Fungi are important chassis organisms for sustainable biomanufacturing owing to their strong secretion capacity, metabolic diversity, and adaptability to industrial processes. Driven by the rapid development of Artificial Intelligence (AI), computational approaches that enable machines to learn patterns from data and make predictions, together with omics technologies and synthetic biology, data- and model-driven strategies are increasingly reshaping fungal cell factory design and optimization. This review summarizes recent advances in AI-enabled fungal biomanufacturing, covering AI-assisted ge
СтатьяОбзорПоиск 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.
Non-alcoholic fatty liver disease (NAFLD) has become as a metabolic disorder posing a significant threat to public health, with no presently available effective treatment. Circulating insulin degradation constitutes a pivotal process regulating insulin concentration and biological activity in the bloodstream, and its capacity is closely associated with hyperinsulinaemia and hepatic lipid accumulation. Hepatic lipid accumulation represents a key pathophysiological mechanism in NAFLD. Therefore, targeting the circulating insulin degradation pathway may represent a significant therapeutic opportu
СтатьяПолный 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.
INTRODUCTION: Diagnosis of active Mycobacterium tuberculosis (Mtb) infection relies on clinical symptoms, imaging, and molecular testing, but these methods are often costly and slow. Consequently, there is an urgent need for a rapid and accessible diagnostic approach that can support early detection and reduce ongoing tuberculosis transmission.
METHODS: A discovery cohort of 3,829 individuals and an external validation cohort of 405 individuals were included. Six supervised machine learning models were trained using routine laboratory data, and model interpretability was assessed with SHapley
СтатьяВалидационное исследованиеПолный 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.
The handheld diagnosis and analysis are highly dependent on the physiological data in the clinical sector. Detection of the defect in the neuronal-assisted activity raises the challenge to the prevailing treatment that benefits from machine learning approaches. The congregated EEG data is then utilized in design of learning applications to develop a model that classifies intricate EEG patterns into active and inactive segments. During arithmetic problem-solving EEG signal acquired from frontal lobe contributes for intelligence detection. The low intricate statistical parameters help in underst
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.
Over 2 billion people worldwide are impacted by the global dilemma of access to clean and safe drinking water. The problem is most acute in low-income nations, where many people still use unimproved water sources such as exposed wells and surface water. Public health systems are heavily burdened by these sources since they are closely associated with the spread of waterborne illnesses. As a result, there are still many people who suffer from water-related health problems, especially in underdeveloped nations where access to healthcare is limited and sanitation is often inadequate. However, the
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.
PURPOSE: Early-stage oral tongue squamous cell cancer (OTSCC) has a rate of metastasis to the cervical lymph nodes of 20 to 50%. This study aimed to build and validate 4 machine learning (ML) models to predict the occurrence of lymph node metastasis before and after surgery for early-stage (cT1N0 to cT2N0) OTSCC.
MATERIALS AND METHODS: We designed a retrospective cross-sectional study and reviewed the clinical and pathologic records of patients with early-stage OTSCC. The sample was composed of 2 groups with different node status (positive or negative) and was randomly split into training (70
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.
BACKGROUND: Major depressive disorder (MDD) and vitiligo often occur together, worsening patient outcomes. However, the shared pathogenic mechanisms remain unclear.
METHODS: This study applied integrated bioinformatics to identify shared candidate markers for MDD and vitiligo. Public transcriptomic datasets from the GEO database were analyzed for differential expression. Protein-protein interaction (PPI) networks were constructed using the STRING database. Shared differentially expressed genes (DEGs) underwent GO and KEGG functional enrichment analyses. Three machine-learning algorithms were
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: Interferon-gamma (IFNG) plays a key role in immune responses in head and neck squamous cell carcinoma (HNSCC) and impacts the effectiveness of immune checkpoint inhibitors. This study developed a machine learning model that leverages pathomics to forecast IFNG expression based on histopathological images while thoroughly examining the tumor immune microenvironment in HNSCC.
METHODS: The analysis involved 271 cases from The Cancer Genome Atlas (TCGA)-HNSCC, with validation using 71 patients from the Hospital. Significant links were found between IFNG expression, clinical features
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.
BACKGROUND: Crohn's disease (CD) is a chronic inflammatory bowel disease with rising global incidence. Its multifactorial etiology involves genetic, environmental, microbial, and immunological factors. Current diagnostic methods are invasive and costly, underscoring the need for improved biomarkers and non-invasive tools for early detection and monitoring.
METHODS: Using bioinformatics and machine learning, we analyzed datasets from the Gene Expression Omnibus (GEO) to identify diagnostic biomarkers and immune infiltration patterns. Multi-omics integration and immune profiling were employed.
СтатьяПолный 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.
Parkinson's disease (PD) and chronic obstructive pulmonary disease (COPD) are prevalent conditions with substantial impact on quality of life and health care systems. Both disorders affect voice production through different physiological mechanisms, yet neither condition has a widely adopted objective biomarker for routine clinical use. Voice analysis has emerged as a non-invasive digital biomarker candidate, but existing studies have largely focused on binary classification within a single disorder or language. This study aimed to evaluate whether an unified multiclass machine learning (ML) f
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.
