Identification of virus target proteins (VTPs) is crucial for understanding viral pathogenesis. Existing computational studies have addressed this issue by predicting host-virus protein interactions, typically framed as a single-label problem. However, targets can be identified using only intrinsic information of host proteins. Moreover, a host protein may participate in the infection processes of multiple viruses, a scenario that can be treated as a multilabel prediction problem. Herein, we present MultiVTP, a multilabel framework for VTP prediction that employs graph learning with multimodal
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND AND OBJECTIVE: The Instantaneous wave-Free Ratio (iFR) is considered a potential alternative to Fractional Flow Reserve (FFR) in the diagnosis of coronary artery disease, as it does not require vasodilator administration. Nonetheless, its clinical use is similarly restricted by the need for invasive measurement. Therefore, there is an urgent need to develop a non-invasive method for calculating iFR, in order to enable rapid and non-invasive diagnosis of myocardial ischemia.
METHODS: We propose a physical framework, termed the Lumped Parameter-Neural Network (LPNN), that combines a
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Despite progress in antifungal therapeutics, invasive fungal infections are estimated to cause over one million deaths annually. In recent years, antimicrobial peptides (AMPs) have shown promise as a potential therapeutic option against such infections. Although over 2300 types of AMPs have been identified to date, the development of antifungal peptides (AFPs) has lagged behind. Therefore, the discovery of AFPs with strong efficacy against fungi remains a critical challenge. In this study, we developed an artificial intelligence system that learns from the amino acid sequences and physicochemi
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: The growing number of hypoglycaemia risk prediction models for Type 2 diabetes mellitus (T2DM) underscores the need for systematic evaluation of their risk of bias and applicability. This study summarises and critically assesses their characteristics and predictive performance using established guidelines for prediction model development.
METHODS: The review protocol was registered on PROSPERO (CRD420251031980). We searched nine main English and Chinese databases from inception to May 2025. The CHARMS checklist and PROBAST tool were used to assess the risk of bias and applicabilit
СтатьяСистематический обзорМетаанализПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Thrombosis drives substantial global mortality across atrial fibrillation, venous thromboembolism, and atherosclerosis. However, clinical scores treat risk as a static variable and omit evolving comorbidities, functional biomarkers, anatomy, and treatment exposure, leading to misclassification and preventable events. This statement advances a unified scientific agenda for patient-specific digital twins that dynamically integrate multimodal longitudinal data with mechanistic insight to predict thrombogenesis risks. We position these digital twins as hybrid models anchored in physics and data-dr
Consensus StatementСтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Artificial intelligence (AI) and machine learning (ML) are increasingly integrated into healthcare, offering potential advancements in patient-reported outcome measures (PROMs) for surgical populations. Improved PROMs can enhance patient-centered care by accurately capturing patient experiences with minimal burden.
OBJECTIVE: In the context of surgery, where recovery trajectories vary widely, this study aims to systematically review the use of AI and ML in the development, application, and prediction capabilities of PROMs in surgical populations, with a focus on psychometric prope
СтатьяСистематический обзорПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
We respond to concerns regarding fundamental data quality issues in datasets used for machine learning prediction of enzyme optimal pH (pHopt). We re-examined six questioned protein entries by tracing their annotated pH values to the original literature. Our analysis confirmed substantial discrepancies for several entries, including incorrect experimental values, misassigned protein identities, and proteins lacking the reported catalytic activity, whereas one entry was consistent with the literature. These findings support the need for rigorous verification of biochemical data underlying predi
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
IMPORTANCE: Depression most commonly first emerges during adolescence, making early prevention critical. While school-based mindfulness training (SBMT) offers a scalable prevention approach with broad reach, evidence of its effectiveness is mixed, and there is a compelling case for a more personalized approach to prevention.
OBJECTIVE: To develop a data-driven algorithm from baseline characteristics to predict which adolescents are most likely to benefit from SBMT.
