上篇文章（Phoenix 1.3，迈向正确的道路）简单提了下「边界」，今早在火车上，顺着这个思路想了下去，写了篇 slide，中午分享给了团队。 我们做系统，做设计，很多时候其实就是在明确边界。函数和函数要明确边界，模块和模块要明确边界，服务和服务要明确边界，应用和应用要明确边界。明确边界能让我们的代码逻辑严谨，条理清晰。边界之内，对于外部世界，是个黑盒，一切物质的非物质的交换都只能在边界上通过已知的接口（interface）完成；同时来自外部世界的 impure data 在这里被校验（validate）
武林外传里秀才怼上姬无命，来了一段关于「我是谁」的精彩逼问。 我是谁？我生从何来，死往何处，我为何要出现在这个世界上？我的出现对这个世界来说意味着什么，是世界选择了我还是我选择了世界？！我和宇宙之间有必然的联系吗？宇宙是否有尽头，时间是否有长短，过去的时间在那里消失，未来的时间又在何处停止，我在这一刻提出的问题还是还是你刚才听到的问题吗？ 我们平时很少问自己这样愚蠢的问题。很多事情，我们是如此地习以为常，以至于非但自己看不到这样的问题，当别人问道时，反而纯纯地回一句：doesn't look like an
国家癌症中心2021年年度报告显示，在全世界范围内癌症仍是最主要的死因之一。每年数以百万计的患者因癌症丧生。目前临床中使用的常规肿瘤治疗方法如化疗和放疗，由于其非靶向性分布、有限的肿瘤渗透性和严重的辅料相关毒性，极大地限制了这些技术在临床中的应用。因此，亟需开发新型有效疗法应对已有的挑战。近年来，溶瘤微生物介导的抗肿瘤疗法以其天然的肿瘤靶向能力和优良的免疫激活特性获得了广泛关注。肿瘤灶乏氧、富营养化和免疫抑制的微环境以及肿瘤细胞表面特异性高表达的受体为溶瘤细菌/溶瘤病毒提供了定植、侵染和繁殖的可能。然而，受限于溶瘤微生物的外源性特征，实现溶瘤病毒的安全高效递送极具挑战。
“消融实验”（ablation study）通常指的是通过逐步移除系统的一部分来评估该系统的贡献。这种方法旨在理解系统的不同组成部分对整体系统性能的影响（简单说，控制变量做评估）。这种实验设计常用于机器学习、计算机科学、生物学等领域。
Permutation Entropy as a Universal Disorder Criterion- How Disorders at Different Scale Levels Are Manifestations of the Same Underlying Principle
基因组倍型通常指一个生物体细胞中染色体的组合，即染色体数目的倍数。在生物学中，主要有两种类型的基因组倍型：单倍体和多倍体。
人工智能成为专门的学科诞生以来，经历了几次起落，在人们的期望和失望中摆动。即便目前在计算机、机器人中取得了许多成就，也还是显得不尽人意。业内很多人都能感觉到目前的人工智能离人类大脑的智能仍有较大差距，高等智能的提出就有这方面的因素。但究竟如何才能让人工智能更进一步走向人脑智能？还有，之前我们对智能的研究缺失了什么以至于计算机实现的智能与人脑的智能之间存在越不过去的坎？
人类科技的进步使我们逐渐迈入机器人的时代。从解放生产力的角度而言，人类的双手将得到完全的释放。媒体已经不止一次的报道，未来机器人将大面积接手我们目前的体力劳动工作，甚至部分不需要很高创造能力的智力劳动
本章介绍了主动推理的主要问题 寻求解决:当生物体与它们的环境进行适应性交换时，它们是如何生存的？我们从规范的角度讨论解决这个问题的动机，从基本原则开始，然后解开它们的认知和生物学含义。此外，本章简要介绍了这本书的结构，包括它分为两个部分:第一部分旨在帮助读者理解主动推理，第二部分旨在帮助他们在自己的研究中使用它。
Gene finding revisited: improved robustness through structured decoding from learning embeddings
原文在深度总结了RNA-seq这些年的同时，还分享了文中一些名词的解释，编译分享如下，希望有助于进一步理解学习。
