专栏名称: 知社学术圈

海归学者发起的公益学术交流平台，旨在分享学术信息，整合学术资源，加强学术交流，促进学术进步

NSR本周上线：量子几何、概率计算、基因组变异、电催化、基因频率、微型LED、电池材料、材料纤维、社交媒体、单细胞转录组

知社学术圈 · 公众号 · · 2024-09-30 11:30

正文

海归学者发起的公益学术平台

分享信息，整合资源

交流学术，偶尔风月

2024年9月20- 9月 27日，有11篇NSR文章上线：

1 篇 Research Highligh
3 篇 Perspective
3 篇 Research Article
4 篇 Review

RESEARCH HIGHLIGHT

Chemo-mechanical behaviour of Ni-rich layered cathodes: insights from operando monitoring

高镍层状正极的电化学-力学行为：来自原位应力监测的见解

通讯作者：徐桂良、Khalil Amine（美国阿贡国家实验室）

https://doi.org/10.1093/nsr/nwae337

本文推介了华中科技大学黄云辉教授课题组近期NSR文章“原位监测NCM811正极中的电化学-力学演变行为”。作者认为，该工作采用的光纤传感技术在电池的植入式传感中具有较大优势，能够原位获取NCM811正极中材料层面的应力，为多晶NCM正极材料的机械失效机制提出了重要的见解。同时指出，正负极材料的颗粒形态、化学状态、反应均质性与电池性能之间的关系十分复杂，包括光纤传感技术在内的这些表征方法的持续发展对进一步了解和提高下一代锂电池的性能至关重要

PERSPECTIVE

The development of AI foundation models for single-cell transcriptomics

单细胞转录组学人工智能基础模型的发展与展望

通讯作者：张学工（清华大学生物信息学教育部重点实验室；北京信息科学与技术国家研究中心生物信息学研究部；自动化系 & 清华大学合成与系统生物学研究中心；生命科学学院；医学院）

https://doi.org/10.1093/nsr/nwae340

近年来，以大语言模型为基础模型的人工智能技术飞速发展，启发了用于单细胞转录组学的AI基础模型的开发。这些单细胞基础模型在多种下游任务上表现出色，展示了利用AI从海量数据中获取生物学知识的潜力。本文综述了当前单细胞基础模型的基本原理、主要技术和典型应用，并分享了我们对该领域开放问题和未来方向的看法。有望为单细胞基础模型研究和应用提供参考。

PERSPECTIVE

Deep-learning based representation and recognition for genome variants – From SNVs to structural variants

基于深度学习的基因组变异表征与识别：从SNV到结构变异

通讯作者：叶凯（西安交通大学自动化学院）

https://doi.org/10.1093/nsr/nwae335

本文回顾了10种典型的AI赋能变异检测算法，涵盖了从点突变到结构变异的不同类型和尺度。作者从表征和识别两个模块出发，讨论了AI在变异检测中的方法论及其优势。表征模块对基因组特征进行更深入的编码，识别模块进而以更高的精度处理复杂的变异检测任务。本文为进一步推动AI在变异研究中的应用提供了重要参考。

PERSPECTIVE

Complexity of social media in the era of generative AI

生成式人工智能时代的社交媒体复杂性

通讯作者：吕琳媛（上海人工智能实验室）

https://doi.org/10.1093/nsr/nwae323

近年语言和图像生成模型的飞速发展，使得内容的生成和定制变得更加快速便捷。本文讨论了生成式人工智能时代社交媒体的潜在变化，以及在这一时代社交媒体复杂性研究的新挑战。重点讨论了生成式人工智能对信息传播模式的改变，给社交机器人检测带来的新挑战和应对这一挑战的网络干预三个方面。

RESEARCH ARTICLE

Expanding the Russian allele frequency reference via cross-laboratory data integration: insights from 7452 exome samples

通过多实验室数据整合拓展俄罗斯人群等位基因频率数据

通讯作者： Yury A Barbitoff，Alexander V Predeus（俄罗斯生物信息研究所）

https://doi.org/10.1093/nsr/nwae326

人群等位基因频率对于准确解读医学遗传学中的变异至关重要。最近创建的几个大型等位基因频率数据库，如基因组聚合数据库（gnomAD），可作为此类研究的全球参考。许多稀有等位基因的频率在不同人群之间差异巨大，具有重要的信息价值。本文报告了俄罗斯主要医学遗传实验室之间整合遗传信息的首次成功尝试。通过分析来自莫斯科和圣彼得堡两大俄罗斯城市的七千余份外显子样本，构建了一个开放的大规模遗传变异参考RUSeq。可详细描述俄罗斯人群中来自几个主要祖先群体的遗传多样性，发现了51个俄罗斯常见的致病性变异，识别出数十个高影响力变异。数据可在线访问使用。

