生物通官微陪你抓住生命科技跳动的脉搏
可解释的机器学习方法在巴西大规模预测学生缺勤情况中的应用:来自22,000所学校的证据
摘要出勤率是儿童和青少年在学业、社交和个人发展方面的基本前提。然而,尽管经过数十年的研究和政策努力,问题性缺勤率仍然居高不下。本研究探讨了学校层面因素在识别巴西中等教育阶段缺勤率较高风险学校方面的预测潜力。利用22,476所学校的数据,我们整合了三类主要预测因素:学校基础设施、人
来源:Scientific Reports
时间:2026-05-21
采用田口方法(Taguchi method)对Q235钢基材上采用HVOF喷涂工艺制备的FeCrCoAlTiB涂层的参数优化、腐蚀磨损行为以及XPS(X射线光电子能谱)分析结果进行研究
摘要采用高速氧燃料(HVOF)热喷涂技术在Q235钢基材上制备了Fe₃₂Cr₂₁Co₂₁Al₁₆Ti₅B₅(涂层1)和Fe₄₃Cr₁₆Co₁₂Al₁₄Ti₅B₁₀(涂层2)。通过喷射式侵蚀测试仪评估了涂层的抗侵蚀性能,并通过微观结构分析研究了表面劣化机制。材料去除过程主要包括犁切
通过结构方程建模方法对供应链绩效驱动因素进行定量评估
摘要本研究探讨了影响查谟和克什米尔(J&K)地区加工水果和蔬菜供应链绩效的因素。由于该地区地理面积有限且产品易腐烂,其在实证供应链研究中的代表性一直较弱。基于资源基础观和动态能力理论,本研究分析了物流、采购、响应能力、整合性、灵活性、信息技术以及沟通等因素对供应链绩效的影响,并检
在青铜时代晚期和铁器时代早期的人类火葬研究中,通过牙齿牙骨质年轮计数进行方法学验证和不同遗址间的数据分析
摘要在考古人群中估算死亡年龄时,通常会受到骨骼保存状况不佳的限制,尤其是在火化遗骸中。基于Salter增量线(ILS)的牙齿牙骨质环计数(TCAc)提供了一种有前景的替代方法。本研究评估了TCAc在火化考古牙齿中的可行性、微观结构保存情况以及内部一致性,重点关注方法学的适用性而非
基于电压轨迹变形的故障检测方法以及ITD-XGBoost分类框架,应用于以逆变器为主的输电网络
摘要在现代电力传输网络中,基于逆变器的资源(IBR)的日益普及对传统的故障检测和故障分类方案构成了重大挑战,因为故障电流的贡献很小(受内置控制方案的控制),且信号响应是非平稳的。为了解决这些问题,本文提出了一种针对IBR密集型传输系统的两级保护方案。在第一阶段,利用Clarke变
基于知识图谱(KG)和简约存储单元的网络安全态势预测方法
摘要随着互联网的不断发展,其应用范围不断扩大,网络安全问题也日益突出。为了解决当前网络安全状况预测模型中预测时间过长和预测效率较低的问题,本研究首先构建了一个网络安全状况的知识图谱(KG)。随后,利用图卷积网络(GCN)和多层感知器(MLP)从该知识图谱中提取特征数据,作为后续预
基于仿生特征提取方法的机器学习分类器在微阵列基因白血病检测中的性能增强研究——综述
白血病(leukaemia)的早期准确检测对于改善治疗结局至关重要;然而,从高维微阵列基因(microarray gene)数据中获得高诊断可靠性仍具挑战性。本研究通过系统的特征选择与分类器优化,探讨了优化机器学习框架在白血病分类中的应用。研究采用元启发式算法
来源:Computer Methods in Biomechanics and Biomedical Engineering: Imaging & Visualization
PowerNovo2:基于生成流模型的非自回归从头肽段测序方法
蛋白质组学利用串联质谱(MS/MS)测定肽段序列,传统方法依赖先验知识约束的数据库搜索。从头肽段测序提供了一种无需数据库的替代方案,但在准确建模复杂MS/MS图谱方面存在困难。目前大多数工具采用自回归解码策略,该策略易于出现误差传播且计算速度较慢。本研究提出P
来源:PLOS Computational Biology
通过比较分子动力学方法对金属羧肽酶与肽之间的界面进行映射,揭示了潜在的热点区域,这些区域为新型抑制剂的设计提供了灵感
摘要金属羧肽酶(MCPs)是一类重要的含锌外肽酶,在治疗从血栓栓塞性疾病到癌症等多种疾病方面具有巨大潜力。尽管它们具有重要意义,但决定不同亚家族特异性肽识别的动态机制仍不完全清楚。在这项研究中,我们对五种不同的A/B型MCP-肽复合物进行了200纳秒的分子动力学模拟,并结合接触分
一种新型景观大遗传学(macrogenetics)方法揭示澳大利亚2019–2020年“黑色夏季(Black Summer)”野火的保护启示
遗传分析在保护规划与管理中的应用已十分普遍,传统此类分析多在物种层面开展。随着遗传数据不断积累,现已可跨景观考量多个物种的遗传组成。这类大遗传学视角能够揭示极端干扰事件(如澳大利亚2019–2020年灾难性的“黑色夏季”野火)的潜在遗传影响。本研究提出一套框架
来源:Diversity and Distributions
知名企业招聘: