-
一种用于聚集-破碎现象建模的加权蒙特卡洛方法:在Al<sub>2</sub>O<sub>3</sub>纳米颗粒团聚体中的应用
聚集与破碎过程的模拟对于具有宽粒径分布且大粒径区间粒子数稀少的体系具有挑战性。研究人员开发了一种新型加权蒙特卡洛(Weighted Monte Carlo, WMC)算法,用于模拟聚集与破碎过程。与传统的恒粒子数蒙特卡洛(Constant Number Mon
来源:Powder Technology
时间:2026-01-02
-
线性隔水边界条件下地下水回灌水位抬升特征及其计算方法
地下水回灌常用于控制基坑周边的水位与沉降,从而减轻对周围环境的影响。然而,止水帷幕的存在会显著影响回灌过程中的水位抬升。在本研究中,研究人员基于映像法(method of images)和 Theis 方程推导了完全阻隔条件下的水位抬升曲线。采用有限差分模型研
来源:Results in Engineering
时间:2026-01-02
-
一种整合QSAR建模、分子对接与ADME谱分析用于发现选择性CYP11B1抑制剂的计算方法
CYP11B1抑制剂在调控皮质醇生物合成中发挥关键作用,并代表了治疗库欣综合征和高血压等疾病的有前景候选药物。在本研究中,研究人员设计并评估了一系列新型类似物,采用了结合定量构效关系(QSAR)、分子对接和ADME预测的整合策略。研究人员构建了多元线性回归(M
来源:Scientific African
时间:2026-01-02
-
童年中期心理理论与叙事性(而非说明性)文本阅读理解之间的互惠关联:一种潜在变化分数方法
本研究呈现了一项关于159名儿童(年龄8-10岁;M=9.96,SD=0.93;92名女孩)心理理论(ToM)与阅读理解共同发展变化的纵向证据。研究人员在一年内使用相同的心理理论(ToM)、叙事性阅读理解(NRC)和说明性阅读理解(ERC)测量工具在两个时间点
来源:LEARNING AND INDIVIDUAL DIFFERENCES
时间:2026-01-01
-
综述:革新早期乳腺癌(TNBC)的检测方法:非侵入性生物标志物与下一代诊断策略的崛起
三阴性乳腺癌(TNBC)是恶性最强的亚型,占10-20%的乳腺癌病例,早期诊断至关重要。现有组织活检等方法侵入且无法全面捕捉肿瘤异质性,而通过血液、尿液、唾液等生物液体提取的循环肿瘤DNA、细胞、蛋白质、外泌体及miRNA等非侵入性生物标志物,结合多组学技术和人工智能,可更全面地评估TNBC异质性,提升早期诊断和治疗策略的精准性。
来源:Critical Reviews in Oncology/Hematology
时间:2026-01-01
-
基于深度学习的自动化上颌窦分割及骨移植分析技术在CBCT图像中的应用
摘要精准评估上颌窦增高术后骨量的增加对于优化种植牙治疗至关重要,但目前手动测量方法仍耗时较长。本研究验证了一种名为SA-ai的完全自动化深度学习系统,用于量化骨量的增加。研究使用了85名患者的配对CBCT数据集来训练和测试该系统,该系统结合了用于 sinus 轮廓识别的2D U-
来源:npj Digital Medicine
时间:2026-01-01
-
综述:通过过程工程方法调控真菌菌丝体结构-性能关系以用于材料应用
本综述系统阐述了如何通过过程工程策略(如优化生长条件、选择底物、设计生物反应器)及后处理技术来调控纯菌丝体材料(PMMs)的性能,以实现其作为皮革和一次性塑料可持续替代品的应用潜力。文章重点探讨了菌丝体结构-性能关系,并涉及生命周期评估(LCA)和监管要求,为可扩展、可重复的PMMs生产提供了工程学见解。
来源:New Biotechnology
时间:2026-01-01
-
掌握MR-GRIP:独立于等位基因编码的方向性多效性建模新方法
本文提出了一种名为MR-GRIP的创新方法,旨在解决孟德尔随机化(MR)分析中MR-Egger回归对等位基因编码的敏感性难题。该方法通过引入基因型重编码不变性(GRIP)特性,在无需依赖特定编码方案的前提下,有效建模方向性多效性。研究通过理论推导和实证分析(如血清尿酸(urate)与冠心病(CHD)、体重指数(BMI)与冠状动脉疾病(CAD)的因果关系验证)证实,MR-GRIP不仅规避了传统MR-Egger的假设局限性,其方差独立于协方差解释(VICE)的假设更符合生物学合理性,为多变量MR和弱工具变量场景提供了稳健的解决方案。
来源:PLOS Genetics
时间:2026-01-01
-
DEDUCE:基于逻辑回归的疾病组织关联推断新方法揭示复杂疾病发病机制
为解决复杂疾病相关组织定位不明确的难题,研究人员开发了DEDUCE方法。该方法整合了DisGeNET的基因-疾病关联(gda)评分与GTEx的组织特异性表达数据,通过逻辑回归模型,系统性地推断疾病相关的组织。研究成功识别了216个显著的组织-疾病关联,为理解疾病病因学及开发靶向治疗策略提供了新的视角。
来源:NAR Genomics and Bioinformatics
时间:2026-01-01
-
基于高斯过程回归的转录组数据时间重注释:一种监督贝叶斯方法及其在肉毒杆菌研究中的应用
本研究针对转录组学数据中时间注释缺失或不准确的问题,开发了一种基于高斯过程(GP)的监督贝叶斯方法。该方法利用高质量RNA-Seq时间序列作为参考,为历史微阵列数据等目标实验提供精确的时间点预测。研究通过肉毒杆菌(Clostridium botulinum)案例证明,该方法能有效纠正原始生长阶段注释错误,显著提高差异表达基因(DEG)的检测数量,为深入理解基因调控网络提供了可靠的时间维度信息。
来源:NAR Genomics and Bioinformatics
时间:2026-01-01