标签: 机器学习预测

本文提出一种由机器学习指导的核酸扩增新技术，能像调节音量一样精确控制不同DNA/RNA片段的扩增强度。该技术大幅提升了罕见基因变异（如癌症相关RNA融合）的检出灵敏度，使检测下限降低100倍；在DNA数据存储中，可实现文件级智能读取和加密，让同一份DNA数据按需输出高清或预览版本。

标签: DNA数据存储 RNA融合检测 可编程核酸扩增 机器学习预测 热力学调控

酶是生命的分子机器，底物特异性是其关键功能，但众多酶缺乏该信息阻碍应用。研究团队开发EZSpecificity模型，能准确预测酶底物特异性，性能优于现有模型，实验验证准确率达91.7%，为生物学和医学研究提供通用工具。

标签: EZSpecificity模型 图神经网络 机器学习预测 生物催化 酶底物特异性

一项新工具“资助前沿”整合了科研论文、专利、政策文件和临床试验数据，以直观方式展示科学研究对社会的广泛影响，如政策制定、药物开发等，并利用机器学习预测未来最具社会效益的研究方向。

标签: 机器学习预测 社会影响力 科学研究影响 科研评估 资助前沿