2008年，当Vicki Losick获得博士学位并加入卡内基科学研究所（Carnegie Institute for Science）的果蝇实验室时，该实验室的负责人宣布，他希望他的博士后能够推出新的研究领域。她选择了一个当时流行的焦点：干细胞，即可分化成其他细胞类型的全能性细胞，在胚胎发育和成人组织的更新中发挥关键作用。Losick想知道它们是否也有助于伤口修复。因此，她和另一位博士后Don Fox开始用一根细针刺伤果蝇，希望记录干细胞的救援情况。
2019 年过去了，我想看看 AI 进展到哪一步了。特别是深度强化学习这个被人追捧为人工智能（AGI）具有变革性的关键一步，它的算法可以让机器用一种通用性的方式像人类一样学习做任何事。
早在1954年，Whitfeld等就提出了测定多聚核糖核苷酸链的降解法，该方法利用磷酸单酯酶的脱磷酸作用和高碘酸盐的氧化作用从链末端逐一分离寡核糖核苷酸并测定其种类。目的就是想通过这种一个一个“数”的方法来得到DNA的碱基顺序。
生物信息学是一门跨学科的科学领域，它将生物学、计算机科学和统计学等多个学科的知识相结合，利用计算方法和工具来解决生物学领域的问题。随着生物学数据的急剧增加，人工智能（AI）技术在生物信息学中的应用变得越来越重要。本文将介绍如何利用AI技术分析和挖掘生物大数据。
现如今，移动通信技术渗透到了社会生活的方方面面。各式各样的手机应用，已经彻底改变了我们的生活。
Unity 中自带的 3D 模型 , 可以通过选择 " 菜单栏 | GameObject | 3D Object " 选项查看 ; Unity 中的 1 单位长度 = 1 米 , 这个长度只是 约定单位 , 不是绝对要求的 , 可以根据实际情况进行修改 ;
代谢组学属于基因组学、蛋白组学的下游，与“达尔文发表进化论”、“孟德尔遗传定律”或“沃森和克里克提出DNA双螺旋”等学生时代烂熟于心的伟大遗传学说相比，代谢组的概念在30年前才被提出，在质谱检测、核磁共振检测、信息化等高端科学技术的加持下，代谢组学的研究也逐渐铺开和深入。
表示蛋白质氨基酸序列的简单字母串包含惊人的丰富信息，通过将生物信息学工具应用于基因组和蛋白质序列数据，可以解锁这些信息。
2021年1月19日，深圳华大生命科学研究院联合国内外多机构共同开发的全新空间转录组测序技术：Stereo-seq对外发布，该技术以前所未有的（亚细胞级）分辨率对组织切片进行高通量转录组分析，区域可扩展到厘米级，具有高灵敏度和均匀的捕获率。相关研究内容已经在BioRxiv上进行了预印刊载。
Generating meaning: active inference and the scope and limits of passive AI
美国斯坦福大学华人教授鲍哲南领导的研究团队在开发出一种导电性和拉伸性俱佳的高分子材料。 目前，智能服饰开始出现在我们的生活中，如何让智能服装变的既智能又人性化是科学家追求的目标。美国斯坦福大学的一位华
这个世界上最公平的，恐怕就是生老病死了。即使一个人一生的成就再大，财富再多，最终都敌不过自然规律，走向死亡。
在基于基因组-转录组-蛋白质组-代谢组的系统生物学框架内，代谢组学 (metabolomics/metabonomics) 处于最下游，最接近生物表型，主要通过考察生物体系在某一特定时期内受到刺激或扰动前后所有小分子代谢物 (分子量小于 1500 Da) 的组成及含量变化，寻找代谢物与生理病理变化的相对关系。
导语：看过《人类简史》一书的人都知道，该书从物理学，化学，生物学，政治学等学科角度，对整个人类历史做出了全方位的考察和预测，总结归纳出超越历史层面的规律和深刻意义。同样地，我们能否也从跨学科的联想中为前端工作找到一盏指路明灯呢？本文将试着从生物学的角度来做一次前端领域的小幻想。 为什么选择生物学作为参照？ 生物学是一门能打通很多跨界知识的学科。相比物理学等自然科学，生物学更深刻地揭示了世界的底层规律，其思想放之四海而皆准。 ——傅盛 从模仿蝙蝠发明了雷达，模仿蜻蜓发明了直升飞机，再到物联网（Inter
作者：Andre Ye deephub翻译组：孟翔杰 许多人没有想到，病毒就像地球上为生存而挣扎的其他生物一样，它们会进化或变异。
一直以来，为了延缓衰老，人类做出了很多努力。市面上已经诞生了大量相关药物，其实用性却有待估量。最近医学领域发生了一件大事，或许会给抗衰老事业带来巨大飞跃。
