Задумчивая крыса

TGlist рейтингі

ТүріҚоғамдық

Растау

Расталмаған

Сенімділік

Сенімсіз

Орналасқан жері

ТілБасқа

Канал құрылған күніMar 07, 2025

TGlist-ке қосылған күні

Mar 07, 2025

Мен каналдың иесімін

Өзгерістер тарихы

Қосылған топ

ЗК

Крысиная болталка

Telegram арнасы Задумчивая крыса статистикасы

Толығырақ

Жазылушылар

903

24 сағат00%Апта00%Ай00%

Дәйексөз индексі

0

Ескертулер0Каналдарда қайта жазылу0Каналдарда ескерту0

1 жазбаның орташа қамтуы

0

12 сағат3230%24 сағат00%48 сағат00%

Қатысу деңгейі (ER)

0%

Қайта жазылды0Пікірлер0Реакциялар0

Қамту бойынша қатысу деңгейі (ERR)

0%

24 сағат0%Апта0%Ай0%

1 жарнамалық жазбаның қамтуы

0

1 сағат00%1 – 4 сағат00%4 - 24 сағат00%

Толығырақ

Каналға біздің ботымызды қосып, осы каналдың аудиториясын біліңіз.

24 сағаттағы жазбалар саны

4

Динамика

"Задумчивая крыса" тобындағы соңғы жазбалар

Барлық жазбалар

06.03.202517:59

Отдельный бонус Артемию, приславшему мем, за то, что я родом из Молдавии.
Ratus Nosferatus, так сказать

Қайта жіберілді:

Labrats

06.03.202517:58

#на_основе_подписчика
Когда просишь секретаря диссовета поставить подпись на автореферате, написанном на старославянском

Қайта жіберілді:

НМ

Научная мематология

06.03.202516:14

05.03.202520:25

I'm the doctor

05.03.202500:32

Как можно начать с некой стартовой последовательности и прийти к чему-то интересному за счет процедуры оптимизации

Пример картинки из статьи. Красиво и по делу.

04.03.202523:48

Вышел хороший обзор от Stein Aerts про моделирование. https://www.nature.com/articles/s44222-025-00280-y

Много хороших ссылок и полезных замечаний. Красивые картинки. Мимоходом сказано, что днк-модели не работают (я кстати говорил с Stein и это его личный опыт — они работали хуже всего для его задач). Особенно интересно про попытки дизайна регуляторных элементов без моделей машинного обучения. Эти статьи плохо ищутся и до этого я их честно тыбзил из доклада научника. Который в области дохреналион лет. Теперь же есть обзор, где собраны эти статьи, и еще сверху навалено добра.

Есть (конечно) моменты, что меня раздражают:
1. LegNet не цитируется, ибо мы не из тусовки, хотя диффузию мы применили раньше тусовочников (и опубликовали в рецензируемом журнале)
2. Не цитируется даже пакет из статьи тусовочников же, где мы тоже есть. Зато цитируются по большей части бесполезные пакеты других групп (типо gRELU и парочка, про которые я даже и не слышал). К чести сказать, полезность prixfixe из нашей статьи у меня тоже вызывает сомнения. Лучше юзать legnet напрямую, а еще лучше мозг. Но в prixfixe хоть legnet и DREAM-RNN это реально работающие модели, которые действительно сравнительно легко применить.*
3. Цитируется ужасная и пустая статья-обзор про интерпретируемость моделей Новаковского (https://www.nature.com/articles/s41576-022-00532-2). Статей-обзоров про интерпретируемость в биологии хороших я в принципе не видел, но можно ж ссылки на сами применения интерпретируемости дать.

* вообще надо понимать, что все эти пакеты в мире регуляторной геномики про "вот вам пакетик, модель запустили, все сразу сработает" это как минимум хайп, а часто и вранье. Вранье это когда даже запустить этот пакет без слез нельзя — он сделан так, чтобы быть опубликованным и забытым. А хайп ибо под конкретную задачу даже простым тюном не из пакета, а основанным на базовых знаниях DL вы выбьете спокойно +5%-10% performance. Если не больше. И польза от этих пакетов либо в датасетах, которые можно оттуда вырезать. Либо в идеях моделей и их обучения. Которые тоже надо аккуратно вырезать.

