阿尔茨海默病基因组三维结构异常：DNA折叠紊乱揭示疾病新层面
卡内基梅隆大学、匹兹堡大学与华盛顿大学研究团队在Science发文，利用单细胞技术、脑组织空间映射与深度学习模型发现阿尔茨海默病患者特定脑细胞中基因组三维折叠结构发生改变，并将这些改变与基因活性漂移和组织结构变化关联，为治疗提供新靶点层。
深度学习
共 5 篇 · B910化工 · AI 化学信息库
Nature Materials：深度学习设计扭转范德华多层结构中的纳米极化激元传播
研究团队将深度神经网络与扭转极化激元多层结构结合，在扭转α-MoO3同质结构中实现了按需设计的声子极化激元传播，包括沟道化、双沟道化和三沟道化，覆盖600-800 cm-1的全新频率范围，并展示了聚焦与分束等功能，为纳米光学器件设计提供了新范式。
AI解码疫苗应答密码：接种前'哨兵抗体'指纹可预测免疫反应强弱
亚利桑那州立大学团队在Cell Press Blue发表研究，通过分析4089名受试者对185种抗原的抗体谱（8687份样本），结合深度学习模型，发现接种前即存在的常见微生物抗体（如金黄色葡萄球菌、RSV等）可作为'哨兵抗体'，预测新冠疫苗应答强弱——包括健康人群中5-6%的弱应答者，为个体化疫苗接种策略提供框架。
arXiv：物理对齐深度学习让SERS光谱直接测序动态单分子DNA
8月17日提交arXiv的研究开发物理对齐深度学习框架，整合对比注意力多示例学习，从强噪声、瞬态采样的单分子表面增强拉曼光谱轨迹中重建DNA寡核苷酸序列，攻克光谱异质性与背景干扰三大障碍。该工作把SERS从能测单分子推向能读单分子序列，为纳米孔之外的廉价单分子测序与蛋白质测序提供新工具。
深度学习框架实现高熵合金AlCrFeNi多相微结构300万步演化预测
研究人员提出AE-GCN-LSTM代理模型框架，利用多头自编码器和图卷积网络预测AlCrFeNi高熵合金中BCC/FCC多相微结构演化，时间跨度达300万模拟步。在未见过的条件下无需重训练即可泛化，计算效率较传统相场模拟大幅提升。