热点事件持续更新
VIMA：无需注释发现疾病相关空间分子结构
2 篇报道1 个报道来源12 小时前 更新
先了解这件事
AI 综述
研究者提出基于深度学习的统计方法 VIMA（variational inference-based microniche analysis），源自 Reshef 等人关于空间分子数据病例—对照分析的研究，发表于 Nature Methods。该方法可在无需将数据标注为细胞类型或生态位的情况下，识别空间分子数据中的疾病相关模式，并在多种空间分子技术与疾病中表现出高效力与高保真度。技术细节上，VIMA 基于条件变分自编码器（cVAE）学习组织斑块指纹，训练 10 组 cVAE 集成，并定义大量可重叠的“微生态位”（microniche）做丰度关联检验，可输出全局检验与给定 FDR 阈值下的局部检验，P 值校准良好。
AI 根据报道生成 · 2 小时前更新
最新进展10月6日 08:00
VIMA 方法公布：基于 cVAE 与微生态位丰度检验，无需注释即可做病例—对照分析。报道时间线
沿着报道，了解事件的不同侧面。
10月6日
- Nature · Machine LearningVIMA：空间分子数据的病例—对照分析方法
研究者提出 VIMA，一种用于空间分子数据统计病例—对照分析的方法。VIMA 基于条件变分自编码器（cVAE）学习组织斑块指纹，训练 10 组 cVAE 集成，并定义大量可重叠的“微生态位”（microniche）做丰度关联检验，可输出全局检验与给定 FDR 阈值下的局部检验，P 值校准良好。
- Nature · Machine LearningVIMA：灵活发现疾病相关组织结构
研究者提出基于深度学习的统计方法 VIMA（variational inference-based microniche analysis），可在无需将数据标注为细胞类型或生态位的情况下，识别空间分子数据中的疾病相关模式。VIMA 在多种空间分子技术与疾病中均表现出高效力与高保真度。该方法源自 Reshef 等人关于空间分子数据病例—对照分析的研究，发表于 Nature Methods。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。