Уникальные публикации PubMed, Europe PMC и Crossref, сохранённые в библиотеке. Одна статья учитывается один раз, даже если получена из нескольких источников. Личные исследования и документы команд не публикуются.
Идёт проверка счётчикаДоступно в поиске—
Публикации, уже подготовленные для быстрого поиска. Остальная библиотека подключается в фоне.
Переведено на русский—
Готовые переводы среди доступных в поиске публикаций. Автоматический медицинский перевод и проверка специалистом учитываются отдельно.
Полные тексты—
Найденные полные тексты среди доступных в поиске публикаций. Доступность определяется первоисточником и условиями использования.
Оригиналов на русском—
Русскоязычные оригиналы доступны без ожидания перевода. Ниже — языки остальных оригиналов; для них готовится медицинский перевод на русский.
Пополняем библиотеку по диагнозам—Проверяем состояние обновлений
Для каждого диагноза из справочника МКБ-10 ищем связанные публикации в научных базах и добавляем их в библиотеку. Числа ниже — диагнозы, а не статьи.
Если сбор прервался, тема требует повторной попытки. Уже сохранённые статьи остаются в библиотеке.
Нажмите на показатель для подробностей. Показатели поиска обновляются автоматически; размер всей библиотеки сверяется отдельно. Время последней проверки указано явно.
Результаты поиска
1852 публикаций
Поиск: 134 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 311 с найденным полным текстом
IEEE transactions on computational biology and bioinformatics2026eng
Drug-Target Affinity (DTA) prediction is a crucial step in discovering and developing new pharmaceuticals. However, existing approaches remain limited in modeling multimodal features and capturing cross-modal interactions, often failing to fully characterize complementary information of drugs and proteins at the sequence, structural, and topological levels. To address these limitations, we propose MAGNN-DTA, a cross-modal mutual attention graph neural network framework for DTA prediction. First, MAGNN-DTA adopts a dual-path feature extraction module to extract sequence features and graph featu
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.
Traditionally, statistical and machine learning (ML) algorithms have been used to develop risk prediction models for adverse clinical events, such as atrial fibrillation (AF) after stroke. However, these algorithms often fail to encapsulate or exploit possible connections between patients, assuming each patient is fully independent. This study builds a graph of patients interlinked by their medical histories to create a graph-based risk prediction model for AF. We investigate the ability of Graph Convolutional Networks (GCN) and Graph Attention Networks (GAT) to predict AF risk in critically i
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.
Early evaluation of absorption, distribution, metabolism, and excretion (ADME) properties is crucial for streamlining drug development. Traditional in vivo and in vitro approaches are often expensive. Moreover, during lead optimization, these methods rely heavily on the expertise of specialists, leading to efficiency challenges. Consequently, in silico methods for ADME prediction are attracting increasing attention. However, existing in silico methods face two major issues: a decline in predictive performance caused by limited ADME data and a lack of clarity regarding the rationale for lead op
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.
PURPOSE: This study investigates the application of Radiomic features within graph neural networks (GNNs) for the classification of multiple-epitope-ligand cartography (MELC) pathology samples. It aims to enhance the diagnosis of often misdiagnosed skin diseases such as eczema, lymphoma, and melanoma. The novel contribution lies in integrating Radiomic features with GNNs and comparing their efficacy against traditional multi-stain profiles.
METHODS: We utilized GNNs to process multiple pathological slides as cell-level graphs, comparing their performance with XGBoost and Random Forest classif
СтатьяСравнительное 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.
OBJECTIVE: Investigation of explainable deep learning methods for graph neural networks to predict HIV infections with social network information and performing domain adaptation to evaluate model transferability across different datasets.
METHODS: Network data from two cohorts of younger sexual minority men (SMM) from two U.S. cities (Chicago, IL, and Houston, TX) were collected between 2014 and 2016. Feature importance from graph attention network (GAT) models were determined using GNNExplainer. Domain adaptation was performed to examine model transferability from one city dataset to the ot
СтатьяПоддержка NIH: внешняя программаПолный 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.
Discovering gene regulatory relationships and reconstructing gene regulatory networks (GRN) based on gene expression data is a classical, long-standing computational challenge in bioinformatics. Computationally inferring a possible regulatory relationship between two genes can be formulated as a link prediction problem between two nodes in a graph. Graph neural network (GNN) provides an opportunity to construct GRN by integrating topological neighbor propagation through the whole gene network. We propose an end-to-end gene regulatory graph neural network (GRGNN) approach to reconstruct GRNs fr
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 OBJECTIVE: Atrial Fibrillation (AF) is the most common cardiac arrhythmia and is associated with high risk of stroke and heart failure. While pulmonary vein isolation is a standard treatment, its efficacy is suboptimal for patients with persistent AF (PsAF), resulting in high recurrence rates. Increasing evidence indicates that fibrotic remodeling can create arrhythmogenic substrates outside the pulmonary veins, which may contribute to recurrence. Previous works have shown that PsAF Digital Twins (DT) can locate these arrhythmogenic regions and inform ablation targets for AF tre
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.
Background Resistance to targeted cancer therapies, such as osimertinib in EGFR-mutant lung cancer, remains a major obstacle to effective treatment. Predicting synergistic drug combinations offers a promising strategy to overcome such resistance; however, the nonlinear and heterogeneous nature of molecular interactions makes this prediction highly challenging. This study introduces the Multimodal Molecular Drug Graph Neural Network (MMDGNN), a unified framework designed to enhance drug synergy prediction through advanced molecular representation learning. Methods MMDGNN integrates molecular fi
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.
