Rumah Peranti teknologi AI 36 kali lebih tinggi daripada resolusi asal, pasukan dari Universiti Beihang dan Universiti Tsinghua menggunakan AI untuk mencirikan tisu pada resolusi tinggi pada platform omik berbilang ruang, yang diterbitkan dalam sub-jurnal Nature

36 kali lebih tinggi daripada resolusi asal, pasukan dari Universiti Beihang dan Universiti Tsinghua menggunakan AI untuk mencirikan tisu pada resolusi tinggi pada platform omik berbilang ruang, yang diterbitkan dalam sub-jurnal Nature

Aug 14, 2024 pm 07:51 PM
protein teori Universiti Tsinghua Universiti Beihang pembelajaran multimodal omik spatial

. Kaedah pengiraan sedia ada disasarkan terutamanya pada data transkriptom dan kekurangan kebolehsuaian kepada teknologi omik spatial yang baru muncul.

36 kali lebih tinggi daripada resolusi asal, pasukan dari Universiti Beihang dan Universiti Tsinghua menggunakan AI untuk mencirikan tisu pada resolusi tinggi pada platform omik berbilang ruang, yang diterbitkan dalam sub-jurnal Nature2. rangka kerja soScope

Penyelidik dari Universiti Beihang dan Universiti Tsinghua mencadangkan soScope, rangka kerja penjanaan bersatu yang direka untuk meningkatkan kualiti dan resolusi data omik spatial.

3. Prinsip Teknikal

soScope meringkaskan maklumat tisu multimodal daripada omik, hubungan ruang dan imej. Output spektrum omics dengan resolusi dipertingkatkan melalui inferens bersama pengedaran priors dan pemodelan khusus omics.

4. Penilaian prestasi

Hasil penilaian soScope pada Visium, Xenium, spatial-CUT&Tag, slaid-DNA/RNA-seq dan platform lain menunjukkan bahawa:

meningkatkan prestasi pengenalan struktur dan usus Mendedahkan struktur halus jantung embrio

Diperbetulkan untuk sampel dan bias teknikal

5 Aplikasi lanjutan

soSkop telah diperluaskan kepada spatial-CITE-seq dan spatial spatial-CITE-seq-spatialq, leverRNA spatialq, leverRNA. rujukan untuk peningkatan berbilang Omic.
  • 6. Kesimpulan
  • soScope menyediakan alat serba boleh yang meningkatkan penggunaan teknologi dan sumber spatial.

7. Rujukan

Penyelidikan ini diterbitkan dalam "Nature Communications" pada 2 Ogos 2024 di bawah tajuk "Pencirian tisu pada resolusi dipertingkatkan merentas platform omik spatial dengan model generatif mendalam".

Teknologi omik spatial tisu

Tisu terdiri daripada sel dengan keadaan molekul dan organisasi spatial yang berbeza. Teknologi omik spatial telah mencapai kemajuan yang ketara dalam beberapa tahun kebelakangan ini, membenarkan analisis spatial bagi pelbagai kelas molekul sambil mengekalkan konteks spatial.

Cabaran dan Penyelesaian

Walaupun kejayaan awal, teknologi omik spatial masih menghadapi dua cabaran utama:

36 kali lebih tinggi daripada resolusi asal, pasukan dari Universiti Beihang dan Universiti Tsinghua menggunakan AI untuk mencirikan tisu pada resolusi tinggi pada platform omik berbilang ruang, yang diterbitkan dalam sub-jurnal Nature

Tisu tetap beku atau formalin boleh menjejaskan keadaan molekul dan mengurangkan ketepatan penjujukan. Kebanyakan teknik mempunyai resolusi spatial yang terhad, menjadikannya sukar untuk mendedahkan heterogeniti halus dalam struktur tisu.

Teknologi pengkomputeran boleh meningkatkan resolusi data omik spatial, tetapi kebanyakan kaedah semasa hanya menyasarkan satu modaliti tisu, menjadikannya sukar untuk menggunakan maklumat berbilang modal sepenuhnya.

