🧬 biology
Curvana: an R package and Shiny Web app for analyzing AFM force curves
本文介绍了 Curvana，这是一个开源的 R 程序包及 Shiny Web 应用程序，旨在自动化并简化原子力显微镜（AFM）力-距离曲线的全流程分析，为将原始数据转换为具有实际意义的相互作用指标提供了一种用户友好的解决方案，且无需具备编程专业知识或进行复杂的本地安装。
🧬 Category
q-bio
4717 篇论文
🧬 biology
Hierarchically supervised computational pathology stratifies HER2 categories and ERBB2 amplification risk from routine H&E slides in breast cancer
该论文介绍了 CHERISH，这是一个层级监督的计算病理学框架，它利用常规 H&E 切片，通过在其架构中嵌入临床检测逻辑，从而实现对 HER2 类别进行准确分层并预测 ERBB2 扩增风险，进而克服了传统模型的局限性并减少了对资源密集型确证性检测的需求。
🧬 biology
Causal Responsibility Based Explainable AI for Vibrational Spectroscopy Applied to Cancer Diagnostics
本文介绍了 Spec-ReX，一种基于因果责任的可解释人工智能方法，用于癌症诊断中的振动光谱分析，并通过在计算机模拟、体外和离体数据集上将其性能与其他 XAI 技术进行严格验证，以解决临床决策对透明度的迫切需求。
🧬 biology
Cohesin-mediated replication fork tethering enables fork slowing and reversal
这项研究揭示了由黏连蛋白介导的环挤压作用通过抑制 PRIMPOL 将相邻的复制叉束缚在一起，从而促进它们在复制压力期间发生减速和逆转，进而将基因组组织与 DNA 损伤耐受性结合起来以保护基因组稳定性。
🧬 biology
The Artemis I mission reshaped seed amino acid composition and post-flight plant growth in a genotype-dependent manner
阿耳忒弥斯一号任务诱导了拟南芥种子氨基酸谱及飞行后生长情况中依赖于基因型的变化，揭示了支链氨基酸代谢是影响植物对深空暴露反应的关键因素。
🧬 biology
Genetic dissection of dynamic leaf area index variation in maize using UAV-based phenotyping and time-series genome-wide association studies
本研究建立了一个整合了基于无人机多光谱表型分析与时序全基因组关联研究的稳健框架，旨在识别调节玉米叶面积指数的动态遗传位点及候选基因 *Zm00001d048615*，为改良冠层结构和产量提供了宝贵靶点。
🧬 biology
Sustained transcription and permissive chromatin in murine spermiogenesis
这项研究通过证明单倍体基因组在这一阶段仍保持转录活跃且具有动态组织性，挑战了长期以来认为精子发生涉及全局转录沉默的观点，从而使得将晚期精细胞分化重新定义为一个转录特化过程而非转录关闭过程成为必要。
🧬 biology
Daily symptom reports enable four-phase menstrual cycle tracking without wearables: Implications for equitable digital health
本研究表明，一种利用每日自报症状变异性的混合机器学习模型可以在无需佩戴可穿戴传感器的情况下，准确分类四个月经周期阶段，从而为全球生殖健康监测提供一种可扩展且公平的解决方案。
🧬 biology
Exploring the pathogenesis of traumatic brain injury and traumatic epilepsy based on bioinformatics analysis
本研究利用生物信息学分析和实验验证，鉴定出 DUSP1 和 EGR1 是连接创伤性脑损伤与创伤后癫痫的关键分子调节因子，表明它们是具有前景的治疗靶点。
🧬 biology
Efficient exploration of conformational ensembles via protein interaction-informed deep learning
本文介绍了一种名为 DynoM 的生成式深度学习框架，该框架通过在蛋白质复合物相互作用上进行训练，利用复合物数据中固有的长程物理约束，在预测准确的构象系综以及抑制结构幻觉方面，显著优于现有的仅基于单体的模型。