Kegg
PulseAugur coverage of Kegg — every cluster mentioning Kegg across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的 SL(n) 空间以混合曲率增强表征学习
研究人员引入了 $\mathbb{SL}(n)$ 空间，这是一种新颖的表征几何结构，旨在捕捉超越单一曲率区域的复杂几何结构。该空间由简单的行列式约束和特定的 Finsler 结构定义，具有混合曲率特性，并由于其非交换群结构而具有内在的阶敏感性。在实践中，$\mathbb{SL}(n)$ 在各种图基准测试中表现出卓越的性能，与现有的表征流形基线相比，显著降低了失真并提高了准确性。
-
新方法利用知识图谱来约束大型语言模型生成的生物医学假设
研究人员开发了 HypoKG，一种利用大型语言模型（LLMs）生成生物医学假设的新方法，通过将三个主要的生物数据库整合到一个统一的知识图谱中。该方法旨在确保 LLM 生成的假设基于科学证据，而不仅仅是看起来合理。实验表明，在源和疾病终点之间提供完整生物路径的 LLM 生成的假设与已知的机制关系更加一致，证明了证据约束推理。
-
AI工具PlantBGC增强植物生物合成基因簇的发现
研究人员开发了PlantBGC，一种新颖的、由AI驱动的工具，用于发现植物生物合成基因簇（BGC）。PlantBGC使用了一个仅编码器的Transformer模型，该模型在微生物BGC上进行训练，并通过无标签域自适应将其应用于植物基因组。与plantiSMASH等现有方法相比，这种方法显著提高了在植物中已知BGC的恢复率，并提供了更准确的边界识别。该系统还结合了来自GO和KEGG通路的弱监督信号以减少假阳性，展示了植物BGC发现效率和…
-
新方法rwMagLap识别无节律垂体基因的昼夜节律调节因子
研究人员开发了一种名为rwMagLap的新方法，用于识别缺乏清晰24小时节律的垂体激素基因的潜在昼夜节律调节因子。该技术构建了一个节律基因图谱，并结合了与相位相关的（phase-aware）信息来对潜在的调控靶点进行排名。将rwMagLap应用于垂体数据后，成功识别出已知昼夜节律基因集的显著富集，表明其在计时药理学和计时治疗策略中的应用潜力。
-
PathMoG 神经网络利用多组学数据改进癌症生存预测
研究人员开发了 PathMoG，这是一种新颖的图神经网络，用于利用多组学数据预测癌症生存率。该模型将遗传信息组织成通路模块，并使用分层调制系统来整合各种数据类型。PathMoG 在预测 10 种 TCGA 癌症类型的生存率方面表现优于现有方法，并在基因、通路和患者层面提供了可解释的见解。