XiaoMi-AI文件搜索系统
World File Search System注释的
数据发布 利用染色体长度的基因组组装来注释亚洲柑橘木虱（Diaphorina citri）的 Wnt 信号通路
表 2. 支持基因注释的证据。手工注释的柑橘木虱 Wnt 通路基因。总共有 24 个基因模型。每个基因模型都分配了一个标识符，并列出了用于验证或修改基因模型结构的证据。还列出了最能支持手工注释的 MCOT 转录组标识符。当存在从头转录组、Iso-Seq、RNA-Seq 和直系同源物支持的证据时，表中会标记“X”。MCOT：基于基因组 MAKER、Cufflinks、Oases 和 Trinity 转录本预测的综合转录组；MAKER：基因预测；从头转录组：使用 Iso-Seq 长读和 RNA-Seq 数据的独立转录组；Iso-Seq 转录本：用 Pacific Biosciences 技术生成的全长转录本； RNA-Seq：映射到基因组的读取也用作剪接点的支持证据；直系同源物证据：来自相关半翅目物种和果蝇的蛋白质。
核糖测序、免疫肽组学和蛋白质组学能告诉我们有关非规范蛋白质组的哪些信息？
核糖体分析 (Ribo-Seq) 揭示了目前注释的编码序列 (CDS) 之外的数千个非规范核糖体翻译位点，从而改变了我们对人类基因组和蛋白质组的理解。保守估计至少有 7000 个非规范 ORF 被翻译，乍一看，这有可能将人类蛋白质 CDS 的数量扩大 30%，从约 19,500 个注释的 CDS 增加到超过 26,000 个注释的 CDS。然而，对这些 ORF 的进一步审查提出了许多问题，即它们中有多少部分真正产生了蛋白质产物，又有多少部分可以根据对该术语的传统理解理解为蛋白质。进一步复杂化的是，已发表的非规范 ORF 估计值相差约 30 倍，从几千到几十万。这项研究的总结让基因组学和蛋白质组学界既对人类基因组中新编码区域的前景感到兴奋，又在寻找如何继续的指导。在这里，我们讨论了非规范 ORF 研究、数据库和解释的现状，重点是如何评估给定的 ORF 是否可以说是“蛋白质编码”。
![arxiv：2503.08603v1 [cs.lg] 2025年3月11日](/simg/g:\will\search\icon\source\9\968cf1f5162a00ad844ae1cc3a7b748f33f0e2f5.webp)
arxiv：2503.08603v1 [cs.lg] 2025年3月11日
摘要。细胞显微镜数据丰富；但是，相应的分割注释仍然很少。此外，细胞类型，成像设备和染色技术的变化引入了数据集之间的重要差距。因此，在各种数据集（源数据集）上训练的大型，预处理的销售模型都难以推广到看不见的数据集（目标数据集）。为了克服这个通用的问题，我们提出了细胞风格，它提高了此类模型的分割质量，而无需为目标数据集提供标签，从而实现了零照片的适应性。CellStyle将未注释的目标数据集（例如纹理，颜色和噪声）的属性转移到注释的源数据集。在保留源图像的单元格形状时进行此转移，以确保在维护目标数据集的视觉特征的同时仍然可以使用现有的源注释。带有现有注释的样式合成图像使通才分割模型的填充能够应用于未经通知的目标数据。我们证明，通过对样式转移数据的多个分割模型进行验证，CellStyle可以显着改善各种数据集的零光单元分割性能。该代码将公开可用。
空间社会结构的可视化 - Danny Dorling
I 曼德布洛特集无穷远处的两幅图像（彩色）。1 II 英国北部的土地使用特写（彩色）。2 III 10% 样本中十多人在各个选区之间的通勤流量。3 IV 1983-1987 年按价格、属性和销售变化的住房分布。4 V 1976 年所有地区之间的移民流动——按相邻顺序排序的流动。5 VI 1980/1981 年英格兰和威尔士选区之间的年度移民流动。6 VII 1971-1981 年英国年龄和性别分布的变化（彩色）。7 VIII 英国北部选举地图上的投票构成（彩色）。8 IX 英国南部选举地图上的投票构成（颜色）。9 X 行业、地位和性别的就业分布（颜色）。10 XI 计算机传统动画的静态图像（颜色）。11 XII 计算机光线追踪动画的静态图像（颜色）。12 XIII 曼德布洛特集和朱利亚集的光线追踪表面。13 XIV 可视化傅里叶变换——科学中的艺术（颜色）。14 XV 色彩迷宫——低分辨率图像可以显示的细节（颜色）。15 XVI 曼德布洛特集的可视化——放大和概括（颜色）。