Nat. Commun. 速递:深度学习预测复杂网络系统韧性

拓扑编码器:使用图神经网络(GNN)对输入的邻接矩阵进行建模,通过消息传递机制递归聚合来自邻居节点的特征,生成每个节点的多跳邻域的区分性拓扑表示。k空间投影器:将学习到的系统动力学和系统拓扑结构的表示聚合到一个虚拟全局节点中,提供系统级的特征表示。随后,通过多头自注意力网络动态融合这些轨迹表示,并使用降维网络...

中国科大建立新的蛋白质从头设计方法

在论文中,团队报道了9种从头设计的蛋白质分子的高分辨晶体结构(图2),它们的实际结构与设计模型一致,其中5种蛋白质具有天然蛋白质中尚未观察到的新型拓扑结构。图2.从头设计蛋白的高分辨晶体结构(天蓝色)与设计模型(绿色)比较。Nature杂志的审稿人认为,“与现有方法不同,现有方法要么使用参数方程来描述预定义螺旋...

追问weekly | 过去一周,脑科学领域有哪些新发现?

第一种方法利用腺相关病毒(AAV)标记神经元突触,通过荧光信号区分突触位于吞噬溶酶体内外的状态,结合对OPCs的免疫染色,精确分析30-50个OPCs的突触吞噬情况。第二种方法则从解离的脑组织中分离出OPCs,使用荧光抗体标记突触前蛋白,并通过流式细胞术对数万个OPCs进行分析。这两种方法大大提高了突触修剪的检测精度,并可...

...拓扑关系图的回显,采用动画形式和逐步点亮方式进行拓扑结构的...

对网络数据进行拓扑关系图的回显,采用动画形式和逐步点亮方式进行拓扑结构的绘制,以动态观察数据变化,同时通过信息模块按需交互式呈现最小粒度的数据信息。

千万IP创科普丨几何图神经网络综述:数据结构、模型与应用

4.1消息传递神经网络图神经网络(GNNs)通过消息传递机制在图的帮助下进行操作,更新节点的嵌入以实现信息沿着图结构的传播。具体来说,消息传递GNNs通过在每个层中迭代以下消息传递过程来实现拓扑图G上的??(G)。节点特征hi、hj和边特征eij首先由消息函数合成以获得消息mij。然后,邻居中的消息通过一组函数进行聚合,...

脑、网络与信息:大尺度脑网络结构与动力学建模

1、从网络结构到时间尺度层级性2、狨猴皮层多区域模型四、总结一、大脑网络结构的传统理论1、图论基础与小世界网络??图论基础七桥问题是图论和拓扑学的开端,欧拉通过将河岸抽象为顶点,桥梁抽象为边,从而圆满地解决了这一问题(www.e993.com)2024年11月20日。借助于这种抽象和简化的数学方法,我们可以对大脑进行简化建模,构建其结构网络。

AI4Science基石:几何图神经网络,最全综述来了

对于众多AIforScience领域,几何图是一种有力且通用的表示方法,其可以用于表示众多物理系统,包括小分子、蛋白质、晶体、物理点云等。几何图神经网络模型根据实际问题中的求解目标对于对称性的要求,本文将几何图神经网络分为三类:不变(invariant)模型、等变(equivariant)模型、以及受Transformer架构启发的Geome...

中南大学团队发布 AdaDR,基于自适应图卷积网络进行药物重定位

该研究提出了一种名为AdaDR的自适应GCN方法，通过深度集成节点特征和拓扑结构来进行药物重定位。与传统的图卷积网络不同，AdaDR通过自适应图卷积操作来模拟它们之间的交互信息，从而增强了模型的表达能力。具体而言，AdaDR同时从节点特征和拓扑结构中提取嵌入，并利用注意力机制(attentionmechanism)学习嵌入...

入选ICML!人大团队将等变图神经网络用于靶蛋白结合位点预测,性能...

*基于CNN的方法:DeepSite,Kalasanty,DeepSurf,RecurPocket*基于拓扑图的模型:GAT,GCN和GCN2*基于空间图的模型:SchNet,EGNN评估模型采用的指标包括DCC(预测的结合位点中心与真实的结合位点中心之间的距离)、DCA(预测的结合位点中心与任何配体网格之间的最短距离)和失败率(没有任何预测...

探索网络影响力的新视角:DomiRank中心性与网络结构的脆弱性

图2在攻击2D-网格、Erd??s-Rényi和Barabási-Albert网络中将DomiRank与其他中心性指标进行比较。为了更全面地评估DomiRank的性能,研究者分析了不同大小的多种真实网络拓扑。包括航空运输网络(RyanAir连接)、神经网络(秀丽隐杆线虫)、空间网络(美国西部电网)、引文网络(高能物理学arXiv)、社交网络(LiveJourna...