ESR1
PulseAugur coverage of ESR1 — every cluster mentioning ESR1 across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
腾讯AI虚拟细胞算法发表于Cell期刊
腾讯生命科学实验室与中南大学合作，在Cell期刊上发表了一种新颖的AI虚拟细胞算法UniPert–G2CP。该算法将基因和化学药物扰动独特地映射到一个统一的语义空间，解决了预测细胞对联合治疗反应的挑战。核心UniPert模块是开源的，G2CP方法利用了迁移学习，在基因筛选数据上进行预训练，并用化学筛选数据进行微调。该研究涉及跨多个癌细胞系的广泛数据，并成功验证了其在ESR1内分泌抵抗病例中的预测和机制解释。
-
北斗完成升级；腾讯AI研究发布；字节跳动组建豆包团队
北斗卫星导航系统已完成在轨升级，旨在为全球提供更稳定可靠的定位、导航和授时服务。在相关研究方面，腾讯生命科学实验室与中南大学在《Cell》期刊上发表了关于AI虚拟细胞的研究，提出了统一基因和化学扰动图谱的UniPert–G2CP算法。此外，宇树科技公布了线下订阅日期，字节跳动为其豆包产品组建了新团队，美国主要股指收盘走高，其中微软创下近18年来最大单日涨幅。
-
机器学习模型用于基于多组学数据的乳腺癌预测进行基准测试
研究人员使用多组学数据对几种机器学习模型进行基准测试，以预测乳腺癌的雌激素受体（ER）状态。研究发现，RNA表达数据提供了最强的预测信号，多组学整合提供了适度但持续的改进。在测试的模型中，当整合转录组学、基因组学和蛋白质组学数据时，随机森林（Random Forest）表现最佳，实现了90.3%的平衡准确率和97.1%的ROC-AUC。模型还强调了ESR1和PGR等基因的重要性，进一步证实了它们在ER状态预测中的生物学相关性。
-
图神经网络解释方法揭示生物网络中的疾病特征
研究人员评估了四种流行的图神经网络（GNN）解释方法，以了解它们在识别生物网络中疾病相关结构方面的有效性。利用合成数据和乳腺癌RNA测序数据，研究发现不同的方法在揭示不同类型的生物信号方面表现出色，例如单节点驱动因素或分布式通路。通过结合多种解释器的共识得分并纳入拓扑信息，研究人员改进了关键癌症基因的优先级排序和生物学相关信号通路的恢复。