Benchmarking Machine Learning Models for Multi-Omics-Based Breast Cancer Prediction
本研究在 TCGA-BRCA 多组学数据上对多种经典机器学习模型进行了基准测试,用于预测乳腺癌雌激素受体状态,结果发现随机森林通过有效整合转录组学、基因组学和蛋白质组学特征并识别具有生物学相关性的基因,实现了最高的性能(90.3% 的平衡准确率)。
原作者已查阅我们通俗解释的论文。
本页收录的每篇论文,都有至少一位原作者阅读并参与了我们的通俗解释——或是确认其准确无误,或是提出修正意见并由我们随后采纳。作者的确认并不等同于对每一句话的正式背书,但说明该解释已经过论文作者的审视。
1198 篇论文已由作者审阅 · 261–270 / 1198
本研究在 TCGA-BRCA 多组学数据上对多种经典机器学习模型进行了基准测试,用于预测乳腺癌雌激素受体状态,结果发现随机森林通过有效整合转录组学、基因组学和蛋白质组学特征并识别具有生物学相关性的基因,实现了最高的性能(90.3% 的平衡准确率)。
本研究表明,使用两部智能手机和一个无线脑电图(EEG)放大器构建的便携式、低成本装置,能够成功记录在真实场景下进行篮球罚球时的准备电位,证实了该运动前脑电信号的存在,但并未发现其振幅与投篮成功率之间存在显著相关性。
本文介绍了 HALO(幻觉感知分层监督),这是一种六层保障架构,它实现“零幻觉”并非通过消除大语言模型的固有局限性,而是通过实施一个由基于事实的生成、受限执行、多信号验证、校准式弃权、全流程溯源以及持续监督组成的系统级框架,从而将幻觉控制在一种可控的失效模式之中。
本研究提出并验证了一种结合了基于HSV的亮度校正与应用于V通道的CLAHE算法的两阶段图像增强流水线,证明了该方法在视网膜眼底图像的对比度和结构保真度方面优于标准的HE和AHE方法,同时保持了临床处理速度。
本文介绍了 AnthroDial,这是一个闭环框架,它通过统一角色条件对话生成、可执行的多维评估以及认知诊断偏好对齐,显著提升了在不同人格和场景下的类人化聊天性能。
本文引入了名为质量剖面(quality profiles)和测试集剖面(test set profiles)的新型基准测试工具,用于基于解的准确性而非计算成本来评估优化算法,同时还评估了测试集的适用性,并通过广泛的数值实验及随附的 MATLAB 代码提供了验证。
这项研究表明,SSI-STEAM整合式学习能有效培养职前生物教师极高的整体环境素养水平,尤其是在意识和行为方面,但也强调了基于SSI的批判性思维是目前最具有挑战性的维度,需要进一步加强课程建设。
本文引入了自主代理规模(Autonomous Agency Scale, AAS),这是一个通过七个维度和两个时间段来量化人工智能自我导向能力的行为框架,研究表明,虽然目前的任务型代理在闲置期间缺乏真正的自主性,但持续型伴侣架构展现出了可衡量的自我导向行为。
这项针对黎巴嫩、苏丹和伊拉克23名肿瘤学专业人员的初步描述性分析研究表明,高昂的成本、政治动荡和供应链中断严重限制了癌症免疫疗法的获取,同时也证实了该研究工具对于未来更大规模调查的可行性,旨在为紧迫的政策制定和多边干预提供指导。
本研究利用计算机虚拟筛选技术,鉴定出 11-O-没食子酰基熊果苷及相关的喜马拉雅植物化学成分是致癌伴侣蛋白 AGR2 的新型高亲和力抑制剂,从而为未来的实验验证建立了初步的结构-活性关系。