精神分裂症患者表现出更大的延迟折扣，即相较于延迟且较大奖赏，精神分裂症患者表现出对即时但较小奖赏的偏好。然而，分裂型特质群体中是否存在相似的缺损目前尚不清楚。
利用机器学习算法准确地预测细胞如何修复CRISPR诱发的DNA断裂
2018年11月9日/生物谷BIOON/---当双螺旋DNA因损伤（比如X射线暴露）发生断裂时，细胞中的分子机器会开展基因“自动校正（auto-correction）”，从而将基因组重新连接在一起，但是这种修复通常是不完美的。细胞中的天然DNA修复过程能够以一种看似随机且不可预测的方式在断裂位点处添加或移除DNA片段。利用CRISPR-Cas9编辑基因能够在特定位点上让DNA发生断裂，但是这可能会
RNA甲基化修饰或能促进机体学习和记忆过程
2018年11月4日 讯 /生物谷BIOON/ --RNA携带着DNA编码的指令片段，其能携带蛋白质的产生从而完成细胞内的工作，但这一过程并不总是简单明了，DNA或RNA的化学修饰会在不改变实际遗传序列的情况下改变基因的表达状况，这种表观遗传学修饰会影响机体许多生物学过程，比如免疫系统反应、神经细胞发育、多种人类癌症甚至肥胖等。图片来源：Vossman/ Wikipedia其中很多改变实际上是通过
JTEHM：计机器学习帮助识别痴呆症的发生风险
2018年9月17日 讯 /生物谷BIOON/ --最近一项研究揭示，通过认知功能测试能够帮助诊断痴呆症，医院的迷你精神状态检查（MMSE）和医学成像系统就是其中的例子。随着人口老龄化，越来越多的人患上痴呆症。因此，开发简单的痴呆检测手段十分迫切。以前的研究中主要使用神经心理学问题进行诊断，但重复使用相同的问题会降低痴呆症的检测能力。来自大阪大学和奈良科学技术研究所的联合研究小组证明，有可能通过机
我们是如何学习语言的？
2018年8月27日/生物谷BIOON/--本期为大家带来的是有关语言学习方面的研究进展，希望读者朋友们能够喜欢。1.Current Biology：参与语言学习的大脑机制DOI: 10.1016/j.cub.2018.02.042学习一门新的语言与其说是一种艺术，不如说是一种科学。来自Sussex大学的研究者们发现当我们学习陌生事物的名字时，大脑参与学习的区域会主动的预测这些名字对应的事物的形态
《人工智能深度学习算法评估规范》团体标准发布
7月1日，中国首个人工智能深度学习算法标准《人工智能深度学习算法评估规范》(Artificial intelligence—Assessment specification for deep learning algorithms)在“中国人工智能开源软件发展联盟”成立大会上正式发布。该标准由中国电子技术标准化研究院作为召集单位，中国科学院软件研究所作为技术牵头单位，联合上
机器学习模型有望提前五年预测白血病
《自然》上发表了一项重磅研究：一个由来自全球多家科研机构的白血病科学家组成的研究小组使用血液检测和机器学习技术，来预测健康个体是否有患急性骨髓性白血病（AML）的风险。这项研究意味着我们可以提早发现AML的高风险人群并进行监测，同时可以进行研发，寻找降低该疾病患病几率的方案。急性骨髓性白血病（AML）是一种进展迅速、危及生命的血液肿瘤，可以影响所有年龄段的人群。AML患者的