Nat. Mach. Intel. | 深度学习连提取冷冻电镜图蛋白质动力学信息都搞定了！
今天给大家介绍日本京都大学大学院医学研究科医学部教授Yasushi Okuno团队近期发表在nature machine intelligence上的关于如何利用深度学习技术DEFMap直接提取冷冻电镜密度图中蛋白质动态信息的文章。DEFMap仅使用低温冷冻电镜密度数据，获得了与分子动力学模拟和实验...
Nat. Mach. Intel. | IBM RXN: 深度学习在化学反应分类上大放异彩
最近IBM和伯尔尼大学的研究人员利用基于自注意力机制的深度神经网络实现了对化学反应的分类，该项成果发布于Nature Machine Intelligence杂志上。化学反应的分类对化学家们有很高的价值，比如利用同类反应的相似成份推测最佳反应条件等。近年来，一些机器学习方法被用于化学反应的分类，但是...
Nat. Commun. | 深度学习探索可编程RNA开关
1.背景具有特定生物学功能的工程RNA分子在合成生物学中发挥着重要作用，特别是作为小分子、蛋白质和核酸的可编程反应元件；例如作为核糖开关、核糖调节因子和核酶，且在体内和体外都可应用。工程RNA分子功能的多样性给这种新兴的合成生物学预测模型的设计和验证带来挑战。目前，用于揭示RNA序列、结构和行为之间...
Nat. Mach. Intell. | 集成深度学习在生物信息学中的发展与展望
本期给大家介绍悉尼大学Jean Yang教授课题组发表在Nature machine intelligence的文章“Ensemble deep learning in bioinformatics”。该文章综述了集成深度学习最近的关键发展，以及如何将其应用到生物信息学领域中。同时，作者还详细介绍了...
Nat. Mach. Intell. | 基于深度学习预测DNA甲基化位点
研究人员开发了一种预测DNA甲基化位点的机器学习算法可以帮助识别致病机制。该论文2020年8月3日发表在"Nature Machine Intelligence"上。研究人员通过机器学习开发了一种算法，可以帮助预测DNA甲基化的位点，这一过程可以改变DNA的活性而无需改变其整体结构。开发人员说，这可...
Nat. Methods | 基于几何深度学习解密蛋白分子表面的相互作用指纹
2019年12月，洛桑联邦理工学院和瑞士生物信息研究所的研究者在nature methods上提出使用分子表面的化学和几何指纹，来预测蛋白质和其他分子间的相互作用。1介绍蛋白质与其他生物分子之间的相互作用是大多数生物过程中蛋白质功能的基础。仅从结构预测这些相互作用仍然是结构生物学中最重要的挑战之一。...
Nat. Light | 深度学习在全息和相干成像中的应用
研究背景尽管全息相干成像显微镜存在着如无标记，无扫描3D成像等诸多优点，相对于其它的显微成像模式（如明场显微镜和荧光显微镜），全息显微成像仍旧存在一些问题，如复杂的相位重建迭代过程，噪音噪点，导致了它的使用范围并没有那么广泛。近年来，深度学习领域的发展的取得了很大的进步&...
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
产品推荐
社区圈子
