基因集合评分工具对单细胞ATAC-seq数据的基准测试 作者： Xi Wang, Qiwei Lian, Haoyu Dong, Shuo Xu, Yaru Su, Xiaohui Wu 单位： Pasteurien College（苏州大学苏州医学院），厦门大学自动化系，福州大学数学与计算机科学学院 通讯作者： xhwu@suda.edu.cn 期刊： 《Genomics, Proteomics & Bioinformatics》 发布日期： 2024年2月9日（在线公布） 导论 转座酶可及染色质测序（ATAC-seq）是一种强大且常用的表观基因组技术，通过测序分析全基因组范围内的染色质可及性。近来，单细胞ATAC-seq（scATAC-seq）技术使得研究单细胞中的染色质可及性成为可能，...
蛋白质结构预测：挑战、进展及研究范式的变化 蛋白质结构预测是一个吸引了生物化学、医学、物理学、数学和计算机科学等多个领域研究者的重要跨学科研究课题。研究者们采取了多种研究范式去解决同一个结构预测问题：生物化学家和物理学家试图揭示蛋白质折叠的原理；数学家，尤其是统计学家，通常从假设给定目标序列的蛋白质结构概率分布开始，然后找到最可能的结构；而计算机科学家将蛋白质结构预测视为一个优化问题——寻找具有最低能量的结构构象或最小化预测结构与天然结构之间的差异。最近，深度学习在蛋白质结构预测中也取得了巨大成功。在这篇综述中，本文呈现了一项对蛋白质结构预测努力的调查。我们比较了不同领域研究者采用的研究范式，重点是深度学习时代研究范式的转变。 作者简介及论文出处 本文由Bin Huang, Lupeng K...
智能独立成分分析（SMART ICA）：提取准确的脑功能网络的创新方法 背景介绍 在脑科学研究中，功能网络（Functional Networks，FNs）通过探讨不同脑区之间的整合和互动关系，显示出极大的潜力来理解人类脑功能。功能磁共振成像（fMRI）是一种重要的工具，它通过观测脑活动时的血氧水平依赖信号变化，揭示了不同脑区间的功能连接。独立成分分析（Independent Component Analysis，ICA）是一种常用的数据驱动方法，广泛应用于从fMRI数据中估算功能网络。然而，ICA方法在确定最佳模型阶数（即成分数量）时面临挑战，这导致了对功能网络估算结果的可靠性产生质疑。因此，开发可靠的脑功能网络分析方法对于最大化研究结果的稳健性和普适性尤为重要。本文提出了一种名为智能独立...
针对前额叶-扣带皮层的计算建模，探究耦合关系在平衡情绪与认知中的作用 学术背景 近年来，对于维持正常社会行为及执行功能至关重要的大脑功能，情感处理与认知控制引起了广泛关注。本研究探讨这两大关键脑功能之间的平衡状态如何受神经网络耦合作用的影响，以及这种耦合关系变化如何导致心理障碍的发生，特别是抑郁症，以此期望推进对抑郁症的诊断与治疗。 研究来源 本篇文章由魏金朝、李立聪、张家伊、施二松、杨建利及刘秀玲撰写，均来自中国科学院脑科学与智能技术卓越中心，于《Neurosci. Bull.》杂志上发表。文章接收日期为2023年12月21日，接受日期为2024年2月11日。 研究流程 研究通过构建一个包含背外侧前额皮层（dlPFC）、腹内侧前额皮层（vMPFC）和双向前扣带皮层（sgACC）的生物物理计...
学术报告 研究背景 近年来，心理学和认知神经科学领域对个体差异（individual differences）的兴趣日益浓厚。然而，许多研究面临复制危机，这尤其显现在探索大脑-行为关联（brain-behavior correlations）的研究中。个体差异研究得以复制的一个关键要素是所用测量方法的可靠性，但这一点往往被假设而非直接验证。本研究旨在评估不同认知任务的可靠性，特别是在一个包含250多名参与者的多日任务数据集上，探讨这些任务在个体间差异研究中的适用性。 论文来源 这篇论文由Jan Kadlec、Catherine R. Walsh、Uri Sade、Ariel Amir、Jesse Rissman及Michal Ramot等人撰写，分别来自Weizmann Institute ...