soScope: Meningkatkan resolusi spatial dan kualiti data

Pasukan penyelidik dari Universiti Beihang dan Universiti Tsinghua memperkenalkan Skop Spatiomik (soScope), rangka kerja generatif sepenuhnya yang mensimulasikan data peringkat titik daripada proses penjanaan spatial yang berbeza kepada teknologi profil. meningkatkan resolusi spatial dan kualiti data mereka.
  1. soScope menganggap setiap titik sebagai koleksi "sub-titik" dengan resolusi spatial yang dipertingkatkan, yang ciri omiknya berkaitan dengan lokasi spatial dan corak morfologi. SoScope kemudian menggunakan rangka kerja pembelajaran mendalam berbilang mod untuk menyepadukan profil spot omics, perhubungan spatial dan imej morfologi resolusi tinggi dan bersama-sama membuat kesimpulan profil omics pada resolusi sub-spot. Dengan memilih pengedaran khusus omics, soScope boleh memodelkan dan mengurangkan variasi dalam data omik spatial yang berbeza dengan tepat.
Ilustrasi:

Gambaran keseluruhan soScope dan aplikasinya. (Sumber: Kertas)

SoScope Features:

Alat bersatu, digabungkan dengan peta tisu berbilang modal

Peta omik yang dipertingkatkan (kelas molekul berbeza) 36 kali lebih tinggi daripada resolusi asal, pasukan dari Universiti Beihang dan Universiti Tsinghua menggunakan AI untuk mencirikan tisu pada resolusi tinggi pada platform omik berbilang ruang, yang diterbitkan dalam sub-jurnal Nature

Penyelesaian pemulihan yang tidak perlu Pencirian Tisu kompleks struktur (tidak dapat dikesan pada resolusi asli)

Ilustrasi: Penilaian soScope pada set data transkriptik spatial daripada pelbagai tisu dan platform. (Sumber: Kertas)

  1. Pasukan menilai secara meluas keberkesanan dan kebolehgeneralisasian soScope untuk pelbagai jenis molekul yang dianalisis dengan pelbagai teknik spatial, termasuk Visium, Xenium, spatial-CUT&Tag, slaid-DNA-seq, slaid- RNA-seq, spatial-CITE -seq dan spatial ATAC-RNA-seq.
  2. Dalam tisu yang sihat dan berpenyakit, soScope mempertingkatkan pengenalan domain tisu, meningkatkan kebolehbezaan penanda yang diketahui dan membetulkan data dan bias teknikal. Kaedah ini mampu mendedahkan struktur tisu yang lebih halus sehingga 36 kali lebih besar daripada resolusi asal. Ia boleh menyesuaikan data berbilang omik spatial untuk meningkatkan profil berbilang omik secara serentak.
  3. Penyelidik ambil perhatian bahawa terdapat beberapa teknologi omik spatial berasaskan pengimejan, seperti seqFISH, STARmap dan MERFISH, yang boleh secara langsung mencapai analisis spatial pada resolusi sel tunggal, tetapi dengan mengorbankan daya pemprosesan omik yang lebih rendah dan kawasan tisu yang lebih kecil . Walaupun soScope menyediakan profil yang dipertingkatkan untuk subspot atau lokasi selular yang telah ditetapkan, ia mungkin tidak mencapai resolusi subselular.

    36 kali lebih tinggi daripada resolusi asal, pasukan dari Universiti Beihang dan Universiti Tsinghua menggunakan AI untuk mencirikan tisu pada resolusi tinggi pada platform omik berbilang ruang, yang diterbitkan dalam sub-jurnal Nature

    Ilustrasi: Menggunakan multi-omics soScope pada protein spatial + transkrip dataset daripada tisu kulit manusia menggunakan spatial CITE-seq. (Sumber: kertas)

    Tingkatkan lagi resolusi:

  • Ubah suai soScope untuk memasukkan data omik sel tunggal berpasangan daripada tisu yang sama, memberikan maklumat resolusi lebih tinggi untuk inferens sub-titik.
  • Sepadukan imej H&E sebagai input, yang boleh dijelaskan dengan mudah oleh pakar manusia dalam kajian klinikal tertentu.
  • Ubah suai soScope untuk menyepadukan label manusia dan membimbing inferens posterior dengan cara separa diawasi, menambah baik perwakilan terpendam dan pembelajaran profil.

Kurangkan kos pengiraan:

Untuk set data yang lebih besar yang mengandungi berbilang hirisan bersebelahan dari organ yang sama, soScope boleh:

  • Melatih data separa.
  • Sapukan pada bahagian tisu yang tinggal.

Potensi:

Dengan pengembangan berterusan sumber data omik spatial dan kemunculan teknologi spatial baharu, penyelidik percaya bahawa soScope mempunyai potensi berikut:

  • Alat serba boleh.
  • Gunakan sepenuhnya data omik spatial.
  • Meningkatkan pemahaman saintis tentang struktur tisu kompleks dan proses biologi.

