微信PC端支援小遊戲，斯坦福大牛團隊實現機器學習

PC端也是一大流量進口。

微信嚴重更新往往發生在移動端，而跟著人們日子作業習氣的改動，PC端的更新也變得頻頻起來。

3月25日微信團隊佈告稱，在微信PC新版別中，將支撐翻開談天分享中的小遊戲，並新增小程式面板，可檢視使用過的小程式，可下載微信PC公測版別（Windows版別）領會。

新版別為開發者供給了自定義視窗、鍵盤滑鼠作業等PC新才華，開發者可針對PC進行適配。PC小遊戲接入攻略中說到，現在PC端微信現已支撐大部分運轉原來手機小遊戲所需要的介面，包括但不限於虛擬支付、開啟資料域、觸控作業等（廣告現在暫不支撐）。

針對此次PC端版別更新，有使用者捉弄稱“能夠在上班時間玩遊戲了嗎？”也有使用者關懷，“Mac版別什麼時候能夠支撐小程式和小遊戲？”微信官方社群技術運營專員迴應稱“會趕快支撐”。

PC端微信支撐翻開小程式是在2019年8月。使用者在微信PC端談天場景中收到的小程式音訊，可支撐在PC端直接翻開，且介面與手機端保持一致。微信團隊標明，希望透過這一探求，幫助使用者在談天場景中更連貫地使用小程式。現在，在談天場景中翻開小程式的才華又擴充套件到了小遊戲。

2019年11月，微信PC端新增同步手機浮窗功用，可將“浮窗”任務在手機端和PC端實時同步。“同步手機浮窗”功用下，在手機端微信上翻開一篇文章或將文章懸浮，電腦微信客戶端會自動同步顯現對應的文章或懸浮窗，但微信PC端正在閱讀的內容不會反向顯現在手機上。這是繞開檔案傳輸幫手，兩頭同步閱讀文章的一項才華最佳化。

PC端領會越來越多地和移動端同步，微信更偏日子而非作業的“人設”變了，這背後是使用者習氣的改動。當日子圈和作業圈的邊界變得含糊，一天作業開始，翻開電腦、開啟微信變成更多人的日常，微信也加快了最佳化PC端領會的速度。

分子技術與機器學習的結合！

編者按：本文來自微信群眾號“學術頭條”（ID：SciTouTiao），作者：學術君，36氪經授權釋出。

依據 Nature 雜誌今天宣告的一項研討，斯坦福大學研討人員開發了一種機器學習方法，可以完結前期肺癌患者的辨別篩查。這一方法依據檢測血樣中的腫瘤源性 DNA（即液體活檢），也就意味著對肺癌高危人群的篩查，做到了前期且無創。

傳統的肺癌篩查，一般引薦高危團體做 CT 掃描，這種模式已被證明能削減肺癌相關去世。不過，由於費用高、篩查專案少以及對假陽性的擔憂，這種篩查的使費用並不高。即便在美國，也僅有約 5% 符合條件的個別會透過 CT 掃描進行肺癌篩查。

而依據液體活檢技術的血液檢測，是一種當時頗受歡迎的癌症新型檢測方法，但大部分液體活檢的適用目標，往往是癌症晚期患者，終究這些團體的血液中比前期患者具有更高水平的腫瘤相關 DNA 符號。

在 Nature 今天宣告的最新論文中，來自斯坦福大學的 Maximilian Diehn 及其同事，優化了一種現有的點評迴圈腫瘤 DNA（ctDNA）的測序方法。

他們改善了 DNA 的提取，判定出有望作為有效疾病符號的改變。研討人員用該方法標明，雖然 ctDNA 在前期肺癌患者體內水平很低，卻是一個很有力的預後目標。

研討人員隨後用這些資料改進了一種機器學習方法，將其用來猜想血樣中存在的肺癌源性 DNA。在由 104 例前期非小細胞肺癌患者和 56 例匹配對照組成的初期樣本中，這種方法可以差異前期肺癌患者與風險匹配的對照；在另一個由 46 例病例和 48 例對照組成的獨立驗證隊伍中，研討人員確認了以上作用。

