科学家发现，基于机器学习的诊断模型可以更加灵活准确地区分低或高风险心肌梗死
英国心脏基金会（BHF）的研究团队开发了一个机器学习模型，将患者就诊或连续检测时的心肌肌钙蛋白浓度与临床特征相结合，计算个体的急性冠脉综合征诊断和评估联合（CoDE-ACS）评分（0-100），相当于
Science：利用机器学习将哺乳动物的增强子变异与复杂表型关联在一起
不同的表型，包括相对于身体大小的较大大脑、群体生活和发声学习能力，在整个哺乳动物历史上已经进化了多次。这些共同的表型可能通过基因组比较识别出的共同机制而反复出现。
研究发现社会学习塑造了蜜蜂的“舞蹈语言”
蜜蜂是一种重要的授粉昆虫，它们为众多开花植物授粉，对维护生态平衡有至关重要的作用。蜜蜂与人类关系非常密切，它们不仅为人类提供蜂蜜、蜂花粉、蜂王浆等产品，更重要的是很多农作物需要依靠蜜蜂授粉
生化大牛David Baker团队颠覆蛋白设计方法，通过强化学习逆向从头创造全新蛋白
以类似的思路，MCTS具有产生任何我们指定的几何形状的蛋白的能力。我小小声预言一句，蛋白学的未来，翻天覆地了！
研究发现中央杏仁核具备区分消极和积极刺激的能力，并在奖励性学习过程中发挥重要作用
这项研究扩充了以往我们对CeA在学习记忆功能方面的认知，系统地揭示了Sst+CeA神经元存在不同的亚群，可以对积极或消极等不同刺激做出不同的反应。
《转化精神病学》：解决临床用药难点，回顾20项机器学习预测抗精神病药物预后成效
近日，由意大利米兰大学的Paolo Brambilla领衔的研究团队在《转化精神病学》发表一篇综述型研究，他们回顾了28项利用不同神经影像、神经生理、遗传以及临床特征对不同阶段的SCZ患者的抗精神病药
同济大学刘琦团队开发基于元学习的AI模型，用于抗原-TCR亲和力识别及肿瘤新生抗原免疫原性预测
实验证明PanPep在三种应用场景Majority learning、Few-shot learning以及Zero-shot learning场景中均取得了较高的抗原-TCR预测准确率。
这样调整脑电波节律1.5秒，学习效率提升3倍！
那些在“挟带”中匹配了大脑自然节律、且目标图像呈现与相应振荡的波谷对齐的参与者，其学习速度至少比其他所有组快三倍。这些学得更快的参与者在第二天任务中的表现也保持了较高水平。
学习能力比不上小学生了？是的，因为大脑里的这种化学物质！
在学习开始之前，儿童体内的GABA总量确实比成人少，然而在学习过程中，儿童表现出GABA浓度的快速提升，这种增加甚至在训练结束后的一段时间内也持续存在。而成人的GABA水平在整个实验过程中未发生波动。
Science：利用组合信号基序库和机器学习破解CAR-T细胞表型
在一项新的研究中，研究人员利用新的机器学习技术，基于指导工程化免疫细胞寻找并不知疲倦地杀死癌细胞的“单词”组合，为细胞开发了一个包含数千条“命令语句”的虚拟分子库。