生物行

探索生命科学奥秘
当前位置: 主页 > 神经科学 > 类脑智能与AI

类脑智能与AI 《Nature Communications》：新型配对序列语言模型实现蛋白质-蛋白质相互作用的精

研究人员开发了一种名为“配对序列语言模型”（Paired-sequence language model）的创新计算框架，旨在解决蛋白质-蛋白质相互作用（PPI）预测的难题。该模型通过学习蛋白质序列的联合分布，能够有效捕捉跨链的进化信息与结构特征。在多项基准测试中，该模型在预测相互作用位点及亲和力方面表现出卓越的准确性，为药物研发及系统生物学研究提供了强有力的计算工具。...

2026-04-11 11:53:35 337

类脑智能与AI 《Nature Communications》：通用大模型实现荧光显微图像的多任务跨分布重构

研究团队开发了一种基于基础模型（Foundation Model）的深度学习框架，旨在解决荧光显微图像在跨实验条件、跨成像系统下的重构难题。该模型通过大规模预训练，实现了对不同分布图像的泛化处理，在去噪、超分辨率重建及伪影去除等多个任务中表现出卓越的性能，为生物医学成像数据的标准化处理与定量分析提供了强有力的计算工具。...

2026-04-11 11:53:35 160

类脑智能与AI 机器学习赋能高度近视管理：常规血液检查助力精准预测并发症风险

本研究利用机器学习算法，通过整合常规血液检查数据，实现了对高度近视患者并发症风险的精准预测。研究团队通过大规模临床队列分析，筛选出与高度近视病理改变相关的关键生物标志物，构建了高效的风险评估模型。该成果为高度近视的早期筛查、个性化监测及临床干预提供了创新的数字化工具，显著提升了眼科临床决策的科学性与预见性。...

2026-04-11 09:48:09 150

类脑智能与AI Nature Communications：EPInformer模型实现启动子-增强子序列与多模态表观遗传组学的

EPInformer是一种创新的深度学习框架，能够整合启动子和增强子的DNA序列信息与多模态表观遗传特征（如染色质可及性和组蛋白修饰），精准预测基因表达水平。该模型在多种细胞系中表现出高准确性，尤其在捕捉组织特异性表达方面优于现有方法。通过注意力权重分析，识别出关键调控基序，验证了其生物学可解释性。EPInformer有望应用于非编码区变异识别，推动精准医学发展。...

2026-04-11 09:47:55 130

类脑智能与AI 解析灵长类大脑：猕猴皮层疾病相关基因顺式调控元件的单细胞空间图谱

近日，《Nature Communications》发表了一项前沿研究，通过构建猕猴大脑皮层的单细胞空间调控图谱，揭示了顺式调控元件在不同细胞类型和空间位置上的分布规律。研究发现，与神经精神疾病和神经退行性疾病相关的风险变异显著富集在特定的空间调控元件中，表现出细胞类型和区域特异性。该图谱为理解大脑皮层发育与功能提供了高分辨率分子蓝图，并为精准治疗策略奠定了基础。...

2026-04-11 09:38:32 199

类脑智能与AI 《Nature Communications》：内源性突触可塑性稳定机制显著提升人工神经网络的学习

本文介绍了一项发表在《Nature Communications》上的研究，该研究受生物神经系统中内源性突触可塑性稳定机制的启发，提出了一种新的人工神经网络架构。该机制通过局部反馈回路自动调整突触可塑性，有效抑制了灾难性遗忘，并显著提升了模型在噪声环境下的鲁棒性。实验表明，参数扰动容忍度提高约30%，为神经形态计算和边缘计算等应用提供了新思路。...

2026-04-11 09:16:23 219

类脑智能与AI 《自然·通讯》：通过心理表征引导监督，赋予大模型类人认知泛化能力

本文介绍了一项发表在《自然·通讯》上的研究，提出心理表征引导监督（MRGS）框架，通过模拟人类构建心理表征的过程，强制大语言模型学习概念间的逻辑关系，从而提升其在分布外任务中的认知泛化能力。实验表明，MRGS训练使模型在逻辑推理、因果推断等任务中准确率提升15%-25%，并形成更具层次感的特征映射，为人工智能向认知主体演进提供了新思路。...

2026-04-11 08:26:45 273

类脑智能与AI AI驱动的相互作用组图谱绘制：实验评估与生物医学应用的前景

本文深入探讨了基于人工智能的相互作用组（Interactome）映射技术的实验评估。研究通过系统性分析，对比了计算预测模型与实验验证数据之间的差异，揭示了AI在蛋白质-蛋白质相互作用（PPI）预测中的准确性、局限性及未来改进方向。该研究为生物医学领域利用深度学习加速药物研发及疾病机制解析提供了重要的基准参考与方法学指导。...

2026-04-11 08:12:01 187

类脑智能与AI 物理驱动的几何不变学习：蛋白质相互作用建模的新突破

本文介绍了一种基于物理信息几何不变学习（Physics-Informed Geometric Invariant Learning）的新型蛋白质相互作用建模方法。该研究通过整合物理约束与几何深度学习，显著提升了蛋白质-蛋白质相互作用（PPI）预测的准确性与鲁棒性。该模型不仅能够捕捉蛋白质结构的复杂空间特征，还通过引入物理能量函数，解决了传统数据驱动模型在缺乏大规模实验数据时的泛化难题，为药物发现与蛋白质工程提供了强有力的计算工具。...

2026-04-10 21:41:15 284

栏目导航

科研资讯 类脑智能与AI 脑机接口 学习与记忆 神经心理 神经科学与社会 神经组学 衰老与长寿 遗传与演化 感觉与知觉 睡眠与生物节律 神经免疫与炎症 干细胞与再生 神经发育与可塑性

推荐内容

热门榜单