Pautan kertas:
https://www.nature.com/articles/s41467-024-50837-5

Atas ialah kandungan terperinci 36 kali lebih tinggi daripada resolusi asal, pasukan dari Universiti Beihang dan Universiti Tsinghua menggunakan AI untuk mencirikan tisu pada resolusi tinggi pada platform omik berbilang ruang, yang diterbitkan dalam sub-jurnal Nature. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

Video Face Swap

Video Face Swap

Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

<🎜>: Bubble Gum Simulator Infinity - Cara Mendapatkan dan Menggunakan Kekunci Diraja
4 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
Nordhold: Sistem Fusion, dijelaskan
4 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
Mandragora: Whispers of the Witch Tree - Cara Membuka Kunci Cangkuk Bergelut
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌

Alat panas

Notepad++7.3.1

Notepad++7.3.1

Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1

Hantar Studio 13.0.1

Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas

Tutorial Java
1672
14
Tutorial PHP
1277
29
Tutorial C#
1256
24
Menerobos sempadan pengesanan kecacatan tradisional, 'Spektrum Kecacatan' mencapai ketepatan ultra tinggi dan pengesanan kecacatan industri semantik yang kaya buat kali pertama. Menerobos sempadan pengesanan kecacatan tradisional, 'Spektrum Kecacatan' mencapai ketepatan ultra tinggi dan pengesanan kecacatan industri semantik yang kaya buat kali pertama. Jul 26, 2024 pm 05:38 PM

Dalam pembuatan moden, pengesanan kecacatan yang tepat bukan sahaja kunci untuk memastikan kualiti produk, tetapi juga teras untuk meningkatkan kecekapan pengeluaran. Walau bagaimanapun, set data pengesanan kecacatan sedia ada selalunya tidak mempunyai ketepatan dan kekayaan semantik yang diperlukan untuk aplikasi praktikal, menyebabkan model tidak dapat mengenal pasti kategori atau lokasi kecacatan tertentu. Untuk menyelesaikan masalah ini, pasukan penyelidik terkemuka yang terdiri daripada Universiti Sains dan Teknologi Hong Kong Guangzhou dan Teknologi Simou telah membangunkan set data "DefectSpectrum" secara inovatif, yang menyediakan anotasi berskala besar yang kaya dengan semantik bagi kecacatan industri. Seperti yang ditunjukkan dalam Jadual 1, berbanding set data industri lain, set data "DefectSpectrum" menyediakan anotasi kecacatan yang paling banyak (5438 sampel kecacatan) dan klasifikasi kecacatan yang paling terperinci (125 kategori kecacatan

Universiti Tianjin dan Universiti Beihang terlibat secara mendalam dalam projek 'Cangjie' Huawei dan melancarkan rangka kerja pengaturcaraan ejen AI pertama 'Cangqiong' berdasarkan bahasa pengaturcaraan domestik. Universiti Tianjin dan Universiti Beihang terlibat secara mendalam dalam projek 'Cangjie' Huawei dan melancarkan rangka kerja pengaturcaraan ejen AI pertama 'Cangqiong' berdasarkan bahasa pengaturcaraan domestik. Jun 23, 2024 am 08:37 AM

Menurut berita dari laman web ini pada 22 Jun, Huawei semalam memperkenalkan bahasa pengaturcaraan yang dibangunkan sendiri oleh Huawei-Cangjie kepada pembangun di seluruh dunia. Ini adalah penampilan umum pertama bahasa pengaturcaraan Cangjie. Menurut pertanyaan di laman web ini, Universiti Tianjin dan Universiti Aeronautik dan Astronautik Beijing terlibat secara mendalam dalam penyelidikan dan pembangunan "Cangjie" Huawei. Universiti Tianjin: Penyusun Bahasa Pengaturcaraan Cangjie Pasukan kejuruteraan perisian Jabatan Perisikan dan Pengkomputeran Universiti Tianjin bekerjasama dengan pasukan Huawei Cangjie untuk mengambil bahagian secara mendalam dalam penyelidikan jaminan kualiti penyusun bahasa pengaturcaraan Cangjie. Menurut laporan, pengkompil Cangjie adalah perisian asas yang bersimbiotik dengan bahasa pengaturcaraan Cangjie. Dalam peringkat persediaan bahasa pengaturcaraan Cangjie, pengkompil berkualiti tinggi yang sepadan dengannya menjadi salah satu matlamat teras. Apabila bahasa pengaturcaraan Cangjie berkembang, pengkompil Cangjie sentiasa dinaik taraf dan dipertingkatkan. Dalam tempoh lima tahun yang lalu, Universiti Tianjin

