👋 Welcome to BioF3's Paper Digest! Today's edition features 0 GitHub projects and 4 research papers from bioRxiv, arXiv, and PubMed.
Content generated by GLM-4.7 (Deep Thinking Mode) 🧠
1. Discrete turn strategies emerge in information-limited navigation
📄 arXiv Paper | Date:
2026-02-26| Category:q-bio.QM
Authors: Jose M. Betancourt, Matthew P. Leighton, Thierry Emonet et al.
AI Research Digest (科研解读)
2. An Active Learning Framework for Data-Efficient, Human-in-the-Loop Enzyme Function Prediction
📄 arXiv Paper | Date:
2026-02-26| Category:q-bio.QM
Authors: Ashley Babjac, Adrienne Hoarfrost
AI Research Digest (科研解读)
一句话概括 本文提出了一种名为HATTER的人机协同主动学习框架，旨在通过高效筛选最具信息量的蛋白质进行实验标注，解决酶功能预测中实验数据稀缺与序列数据爆炸之间的矛盾。
研究背景
随着环境蛋白质序列数据呈指数级增长，实验验证的功能数据积累相对滞后，这种严重的数据不平衡制约了可泛化蛋白质功能预测模型的发展，亟需更高效的数据利用策略。
方法创新
开发了HATTER框架，这是一个模块化的人机协同主动学习工具包。该框架将多种主动学习策略与专家实验标注流程深度融合，通过迭代地选择最具信息量的蛋白质进行标注来微调模型，实现了在极少数据更新下的高效训练。
关键发现
- 主动学习策略在多种蛋白质序列评估数据集上达到了与标准监督训练相当的性能，但显著减少了模型更新次数、数据处理量和计算成本。
- 相比于贝叶斯采样或BALD等复杂的获取函数，简单的基于点的不确定性采样方法（如熵或边际采样）表现更优，表明训练集中的序列多样性和模型架构设计比复杂的采样策略更为关键。
实际意义
该研究为生物信息学从业者提供了一种高效的酶功能发现范式，证明了人机协同机制
3. Identification and Bioinformatics Analysis of Malate Dehydrogenase and Pyruvate Kinase as Novel Allergens in Cicada Pupae.
📄 PubMed Article | Date:
2026 Feb 26| Category:Journal of agricultural and food chemistry
Authors: Bi Y, Pan F, Zhao S et al.
AI Research Digest (科研解读)
4. Integrative bioinformatics and machine learning combined with experimental validation in a doxorubicin-induced model identify BACH2, NXPH4, CD1E, and LIF as sodium overload-related molecular signatures in dilated cardiomyopathy.
📄 PubMed Article | Date:
2026 Feb 24| Category:Life sciences
Authors: Xu S, Yu W, Ma B et al.
AI Research Digest (科研解读)
Powered by BioF3 Auto-Bot & ZhipuAI GLM-4.7