4237 篇论文
通过利用三个具有相同架构但预训练语料库不同的 scGPT 检查点，本研究表明单细胞 Transformer 中的器官特异性适应是极小的，且集中在特定的注意力层而非全局几何变换中，这表明训练细胞数少于一千万个的模型在很大程度上保留了其初始化噪声，并且通用检查点在提取生物算法方面更为优越。
尽管在架构和参数方面存在显著差异，单细胞基础模型仍共享一个微小、稳健且具有生物学解释性的低维核心，该核心在功能检索任务中的表现优于其各自的全量嵌入，从而揭示了它们的大部分表征能力是私有的且在生物学上是惰性的。
本文证明了资格迹（eligibility trace）是奖励调制脉冲网络中实现涌现性分化的唯一且不可或缺的时间机制，因为移除该机制会消除有序性，而对其进行扩展则能直接控制分化程度，且不受网络规模的影响。
本文揭示了单细胞基础模型的主要谱轴主要受基因表达丰度而非生物学意义的混淆，证明了移除这些谱轴可以提高检索性能，并建立了一个指导生物学任务中最佳降维的依赖于模型的压缩律。
本研究表明，尽管复杂的机器学习模型可以更准确地根据血液化学成分预测生理年龄，但其产生的“年龄加速”指标在预测死亡率方面不如简单模型或直接针对死亡结局进行训练的生物标志物有效，从而揭示了在开发有用的生物学年龄预测指标时，训练目标而非模型复杂度或生物标志物才是关键因素。
这项研究表明，在单细胞供体水平的分析中，控制细胞类型组成往往会消除微不足道的信号，因为即使在固定组成的情况下，表达谱仍保留了大部分性状信息，并且细胞类型注释的分辨率高度决定了所感知的组成作为混杂因素的强度。
本文提出了 Spatial GNN Analyzer，这是一个将图神经网络与空间转录组学数据相结合的 AI 驱动框架，旨在实现稳健且具有生物学一致性的空间域识别与交互式可视化，并证明了其在保持组织结构方面相较于传统非空间方法具有更优越的性能。
这项研究揭示了放牧改变了须大针茅（*Stipa grandis*）的根系分泌物谱图，从而驱动了不对称的微生物响应，即短期放牧通过富能脂质促进细菌生长，而长期放谢则通过防御性代谢物维持真菌关联，且代谢物网络位置在细菌中受热力学性质约束，而在真菌中则受分子结构复杂性约束。
这项研究表明，进化保守性经常会导致对错义突变致病性的假阳性预测，这种失效模式在十个深度突变扫描数据集中均可由高溶剂可及性和构象柔性强烈且独立地预测。
本研究表明，靶向癌症内源性蛋白类泛素化（neddylation）可通过稳定染色质结合的 cGAS，从而恢复炎症信号传导并增强免疫细胞浸润，以克服 JAK/STAT 缺失型肿瘤对免疫治疗产生的获得性耐药，进而提高其对 PD1 阻断疗法的敏感性。