AI 기반 방법을 통해 세포에 대한 종합적인 정보를 제공함으로써 과학자들이 질병 메커니즘을 더 잘 이해하고 실험을 계획하는 데 도움을 줄 수 있음.
과일파리 운동 신경세포가 RNA를 어떻게 편집하는지 추적하며, 수백 개의 표적 부위와 다양한 편집 속도를 카탈로그화한 신경생물학자들은 수많은 편집이 의사소통 및 기능 관련 단백질을 변경시켰음을 발견했다.
이 딥러닝 모델은 더 복잡한 조직과 장기에도 적용 가능하며, 연구자들이 질병의 초기 징후를 식별하는 데 도움을 줄 수 있습니다.
쥐와 올코기 뇌에서 중요한 세포 유형의 다양성을 차트로 기록한 새로운 지도가 소개되었습니다.
MIT 연구진은 신경전달물질 GABA의 주변 수준을 유지함으로써 아스트로사이트가 신경 정보 처리를 보장하는 것을 증명하기 위해 혁신적인 도구와 분석을 사용했다.
국제적인 뇌과학자 협력팀은 MIT 교수인 일라 피에테를 포함하여 마우스에서 세포 해상도의 의사 결정을 위한 뇌 전체 지도를 개발했다.
Caroline Uhler 교수는 Schmidt Center에서의 연구, 수학의 어려운 문제, 생물학의 복잡한 상호작용을 이해하기 위한 지속적인 노력에 대해 논의합니다.
새로운 현미경 시스템은 혁신적인 이미징 기술을 결합하여 대사 및 뉴런 활동을 전례없이 심층적이고 정밀하게 시각화할 수 있으며, 잠재적으로 인간에서도 가능할 수 있습니다.
쥐를 대상으로 한 최초의 연구에서 발견된 뉴런들은 발달 과정 중에 시각 신호를 통합하기 위해 시냅스를 추가하고 제거한다.
CellLENS는 조직 내 세포 행동의 숨겨진 패턴을 밝혀 암 면역요법 발전에 중요한 세포 이종성에 대한 더 깊은 통찰을 제공한다.
단백질과 세포 행동에 대한 공동 이해를 토대로 훈련된 이 모델은 질병 진단 및 신약 개발에 도움을 줄 수 있습니다.
자외선 조사와 기계 학습을 이용하여 30분 이내에 미생물 오염을 명확히 판단할 수 있는 방법이 개발되었다.
MIT 팀이 2015년에 확장 현미경을 소개한 이후, 이 기술은 신장 질환, 식물 씨앗, 미생물 군집, 알츠하이머병, 바이러스 등 다양한 분야의 과학 연구를 이끌어왔다.
새로운 방법으로 지질 막을 밝히고, 연구진들은 고해상도로 세포 내 단백질 집합을 관찰할 수 있게 되었다.
MIT 생물학 연구자들이 개발한 FragFold는 생물학 연구 및 치료 응용 분야에 영향을 줄 수 있는 계산 방법입니다.
MIT의 Whitehead Institute와 CSAIL 연구진이 단백질의 위치를 예측하고 생성하는 머신러닝 모델을 개발했으며, 이는 질병을 이해하고 개선하는 데 도움이 될 것으로 예상된다.