04.03.202522:33

Следующая версия модели Evo с большой вероятностью будет обучена ещё и на метагеномах. Чтоб emergent abilities ещё лучше было видно. Предлагаю называть ее не скучно и пресно Evo3, а использовать что-то более броское. Например

Evo-Shit (Evo enhanced via Sequence Homology and Information Transfer)

04.03.202522:13

Честные бенчмарки не заставили себя долго ждать. Что с лицом, Evo2? Опять консервативность побила emergent abilities:?

Кстати эффект не скейлинга, а того, что в выборке были млеки. GPN-MSA есть для референса. Но таков уж чудесный мир науки, что нужно формировать сэндвич с критикой посередке.

Қайта жіберілді:

ВФ

Вениамин Фишман

03.03.202504:35

Заполняю планы по публикациям для институтской отчетности. В этом году мы переходим на "белый список журналов" - для тех, кто не в курсе, это РАН совместно с Минобром отрейтинговало все журналы, чтобы не использовать данные из зарубежных систем цитирования (вроде WOS/Scoupus).

Посмотрел рейтинги журналов, в которых мы публикуемся. Для высокоимпактных журналов все логично, они все относятся к 1ой категории. А вот с более низким уровнем что-то странное, например

NAR Genomics & Bioinformatics, Scopus Q1, IF~4 - во 2ой категории
При этом ВОГиС - Scopus Q2, IF<0.5 - в 1ой категории.

Ну ладно, можно предположить, что мы поддерживаем отечественные журналы. Но тогда почему Биохимия, самый высокоимпактный Российский журнал по биологии (Scopus Q2 и IF~2.5) - относится ко 2ой категории?

Upd: в комментариях объяснили логику. У Биохимии издатель зарубежный, так что ее рейтингуют как зарубежный журнал, а у ВОГиС - Российский издатель, его рейтингуют в сравнении с журналами РФ

28.02.202519:48

Статья опубликована https://academic.oup.com/bioinformatics/article/40/10/btae578/7777162
в 2024 году. В сентябре.
Сервис уже недоступен

22.11.202401:45

Про обзоры по мл в регуляторной геномике сравнительно недавно вышло целых три обзора)

1. Leveraging genomic deep learning models for non-coding variant effect prediction — тот, о котором речь шла в предыдущем посте. Он хороший и интересный. Есть много полезных ссылок. Есть ложка дегтя — проскальзывает то, что мастодонт области в авторах ровно один. Остальные — два PhD, причем только один с большим опытом в биологии. Потому есть спорные моменты, есть в очень небольшом количестве плохой анализ статей (например, приводятся данные из бенча авторов caduceus, dna-lm модели, где они якобы лучше supervised порой. Если внимательно читать и просто сравнить с числами из статей, что в обзоре тоже цитируются, то становится понятно, что авторы caduceus измерили хероту, хероту на выходе и получили)

2. Perspective on recent developments and challenges in regulatory and systems genomics — очень крутой обзор, все авторы — мастодонты области. Очень редкое явление, намного чаще ревью области, даже в Nature — это 1-2 мастодонта и куча phdшников (качество часто отвратительное, далеко не как первый обзор). Читать можно сказать обязательно. Более того — список литературы там тоже прекрасен, можно просто идти и читать то, что нужно по области. Про dnalm там ровно одна фраза, зато какая

DNA large language models trained to predict masked genome sequences may detect combinatorial TF motif patterns in some cases but currently struggle to learn this information when trained on genome-wide mammalian sequence data

(кто не понял, смотреть анекдот про разницу между теоретически и практически)

3. Unlocking gene regulation with sequence-to-function models — "комментарий". Очень сильно уступает предыдущим в подробности. Но красивых фраз много, полезно для утягивания в заявки. Да и как некую выжимку истории воспринимать можно (но от необходимости прочесть другие обзоры не избавляет)

Барлық жазбалар