学科: 统计学

本文讲述一位青年科研人员如何通过免费公开的已有生物学数据（如蚊子细胞转录组），发现新病毒、揭示其抑制登革热病毒的能力，并推动跨实验室合作。这说明“旧数据”经新视角分析，能低成本产出重要科学发现。

标签: 二次数据分析 开放科学数据 数据重分析 病毒-宿主互作 蚊媒病毒

本研究利用机器学习分析美国2020年3月至2021年12月的死亡证明数据，发现官方漏报约15.6万例新冠死亡（比报告数多19%）。漏报在教育程度低、西班牙裔/原住民/亚裔/非裔人群、低收入及基础健康差的南部县区尤为严重，揭示了美国死亡调查系统存在系统性不公。

标签: 健康不平等 新冠死亡漏报 机器学习 死亡证明 结构性不公

科学家首次构建出能模拟细菌细胞内DNA复制、分裂及几乎所有化学反应的三维‘虚拟细胞’；中国大幅增加科技与研发预算；冷冻小鼠大脑部分功能被成功复苏；学界正努力消除主动撤稿的污名；能量流动可能是理解疾病的关键新视角；AI仅用三周就形式化验证了菲尔兹奖成果；多国官方统计数据面临严重危机。

标签: AI数学形式化 主动撤稿 能量生物学 脑组织玻璃化冷冻 虚拟细胞

多国政府统计数据正面临信任危机：政治干预、经费削减、调查响应率下降等问题，严重削弱了就业、通胀、贫困等关键数据的准确性和公信力，威胁政策制定、学术研究和公众知情权。

标签: 可持续发展目标 官方统计 政治干预 数据可信度 统计独立性

大地震的发生和小地震一样具有随机性，而非人们常认为的周期性或准周期性。本研究分析了尼泊尔拉拉湖6000年沉积岩芯中记录的50次古地震事件，发现其发生时间间隔严格符合泊松分布（即随机过程），仅在短时间尺度上存在微弱的成簇现象。这意味着无法准确预测大地震何时发生，地震危险性评估需大幅上调。

标签: 古地震学 地震危险性评估 大地震随机性 泊松分布 浊积岩

埃默里大学物理学家提出一种新框架，将纷繁复杂的AI方法系统化，像‘元素周期表’一样分类整理。它帮开发者根据具体问题，快速设计更准、更省、更可靠的AI模型，普通人也能看懂：AI不是黑箱，而是可理解、可调控的信息压缩工具。

标签: AI可解释性 信息瓶颈 多模态AI 损失函数 物理启发的机器学习

识别驱动复杂性状和疾病的因果变异及其机制是人类遗传学的核心问题。本研究利用大规模平行报告基因测定，在5种细胞类型中检测22万余个精细定位的变异，鉴定出1.3万余个调控变异，通过饱和突变探索其机制并发现调控上位性，为理解疾病风险的调控规则提供新见解。

标签: 因果变异 复杂性状 大规模平行报告基因测定 调控机制 饱和突变

识别催化剂以优化新反应的对映选择性是一大挑战，现有统计模型存在数据稀疏和参数描述问题。本研究提出一种考虑对映决定步骤变化的描述符策略，通过镍催化C(sp3)-偶联反应案例，训练出可优化反应、适用于新配体和底物的模型，助力催化剂开发。

标签: 催化剂开发 对映选择性 描述符策略 统计模型 镍催化C(sp3)-偶联 (nickel-catalyzed-Csp3-coupling)

全球多地网站自9月起遭来自中国兰州和新加坡的大量机器人访问，这些机器人伪装成人类，流量巨大，导致数据失真、带宽成本上升等问题，疑似与AI数据采集有关。

标签: AI数据采集 中国机器人流量 云服务器 兰州 网站流量异常

数据同化（DA）整合观测数据与模型预测生成优化大气状态，其物理一致性对天气预报和气候研究至关重要。传统贝叶斯DA方法通过经验协方差结构施加物理约束，但准确性和稳健性有限。本研究提出潜空间DA（LDA）框架，利用自编码器从全球大气数据中学习潜空间并进行贝叶斯DA。LDA能捕捉非线性物理关系，无需显式建模约束即可生成平衡分析结果，在理想和真实观测场景下均提升分析质量和预报技巧，且对潜空间维度和训练数据误差具有强稳健性，具备实际应用潜力。

标签: 大气数据同化 机器学习 潜空间数据同化 物理一致性 自编码器