NCB丨邓攀团队研发的 CellNavi 通过学习基因图增强的细胞状态流形来预测指导细胞转变的基因
iNature
2025-10-13 12:29
文章摘要
背景：细胞状态转变过程中关键驱动基因的识别是细胞生物学研究的核心挑战，传统基于基因调控网络的方法存在局限性。研究目的：微软研究院邓攀团队开发了深度学习框架CellNavi，通过构建基因图增强的细胞状态流形来预测指导细胞转变的关键基因。结论：该框架能准确预测遗传、化学和细胞因子扰动引发的跨细胞类型过渡驱动基因，在细胞分化、疾病进展和药物发现等任务中表现出强大潜力，为疾病生物学研究提供了新工具。
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿，本站转载出于非商业性的教育和科研之目的，并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题，请作者速来电或来函联系。
推荐文献
Biosynthesis of Antifungal Fusacandins Reveals Distinctive Fungal <i>C</i>- and Iterative <i>O</i>-type Glycosyltransferases.
DOI: 10.1021/acschembio.5c00589
Pub Date : 2025-10-06
Navigating cell state transitions with deep learning.
DOI: 10.1038/s41556-025-01759-x
Pub Date : 2025-10-08
Construction and Diversification of Natural Product Biosynthetic Gene Clusters at High Efficiency and Accuracy.
DOI: 10.1021/acssynbio.5c00601
Pub Date : 2025-10-10
最新文章
IF=53！中山大学黄辉/张亭亭合作取得新进展
11小时前
京公网安备 11010802042870号
