house mouse
PulseAugur coverage of house mouse — every cluster mentioning house mouse across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
ImputeViz 仪表板有助于缺失数据分析和插补方法比较
研究人员开发了 ImputeViz，一个视觉分析仪表板，旨在帮助研究人员诊断缺失数据模式并比较不同的插补方法。该工具集成了 MICE、Random Forest、XGBoost 和 kNN 等流行技术，提供了一个交互式环境来可视化缺失情况并评估结果。一项新颖的贡献是 gKNN，一种地理信息 kNN 变体，可增强地理空间推理能力，并为估计提供基于来源的问责制。
-
研究发现，单次接触可卡因可改变小鼠大脑基因组数周
在2026年欧洲神经科学学会联合会（FENS）论坛上公布的新研究表明，单次接触可卡因可导致小鼠大脑发生持久性改变。这些改变发生在多巴胺能神经元的基因组中，至少持续两周，并可能通过使大脑为后续接触产生更强烈的反应而促成成瘾。科学家们正在研究这些基因组改变，以更好地理解个体对成瘾的易感性，并可能开发新的治疗方法。
-
AI安全研究借鉴生物学“模式生物”
这篇博文探讨了人工智能安全研究中的“模式生物”概念，并将其与生物学中的应用进行了类比。作者区分了研究生产模型以理解其普遍行为、测试特定干预措施或推断其他语言模型的特性。在生物学中，像实验小鼠这样的模式生物因其实用性和广泛的现有研究而被选中，便于进行比较和泛化，尽管这可能限制对其他物种的理解。作者还将模式生物与“基因敲除”和“突变体”区分开来，后者是经过专门改造以研究特定基因或性状功能的。
-
鲨鱼胚胎揭示脊椎动物面部的进化起源
通过研究鲨鱼胚胎，研究人员对脊椎动物面部的进化起源有了新的认识。由马克塔·考卡（Markéta Kaucká）在马克斯·普朗克进化生物学研究所领导的一项研究，对斑点猫鲨胚胎使用了单细胞RNA测序和微CT扫描等先进技术。研究结果显示，虽然鲨鱼与其他脊椎动物共享神经嵴细胞发育的基本遗传程序，但其细胞组织和迁移模式有所不同。与硬骨脊椎动物从前到后的发育方式不同，鲨鱼胚胎似乎首先在眼睛周围形成面部结构。
-
苏黎世联邦理工学院微型机器人成功重新连接小鼠断裂的脊髓
苏黎世联邦理工学院的研究人员开发了一种名为NPCbots的生物混合微型机器人，能够重新连接小鼠断裂的脊髓。这些机器人将神经祖细胞与磁性纳米颗粒结合，使其能够通过外部磁场引导，从而促进脊髓修复。
-
OmniMouse 大脑模型随数据而非规模扩展
研究人员开发了 OmniMouse，这是一个多模态、多任务模型，在来自小鼠视觉皮层超过1500亿神经元标记上进行了训练。该模型在神经预测、行为解码和神经预测方面表现出最先进的性能，优于专业基线。与模型规模是主要驱动因素的典型人工智能扩展趋势不同，OmniMouse 的性能随数据可靠扩展，但增加模型规模的收益会饱和，这表明大脑建模仍然受限于数据。
-
工程化纳米抗体照亮细胞过程
研究人员开发了一种使用纳米抗体（较小的抗体片段）来可视化活细胞内过程的新方法。这些特制的纳米抗体带有荧光标签，可以在细胞内保持稳定和功能，克服了传统抗体的局限性。这一进展使科学家能够在各种生物环境中，包括活体动物中，实时观察细胞活动、疾病进展和分子事件，从而提供比以往更全面的理解。
-
新方法向SGD添加缺失值以减少不完整数据中的偏差
研究人员开发了一种名为Richardson-SGD的新颖方法，用于解决随机梯度下降（SGD）在处理不完整数据时出现的梯度偏差问题。该技术通过故意向数据引入额外的缺失值，然后结合不同缺失级别下的梯度来抵消偏差。这种方法不依赖于特定模型，计算效率高，并且在优化和估计方面对各种模型都显示出实证改进，即使与MICE等现有插补方法结合使用也是如此。
-
干细胞注射逆转小鼠脑卒中损伤
一项新研究表明，注射神经干细胞可以逆转小鼠的脑卒中损伤，恢复运动功能和协调能力。这项于2026年发表的研究为治疗脑卒中（一种影响大量成年人口的疾病）的再生医学带来了重大希望。
-
新的贝叶斯框架通过先进成像技术跟踪体内突触
研究人员开发了一种新颖的贝叶斯框架，利用先进的成像技术在体内跟踪突触。该方法解决了2光子显微镜固有的低信噪比和组织运动等挑战。该框架同时对图像进行去噪，校正组织变形，并提供突触位置和荧光强度的概率估计。
-
新研究表明，向插补数据添加噪声可防止机器学习分析中的偏差
一篇新论文认为，在机器学习中最小化缺失值插补的均方误差（MSE）可能会在下游分析中引入偏差。研究表明，向插补值添加噪声（一种随机方法）可以通过保留自然数据变异性来有效消除这些偏差。该研究评估了missForest、softImpute和mice等流行的插补工具，发现预测方法中存在持续的偏差，并建议MSE是衡量插补质量不足的标准。
-
机器学习预测胎儿出生体重，但论文被撤回
一项研究探讨了如何利用先进的机器学习技术从高维数据中预测胎儿出生体重，旨在改进传统模型。该研究采用了插补策略和监督特征选择，发现基于树的方法在识别关键预测因子方面是有效的。基于集成（ensemble）的回归模型在捕捉母婴复杂相互作用方面显示出潜力，最终为围产期研究和临床决策提供见解。