Hierarchical network structure as the source of hierarchical dynamics (power-law frequency spectra) in living and non-living systems: How state-trait continua (body plans, personalities) emerge from first principles in biophysics
代谢组学(metabonomics/metabolomics)是新近发展起来的一门学科,是研究生物体被扰动、刺激后其代谢物组种类、数量及其变化规律的科学，研究对象为基因、蛋白表达和代谢形成的中间产物和最终产物，是基因组学和蛋白质组学的延伸，但比蛋白质组学和基因组学更具动态性、时间敏感性。代谢物组为生物体内小分子代谢物的总和，因此生物体液(如血液、尿等)、细胞提取物、细胞培养液和组织等生物标本便成为代谢组学的具体检测对象。
今天为大家介绍的是来自Vadim N. Gladyshev团队的一篇论文。最近几年，对于量化生物老化（特别是基于“组学”的生物标记）的研究有所加强。这类生物标记能预测与老化相关的结果，并可能作为评估促进健康老化和延长寿命干预措施的替代重点。然而，目前还没有关于在临床应用前应如何验证老化生物标记的共识。本文回顾了当前在人群研究中评估老化组学生物标记预测有效性的努力，讨论了可比性和普适性的挑战，并提供了推动未来验证老化生物标记的建议。最后，作者讨论了系统性验证如何加速老化生物标记的临床转化以及它们在老年治疗临床试验中的应用。
过去生物学家一次研究单个基因，而现在我们可以使用高通量技术同时分析成千上万个基因。高通量技术的本质要求生物信息学工具专注于基因集而不是单个基因，例如，微阵列和蛋白质组技术能够挖掘在某些条件下差异表达的基因和蛋白质组，或在不同条件下共表达的基因和蛋白质组。
谷歌的首席未来科学家Ray kurzweil，发布了一个惊天消息：到了2029年，人类将开始正式走上永生之旅。到2045年，人类将正式实现永生！
“在我看来，到了2029年左右，人类会来到一个临界点。每过一年，人类的寿命能够延长一年，这要得益于科学技术到那个时间的发展。
生物体的化学成分是围绕碳组织的，碳占细胞干重的一半以上。碳可以与氢原子形成单键，也可以与氧原子和氮原子形成单键和双键。在生物学中最重要的是碳原子能够与多达四个其他碳原子形成非常稳定的单键。两个碳原子也可以共享两个（或三个）电子对，从而形成双键（或三键）。
不知道看过《碟中谍5》的朋友对其中一个场景是否还有印象：阿汤哥的搭档在破解了指纹解锁、三重物理旋转密码锁挑战后，迎来了“步态识别锁”。这项挑战无疑是对生物体的身体及步态进行360度无死角扫描，用来判断和识别进入者的身份。 作为压轴挑战，我们能够猜测出步态识别在身份认证方面是有一定的优势的。有资料显示，现有的生物特征包括生理特征及行为特征。生理特征包括人脸、指纹、DNA、虹膜以及静脉等等，行为特征包括语音、步态和笔迹等等，这些生物特征都具有普遍性、唯一性和稳定性，能够用于不同场景下的身份识别和认证。 尽管人脸
今天给大家介绍的是沙特阿卜杜拉国王科技大学(KAUST)高欣教授课题组(http://sfb.kaust.edu.sa)2021年1月14日发表在《Nature Computational Science》的一篇文章，“Stable maintenance of hidden switches as a strategy to increase the gene expression stability”。严重的压力下，野生型生物体可以释放出在正常条件下隐藏的替代表型，这些表型与潜在的遗传变异有关。研究人员通过使用计算模拟，分析了稳定化选择下基因电路的适应性进化。发现在最佳表达水平周围，不同的策略演化都降低了基因表达噪声的水平。为了从一个具有双稳态个体的创始种群中逐步提高基因表达稳定性，进化的方向始终是沿着提高双稳态系统潜在屏障高度的方向进行。结果表明，隐藏的表型开关可以在环境静止期间稳定地维持，有利于在发生实质性扰动时释放潜在的适应性表型选择。
