🧬 biology
Deciphering the Language of Nature: A transformer-based language model for deleterious mutations in proteins
该论文介绍了 MutFormer，这是一种结合了自注意力机制和卷积层的 Transformer 模型，用于预测人类蛋白质中的有害错义突变，通过有效捕捉短程和长程序列依赖性，证明了其性能可与现有工具相媲美或更优。
✓ 已审阅
作者审阅的论文
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。
1199 篇论文已由作者审阅 · 321–330 / 1199
🧬 biology
Curated loci prime editing (cliPE) for accessible multiplexed assays of variant effect (MAVEs)
本文介绍了策定位点先导编辑（cliPE），这是一种可获取且低成本的实验流程，并配有一个用户友好的 Shiny 应用，旨在利用先导编辑技术在原生基因组背景下实现稳健的多重变异效应分析（MAVEs）。
🔬 materials science
Plastic Work Partitioning During Slip- and Twinning-Dominated Deformation in AZ31B Magnesium Alloy
这项研究表明，在挤压态 AZ31B 镁合金中，塑性功在热耗散与能量储存之间的分配从根本上受控于活跃的变形机制，其中滑移主导的变形将约一半的能量以热能形式耗散，而孪晶主导的变形最初则储存了大部分能量，以驱动快速应变硬化和早期局部化。
⚛️ general relativity
Evading the CMB -distortion bound on Supermassive Primordial Black Hole seeds with Non-Gaussian tails
本文证明，通过引入非高斯概率分布尾部——具体为幂律或足够重的对数正态形状——可以使小尺度方差与坍缩概率解耦，从而规避通常会阻碍通过高斯扰动形成超大质量原初黑洞种子形成的宇宙微波背景（CMB）型畸变限制。
🔭 astrophysics
The recent crossing of the 7:3 resonance between Ganymede and Callisto
数值模拟表明，木卫三和木卫四在大约两百万年前近期穿越了它们的7:3平均运动共振而未被捕获，这一过程降低了它们的轨道离心率，增加了拉普拉斯共振角振幅的摆动，并且在最近几万年内很可能随后发生了外层卫星之间的三体共振穿越。
📊 statistics
Graph statistics: An emerging discipline in non-Euclidean data analysis
本文通过将演化博弈论、生态位理论、拓扑数据分析和图论整合进一个准动态非线性框架，引入了图统计学作为一种分析非欧几里得数据的变革性新学科，从而为彻底变革从系统生物学到人工智能等领域提供了一种原则性的方法。
⚛️ general relativity
Perturbative aspects of analogue FLRW spacetime Jellium models
本文通过提供电声扰动模在膨胀 FLRW Jellium 模型中的新解析解及其线性与非线性演化的数值评估，并引入一种尺度依赖型功率谱以衔接理论预测与实验观测，研究了其中的电声扰动模。
📄 social_science
From Pitch to Boardroom: Sport, Nurture and the Origins of Successful Female Leaders (Findings from the UK ‘Origins’ Study)
这项针对41位英国女性领导者的混合方法研究表明，成功的董事会领导力从根本上植根于一种“培育型领导力”生态系统，其中早期参与团队运动、支持性的家庭环境以及教育机会共同培养了高管成功所必需的韧性、问责能力和远见能力，从而挑战了传统的基于资历的领导力培养模式。
🤖 machine learning
What Context Does a Coding Agent Actually Need to Act?
本文证明了对于进行代码编辑的编程智能体而言，其核心上下文严格限于正在被修改的具体文件，因为与源代码本身相比，自然语言摘要和周围文件内容对解决问题的贡献微乎其微，同时也揭示了基准测试结果中由非确定性 API 推理所导致的显著噪声底限。
💰 quantitative finance
Learning Predictive Ambiguity Sets for Decision-Focused Distributionally Robust Optimization
本文提出了学习型预测模糊集（Learned Predictive Ambiguity Sets, LPAS），这是一个深度上下文框架，通过自适应地学习状态依赖型 Wasserstein 半径和标称分布来增强分布鲁棒优化，并证明了与传统的固定半径基准相比，该框架在投资组合优化中具有更优越的性能和更低的保守性。