16 XVII 从泰恩赛德公路网出发的旅行时间（颜色）。17 XVIII 三种备选配色方案和键（颜色）。18 XIX 英国出生地集中度（颜色）。19 XX 伦敦人口、年龄、性别和子女分布（颜色）。20 XXI 伦敦出生地分布（颜色）。21 XXII 伦敦就业、职业和毕业生分布（颜色）。22 XXIII 英国各大工业集团分布，1987 年（颜色）。23 XXIV 各大工业集团分布变化，1984-87 年，增加（颜色）。24 XXV 1984-87 年各大工业集团分布变化，呈下降趋势（彩色）。25 XXVI 1984-1987 年各行业、地位和性别的就业变化（彩色）。26 XXVII 英国北部选举地图的政治摇摆（彩色）。27 XXVIII 英国南部选举地图的政治摇摆（彩色）。28 XXIX 英格兰和威尔士地方选举的投票分布（彩色）。29 XXX 英国土地使用情况（按 1km 方格划分）（彩色）。30 XXXI 欧洲二级地区 — 带注释的底图，按失业率着色。5831 XXXII 郡和苏格兰地区——带注释的底图，以失业率着色。32 XXXIII 家庭从业者委员会区域——带注释的底图，以失业率着色。33 XXXIV 地方教育当局——带注释的底图，以失业率着色。34 XXXV“功能性城市”——带注释的底图，以失业率着色。35 XXXVI 当地劳动力市场区域——带注释的底图，以失业率着色。36 XXXVII 通勤区域——带注释的底图，以失业率着色。37 XXXVIII 地方政府区——带注释的底图，以失业率着色。38 XXXIX 议会选区——带注释的底图，以失业率着色。39 XL 合并办公区——带注释的底图，以失业率着色。40 XLI 邮政编码区域——随机着色（颜色）。41 XLII 邮政编码区——随机着色（颜色）。42 XLIII 邮政编码区——随机着色（颜色）。43 XLIV 等土地面积投影的英国大陆铁路网络。44 XLV 等人口投影的英国大陆铁路网络。45 XLVI 等土地面积投影的英国主要公路网络。46 XLVII 等人口投影的英国主要公路网络。47 XLVIII 面积统计图实验（彩色）。48 XLIX 英国人口连续面积统计图（彩色）。49 L 县界显示保持选区连续性的桥梁。50 LI 各县人口统计图的演变。51 LII 县人口统计图，箭头表示拓扑结构。52 LIII 等面积投影上的地方当局区，已编入索引以便识别。53 LIV 地方当局区 — 按字母顺序排列的索引列表。54 LV 地方当局区统计图，已编入索引以便识别。55 LVI 等面积投影上的议会选区，已编入索引以便识别。56 LVII 议会选区 — 已编入索引，按字母顺序列出。57 LVIII 议会选区地图已编入索引，便于识别。
DrugOOD：人工智能辅助药物发现的分布外数据集管理和基准 - 重点关注带有噪声注释的亲和力预测问题
人工智能辅助药物发现 (AIDD) 因其能够使新药搜索更快、更便宜、更有效而越来越受欢迎。尽管它广泛应用于众多领域（例如 ADMET 预测、虚拟筛选），但对带噪声的分布外 (OOD) 学习问题的研究却很少。我们提出了 DrugOOD，一个系统的 OOD 数据集管理和 AIDD 基准。具体来说，我们专注于药物-靶标结合亲和力预测问题，其中涉及大分子（蛋白质靶标）和小分子（药物化合物）。DrugOOD 提供了一个自动化的数据集管理者，具有用户友好的自定义脚本、与生物化学知识一致的丰富领域注释、逼真的噪声水平注释以及 SOTA OOD 算法的严格基准测试，而不是仅提供固定数据集。由于分子数据通常使用图神经网络 (GNN) 主干建模为不规则图，因此 DrugOOD 还可作为图 OOD 学习问题的宝贵试验台。大量的实证研究表明，分布内和分布外实验之间存在显著的性能差距，这强调了需要开发更有效的方案，以允许 AIDD 在噪声下进行 OOD 泛化。
分析主动学习策略在机器学习问题上的表现
行业数字化正在迅速发展，数据可能性与日俱增。机器学习模型需要大量经过良好注释的数据才能获得良好的性能。要获得经过良好注释的数据，需要专家，但这很昂贵，而且注释本身可能非常耗时。机器学习模型的性能取决于数据集的大小，因为良好的性能需要大量的注释。主动学习已成为一种通过选择性注释来增加数据量的解决方案。主动学习策略可用于根据信息量或不确定性来选择数据点，而不是随机标记数据点。挑战在于确定针对机器学习模型和问题类型的组合的最有效的主动学习策略。虽然主动学习已经存在了一段时间，但基准测试策略尚未得到广泛探索。