Suche

Finde Modelle, Firmen und Themen

Suche im News-Archiv nach Themen, die du dauerhaft verfolgen willst.

Ergebnisse für “Genexpression”
Forschung

<p>Multimodale Signale steigern Genexpressionsvorhersage, lange Sequenzen nicht nötig</p> <p>Die Vorhersage von Genexpressionsniveaus aus DNA‑Sequenzen ist ein zentrales Problem in der Genomforschung. Traditionell versucht man, die Eingabesequenz zu verlängern, um entfernte Enhancer zu erfassen, die die Genexpression beeinflussen können. Neue Untersuchungen zeigen jedoch, dass ein zu langer Sequenzbereich die Leistung aktueller Modelle sogar verschlechtert.</p> <p>Stattdessen haben Forscher herausgefunden,

arXiv – cs.LG
Forschung

<h1>Hierarchisches Pooling in GNNs verbessert Tumorklassifikation aus RNA‑seq</h1> <p>Eine neue Studie zeigt, dass Graph Neural Networks (GNNs) mit hierarchischem Pooling und mehreren Convolution‑Schichten die Klassifikation von Tumoren anhand von RNA‑seq‑Daten deutlich verbessern können. Dabei werden die Genexpressionsdaten des The Cancer Genome Atlas (TCGA) mit einem vorab berechneten STRING‑Protein‑Protein‑Interaktionsnetzwerk kombiniert, um sowohl das Gewebeherkunfts‑Label als auch die Unterscheidung zw

arXiv – cs.LG
Forschung

<p>DiagnoLLM: Hybridmodell vereint Bayesian-Analyse und LLM für klare Alzheimer</p> <p>Die neue Forschungsarbeit präsentiert DiagnoLLM, ein hybrides Framework, das Bayesian‑Deconvolution, eQTL‑gesteuertes Deep Learning und LLM‑basierte Narrative kombiniert, um Krankheiten nachvollziehbar zu diagnostizieren.</p> <p>Im Kern steht GP‑unmix, ein hierarchisches Modell auf Basis von Gaußschen Prozessen, das zelltypspezifische Genexpressionsprofile aus Bulk‑ und Single‑Cell‑RNA‑Seq‑Daten extrahiert und gleichzeiti

arXiv – cs.AI