麻省理工学院和哈佛大学的研究团队提出了PUPS框架,通过结合蛋白质序列和细胞图像,精准预测未知蛋白质的亚细胞定位。该方法克服了传统模型的局限性,展现出良好的泛化能力和准确性,推动了生命科学研究的发展。
浙江大学、之江实验室和斯坦福大学的研究人员开发了一种通过分析线粒体表型变化来识别药物作用机制的方法。他们使用深度学习模型MitoReID,建立了一个包含570,096张细胞图像的数据集。该模型能够准确分类药物的作用机制,并识别出未知药物和天然化合物的作用机制。研究人员希望进一步整合信息,提高模型性能,并探索药物作用机制的更细致分类框架。该研究对于大规模药物发现和重新利用具有重要意义。
血液病学计算模型DinoBloom利用单个细胞图像提高诊断准确性,简化工作流程。模型基于13个数据集构建,包含超过380,000个细胞图像。DinoBloom在分类和白血病亚型方面表现优于其他模型。适用于各种应用,并可用于评估大数据批次效应。
DinoBloom是一种血液病学计算模型,利用单个细胞图像提高诊断准确性和简化工作流程。该模型基于13个数据集构建,包含超过380,000个白细胞图像。DinoBloom在分类方面表现优于现有模型,并适用于各种应用。模型可在github上获取。
DinoBloom是一种血液病学计算模型,利用单个细胞图像提高诊断准确性和简化工作流程。该模型基于13个数据集构建,包含超过380,000个白细胞图像。DinoBloom在分类方面优于现有模型,并可适应各种应用。模型可在github上获取。
完成下面两步后,将自动完成登录并继续当前操作。