今天为大家介绍的是来自Simon Cross团队的一篇论文。深度学习方法能够自动从输入数据中提取相关特征并捕捉输入和输出之间的非线性关系。在这项工作中，作者提出了基于GRID的AI（GrAId）描述符，这是对GRID MIFs的简单修改，使它们能够与卷积神经网络（CNNs）结合使用，以建立一个作者称之为DeepGRID的旋转、构象和对齐无关的深度学习模型。这是首次将GRID MIFs与CNNs结合

​此次为大家分享的是来自Nature Communiations 上的一篇题为"Deep learning to decompose macromolecules into independent Markovian domains" 的文章，来自德国柏林自由大学、美国德克萨斯州休斯顿莱斯大学的Frank Noé团队。对越来越大的蛋白质进行动力学建模兴趣日益浓厚，但目前缺乏收集足够的状态概率或状态

作者提出了一种基于DNA序列的卷积神经网络方法(scBasset)来对scATAC数据进行建模。实验表明，通过利用可及性峰值下的DNA序列信息和神经网络模型的表达能力，scBasset在scATAC和单细胞多组数据集的各种任务中展现了最先进的性能，包括细胞类型识别、scATAC去噪、数据集成和转录因子活性推断。

今天带来的是商汤科技（SenseTime）研究小组发表在arxiv上的Learning Unknown from Correlations: Graph Neural Network for Inter-novel-protein Interaction Prediction。现有蛋白质-蛋白质相互作用（protein-protein interaction, PPI）预测方法在未知数据集（指的是

作者 | 杨禹尧今天给大家介绍的是生物岛实验室陈红明研究员的团队，联合中山大学药学院药物分子设计中心的徐峻教授，发表在英国皇家化学学会出版的化学核心期刊Chemical Science上...

作者 | 董靖鑫审稿 | 程玉今天给大家介绍的是来自斯坦福大学的Jure Leskovec课题组发表在ICML2020上的文章” Graph Structure of Neural Ne...

作者 | 涂心琪审稿人 | 李梓盟今天给大家介绍蒙特利尔算法研究所Yoshua Bengio教授课题组在ICML 2019发表的文章“GMNN:Graph Markov Neural N...

作者 | 程玉审稿 | 杨喜喜今天给大家介绍吉林大学计算机科学与技术学院杨博老师团队在ICLR2020的一篇论文，该研究针对MPNN现存的一些问题提出了一种新的图神经网络的几何聚合方式，...

大数据分析场景和模型应用数据分析建模需要先明确业务需求，然后选择是描述型分析还是预测型分析。如果分析的目的是描述目标行为模式，就采用描述型数据分析，描述型分析就考虑关联规则、序列规则、聚类等模型。如果是预测型数据分析，就是量化未来一段时间内，某个事件的发生概率。有两大预测分析模型，分类预测和回归预测。常见的数据建模分类分类与...

今天为大家介绍的是来自Angela Ruohao Wu 和Can Yang团队的一篇论文。空间转录组学（ST）技术正在革新探索组织空间结构的方式。目前，ST数据分析通常局限于单个二维（2D）组织切片，这限制了我们理解在三维（3D）空间中发生的生物过程的能力。在这里，作者介绍了STitch3D，这是一个统一的框架，它整合多个ST切片以重建3D细胞结构。通过联合建模多个切片并将其与单细胞RNA测序数据