DESIGN, SETTING, AND PARTICIPANTS: The My Resilience in Adolescence (MYRIAD) cluster randomized clinical trial was conducted fro
СтатьяРандомизированное исследованиеПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Climate change is a critical global challenge driven by rising greenhouse gas emissions, particularly carbon dioxide CO 2 . Accurate forecasting of CO 2 emissions is essential for developing effective mitigation strategies. This study focuses on modeling and forecasting CO 2 emissions in Iraq based on data from 1937 to 2023, incorporating climatic variables such as temperature and precipitation as exogenous variables to enhance forecast accuracy using multiple models, including traditional time series ARIMAX, Feedforward Neural Networks (FNN), Recurrent Neural Networks (RNN), and hybr
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Manual forecasting of seasonal medication demand results in inefficiencies and labor burden. With the advancement of machine learning, there is an opportunity to develop a machine learning model that can predict the expected usage of medication for the next season by identifying patterns in usage data. This study aims to assess the application of a seasonal autoregressive integrated moving average (SARIMA) model to forecast the use of inhaled albuterol. This retrospective study utilizes 5 years of administration data. The primary outcome is the model's ability to predict future usage. The seco
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Artificial intelligence (AI) is revolutionizing anesthesiology by enhancing the prediction and management of perioperative complications, including intraoperative hypotension, respiratory failure, postoperative nausea and vomiting (PONV), and pain control challenges. This scoping review synthesizes evidence from 82 studies, identified through a systematic search of PubMed, Scopus, Web of Science, and grey literature from January 2010 to September 2025, to map AI techniques, their clinical applications, and limitations. Techniques include Machine Learning (ML) (e.g., random forests, support vec
СтатьяОбзорПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Propensity for nonspecific binding-also known as polyreactivity-is a serious developability risk factor for biotherapeutic candidates. To minimize this risk, drug companies are increasingly relying on in silico tools utilizing machine learning methods, but developing these tools is challenging. For example, the available data often contains many closely related sequences originating from drug pipeline projects, which can introduce significant biases in the in silico models training and benchmarking, leading to poor generalizability on new data. We present here a workflow designed to diagnose a
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Traditional QSAR toxicity models are, in general, assessed with random train-test splits where structural overlaps between train and test compounds are allowed. This usually results in an inflated predictive performance. Therefore, this paper looks at the problem of toxicity prediction under the structural distribution shift and checks if representation-level invariance can contribute to better cross-family generalization. A set of 1792 structurally diverse organic molecules for which toxicity data (e.g., Tetrahymena pyriformis pIGC₅₀) were determined experimentally was modeled with physicoche
СтатьяПоддержка исследования: вне правительства СШАПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Alcohol use disorder is a chronic, relapsing condition. Individuals must monitor risk and take proactive steps to manage and reduce it indefinitely to prevent lapse. Smartphone sensing and machine learning offer promise as scalable tools for automating risk monitoring and delivering personalized support during recovery. Research has demonstrated that machine learning models using ecological momentary assessment can generate highly accurate predictions of immediate lapse risk (e.g., within the next hour or day). However, many risks require supports that are not immediately available. These supp
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Human leukocyte antigen class I (HLA-I) molecules are central to immunosurveillance, and accurate prediction of peptide-HLA-I binding is critical for immune target discovery and personalized immunotherapies. Although Transformer-based deep learning models have advanced sequence representation learning, they are often limited by quadratic computational complexity. In contrast, the bidirectional Mamba architecture integrates forward and backward contextual information, enabling more effective modeling of global sequence dependencies and spatial constraints within the peptide-binding groove. Beca
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
OBJECTIVE: To develop and validate a risk prediction model for gingival embrasures after clear aligner therapy using multimodal oral data.
METHODS: A retrospective study of 340 patients (December 2022-June 2025) was randomly divided into training (n = 238) and validation (n = 102) sets (7:3). Univariate analysis, multivariate logistic regression, and least absolute shrinkage and selection operator regression were applied to identify independent risk factors. Three machine learning models - random forest (RF), logistic regression, and support vector machine - were constructed based on seven co
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
INTRODUCTION: Visceral leishmaniasis (VL) is a preventable disease, but continues to cause mortality in Sudan, with transmission dynamics and potentially fatal outcomes strongly affected by local environmental conditions.
METHODS: This research presents an innovative hybrid forecasting framework that amalgamates Seasonal-Trend decomposition using Loess (STL) with four sophisticated models: Gaussian Process Regression (GPR), Long Short-Term Memory (LSTM), Temporal Pattern Attention-LSTM (TPA-LSTM), and Light Gradient Boosting Machine (LightGBM), to forecast climate-induced multivariate VL mort
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: The Australian Commission on Safety and Quality in Healthcare developed a list of sixteen potentially preventable Hospital-Acquired Complications (HACs) and an algorithm using International Classification of Disease (ICD) codes to detect them. We evaluated this algorithm's performance for diagnosing hospital-onset bloodstream infections (HO-BSI).
METHODS: Administrative records were extracted for episodes of admitted patient care from July 2016 to June 2017 at five Australian principal referral hospitals. We applied the BSI HAC algorithm to each episode, then randomly selected 50
СтатьяПоддержка исследования: вне правительства СШАПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Parameter identification of a proton exchange membrane fuel cell (PEMFC) involves estimating the unknown model parameters required to build an accurate predictive representation of fuel-cell performance using optimization-based techniques. Because these parameters are often unavailable in manufacturer datasheets, their estimation is crucial for reliable performance prediction and system evaluation. In this work, a memory-based Coronavirus Disease Optimization Algorithm (mCOVIDOA) is proposed as an enhanced optimization method for extracting PEMFC parameters. Six unknown model parameters are id
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
MedElevator
Войти в исследования