BACKGROUND AND OBJECTIVES: Archetypal analysis (AA), a form of unsupervised machine learning, can identify quantifiable visual field (VF) patterns seen in optic neuritis (ON), known as archetypes (ATs). We hypothesized that AT weight changes over time would reflect the course of recovery and the effects of therapy in ON. We explored whether baseline AT weights would be associated with VF status at the clinical trial outcome and if ATs would indicate residual VF defects in eyes with mean deviation (MD) ≥ -2.00 at six months.
METHODS: We used a published 16-AT model derived from 3892 Optic Neur
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.
Scalable analysis of biological sequences is essential for functional characterization, biomarker discovery, and therapeutic and vaccine development. Alignment-based pipelines often fail to capture intraspecific variation and become computationally limited on large datasets, while alignment-free methods treat each class as homogeneous, ignoring sample heterogeneity. We present CAMELLIA (Combining AlignMent-free fEature seLection cLassIficAtion), an alignment-free framework that combines feature selection with explainable machine learning for genomic sequence analysis and classification. CAMELL
СтатьяПолный 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.
Artificial intelligence (AI), encompassing machine learning (ML) and deep learning (DL), has revolutionized medical research, facilitating advancements in drug discovery and cancer diagnosis. ML identifies patterns in data, while DL employs neural networks for intricate processing. Predictive modeling challenges, such as data labeling, are addressed by transfer learning (TL), leveraging pre-existing models for faster training. TL shows potential in genetic research, improving tasks like gene expression analysis, mutation detection, genetic syndrome recognition, and genotype-phenotype associati
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.
This paper addresses the issues surrounding an individual's exposure to potential environmental risk factors, which can be implicated in the aetiology of a disease. We hope to further elucidate the 'lag' or latency period between the initial exposure to potential pathogens and the physical emergence of the disease, with specific reference to the rare neurological condition, motor neurone disease (MND), using a dataset obtained from the Finnish Death Certificate registry, for MND deaths between the period 1985-1995. A space-time approach is adopted, whereby patterns in both time and space are c
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.
BACKGROUND: Psychological resilience significantly influences immune function and health outcomes in high-stress populations, yet mechanisms underlying nutrition-psychology-immunity interactions remain poorly understood. This study developed an individualized prediction model integrating dietary patterns with psychological and immune adaptations to inform personalized therapeutic approaches.
METHODS: A retrospective cohort analysis examined 200 endurance athletes over 12 months using integrated datasets from NHANES athletic subcohort, UK Biobank, and training monitoring databases. Athletes we
СтатьяНаблюдательное исследованиеПолный 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.
RATIONALE: Many people being treated for opioid use disorder continue to use drugs during treatment. This use occurs in patterns that rarely conform to well-defined cycles of abstinence and relapse. Systematic identification and evaluation of these patterns could enhance analysis of clinical trials and provide insight into drug use.
OBJECTIVES: To evaluate such an approach, we analyzed patterns of opioid and cocaine use from three randomized clinical trials of contingency management in methadone-treated participants.
METHODS: Sequences of drug test results were analyzed with unsupervised mac
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.
BACKGROUND: Histone deacetylases (HDACs) regulate neuroprotection; however, Trichostatin A (TSA), an HDAC inhibitor, lacks clear molecular mechanisms and core targets in Alzheimer's disease (AD), limiting clinical translation. This study aimed to decipher TSA's AD-regulating network, screen core genes, and support AD early diagnosis and multi-target therapies.
METHODS: TSA targets were computationally predicted. Five GEO AD datasets were analyzed for differential genes and core modules, and 130 machine learning algorithms were employed to identify core genes. Functional annotation, immune cel
СтатьяПолный 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.
Prenatal exposure to heavy metals (HMs) has been the focus of international research. However, current studies tend to examine individual metals in isolation and rely on traditional linear regression models, which may not adequately reflect the complex, non-linear and interactive effects of mixed metal exposure. The aim of this study was to investigate the relationship between maternal mixed urinary HM exposure levels during pregnancy and adverse birth outcomes such as preterm birth (PTB), low birth weight (LBW) and small for gestational age (SGA) infants using advanced machine learning method
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.
BACKGROUND: Recently, extensive studies have been carried out on arrhythmia classification algorithms using artificial intelligence pattern recognition methods such as neural network. To improve practicality, many studies have focused on learning speed and the accuracy of neural networks. However, algorithms based on neural networks still have some problems concerning practical application, such as slow learning speeds and unstable performance caused by local minima.
METHODS: In this paper we propose a novel arrhythmia classification algorithm which has a fast learning speed and high accuracy
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.
BACKGROUND: Rheumatoid arthritis (RA) treatment guidelines recommend early initiation of disease-modifying antirheumatic drugs (DMARDs), but actual prescribing decisions are influenced by multiple clinical and contextual factors. Machine learning (ML) offers a promising tool to uncover patterns in treatment selection and support personalized decision-making.
OBJECTIVES: To identify the most important predictors of initial treatment in patients with newly diagnosed RA using ML algorithms applied to an international registry.
METHODS: We conducted a secondary analysis of 16,684 patients from t
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.
MedElevator
Войти в исследования