Power flow calculation plays a significant role in the operation and planning of modern power systems. Traditional numerical calculation methods have good interpretability but high time complexity. They are unable to cope with increasing amounts of data in power systems; therefore, many machine learning based methods have been proposed for more efficient power flow calculation. Despite the good performance of these methods in terms of computation speed, they often overlook the importance of transmission lines and do not fully consider the physical mechanisms in the power systems, thereby weake
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.
Methods for categorizing Parkinson's Disease (PD) aim to automatically distinguish among healthy individuals as well as those who have the condition in addition to identifying the illness's phases or subtypes. These methods enable early detection as well as customized treatment using information from wearable sensors, MRI, DaTscan, and clinical assessments. However, there are still challenges due to the fact that symptoms from many conditions are identical, disease progression is inconsistent, there are few labelled datasets, as well as multi-modal information is diverse. Furthermore, it is so
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.
Link prediction is a fundamental task in graph machine learning. While Graph Neural Network (GNN)-based methods are mainstream, they exhibit limitations: restricted receptive fields hinder their ability to capture long-range structural information between target node pairs; the node-centric paradigm may lead to information loss as it mismatches the nature of link-centric tasks; and neighborhood node features may introduce task-irrelevant noise in link prediction scenarios, which has been less addressed by existing improvements built on the inherent GNN message-passing paradigm. We propose a To
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.
Global economic shocks such as the 2008 financial crisis or recent trade escalations between the United States and China have exposed the complexity of interdependent economies and the need for systemic, multi-agent analysis. However, most regional economic resilience (RER) studies remain limited by localized datasets, inconsistent definitions, and static modeling approaches, restricting their ability to generalize insights across space and time. We introduce EconoGNN, a Graph Neural Network framework that integrates complexity theory, economic modeling, and machine learning to predict and exp
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: With the deep integration of generation-transmission-load-storage systems, the power demand side has become highly dynamic and stochastic, challenging the traditional assumption that user behavior remains stationary over time. Static clustering models therefore suffer from sensitivity to daily noise and false user identity switching.
METHODS: This study proposes Dynamic Evolutionary Clustering (DynEC), a multi-view graph neural network framework for power user load profiling. DynEC constructs a sparse multi-view dynamic graph that captures geometric proximity, temporal alignment
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.
The P2X7 receptor, a member of the P2X receptor family, plays a crucial role in various physiological processes, particularly pain perception. Its expression across immune, neuronal, and glial cells facilitates the release of pro-inflammatory molecules, thereby influencing pain development and maintenance, as evidenced by its association with pulpitis in rats. Notably, P2X receptors such as P2X3 and P2X7 are pivotal in dental pain pathways, making them promising targets for novel analgesic interventions. Leveraging graph neural networks (GNNs) presents an innovative approach to model graph dat
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2020eng
Early diagnosis of mild traumatic brain injury (mTBI) is challenging, yet significantly important in order to grant the patients with timely treatment and mitigating the risks of possible long-term psychiatric and neurological disorders. To tackle this problem, in this paper, we develop an mTBI detection framework based on graph embedding features combined with convolutional neural networks (CNN). Cortical activity in transgenic calcium reporter mice expressing Thy1-GCaMP6s is recorded in two sessions, prior to and after inducing injury. Functional networks are then constructed for recordings
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.
For understanding dynamic biological processes such as the life cycle progression of bacteria at the single-cell level, automatic methods for tracking and state classification are needed. In this work, we propose a unified framework based on Graph Neural Networks for simultaneous bacteria tracking, division detection, and life cycle state classification. In previous work, these tasks were treated separately. With our method, trajectories are represented by a graph, where nodes represent bacteria at different time points of a live-cell microscopy video, and edges represent their interactions ov
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.
Cloud computing infrastructures must constantly maintain a balance between resource utilization and energy consumption to work effective under dynamic workloads. The training expense and generalizability of machine learning-based load balancing algorithms are both considerable, while existing methods often fails in adjusting in real time conditions. To work with both energy-aware and scalable load balancing, this research proposes a hybrid framework that combines Graph Neural Networks (GNNs) with the Grey Wolf Optimization (GWO) method. GNN gives accurate workload representation, representing
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.
Physics-aware recurrent convolutional networks (PARC) have demonstrated strong performance in predicting nonlinear spatiotemporal dynamics by embedding differential operators directly into the computational graph of a neural network. However, pixel-based convolutions are restricted to static, uniform Cartesian grids, making them ill-suited to following evolving localized structures in an efficient manner. Graph neural networks (GNNs) naturally handle irregular spatial discretizations, but existing graph-based physics-aware deep learning (PADL) methods have difficulty handling extreme nonlinear
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.
Gestational diabetes mellitus, often known as GDM, is a major health issue that causes complications for mothers and requires patient data prediction models that are complex and variable. The research in question makes use of graph-based learning in order to investigate the ways in which genetic, biochemical, and demographic elements interact in a variety of different contexts. Through the use of nodes to represent patients and lines to represent the things that they share in common, the framework illustrates how the aforementioned elements influence the likelihood of illness. Graph neural net
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.
This study employed Graph Neural Networks (GNNs), specifically an unsupervised GNN, to extract node embeddings from brain regions in both Autism Spectrum Disorder (ASD) and control groups. The objective was to identify potential biomarkers by analyzing node embeddings extracted from a graph model based on functional Magnetic Resonance Imaging (fMRI) data. Permutation tests were conducted to identify regions with significant differences in their embeddings between the two groups. Our results revealed several regions exhibiting significant differences, including the cerebellum, temporal lobe, an
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.