每日文摘 | 2018年09月24日

来自专栏生物解码

Structural Basis for the RNA-Guided Ribonuclease Activity of CRISPR-Cas13d | Cell

研究人员已确定出一种CRISPR酶的分子结构，这可以使科学家们更精确地操纵细胞内的功能。发表在《Cell》杂志上的新发现提供了CRISPR-Cas13d的详细分子结构，这种酶可以靶向RNA而不是DNA。曾经被认为只是细胞的DNA编码指令的传递机制，现在已知RNA可以参与酶等生化反应，并在细胞中发挥其调节功能。通过识别靶向细胞运作机制的特定的酶，科学家们可以寻找更小风险、更高精度的治疗方法。DNA是不变的，变化的是从DNA中复制的RNA信息。能够通过直接控制RNA来调节这些信息对于影响细胞具有重要意义。

新闻连接 | 论文连接

A new way to capture the brain』s electrical symphony | Nature

第一个基因编码电压指示器（genetically encoded voltage indicator, GEVI）于1997年研发出来。从那以后，科学家们已经生产了二十多个GEVI。其中一些是通过将电压敏感蛋白与荧光分子组合而制成的。当这些蛋白质检测到电压的变化时，它们会改变它们的3D结构并改变它们偶联的分子的荧光。其他GEVI是带有突变的微生物视紫红质（rhodopsin），荧光分子响应于光而引起质膜上的电压变化。这些蛋白质也可以反向工作，改变它们对光的响应—从而改变它们的荧光—以响应膜电压的变化。到目前为止，GEVI已成功地追踪了神经元的个体动作电位，包括生长在培养皿中的神经细胞，以及从昆虫到小鼠的各种动物的完整大脑中的神经细胞。

原文连接

Collaborative Multi-modal deep learning for the personalized product retrieval in Facebook Marketplace | arXiv

作为客户对客户（C2C）的产品交易平台，Facebook Marketplace正迅速在消费者中受到欢迎。它背后的推荐系统有助于显著改善用户体验。为Facebook Marketplace构建推荐系统具有两个方面的挑战：（1）可扩展性：Facebook Marketplace中的产品数量巨大，数百万产品需要在几百毫秒内为每天数百万用户评分和推荐；（2）冷启动：C2C产品的使用寿命很短，用户对产品的活动很少，因此很难积累足够的产品水平信号用于推荐。在本文中，Facebook的工程师建议通过构建基于协作的多模态深度学习的检索系统（collaborative multi-modal deep learning based retrieval system）来解决可扩展性和冷启动问题。该系统在线和离线实验中比基准方案有明显的改进：在线实验中，它将买方发起的消息数量增加了+26.95％；在离线实验中，它将预测精度提高了+9.58％。

[1805.12312] Collaborative Multi-modal deep learning for the personalized product retrieval in Facebook Marketplace