背景介绍 在人类视觉系统中，自然场景的理解和导航无论从复杂性还是从效率上都表现得非常出色。这一过程需要将传入的感官信息转化为包括低级到高级的视觉特征，如边缘、物体部件和物体本身，进一步反映真实世界场景中物体共现的统计学特点。其中，两类重要的物体属性引入了“锚点物体”（anchor objects）和“诊断物体”（diagnostic objects）的概念。锚点物体是指高频共现且可以预测其位置和身份的物体，而诊断物体则是指能够预测场景大语境（即场景类别）的物体。 由Aylin Kallmayer和Melissa L.-H. Võ来自Goethe University Frankfurt的心理学系会聚研究，这篇发表于《Communications Psychology》期刊的文章探讨了锚点物体...
神经元分类的创新融合：基于人类和小鼠电生理数据的共同信息 科学界长期以来对神经元分类面临巨大挑战。准确分类神经元对于理解大脑在健康和疾病状态下的功能至关重要。这篇由Bar-Ilan University的Ofek Ophir、Orit Shefi与Ofir Lindenbaum引领的研究在《Neuroinformatics》期刊上发表，提出了一种全新的机器学习框架，通过联合使用来自人类和小鼠的电生理数据来对神经元进行分类。 研究背景 神经元是神经系统的基本单元，其分类自Ramon y Cajal在1995年发表《人和脊椎动物神经系统的组织学》以来，一直是神经科学的核心问题。分类神经元有助于在不同实验室和实验条件下的一致识别，这对于理解大脑功能及其在健康和病态状态下的变化至关重要。 研究来源 ...
MRQA：解决 MRI 协议不合规的广泛问题 背景介绍 近年来，大规模神经影像数据集在研究脑-行为关系中发挥了至关重要的作用，例如阿尔茨海默病神经成像计划（ADNI），人类连接组计划（HCP），少年大脑认知发展（ABCD）研究等。这些数据集通常由多个站点和不同的扫描仪型号采集。然而，跨站点或跨设备的数据收集存在一个重要问题，即成像参数的一致性不足。成像参数的不一致会严重影响数据质量，降低信噪比（SNR）和统计功效，甚至可能使研究结果无效。 传统上，确保MRI扫描协议一致性是一项繁复且手动的任务。这主要是由于DICOM（数字成像和通讯标准）的复杂性和缺乏资源来专门处理这一问题。另外，由于不同站点场所的参数值经常被即兴调整，协议不合规问题通常被忽视。因此，在多个站点进行数据汇总时，一致的成像协议...
基于贝叶斯张量建模的阿尔茨海默病影像分类 引言 神经影像学研究是当代神经科学的重要组成部分，极大地丰富了我们对大脑结构和功能的认识。通过这些非侵入性的视觉化技术，研究人员可以更精确地预测某些神经和精神疾病的风险，进而在早期阶段进行干预和治疗，从而改善患者的健康和生活质量。特别是在阿尔茨海默病（Alzheimer’s Disease，以下简称AD）的研究中，神经影像学提供了宝贵的病理机制见解，能跟踪病情进展，识别早期症状并区分其他导致痴呆的原因。 然而，在处理神经影像数据时会面临多个重大挑战，例如数据空间依赖性、高维度及噪声，并且往往难以在异构条件下识别合适的神经生物标志物。为了应对这些复杂的影像数据问题，研究者提出了多种统计和机器学习方法，其中包括基于影像特征的分类模型。 尽管现有的方法有着...
通过PED算法识别自闭症谱系障碍的诊断生物标志物 在神经信息学领域，自闭症谱系障碍（ASD）的研究多集中于脑部区域之间的双向连接关系，而较少涉及脑部区域的高阶相互作用异常。为了探讨脑区的复杂关系，作者团队采用了部分熵分解（Partial Entropy Decomposition, PED）算法，通过计算三脑区（triads）的高阶相互依赖性来捕捉高阶相互作用。本文提出了一种基于PED和替代检验方法的方法，检验单个脑区对三重脑区的影响，发现了关键的三脑区。进一步采用超图模块优化算法揭示了高阶脑结构，在ASD中，右丘脑与左丘脑的连接相比于典型对照（TC）更松散。关键的冗余三脑区（左小脑、左楔前叶和右下枕回）的相互作用表现出显著的衰减，而协同的关键三脑区（右小脑、左中央后回和左舌回）的相互作用明...