Model dialog NVIDIA ChatQA telah berkembang kepada versi 2.0, dengan panjang konteks disebut pada 128K Model dialog NVIDIA ChatQA telah berkembang kepada versi 2.0, dengan panjang konteks disebut pada 128K Jul 26, 2024 am 08:40 AM

Komuniti LLM terbuka ialah era apabila seratus bunga mekar dan bersaing Anda boleh melihat Llama-3-70B-Instruct, QWen2-72B-Instruct, Nemotron-4-340B-Instruct, Mixtral-8x22BInstruct-v0.1 dan banyak lagi. model yang cemerlang. Walau bagaimanapun, berbanding dengan model besar proprietari yang diwakili oleh GPT-4-Turbo, model terbuka masih mempunyai jurang yang ketara dalam banyak bidang. Selain model umum, beberapa model terbuka yang mengkhusus dalam bidang utama telah dibangunkan, seperti DeepSeek-Coder-V2 untuk pengaturcaraan dan matematik, dan InternVL untuk tugasan bahasa visual.

Latihan dengan berjuta-juta data kristal untuk menyelesaikan masalah fasa kristalografi, kaedah pembelajaran mendalam PhAI diterbitkan dalam Sains Latihan dengan berjuta-juta data kristal untuk menyelesaikan masalah fasa kristalografi, kaedah pembelajaran mendalam PhAI diterbitkan dalam Sains Aug 08, 2024 pm 09:22 PM

Editor |KX Sehingga hari ini, perincian dan ketepatan struktur yang ditentukan oleh kristalografi, daripada logam ringkas kepada protein membran yang besar, tidak dapat ditandingi oleh mana-mana kaedah lain. Walau bagaimanapun, cabaran terbesar, yang dipanggil masalah fasa, kekal mendapatkan maklumat fasa daripada amplitud yang ditentukan secara eksperimen. Penyelidik di Universiti Copenhagen di Denmark telah membangunkan kaedah pembelajaran mendalam yang dipanggil PhAI untuk menyelesaikan masalah fasa kristal Rangkaian saraf pembelajaran mendalam yang dilatih menggunakan berjuta-juta struktur kristal tiruan dan data pembelauan sintetik yang sepadan boleh menghasilkan peta ketumpatan elektron yang tepat. Kajian menunjukkan bahawa kaedah penyelesaian struktur ab initio berasaskan pembelajaran mendalam ini boleh menyelesaikan masalah fasa pada resolusi hanya 2 Angstrom, yang bersamaan dengan hanya 10% hingga 20% daripada data yang tersedia pada resolusi atom, manakala Pengiraan ab initio tradisional

Google AI memenangi pingat perak IMO Mathematical Olympiad, model penaakulan matematik AlphaProof telah dilancarkan dan pembelajaran pengukuhan kembali Google AI memenangi pingat perak IMO Mathematical Olympiad, model penaakulan matematik AlphaProof telah dilancarkan dan pembelajaran pengukuhan kembali Jul 26, 2024 pm 02:40 PM

Bagi AI, Olimpik Matematik tidak lagi menjadi masalah. Pada hari Khamis, kecerdasan buatan Google DeepMind menyelesaikan satu kejayaan: menggunakan AI untuk menyelesaikan soalan sebenar IMO Olimpik Matematik Antarabangsa tahun ini, dan ia hanya selangkah lagi untuk memenangi pingat emas. Pertandingan IMO yang baru berakhir minggu lalu mempunyai enam soalan melibatkan algebra, kombinatorik, geometri dan teori nombor. Sistem AI hibrid yang dicadangkan oleh Google mendapat empat soalan dengan betul dan memperoleh 28 mata, mencapai tahap pingat perak. Awal bulan ini, profesor UCLA, Terence Tao baru sahaja mempromosikan Olimpik Matematik AI (Anugerah Kemajuan AIMO) dengan hadiah berjuta-juta dolar Tanpa diduga, tahap penyelesaian masalah AI telah meningkat ke tahap ini sebelum Julai. Lakukan soalan secara serentak pada IMO Perkara yang paling sukar untuk dilakukan dengan betul ialah IMO, yang mempunyai sejarah terpanjang, skala terbesar dan paling negatif

