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: 412 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
Accurate identification of DNA promoter regions is crucial for understanding gene regulation, yet remains challenging. Existing models often struggle to generalize across species or promoter types due to their inability to model functional degeneracy and capture subtle regulatory signals. To address this, we propose GLIMP, a novel promoter classification framework that integrates a large-scale genomic language model with Graph Neural Networks (GNNs). The core innovation of GLIMP lies in its multimodal fusion of a Shapelet-guided Weighted Context-Aware Interaction Network (WC-IDNG) graph repres
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.
Short antimicrobial peptides (AMPs) are promising anti-infective agents due to their broad-spectrum antimicrobial activity, low likelihood of inducing resistance, and relative ease of synthesis and optimization. In this study, we developed GW-AMP, a residue-level graph neural network model that integrates sequence-derived descriptors with predicted structural information to facilitate the discovery of short AMPs. GW-AMP demonstrated robust and balanced classification performance in both cross-validation and an independent test set, outperforming several established AMP prediction models. Guide
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.
Parkinson's disease (PD) is a complex neurodegenerative disorder lacking effective disease-modifying treatments. In this study, we integrated large-scale protein-protein interaction networks with a multi-modal graph neural network (GNN) to identify and prioritize multi-target drug repurposing candidates for PD. Network analysis and advanced clustering methods delineated functional modules, and a novel Functional Centrality Index was employed to pinpoint key nodes within the PD interactome. The GNN model, incorporating molecular descriptors, network topology, and uncertainty quantification, pre
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.
Graph Neural Networks (GNNs) for gait analysis utilizing Vertical Ground Reaction Force (VGRF) signals have demonstrated significant potential in Parkinson's Disease (PD) diagnosis and rehabilitation fields. However, existing GNN-based methods in this area normally model the VGRF signals as static topological structures, and ignore the dynamic variations of the VGRF graph structures during walking. To address this issue, a Global-Local Dynamic Directed Graph Neural Network (GL $\text {D}^{{2}}$ -GNN) is proposed to represent the dynamic spatio-temporal features of VGRF signals. The core compon
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.
Objective.Obstructive sleep apnea (OSA) is a prevalent sleep disorder. Accurate sleep staging is one of the prerequisites in the study of sleep-related disorders and the evaluation of sleep quality. We introduce a novel GraphSleepFormer (GSF) network designed to effectively capture global dependencies and node characteristics in graph-structured data.Approach.The network incorporates centrality coding and spatial coding into its architecture. It employs adaptive learning of adjacency matrices for spatial encoding between channels located on the head, thereby encoding graph structure informatio
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.
Attention deficit hyperactivity disorder (ADHD) is a common neurodevelopmental disorder that is characterized by inattention, hyperactivity, and impulsivity. The neural mechanisms underlying ADHD remain inadequately understood, and current approaches do not well link neural networks and attention networks within brain networks. Our objective is to investigate the neural mechanisms related to attention and explore neuroimaging biological tags that can be generalized within the attention networks. In this paper, we utilized resting-state functional magnetic resonance imaging data to examine the
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.
The Brain Tumor presents a highly critical situation concerning the brain, characterized by the uncontrolled growth of an abnormal cell cluster. Early brain tumor detection is essential for accurate diagnosis and effective treatment planning. In this paper, a novel Convolutional Neural Network (CNN) based Graph Neural Network (GNN) model is proposed using the publicly available Brain Tumor dataset from Kaggle to predict whether a person has brain tumor or not and if yes then which type (Meningioma, Pituitary or Glioma). The objective of this research and the proposed models is to provide a sol
СтатьяПоддержка исследования: вне правительства СШАПолный 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.
In indoor light environment design, the dynamic interaction between human behavior and lighting systems has an important impact on environmental perception results. However, existing methods are difficult to describe its spatial structure and temporal evolution characteristics at the same time. To this end, this paper constructs a human-light spatio-temporal relationship modeling method based on graph attention spatio-temporal graph neural network, which uniformly represents human body nodes and lamp nodes as spatio-temporal graph structures, and introduces heterogeneous graph attention and ad
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.
Systemic lupus erythematosus (SLE) is an autoimmune disorder intricately linked to genetic factors, with numerous approaches having identified genes linked to its development, diagnosis and prognosis. Despite genome-wide association analysis and gene knockout experiments confirming some genes associated with SLE, there are still numerous potential genes yet to be discovered. The search for relevant genes through biological experiments entails significant financial and human resources. With the advancement of computational technologies like deep learning, we aim to identify SLE-related genes th
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.
Amyloid transthyretin (ATTR) amyloidosis caused by transthyretin misfolded into amyloid deposits in nerve and heart is a progressive rare disease. The unknown pathogenesis and the lack of therapy make the 5-year survival prognosis extremely poor. Currently available ATTR drugs can only relieve symptoms and slow down progression, but no drug has demonstrated curable effect for this disease. The growing volume of pharmacological data and large-scale genome and transcriptome data bring new opportunities to find potential new ATTR drugs through computational drug repositioning. We collected the AT
СтатьяПоддержка исследования: вне правительства СШАПоиск 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: Prostate cancer (PCa) is one of the most prevalent malignancies in men, and active surveillance (AS) is the recommended management strategy for low- and favourable intermediate-risk disease. Predicting which patients will progress during AS remains a clinical challenge. MRI-derived radiomics has shown promise for risk stratification, but conventional machine learning approaches treat radiomic features as independent variables and may not capture the complex inter-feature dependencies within imaging data. This study evaluates the application of Synolitic Graph Neural Networks (SGNNs
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.
Gene essentiality, the requirement of a gene for survival or proliferation, is central to understanding cellular processes and identifying drug targets. Experimental determination requires large growth screens that are time-consuming and expensive, motivating in silico approaches. Existing methods predominantly use flux balance analysis (FBA), a constraint-based optimisation framework that requires a predefined cellular objective function. This can introduce observer bias, because the objective often reflects the researcher's assumptions rather than the cell's biological goals. Here, we presen
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.
Triple-negative breast cancer (TNBC) is an oncology indication with urgent need for drug discovery and limited targeted therapies. This work benchmarked several graph neural network (GNN) models for binary drug-sensitivity prediction in TNBC under conditions of scaffold-aware evaluation. A benchmark dataset of 3433 TNBC drug-cell line samples from 373 distinct compounds was compiled from GDSC and labeled using thresholds on IC[Formula: see text] activity measurements. Five GNN architectures (Graph Convolutional Networks, Graph Attention Network v2, Graph Isomorphism Network with edge 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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2025eng
Early and accurate diagnosis of retinal diseases is crucial, as many of these conditions can be prevented or managed effectively with timely treatment. Optical Coherence Tomography (OCT) is a widely used medical imaging technique that provides high-resolution visualization of the retina, allowing the detection of abnormalities. Current state-of-the-art methods predominantly rely on extracting either local or global features using Convolutional Neural Networks or Vision Transformers from OCT images. Moreover, few existing ensemble methods primarily focus on concatenation and decision-level feat
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.
Cooperative spectrum sensing (CSS) plays a vital role in cognitive radio networks (CRNs). CSS enables efficient spectrum utilization and improves communication reliability through dynamic detection of underutilized frequency bands. However, the methods which evolved earlier face limitations like reduced detection accuracy and high false alarm rates in low Signal-to-Noise Ratio (SNR) conditions. Efficient allocation of spectrum resources in cognitive radio networks is affected by unreliable sensing at low signal-to-noise ratios, which leads to missed detections and false alarms. To overcome 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.
Storm water systems (SWSs) are essential infrastructure providing multiple services including environmental protection and flood prevention. Typically, utility companies rely on computer simulators to properly design, operate, and manage SWSs. However, multiple applications in SWSs are highly time-consuming. Researchers have resorted to cheaper-to-run models, i.e. metamodels, as alternatives of computationally expensive models. With the recent surge in artificial intelligence applications, machine learning has become a key approach for metamodelling urban water networks. Specifically, deep lea
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: Autism Spectrum Disorder (ASD) affects 1 in 100 children globally, yet early detection remains challenging due to reliance on subjective behavioral assessments and limited specialist availability, particularly in resource-constrained settings. Eye-tracking biomarkers offer objective, quantitative measurements of visual attention patterns, but existing Neural Network approaches lack systematic evaluation across diverse neural network architectures and multi-site data. This study provides a comprehensive comparison of Graph Neural Networks, Long Short-Term Memory networks, and Multil
СтатьяМногоцентровое исследованиеПоиск 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.
To identify novel GPR17-targeting ligands with potential relevance to multiple sclerosis (MS) therapy, we developed an integrated computational workflow combining graph neural network (GNN)-based prediction with multistage structure-based validation. GPR17 is a class A G protein-coupled receptor implicated in oligodendrocyte differentiation, neuroinflammation, and remyelination, making it a remarkable target for myelin repair. A curated dataset of 323 chemically diverse ligands with experimentally reported pIC50 values was assembled from the literature and used to train an NNConv-based GNN mod
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.
Accurate prediction of chemical toxicity is essential for environmental risk assessment and the protection of non-target organisms, such as pollinators. In this study, a Graph Neural Network (GNN) was employed to model the toxicity of organic compounds to bees, using molecular graphs derived from SMILES strings. The model achieved an average AUC-ROC of 0.76 on the test set and 0.97 on the training set, with low standard deviations (± 0.03), indicating consistent performance across cross-validation folds. The combined ROC curve of all test folds yielded an overall AUC-ROC of 0.802, demonstratin
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.
Graph Neural Networks (GNNs) are powerful tools for predicting chemical shifts in Nuclear Magnetic Resonance (NMR) spectroscopy. In this paper, we improve the state-of-the-art mean absolute error (MAE) on the Ilm-NMR-P31 dataset for the prediction of 31P shifts from 11.4 ppm to 8.88 ppm by proposing a lightweight GNN which is based on the Metalayer-Framework. Furthermore, we analyze the performance of our model depending on the size of the training dataset and compare our model with different state-of-the-art models. Finally, we demonstrate how the GNN's predictions can be interpreted and visu
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.