BIND：蛋白质组缺失值来源分解工具
热点事件持续更新
BIND：蛋白质组缺失值来源分解工具
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
研究团队提出基于自适应邻域的工作流 BIND，将蛋白质组数据中的缺失值（NA）区分为生物学缺失与技术性缺失。方法先将数据矩阵二值化以编码存在与缺失，再用带高斯核的上下文感知 k 近邻解卷积缺失来源，并支持聚类、生物标志物发现及用于蛋白互作推断的 NA 加权相关。 在基于 CCLE949 数据集的模拟中，BIND 的 AUC 为 0.93，后续 CCLE 分析选用 k = 10、γ = 3，并在生物学缺失与技术缺失比例 3:1 至 1:3 范围内保持稳健。在 248 例肝细胞癌组织中，BIND 区分了肿瘤与癌旁正常组织，识别候选生物标志物，并检出富集于剪接体和 DNA 复制通路的癌症特异性蛋白互作。团队还提供公开网页服务器，支持交互可视化和单细胞蛋白质组学。
AI 根据报道生成 · 2 小时前更新
最新进展10月27日 03:30
BIND 方法将蛋白组缺失值拆分为生物学与技术来源报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- Briefings in BioinformaticsBIND 方法将蛋白组缺失值拆分为生物学与技术来源
研究团队提出生物学信息缺失值解卷积方法 BIND，一种基于自适应邻域的工作流，把蛋白组数据中的缺失值（NA）区分为生物学缺失与技术性缺失。BIND 先将矩阵二值化以编码存在与缺失，再用带高斯核的上下文感知 k 近邻解卷积缺失来源，支持聚类、生物标志物发现以及用于蛋白互作推断的 NA 加权相关。在基于 CCLE949 数据集的模拟中，BIND 的 AUC 为 0.93，后续 CCLE 分析选用 k = 10 与 γ = 3，并在生物学缺失与技术缺失比例从 3:1 到 1:3 的范围内保持稳健。
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。