综述：人工智能在酶功能分类中的应用
这篇综述系统阐述了人工智能（AI）在酶功能分类领域的革命性进展，重点介绍了深度学习（DL）模型（如CNN、RNN、Transformer和GNN）如何通过多模态特征提取与算法优化，显著提升酶功能预测的准确性与效率。文章还探讨了计算生物学与机器学习（ML）的交叉应用，为酶工程与药物开发提供了新范式。
来源：TRENDS IN Biotechnology 14.3
时间：2025-03-29
《AMOGEL：多组学与先验知识融合，精准解析癌症亚型的新突破》
<strong>在癌症研究中，现有研究对图神经网络（GNN）非线性学习潜力利用不足，且整合高通量多组学数据与先验知识的能力欠缺。研究人员开展了基于关联图神经网络和关联规则挖掘（ARM）的多组学分类框架研究。结果显示，AMOGEL 在分类准确性等指标上优于现有模型，为癌症亚型分类提供了新方法</strong>
来源：BMC Bioinformatics 2.9
时间：2025-03-29
基于空间分辨组学数据的细胞微环境定量解析：NicheCompass 开辟新径
为解决细胞微环境研究难题，研究人员开发 NicheCompass，可精准识别和分析微环境，助力生物医学研究。
来源：Nature Genetics 31.8
时间：2025-03-19
综述：人工智能如何助力抗击抗菌药物耐药性
本文综述了人工智能在细菌感染诊断、AMR 监测和抗生素发现中的应用，探讨其潜力与局限。
来源：npj Antimicrobials and Resistance
时间：2025-03-15
数据驱动的酶催化变革：从反应、通路到酶的深度解析
研究人员针对传统酶催化研究局限，开展数据驱动的酶催化研究，发现新方法，助力生物技术发展。
来源：Cell Reports Physical Science 7.9
时间：2025-03-10
《Cell》Mapping the Landscape of Social Behavior：解析动物社交行为的奥秘
来自哈佛大学和杜克大学的研究人员开展了一项具有开创性的研究。他们致力于开发一种能够高精度、全面地研究动物社交行为的新技术，以揭示药物和疾病对社交行为的影响机制，为神经科学和医学领域的研究提供重要依据。这项研究成果发表在《Cell》杂志上，引起了广泛的关注。
来源：Cell 45.5
时间：2025-03-05
突破二维 NMR 预测难题：新型框架精准解析分子结构，助力多领域科研突破
为解决 2D NMR 预测因注释数据有限而面临的挑战，研究人员开展了关于预测 HSQC 交叉峰的研究。他们提出 TransPeakNet 框架，结果显示该框架预测效果佳。这对有机化学等领域的结构解析意义重大，推荐科研读者阅读。
来源：Communications Chemistry 5.9
时间：2025-02-22
基于溢出网络动态视角的复杂金融系统 regime switching 早期预警模型研究
编辑推荐：针对复杂金融系统 regime switching 预警难题，中国地质大学（北京）等团队创新性地构建了融合溢出网络与机器学习（SN-ML）的混合模型，通过分析 Brent/WTI 原油等典型金融数据的动态溢出结构，发现随机森林（RF）模型可提前40天捕捉 regime switching 信号，为政策制定者和投资者提供关键风险预警工具，相关成果发表于《iScience》。
来源：iScience 4.6
时间：2025-02-19
基于哈密顿回路算法的班加罗尔城市交通最优路线探寻
交通拥堵是全球普遍问题，印度大城市尤甚。研究人员以班加罗尔为对象，基于哈密顿回路（Hamilton circuit）算法开展城市公共交通路线工程研究。结果表明优化后的环形路线可减轻交通负荷，该研究对改善城市交通拥堵意义重大。
来源：Heliyon 3.4
时间：2025-02-19
MetaCity：数据驱动的复杂城市可持续发展框架——从多模态数据整合到智能决策优化
本期推荐：面对快速城市化带来的资源分配不均、环境污染等挑战，清华大学联合多机构团队提出MetaCity框架，通过整合多源城市数据（IoT/CCTV/卫星遥感），构建预测-模拟-决策三阶段模型，实现交通信号控制、碳排放监测等场景的优化。该研究发表于《The Innovation》，为SDG 11目标提供跨学科解决方案，其开源仿真系统Mirage可支持900,000智能体实时模拟。
来源：The Innovation 33.2
时间：2025-02-19
粤公网安备 44010602000434号