生物计算机与DNA存储相关文章
本数据库通过收集和整理最新科研文献信息而得，供了解领域前沿进展之用。数据源自 PubMed Data ，每日自动更新（使用关键词“['DNA storage', 'DNA computing', 'DNA circuit', 'biological computing', 'biological circuit']”过滤），已收录文献数量参见 统计表格。表格内容由 GPT 自动整理，可能存在错误或遗漏，请使用时务必注意核实！
如有建议或合作意向，欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布，欢迎下载 源码 自行修改使用。如觉得不错，还请不吝 给我打赏，你的支持是我继续创新的重要动力！
添加微信请说明来意
微信赞赏
除通过在线浏览外，为方便用户离线查阅，本站也提供 付费下载（定价9.9元）。之所以考虑收费，是因为批量扫描这些文献并整理也是有一定成本的，还请理解并多多支持。本站数据会持续更新，而仅需一次付费，未来就可以随时重新下载到最新版本数据。
当前共找到 1 篇文献。
| 序号 | 推送日期 | 文章 | 类型 | 简述 | 创新点 | 不足 | 研究目的 | 研究对象 | 领域 | 病种 | 技术 | 模型 | 数据类型 | 样本量 | 存储介质 | 编码方案 | 计算范式 | 可扩展性指标 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2026-03-06 |
Highly biased DNA sequence reconstruction in DNA storage with multi-scale attention mechanism and contrast learning
2026-Jun, Synthetic and systems biotechnology
IF:4.4Q1
DOI:10.1016/j.synbio.2026.01.028
PMID:41783156
|
研究论文 | 本文提出了一种基于多尺度注意力机制和对比学习的深度序列重建模型（MACL），用于在DNA存储中高错误率条件下增强DNA序列重建 | MACL模型创新性地结合了多尺度注意力机制（包括碱基尺度、序列间和序列内尺度）和对比学习，专门针对DNA存储中的高错误率条件设计，能有效处理碱基替换、插入和删除错误 | 未明确提及模型在极端错误率（如超过5%）下的性能表现，且实验主要基于真实世界DNA存储和病毒基因组数据集，可能未涵盖所有DNA存储场景 | 旨在提高DNA存储中在高错误率条件下的DNA序列重建质量，以支持DNA存储和基因组学研究的实际应用 | DNA存储中的DNA序列，包括真实世界DNA存储数据集和病毒基因组数据集 | DNA存储 | NA | 深度序列重建模型，结合多尺度注意力机制和对比学习 | MSA Transformer, 多尺度注意力机制, 卷积模块 | DNA序列数据 | 未明确指定具体样本数量，但基于真实世界DNA存储和病毒基因组数据集 | DNA | RS码（里德-所罗门码） | 分子计算, DNA计算 | 在碱基错误率为5%的高偏差序列中，能无损重建医学图像，展示了高错误率下的存储容量和数据完整性 |