60 Arbeiten
Diese Arbeit stellt einen erweiterten mathematischen Rahmen vor, der mechanistische Modellierung und maschinelles Lernen kombiniert, um die Dynamik von CD4+/CD8+ CAR-T-Zellen unter Tumorantigen-Regulation zu untersuchen und zeigt, wie neuronale Netze die Vorhersagekraft bei Parameterunsicherheit verbessern können.
Dieser erste Teil einer zweiteiligen Übersicht fasst phänomenologische Modelle und mikroskopische Ansätze zusammen, um die oft von der einfachen Arrhenius-Gleichung abweichende Temperaturabhängigkeit biologischer Prozesse zu beschreiben, wobei der Fokus auf der Definition operationaler Größen wie optimaler Temperaturen und thermischer Grenzen liegt.
Diese Studie zeigt, dass ein domainspezifisch gestalteter vertikaler Federated-Learning-Ansatz namens REEF durch die Integration biologischer Priors und gradientenbasierter Merkmalsauswahl die Stabilität und Interpretierbarkeit bei der Klassifizierung von Korallenstress unter extremen Datenknappheit (P >> N) signifikant verbessert, während generische Methoden in diesem Szenario versagen.
Diese Studie führt einen aus der Quantenmechanik adaptierten Wechselwirkungsbild-Ansatz ein, um den abskopalen Effekt bei personalisierter, ultrafractionierter stereotaktischer adaptiver Strahlentherapie (PULSAR) als kontinuierliches, stochastisches Phänomen zu quantifizieren und individuelle Interaktionsstärken zwischen Primär- und Sekundärtumoren zu erfassen.
Die Arbeit stellt ein filtrationsbasiertes Framework vor, das durch sequentielle Bayes'sche Analyse und eine Zerlegung der Varianzreduktion fundamentale Grenzen aufzeigt, wie viel Information über latente Genealogien allein durch Sequenzdaten gewonnen werden kann, insbesondere im Vergleich zu einem allwissenden Orakel.
Die Studie zeigt, dass das Fortschreiten der radiologisch nachgewiesenen Pleuroparenchymalen Fibroelastose (PPFE) in zwei großen Lungenkrebs-Screening-Kohorten unabhängig mit einer erhöhten Sterblichkeit und negativen klinischen Ergebnissen assoziiert ist.
Diese Arbeit zeigt, dass für Mengen phylogenetischer Bäume mit nur geringem gemeinsamer Struktur die Anzahl der zur Darstellung notwendigen Reticulationen in einem phylogenetischen Netzwerk nahezu der trivialen Obergrenze entspricht, was durch einfache Zählargumente belegt wird.
Die vorgestellte Arbeit stellt eine neue Methode namens „Double Projection" innerhalb der Familie der dynamischen Variational Autoencoder vor, die aus Beobachtungsdaten sowohl Systemzustandsverläufe als auch Rauschzeitreihen schätzt, um stochastische Modelle dynamischer Systeme mit niedrigdimensionalen Zustandsräumen für die Mehrschritt-Prognose zu lernen.
Die Arbeit stellt RadDiff vor, eine neuartige Methode für das inverse Proteinfalten, die durch eine retrieval-augmentierte Denoising-Diffusion externe Proteinwissen effizient integriert und damit bestehende Ansätze in Bezug auf Sequenzwiederherstellungsrate und Skalierbarkeit deutlich übertrifft.
Diese Studie stellt eine robuste Methode zur dreidimensionalen volumetrischen Rekonstruktion und morphologischen Charakterisierung einheimischer chilenischer Pollenkörner mittels lensloser digitaler Inline-Holographiemikroskopie vor, die eine präzise, markierungsfreie Analyse für die Melissopalynologie und die Bewertung der Biodiversität in Südamerika ermöglicht.
Diese Studie zeigt, dass evaneszente Wellen als nicht-invasives Werkzeug dienen können, um eine signifikante Abnahme der Mobilität von Erythrozyten in hochkonzentrierten Glukoseumgebungen nachzuweisen.
CryoNet.Refine ist ein auf einem einstufigen Diffusionsmodell basierendes Deep-Learning-Framework, das die automatische und schnelle Verfeinerung von Protein- sowie DNA/RNA-Protein-Komplexen mittels Cryo-EM-Dichtekarten ermöglicht und dabei sowohl die Übereinstimmung mit den experimentellen Daten als auch die geometrische Qualität gegenüber herkömmlichen Methoden wie Phenix.real_space_refine signifikant verbessert.
HarmonyCell ist ein end-to-end Agenten-Framework, das durch eine LLM-gesteuerte semantische Vereinheitlichung und einen adaptiven Monte-Carlo-Baumsuch-Algorithmus die Modellierung von Einzelzell-Perturbationen unter semantischen und distributionellen Verschiebungen automatisiert und dabei sowohl die Ausführungsfähigkeit als auch die Leistung gegenüber Experten-basierten Baselines signifikant verbessert.
Die Autoren stellen einen neuartigen, topologiebewussten Rahmen vor, der durch Kontext-Representation-Learning, Wissensdistillation und einen Graph-Tokeniser für Multiplex-Biologische Netzwerke eine robuste Zero-Shot-Vorhersage von Interaktionen zwischen bisher unbekannten biologischen Entitäten ermöglicht.
Die Studie stellt ViroGym vor, ein umfassendes Benchmark-System, das auf einer großen Sammlung von experimentellen Daten zu viralen Proteinen basiert, um Protein-Sprachmodelle für die Vorhersage von Varianteneffekten zu evaluieren und die rationale Auswahl von Antigenen für Impfstoffe zu unterstützen.
Die Studie zeigt, dass eine einfache, biologisch plausible Regel, bei der Agenten in geordneten Gruppen manchmal einer stark abweichenden Minderheit statt der Mehrheit folgen, zu makroskopischen Kaskaden von Richtungsänderungen führt und so die kollektive Reaktionsfähigkeit von Schwärmen erheblich verbessert.
Die Studie zeigt, dass die in der Natur weit verbreitete Symmetrie von Schwimmstrategien in viskosen Flüssigkeiten kein rein biologisches Entwicklungsphänomen ist, sondern auf einem physikalischen Optimalitätsprinzip beruht, bei dem symmetrische und antisymmetrische Bewegungen die effizientesten Fortbewegungsarten darstellen.
Die Studie entwickelt einen datengestützten Risikomodellierungsrahmen, der die Wahrscheinlichkeit einer Übertragung von hochpathogenem aviärem Influenzavirus (HPAIV) von Wildvögeln auf Rinder in Dänemark quantifiziert und dabei räumliche Hotspots sowie saisonale Risikoperioden identifiziert, um gezielte Überwachungsmaßnahmen zu unterstützen.
Basierend auf Langzeit-Monitoringdaten von 2020 bis 2024 entwickelten die Autoren ein dynamisches Multi-Faktor-Modell für drei Stauseen in Südchina, das die nichtlinearen Wechselwirkungen zwischen Wassertemperatur und Nährstoffen (wobei Stickstoff als stärkerer Treiber als Phosphor identifiziert wurde) zur präzisen Quantifizierung der Chlorophyll-a-Dynamik nutzt.
Diese Studie nutzt eine Strahlverfolgungssimulation auf Basis eines 3D-Augenmodells und retinaler Stäbchendichten, um zu bestimmen, dass für Few-Photonen-Visionsexperimente eine optimale Reizpräsentation unter einem inferioren Winkel von 12,6 Grad zur Visusachse erforderlich ist und eine hohe Ausrichtungspräzision von besser als 0,90 Grad notwendig ist.