标签: 深度学习

1型糖尿病（T1D）是一种由T细胞异常攻击胰岛细胞引起的自身免疫病。本研究分析了2250名受试者的外周血T细胞受体（TCR）序列，发现T1D患者体内存在一种与遗传风险相关的TCR特征性短序列模式（即‘TCR基序’）。该模式在患者血液中富集，且在胰腺引流淋巴结等关键病灶部位也显著升高，有望成为监测疾病进展和开发新疗法的实用生物标志物。

标签: 1型糖尿病 HLA基因 T细胞受体 深度学习 生物标志物

阿尔茨海默病（AD）约90%的致病基因变异位于不编码蛋白质的DNA区域，其作用机制长期不明。本研究开发了一种深度学习模型，首次系统识别出大脑前额叶皮层中1457个‘沉默子’变异（抑制基因表达）和3084个‘增强子’变异（促进基因表达）。研究发现：沉默子变异主要影响免疫相关基因（如MS4A6A、HLA-D），在AD患者小胶质细胞中导致这些基因异常高表达；增强子变异多调控基础代谢；而兼具两类功能的变异则与神经纤维缠结有关。该成果为理解AD发病机制和开发精准疗法提供了新路径。

标签: 小胶质细胞 沉默子变异 深度学习 阿尔茨海默病 非编码变异

G蛋白偶联受体（GPCRs）是重要治疗靶点，传统多靶向其正构位点。本研究受跨膜蛋白调控GPCR的启发，开发出GPCR外框调节剂（GEMs）——全新设计的靶向GPCR跨膜域的蛋白质。以多巴胺D1受体为模型，GEMs可作为多种变构调节剂，其中ago-PAM型能恢复D1受体功能缺失突变体活性，为GPCR相关疾病提供新疗法，也彰显了深度学习在膜蛋白设计中的潜力。

标签: GPCR外框调节剂 变构调节 多巴胺D1受体 深度学习 跨膜域

血流监测对评估心血管健康和发现血管并发症至关重要。传统方法设备笨重或受血管深度影响，本研究提出集成多层热梯度传感与深度学习的柔性电子平台，可同时实时测量血流速度和血管深度，经实验验证准确，结合光体积描记法能提升连续血压监测精度，有望用于个性化心血管监测等。

标签: 深度学习 热梯度传感 血流监测 血管深度 连续血压监测

启动子是基因的核心调控元件。本研究开发了细胞类型特异性深度学习模型PARM，能仅通过DNA序列可靠预测全基因组启动子活性，还可设计合成强启动子，并系统揭示转录因子的结合位点及调控动态，为理解启动子调控提供经济高效的策略。

标签: 启动子 启动子活性调控模型 深度学习 调控语法 转录因子

向列相液晶是研究缺陷的理想环境，传统模拟预测缺陷模式耗时久。韩国忠南大学团队用深度学习（AI）开发新方法，毫秒级即可完成预测，远超传统模拟的小时级耗时，助力先进光学设备、超材料等智能材料的快速设计。

标签: 3D U-Net 先进材料设计 向列相液晶 深度学习 缺陷预测

新研究挑战传统认知：泡沫内部虽保持整体形状却持续运动，其数学规律与深度学习相似。这表明学习或为物理、生物及计算系统共有的组织原则。

标签: 泡沫 深度学习 组织原则 细胞骨架 自适应材料

视网膜静脉插管术（RVC）是治疗视网膜静脉阻塞（RVO）的新方法。本文提出基于深度学习和机器人辅助的自主RVC流程，在离体猪眼测试中静态成功率90%、模拟呼吸运动时83%，显示其有望提高RVO治疗的精准度和可靠性。

标签: 机器人辅助 深度学习 自主手术 视网膜静脉插管术 视网膜静脉阻塞

细胞分选对诊断和早期干预至关重要，已从传统方法发展到精密的微流控技术。然而，微流控产生的海量成像数据需先进计算方法处理。机器学习（尤其是计算机视觉和深度学习）可实现自动特征提取和实时分类，提升分选精度并加速诊断。本文综述了微流控与机器学习的融合，探讨其协同作用、挑战及未来展望。

标签: 微流控细胞分选 机器学习 深度学习 细胞分类

T细胞免疫原性（肽片段引发T细胞反应的能力）对蛋白质疗法和疫苗的安全性与有效性至关重要。深度学习预测受限于数据稀缺，本研究提出T-SCAPE——一种整合多种免疫相关数据的多域深度学习框架，能准确预测特定肽-MHC对的T细胞激活及治疗性抗体的抗药抗体诱导潜力，有望推动更安全有效的疫苗和蛋白质疗法开发。

标签: T-SCAPE T细胞免疫原性 深度学习 蛋白质疗法