RESEARCH ARTICLE

Charged organic ligands inserting/supporting the nanolayer spacing of vanadium oxides for high-stability/efficiency zinc ion batteries

带电荷有机配体支撑钒氧化物纳米层状材料用于高效锌离子电池

通讯作者：庞欢（扬州大学）

https://doi.org/10.1093/nsr/nwae336

本文合成多种带电有机配体插层钒氧化物纳米材料作为水系锌离子电池阴极材料，系统研究了不同有机羧酸配体对钒氧化物结构稳定性、纳米层间距、钒元素价态变化和Zn ²⁺ 迁移速率的影响，揭示了有机羧酸配体在锌离子储存过程中的作用机理，为水系锌离子电池阴极材料的研究提供了新的见解。

RESEARCH ARTICLE

Superior probabilistic computing using operationally stable probabilistic-bit constructed by manganite nanowire

基于强关联氧化物的高性能概率计算

通讯作者：余伟超、郭杭闻、沈健（复旦大学）

https://doi.org/10.1093/nsr/nwae338

概率计算已经成为后摩尔时代新兴的计算范式之一，而如何获得具有高操作稳定性的概率比特是长期面临的核心难题。本工作中，我们报道了一种基于强关联锰氧化物电子相分离畴的新型概率比特器件。在反复的计算操作下，锰氧化物概率比特具有极高的稳定性。这一特性大幅减小了贝叶斯推理等问题的计算误差，为实现高性能概率计算提供了关键保障。

REVIEW

Scalable InGaN nanowire µ -LEDs: paving the way for next-generation display technology

可扩展的InGaN纳米线微发光二极管（ µ -LEDs）：引领下一代显示技术

通讯作者： Yong-Ho Ra（韩国全北大学）

https://doi.org/10.1093/nsr/nwae306

InGaN纳米线微型发光二极管（ µ -LEDs）以其独特的结构和优越的性能特性，成为实现更高分辨率、更广泛色域和更低能耗显示技术的关键。本文不仅分析了当前InGaN纳米线 µ -LEDs在材料合成、结构设计、性能优化以及制造工艺等方面的最新研究成果，还展望了其在可穿戴设备、柔性显示、增强现实（AR）、虚拟现实（VR）以及超高清显示等前沿应用领域的广阔前景。通过深入剖析InGaN纳米线 µ -LEDs的技术挑战与解决方案，为推动下一代显示技术的发展提供了参考和启示。

REVIEW

Flexible multimaterial fibers in modern biomedical applications

现代生物医学应用中的柔性多材料纤维

通讯作者：贾晓婷（美国弗吉尼亚理工大学）

https://doi.org/10.1093/nsr/nwae333

现代生物医学领域中，灵活的多材料纤维正成为不可或缺的创新工具，显著提升患者生活质量。随着生物医学设备制造技术的飞速进步，热拉制工艺以其灵活性和可扩展性脱颖而出，成为制造高级生物医学器件的关键技术。该工艺通过精密设计的宏观预制体，融合多种功能材料，能连续生产出数百米长的多功能纤维，集电化学传感、药物输送、光传输、温度 / 化学 / 压力传感等多种功能于一体。本文综述了热拉制多功能纤维的制造工艺，并重点介绍了其在神经接口、化学传感、组织工程、癌症治疗、软体机器人及智能穿戴等现代生物医学应用中的最新进展。最后，文章还探讨了这一快速发展领域面临的挑战及未来发展方向。

REVIEW

Quantum geometry in condensed matter

凝聚态物质的量子几何

通讯作者：卢海舟（南方科技大学）

https://doi.org/10.1093/nsr/nwae334

NSR本周上线：量子几何、概率计算、基因组变异、电催化、基因频率、微型LED、电池材料、材料纤维、社交媒体、单细胞转录组

正文

请到「今天看啥」查看全文