用实验功能数据训练模型,显著提升肿瘤反应性 TCR 预测
bravo_abad · x · 2026-09-21
作者解读一项关于肿瘤免疫研究的工作:判断某个免疫细胞受体(TCR)是否真正识别癌细胞,直接测很贵,业内常用代理指标。St. Paul、Hendrikse 等作者的思路是先拿硬数据——从患者体内取出受体装入测试细胞,暴露于多发性骨髓瘤细胞,直接测出「是否被激活」这一功能标签。再用带这些标签的数据训练名为 PreGame 的随机森林模型,输入基因表达、表面蛋白等分子信息,训练后即可对大量受体打分,无需每个都跑完整实验。核心方法论启示:在科学问题上,用昂贵但直接的功能标签训练,优于用易测的代理指标。
「研究」频道最新
- AI for Science 周报：跨领域重复模式与可迁移的科研方法论 — bravo_abad · 2026-09-21
- Komlós 猜想再添更简证明,Karingula 与 Lovett 新版 arXiv 上线 — stevenstrogatz · 2026-09-21
- Komlós 猜想被宣布解决,数学家点出其对神经网络量化的隐含意义 — stevenstrogatz · 2026-09-21
- CIC+LEM 竟可证明 Con(ZF)，Mario Carneiro 用 AI 工具获突破 — leloykun · 2026-09-21
- Qwen 团队发布 OmniVChat:原生音视频对话的数据引擎与基准 — Qwen · 2026-09-21
- 小米 MiMo-V2.6 强化学习实录：checkpoint 里到底存了什么 — tokenbender · 2026-09-21