PRO |. Mengapa model besar berdasarkan MoE lebih patut diberi perhatian? PRO |. Mengapa model besar berdasarkan MoE lebih patut diberi perhatian? Aug 07, 2024 pm 07:08 PM

Pada tahun 2023, hampir setiap bidang AI berkembang pada kelajuan yang tidak pernah berlaku sebelum ini. Pada masa yang sama, AI sentiasa menolak sempadan teknologi trek utama seperti kecerdasan yang terkandung dan pemanduan autonomi. Di bawah trend berbilang modal, adakah status Transformer sebagai seni bina arus perdana model besar AI akan digoncang? Mengapakah penerokaan model besar berdasarkan seni bina MoE (Campuran Pakar) menjadi trend baharu dalam industri? Bolehkah Model Penglihatan Besar (LVM) menjadi satu kejayaan baharu dalam penglihatan umum? ...Daripada surat berita ahli PRO 2023 laman web ini yang dikeluarkan dalam tempoh enam bulan lalu, kami telah memilih 10 tafsiran khas yang menyediakan analisis mendalam tentang aliran teknologi dan perubahan industri dalam bidang di atas untuk membantu anda mencapai matlamat anda dalam bidang baharu. tahun. Tafsiran ini datang dari Week50 2023

Untuk menyediakan tanda aras dan sistem penilaian menjawab soalan saintifik dan kompleks baharu untuk model besar, UNSW, Argonne, University of Chicago dan institusi lain bersama-sama melancarkan rangka kerja SciQAG Untuk menyediakan tanda aras dan sistem penilaian menjawab soalan saintifik dan kompleks baharu untuk model besar, UNSW, Argonne, University of Chicago dan institusi lain bersama-sama melancarkan rangka kerja SciQAG Jul 25, 2024 am 06:42 AM

Editor |ScienceAI Question Answering (QA) set data memainkan peranan penting dalam mempromosikan penyelidikan pemprosesan bahasa semula jadi (NLP). Set data QA berkualiti tinggi bukan sahaja boleh digunakan untuk memperhalusi model, tetapi juga menilai dengan berkesan keupayaan model bahasa besar (LLM), terutamanya keupayaan untuk memahami dan menaakul tentang pengetahuan saintifik. Walaupun pada masa ini terdapat banyak set data QA saintifik yang meliputi bidang perubatan, kimia, biologi dan bidang lain, set data ini masih mempunyai beberapa kekurangan. Pertama, borang data adalah agak mudah, kebanyakannya adalah soalan aneka pilihan. Ia mudah dinilai, tetapi mengehadkan julat pemilihan jawapan model dan tidak dapat menguji sepenuhnya keupayaan model untuk menjawab soalan saintifik. Sebaliknya, Soal Jawab terbuka

Kadar ketepatan mencapai 60.8%. Model ramalan retrosintesis kimia Universiti Zhejiang berdasarkan Transformer diterbitkan dalam sub-jurnal Nature Kadar ketepatan mencapai 60.8%. Model ramalan retrosintesis kimia Universiti Zhejiang berdasarkan Transformer diterbitkan dalam sub-jurnal Nature Aug 06, 2024 pm 07:34 PM

Editor |. KX Retrosynthesis ialah tugas kritikal dalam penemuan ubat dan sintesis organik, dan AI semakin digunakan untuk mempercepatkan proses. Kaedah AI sedia ada mempunyai prestasi yang tidak memuaskan dan kepelbagaian terhad. Dalam amalan, tindak balas kimia sering menyebabkan perubahan molekul tempatan, dengan pertindihan yang besar antara bahan tindak balas dan produk. Diilhamkan oleh ini, pasukan Hou Tingjun di Universiti Zhejiang mencadangkan untuk mentakrifkan semula ramalan retrosintetik satu langkah sebagai tugas penyuntingan rentetan molekul, secara berulang menapis rentetan molekul sasaran untuk menghasilkan sebatian prekursor. Dan model retrosintetik berasaskan penyuntingan EditRetro dicadangkan, yang boleh mencapai ramalan berkualiti tinggi dan pelbagai. Eksperimen yang meluas menunjukkan bahawa model itu mencapai prestasi cemerlang pada set data penanda aras standard USPTO-50 K, dengan ketepatan 1 teratas 60.8%.

See all articles