热点事件观察中
OCCAM:改进的单细胞表征学习与扰动效应预测
1 篇报道1 个报道来源3 天前更新
先了解这件事
AI 综述
预印本平台 arXiv 上的一篇方法学报道提出 OCCAM,一种用于单细胞表征学习与扰动效应预测的计算模型。报道称,该方法以多层感知机为基础,结合去噪表征与基因、文本、蛋白序列等多类特征,以提升跨情境的扰动效应预测。 需要说明的是,该工作为计算方法研究,报道所述改进来自模型层面的比较与描述,尚未经同行评审;其预测性能与适用范围限于所报告的单细胞数据与扰动预测任务,不能直接推广到其他数据类型或生物学结论。
AI 根据报道生成 · 3 天前更新
最新进展11月18日 13:00
arXiv 预印本提出 OCCAM 方法,称结合多类特征可提升跨情境扰动效应预测。报道时间线
沿着报道,了解事件的不同侧面。
11月18日
本事件热度走势
当前热度 3·可比范围峰值 5(11月18日 13:00)·近 24 小时可比范围变化 -19%
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。