-
膜张力与细胞—细胞核力学耦联调控受限迁移的几何表面偏微分方程建模研究
细胞迁移是胚胎发育至癌症转移等众多生理过程的基础,主要由质膜(plasma membrane, PM)与细胞核的耦联力学以及细胞骨架动力学共同调控。作为最大且最坚硬的细胞器,细胞核被认为是受限迁移中的限速因素。然而,细胞核的定位因细胞类型和迁移模式而异,且协调
来源:PLOS Computational Biology
时间:2026-11-06
-
TriTower-m6Am:整合语义、序列与结构信息的三塔异构深度学习架构用于mRNA N6,2′-O-二甲基腺苷位点预测
摘要
背景 N6,2′-O-二甲基腺苷(m6Am)是一种由PCIF1(磷酸化C末端结构域相互作用因子1)在真核生物mRNA的第一个转录核苷酸处沉积的帽近端修饰。了解m6Am位点的位置有助于阐明细胞如何调控mRNA稳定性和翻译,但目前已有的预测器通常依赖于单一表
来源:PLOS Computational Biology
时间:2026-11-06
-
ITS2 Nemabiome Metabarcoding揭示泰国家养与野生牛科动物之间圆线虫群落及分类学重叠
胃肠道蠕虫是家养和野生反刍动物的常见寄生虫,可影响宿主健康和生产力。在家畜中,胃肠道线虫通过降低生长速度、繁殖性能和生产效率造成经济损失(Charlier et al., 2014)。在野生反刍动物中,寄生虫感染还可能影响体况、存活率和繁殖性能,对种群健康和保
来源:Current Research in Parasitology & Vector-Borne Diseases
时间:2026-11-06
-
马去势对骨关节代谢无影响:来自青春期后与成年马的证据
研究人员评估了去势所致的性腺类固醇剥夺对马骨关节代谢的影响。为此,研究人员比较了在骨骼生长期(青春期后阶段)去势的马与在骨骼成熟后(成年期)去势的马。在去势前及术后9个月内,研究人员测定了两组马循环类固醇激素(睾酮和雌二醇)浓度;同时定量检测了与骨和软骨代谢相
来源:Domestic Animal Endocrinology
时间:2026-11-06
-
环状挤出马达的“道路规则”:装载、卸载与拥挤——从“在哪里停下”到“从哪里开始、结束与驻留”
染色体结构维持(SMC)复合物的环状挤出已成为跨生命域基因组组织的关键机制,然而支配这些马达在何处装载、卸载以及富集的规则仍知之甚少。经典模型将cohesin视为均匀装载与卸载,但在挤出屏障处停止;染色体结构随后由挤出复合物停止的位置所塑造。不断积累的证据拓宽
来源:Current Opinion in Structural Biology
时间:2026-11-06
-
对比评估蛋壳废弃物与磷酸三钙作为干旱生态系统真菌分离株溶解磷酸盐和钙的底物
真菌能够溶解磷酸三钙(CPh)和蛋壳源钙,从而加速养分可利用性并支持其作为生物肥料的可持续利用。本研究考察了四株真菌分离株——*Aspergillus terreus*(26L)、*Aspergillus fumigatus*(7L)、*Emericella
来源:Scientific Reports
时间:2026-11-06
-
基于深度CNN-LSTM架构与频谱图的鲁棒自动调制分类
自动调制分类(AMC)是现代通信系统中的一项关键任务,能够识别接收信号中的调制方案。本文提出了一种通过混合技术——卷积神经网络(CNN)和长短期记忆网络(LSTM)——并以频谱图作为输入特征来实现更精确AMC的模型。该系统在加性高斯白噪声(AWGN)影响下进行
来源:Scientific Reports
时间:2026-11-06
-
低温耐受性高粱品系在雨后季节的生殖性能表征
在印度半干旱地区,11月至12月开花期的低夜温显著影响高粱(Sorghum bicolor L. Moench)生产,尤其是在关键生长阶段。温度对高粱开花和籽粒产量起关键作用,低温可延迟开花、降低花粉活力并导致结实不良,最终降低产量。为研究此问题,在ICRIS
来源:Scientific Reports
时间:2026-11-06
-
基于协议感知特征路由与双流Mamba-Transformer生成对抗增强的智能医疗网络入侵检测与网络威胁缓解框架
医疗物联网(IoMT)的快速普及显著扩大了智能医疗网络的攻击面,包括分布式拒绝服务(DDoS)、欺骗、侦察与勒索软件在内的网络威胁持续针对IoMT基础设施,危及患者安全。传统入侵检测系统(IDS)难以应对IoMT环境中固有的协议异构性、高维流量数据与严重类别不
来源:Scientific Reports
时间:2026-11-06
-
面向低资源语言马来语的混合不确定性感知深度学习框架:兼顾可靠性与校准的假新闻检测研究
针对马来语等低资源语言开展假新闻检测面临语言复杂性、语言资源有限及标注数据集匮乏等挑战。深度学习模型在文本分类任务中已显示出良好效果,但在实际部署中缺乏可靠性与可解释性。近期已有研究借助可解释人工智能(XAI)解读模型预测,但在不确定预测条件下这些解释的可靠性
来源:Scientific Reports
时间:2026-11-06