genome-wide association study
PulseAugur coverage of genome-wide association study — every cluster mentioning genome-wide association study across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
AI科学家系统通过受管工作流简化生物医学研究
研究人员开发了NVAITC AI Scientist (NAIS)，一个受管的端到端代理研究系统，专为机构生物医学环境中的科学工作流设计。NAIS集成了研究规划、数据访问、工作流编排、证据跟踪、可重复性和人工监督机制，确保受保护的数据保留在隐私边界内。该系统通过一项使用超过28.6万名个体医院关联数据的高血压全基因组关联研究 (GWAS) 进行了验证，在此研究中，它规划了队列提取、编排了GWAS执行，并生成了可发表的输出。NAIS还成…
-
开源仓库利用AI进行胚胎选择和多基因预测
一位开发者创建了一个用于多基因预测和胚胎选择的开源仓库，利用先进的AI模型提高准确性。该工具整合了来自PGS目录的数据，并使用lassosum和LDpred2等技术来获得诸如智力、身高和疾病易感性等特征的预测权重。该仓库还提供功能，允许用户通过这些预测器运行自己的遗传数据，特别侧重于协助接受IVF的准父母根据多基因特征选择胚胎。
-
新的贝叶斯框架利用基因组学进行个性化健康AI
研究人员开发了一个新颖的贝叶斯推断框架，以解决个性化健康AI系统中的“冷启动”问题。该框架利用个体的基因组档案作为个性化先验，在收集任何行为数据之前即可获得，以建立基线生理设定点。随着新的生理测量数据的收集，系统会动态更新其推断，从基因组主导的理解过渡到经验主导的理解，从而区分固有变异和环境影响。
-
受GWAS启发的模型揭示作者特有的词汇标记
研究人员开发了一种受全基因组关联研究（GWAS）启发的新的风格计量分析方法。该方法测试单个词元与作者身份的关联性，类似于基因与性状的关联。该技术应用于英语、德语和俄语语料库，成功识别出特定作者的统计学显著词汇标记。
-
新的经验贝叶斯方法改进了LLM和GWAS推断
研究人员开发了一种新的经验贝叶斯重偏倚策略，以改进对多个有噪声和有偏估计的分析。该方法从数据中学习以估计未知的偏倚分布，从而重新引入偏倚以获得更短、经过校准的区间。该方法在成对LLM胜率评估和GWAS中的遗传效应推断等领域显示出显著的精度提升。