備受注重的液體活檢

近幾年，癌症液體活檢的表現分外引人注重。作為體外確診的一個分支，液體活檢可以透過非侵入性取樣降低檢測損害，而且高效精確，價效比高。

即便沒有進行治療，癌細胞也會在正常狀況下不斷分裂和去世。當癌細胞去世時，它們將 DNA 碎片釋放到血液中，學會閱讀這些資訊，可以使臨床醫師快速、無創地監測腫瘤的存在和大小，患者對治療的反響以及腫瘤面對治療時跟著時刻的展開改變。

現在，液體活檢的檢測目標有迴圈腫瘤細胞（CTCs），迴圈腫瘤 DNA（ctDNA），迴圈 RNA（circulating RNA）和外泌體。其間，ctDNA 因研討前景廣大，受到越來越多的注重。ctDNA（circulating tumor DNA）是遊離 DNA（cell-free DNA，cfDNA）中的一類，帶有特徵性符號，可透過高通量測序技術完結對它的定性、定量和追尋。

現在已發現的 ctDNA 特徵性符號包含位點突變、核小體佔有率及甲基化潤飾差異，可依據這些目標的差異進行腫瘤的前期確診、動態監測腫瘤的發作展開及作用、耐藥檢測、復發風險點評和預後猜想等。

美國斯坦福大學 Maximilian Diehn 教授曾標明，ctDNA 不只可以確診實體腫瘤，而且可以監測治療反響以及探查細微殘留病灶、靶向治療耐藥突變，可能是優選的無創腫瘤篩查方法。“這一領域令人興奮的事件之一是，迴圈腫瘤 DNA 可以應用於許多不同的臨床狀況。”

分子技術與機器學習的結合

在這項最新研討中，研討人員介紹了一種透過深度測序 （CAPP-Seq） 來剖析迴圈腫瘤 DNA 的方法，然後更好地完結癌症前期篩查和個性化剖析。

研討人員發現，雖然前期肺癌的 ctDNA 水平很低，但在大多數患者接受治療之前，ctDNA 就已經存在，而且它的存在具有很強的預後含義。

Maximilian Diehn 和 Ash Alizadeh 領導的團隊進行了本次研討

研討人員還發現，肺癌患者遊離 DNA （cfDNA） 的大多數體細胞突變，反映的是克隆性造血突變（突變來自於白細胞），而且對錯複發性的。與腫瘤衍生突變相比，克隆造血突變發作在較長的 cfDNA 片段上，而且缺少與吸菸相關的突變特徵。

將這些發現與其他分子特徵結合起來，研討人員開發並前瞻性地驗證了一種被稱為 “血漿中肺癌可能性”（lung cancer likelihood in plasma， lung - clip） 的機器學習演算法，可以很好地將前期肺癌患者與風險匹配對照組差異開來。

血漿中肺癌可能性 （Lung-CLiP） 的原理圖

研討人員標明，這種非侵入性的肺癌篩查方法，將改進的分子技術與機器學習相結合，以檢測血液樣本中肺癌細胞來歷的 cfDNA 的存在，可以完結運用血漿檢測出適當一部分前期肺癌。

而且不同於以往企圖開發泛癌種篩查剖析的液體活檢研討，研討人員這次把要點放在了非小細胞肺癌上，運用肺癌特有的特徵，來降低了未被辨認的稠濁要素對檢測作用的影響。

此外，不像曾經的研討沒有進行驗證或運用對照隊伍交叉驗證，鈣研討運用獨立驗證，避免了模型過度擬合導致作用過於達觀的可能。

研討人員以為，Lung-CLiP 的一個潛在應用是作為一種高風險人群的開端篩查，陽性的患者可以進一步檢測確診，這可能會增加每年進行肺癌篩查的人數，然後拯救更多的生命。

論文標題：

Integrating genomic features for noninvasive early lung cancer detection

論文摘要：

論文地址：

https：//doi。org/10。1038/s41586-020-2140-0