RNA-Seq
PulseAugur coverage of RNA-Seq — every cluster mentioning RNA-Seq across labs, papers, and developer communities, ranked by signal.
-
CHIMERA 挑战赛为膀胱癌预测设定人工智能基准
CHIMERA 挑战赛旨在利用多模态数据集提高高风险非肌层浸润性膀胱癌（HR-NMIBC）的预测能力。BRS 任务侧重于从组织病理学和临床病理学数据中对 BCG 反应亚型进行分类，而 Progression 任务则利用组织病理学、结构化数据和 RNA 测序来模拟进展时间。该挑战涉及 368 名患者，收到了 159 份提交，其中最佳模型在 BRS 任务上达到了 0.73 的加权 F1 分数，在 Progression 任务上达到了 0.…
-
新方法可从 H&E 切片预测分子数据，绕过 RNA 测序
研究人员开发了一种新颖的方法，无需昂贵的 RNA 测序即可从组织病理学图像（特别是 H&E 染色切片）中预测分子信息。通过在组织病理学和 RNA-Seq 的冻结基础模型上训练一个轻量级对齐模块，该系统可以执行开放词汇分子提示。该方法在多癌队列中实现了 25 倍的检索准确率提升，并通过准确预测鳞状细胞癌评分和反映非小细胞肺癌的 PD-L1 表达水平，展示了临床效用。
-
新的基准测试评估 AI 代理执行复杂生物学研究的能力
发布了两个新的基准套件 BioAgent Bench 和 LABBench2，分别用于评估人工智能在生物信息学和更广泛的生物学研究中的能力。这些基准测试评估了人工智能系统执行复杂、多步骤科学任务的能力，超越了简单的知识回忆，实现了现实世界的应用。虽然当前的前沿模型在完成这些任务方面显示出潜力，但它们在稳健性测试和难度增加的情况下性能会显著下降，突显了未来发展的方向。这些数据集和评估工具的发布旨在加速人工智能驱动的科学发现的进展。