非参数多样性估计方法在样本量较小且分布不均匀的群落中使用时，往往会造成严重的低估。
看到了一个生物信息学数据挖掘，标题是：《Novel ferroptosis gene biomarkers and immune infiltration profiles in diabetic kidney disease via bioinformatics》，通过大量的数据分析拿到了11个FRDEGs基因列表，然后去对这11个基因进行“屎上雕花”，它们分别是： (ALOX5, CCL5, FHL2, G0S2,IGKC,KRT19,LCN2,LTF,PRKCB,RRM2,TUBA1A) ，比如下面的go数据库的注释结果，就使用了4种展示策略 ：
每年的六月，我们都难以忘怀，因为这里有我们深深的记忆。这一月，风吹麦浪，夏季芒种。这一月，鱼跃龙门，高考必中。窗外格外安静，仿佛连花开之声都小心翼翼地有意低音。
来源：机器之心本文约2300字，建议阅读9分钟本文介绍了MIT和哈佛大学博德研究所等机构的最新研究。 来自 MIT 和哈佛大学博德研究所等机构的一项研究刚刚登上了 Nature 封面。他们创建了一个数学框架来预测基因组中非编码序列的突变及其对基因表达的影响。研究人员将能够利用这些模型来设计细胞、研发新药、寻找包括癌症和自身免疫性疾病在内的疾病新疗法。 尽管每个人类细胞都包含大量基因，但所谓的「编码」DNA 序列仅占人类整个基因组的 1%。剩下的 99% 由「非编码」DNA 组成，非编码 DNA 不携带构建蛋
大多数现代分类系统都是基于生物体之间的进化关系——即生物体的系统发育。基于系统发育的分类系统以反映我们对它们如何从共同祖先进化而来的理解的方式组织物种或其他群体。
机器学习是我一直深入研究和应用的领域，其在生物信息学中的应用尤为引人注目。通过让计算机从数据中学习模式，机器学习为处理生物信息学中的复杂问题提供了新的思路。我理解监督学习、无监督学习和强化学习等方法的区别和适用场景，这些方法在生物信息学中有着广泛的应用。
构建自主的（即基于个人需求选择目标）和自适应的（即在不断变化的环境中生存）智能 体一直是人工智能（al）的圣杯。一个活的有机体是这种代理的一个主要例子，提供了 关于适应性自主的重要课程。在这里，我们把重点放在内感受上，这是一个监控体 内环境使其保持在一定范围内的过程，它保证了生物体的生存。为了开发具有内视 知觉的人工智能，我们需要从外部环境中分解代表内部环境的状态变量，并采用内 部环境状态的受生命启发的数学特性。这篇论文提供了一个新的视角，通过将控制 论的遗产与生命理论、强化学习和神经科学的最新进展相结合，内视知觉如何帮助 构建自主和适应的主体。
选自MIT News 作者：Raleigh McElvery 机器之心编译 编辑：小舟、张倩 来自 MIT 和哈佛大学博德研究所等机构的一项研究刚刚登上了 Nature 封面。他们创建了一个数学框架来预测基因组中非编码序列的突变及其对基因表达的影响。研究人员将能够利用这些模型来设计细胞、研发新药、寻找包括癌症和自身免疫性疾病在内的疾病新疗法。 尽管每个人类细胞都包含大量基因，但所谓的「编码」DNA 序列仅占人类整个基因组的 1%。剩下的 99% 由「非编码」DNA 组成，非编码 DNA 不携带构建蛋白质的
近日，DeepMind 的研究者提出了一种人工生命框架，旨在促进智能生物体的出现。该框架中没有明确的智能体概念，而是由原子元素构成的环境。这些元素包含神经操作，通过信息交换和环境中包含的类物理规则进行交互。研究者讨论了进化过程如何导致由许多此类原子元素构成的不同生物体的出现，这些原子元素可以在环境中共存和繁荣。此外，研究者还探讨了这如何构成通用 AI 生成算法的基础，并提供了这种系统的简化版实现，讨论了需要做哪些改进才能进一步扩大规模。
Neural and phenotypic representation under the free-energy principle 2021
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
腾讯会议
实时音视频
