108 Arbeiten
In dieser Arbeit wird ein Phasenfeldmodell zur Simulation des programmierten Zelltods (Apoptose) vorgestellt, das mechanistische Grundlagen liefert, um morphologische Übergänge wie Schrumpfung und Fragmentierung zu untersuchen und potenzielle therapeutische Anwendungen zu erforschen.
Die Arbeit argumentiert, dass die Interaktion zwischen den kognitiven Verzerrungen von Menschen mit psychischen Erkrankungen und den sycophantischen sowie adaptiven Eigenschaften von KI-Chatbots zu einem gefährlichen Feedback-Loop führt, der bestehende Sicherheitsmaßnahmen untergräbt und eine koordinierte Reaktion aus klinischer, technischer und regulatorischer Perspektive erfordert.
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.
Die Studie zeigt, dass die Wahl der musikalischen Merkmalskodierung in Netzwerkdarstellungen einen grundlegenden Zielkonflikt zwischen struktureller Detailtreue und kommunikativer Effizienz aufdeckt, wobei einfache Darstellungen zwar höhere Unsicherheit, aber bessere Lernbarkeit bieten, während komplexere Kodierungen feinere Unterscheidungen ermöglichen, jedoch die Vorhersagbarkeit für den Hörer erschweren.
Die Studie stellt MIG-Vis vor, eine Methode, die Mutual Information-gesteuerte Diffusionsmodelle nutzt, um aus neuronalen Daten des makakischen unteren Temporallappens (IT) diskrete latente Gruppen zu identifizieren, die spezifische semantische Merkmale wie Objektstellung und Kategorienübergänge kodieren.
Die Studie stellt pHapCompass vor, einen probabilistischen Algorithmus zur Haplotyp-Assemblierung polyploider Genome, der die Unsicherheit bei der Zuordnung von Sequenzreads explizit modelliert, eine realistische Simulationsumgebung für Polyploide entwickelt und durch Benchmarks eine wettbewerbsfähige Leistung bei gleichzeitiger präziser Quantifizierung der Phasenunsicherheit nachweist.
Die Arbeit stellt Equivariant Asynchronous Diffusion (EAD) vor, ein neues Diffusionsmodell, das durch einen adaptiven, asynchronen Denoising-Plan die Hierarchie molekularer Strukturen besser erfasst und gleichzeitig einen molekülweiten Horizont bewahrt, um den Stand der Technik bei der Generierung 3D-molekularer Konformationen zu erreichen.
Die Studie stellt ein Agenten-Framework vor, das mithilfe von Large Language Models und Tools unstrukturierte omische Daten aus der biomedizinischen Literatur extrahiert, verarbeitet und analysiert, um sie in eine skalierbare, ausführbare und abfragbare Ressource für die automatische Datenwiederverwendung zu verwandeln.
Die Studie zeigt, dass Zellen bereits aus extrem wenigen frühen Bindungsereignissen diffundierender Chemoattraktanten bei ultra-niedrigen Konzentrationen präzise Richtungsinformationen ableiten können, da diese Anfangsereignisse überproportional viel Information über die Quellenlage tragen.
Die Arbeit stellt SDSR vor, einen skalierbaren, auf spektraler Graphentheorie basierenden Divide-and-Conquer-Algorithmus zur Rekonstruktion von Speziesbäumen, der die Rechenzeit im Vergleich zu herkömmlichen Methoden um das Zehnfache reduziert, ohne dabei die Genauigkeit der phylogenetischen Analyse zu beeinträchtigen.
Die Studie präsentiert eine dreistufige Methode zur Extraktion eines kompakten, hochleistungsfähigen hämatopoetischen Algorithmus aus dem Foundation-Modell scGPT mittels mechanischer Interpretierbarkeit, der ohne erneutes Training des Ziel-Datensatzes die Leistung bestehender Methoden übertrifft und biologisch interpretierbare Genprogramme offenbart.
Die Autoren stellen eine flexible Stichprobenmethode mit stochastischer Beam-Suche für Masked Language Models vor, die durch systematische in silico- und in vitro-Evaluierungen im Bereich der Antikörper-Engineering zeigt, dass die Wahl der Sampling-Methode mindestens genauso entscheidend für den Erfolg ist wie die Wahl des Modells selbst.
Die Studie zeigt, dass die modulare Architektur von Symptomnetzwerken bei jungen Erwachsenen während der COVID-19-Pandemie stabil blieb, sich jedoch die Kontrolle zwischen den Modulen von einer frühen, stresszentrierten Konfiguration zu einem späteren, breiter verteilten Muster über emotionale, kognitive und soziale Domänen verschob.
Das Paper stellt JEDI vor, ein hierarchisches Modell, das durch das gemeinsame Lernen von kontextuellen Einbettungen und rekurrenten Gewichten neuronale Dynamiken über verschiedene Aufgaben hinweg aus experimentellen Aufzeichnungen effizient und generalisierbar inferiert.
Diese Studie zeigt, dass der intrazelluläre energetische Zustand, insbesondere die ATP-Konzentration und die Phosphorylierungsfreie Energie, nicht nur die Geschwindigkeit und die kritische Nukleusgröße von Triggerwellen in biochemischen Systemen steuert, sondern auch deren Ausbreitungsrichtung und Existenzbedingungen maßgeblich beeinflusst.
Die Arbeit stellt LabConstrictor vor, ein Tool, das Jupyter-Notebooks mithilfe von CI/CD-Automatisierung in einfach installierbare Desktop-Anwendungen verwandelt, um die Verbreitung und Wiederverwendung von Open-Source-Software in den Lebenswissenschaften durch vereinfachte Distribution und eine benutzerfreundliche Oberfläche zu fördern.
Das Paper stellt SNPgen vor, ein zweistufiges, phänotypüberwachtes latentes Diffusionsmodell, das synthetische Genotypdaten erzeugt, die sowohl die genetische Struktur und Privatsphäre der Originaldaten bewahren als auch in Vorhersageaufgaben die Leistung realer Daten erreichen.
Die Studie stellt einen parameter-effizienten Diffusion-Transformer vor, der durch den Ersatz des U-Net-Rückgrats durch einen Transformer mit 2D-CNN-Encoder und eine DDPO-Feinabstimmung mit Enformer als Belohnungsmodell hochwirksame, zelltypspezifische regulatorische DNA-Sequenzen mit deutlich geringerem Rechenaufwand, besserer Konvergenz und weniger Memorierung erzeugt.
Die Studie zeigt, dass zwar extreme statistische Fluktuationen in der Entdeckungsphase eine anfängliche Asymmetrie erzeugen können, eine robuste makroskopische Dominanz jedoch zwingend eine nicht-reziproke Wechselwirkung erfordert, um lokale Schwankungen zu unterdrücken und das System in einen stabilen absorbierenden Zustand zu überführen.
Die Autoren entwickeln eine statistisch-mechanische Theorie, die die lineare Decodierfähigkeit kontinuierlicher Variablen mit den geometrischen Eigenschaften neuronaler Mannigfaltigkeiten verknüpft und dabei eine zunehmende Dekodierkapazität für Objektposition und -größe entlang des visuellen Pfades bei Affen aufzeigt.