108 Arbeiten
Das Paper stellt UNISEP vor, ein einheitliches Framework zur standardisierten Platzierung von Sensoren für verschiedene Modalitäten wie EMG und EEG, das die Reproduzierbarkeit und Interoperabilität von Daten in der menschlichen Bewegungsanalyse und Gesundheitsüberwachung durch anatomische Landmarken und Kompatibilität mit bestehenden Standards wie BIDS sicherstellt.
Diese Arbeit stellt den CAN-STRESS-Datensatz vor, der physiologische Messdaten und Selbstauskünfte von 82 Teilnehmern im Alltag erfasst, um den Einfluss von Cannabiskonsum auf die Stressreaktion zu untersuchen.
Diese Studie stellt eine label-freie Methode vor, die Autofluoreszenz-Bildgebung mit Deep Learning kombiniert, um Non-Small-Cell-Lung-Cancer-Subtypen schnell und präzise zu klassifizieren sowie virtuelle immunhistochemische Färbungen zu erzeugen, wodurch zeitaufwändige konventionelle Färbeprozesse überflüssig werden.
Diese Arbeit stellt eine Methode zur Herleitung analytisch expliziter, einfacher Schranken für die Überlebenswahrscheinlichkeit in superkritischen Galton-Watson-Prozessen vor und wendet diese Ergebnisse an, um die Reaktion quantitativer Merkmale auf langfristige gerichtete Selektion in der Populationsgenetik zu untersuchen.
Die Studie präsentiert ein agentenbasiertes Modell, das die gekoppelte Ausbreitung von Krankheit und Angst simuliert und zeigt, wie nicht-lokale Angstverbreitung durch Medien in Kombination mit starken Verhaltensänderungen zu mehreren Epidemiewellen führen kann.
Die Autoren stellen CITS vor, ein nichtparametrisches Framework zur Inferenz kausaler Strukturen aus hochauflösenden neuronalen Zeitreihen, das durch theoretische Konsistenz, überlegene Genauigkeit in Benchmarks und die erfolgreiche Anwendung auf große Aufzeichnungen aus dem Mäusegehirn eine theoretisch fundierte und empirisch validierte Methode zur Entdeckung interpretierbarer kausaler Netzwerke bietet.
Diese Studie vergleicht verschiedene mathematische Modelle der onkolytischen Virotherapie und zeigt, dass die Fähigkeit der Viren, Tumore zu infizieren, in bestimmten Fällen entscheidender für den Therapieerfolg ist als die Motilität oder Reproduzierbarkeit des Tumors.
Die Studie stellt ScNucAdapt vor, eine Methode zur präzisen Zelltyp-Annotation zwischen scRNA-seq- und snRNA-seq-Daten mittels partieller Domänenanpassung, die bestehende Grenzen überwindet und robustere Ergebnisse als vorherige Ansätze liefert.
Die Arbeit stellt DeeDeeExperiment vor, eine neue S4-Klasse im Bioconductor-Ökosystem, die auf SingleCellExperiment aufbaut und durch dedizierte Slots für Differential-Expression- und funktionelle Anreicherungsanalysen eine standardisierte, reproduzierbare Verwaltung und Kontextualisierung komplexer Omics-Ergebnisse ermöglicht.
Diese Arbeit leitet scharfe Obergrenzen und Untergrenzen für die Basisreproduktionszahl und die finale Epidemiegröße in einem multitypigen SIR-Modell ab, wenn die Nachkommenmatrix nur teilweise durch Zeilen- oder Spaltensummen bekannt ist, wobei die Schranken für den allgemeinen Fall scharf sind, für den Fall mit detailliertem Gleichgewicht jedoch schwieriger zu bestimmen sind.
Diese Arbeit analysiert ein aus der kinetischen Theorie abgeleitetes Reaktions-Diffusions-Modell zur Entstehung von Demyelinisierungsläsionen bei Multipler Sklerose, wobei durch Turing-Instabilitäts- und schwach nichtlineare Analysen sowie numerische Simulationen gezeigt wird, wie Parameter wie die Quetschwahrscheinlichkeit von Immunzellen und die chemotaktische Reaktion die Bildung räumlicher Muster beeinflussen.
Diese Arbeit entwickelt ein kontrolltheoretisches Modell, das das Altern als dynamisches System beschreibt, in dem eine stabile Begrenzung der Gesamtschädigung nur erreicht werden kann, wenn die endogene Reparatur die Produktion regulierbarer Schäden übersteigt und nicht-regulierbare Schäden durch gezielte Eingriffe begrenzt werden, was zu klaren Vorhersagen für Interventionsstrategien und Biomarker führt.
Eine Modellstudie in Mato Grosso do Sul zeigt, dass die Kombination aus intensiver Depopulation und begrenzter Impfung die wirksamste Strategie zur vollständigen Eindämmung von Maul-und-Klauenseuche-Ausbrüchen ist, während reine Impfmaßnahmen als unzureichend erweisen.
Diese Studie entwickelt ein netzwerkbasiertes Modell zur besseren Vorhersage und Bekämpfung des Frogeye-Blattflecks in Sojabohnen, indem sie reale Feldstrukturen berücksichtigt und zeigt, dass eine frühe, gezielte Entfernung infizierter Pflanzen effektiver ist als verzögerte oder zufällige Maßnahmen, während sich die Bodenbearbeitungsmethode nicht signifikant auf die Ausbreitung auswirkt.
Das Paper stellt GWASPoker vor, ein Python-basiertes Werkzeug, das durch teilweise Downloads und Header-Analyse GWAS-Katalog-Daten effizient auf ihre Eignung für Polygenische Risikoscores filtert, ohne dass vollständige Dateien heruntergeladen werden müssen.
Diese Studie vergleicht die Leistung von 29 maschinellen Lernalgorithmen, 80 Deep-Learning-Modellen und drei Polygenic-Risk-Score-Tools bei der Vorhersage von 80 binären Phänotypen aus dem openSNP-Datensatz und zeigt, dass maschinelles Lernen bei 44 Phänotypen überlegen ist, während die traditionellen PRS-Tools bei 36 Phänotypen besser abschneiden.
Die Studie stellt eine Pipeline aus maschinellem und tiefem Lernen vor, die Genotypdaten nutzt, um Personen in Fall-/Kontrollgruppen einzuteilen und durch Analyse der Feature-Importanz Gene zu identifizieren, die mit 30 verschiedenen Phänotypen assoziiert sind, wobei die ausgewählten SNPs eine hohe Übereinstimmung mit bekannten GWAS-Ergebnissen aufweisen und somit vielversprechend für die Priorisierung von Krankheitsgenen und therapeutischen Zielen sind.
Diese Studie nutzt ein zeitvariierendes Lambda-Omega-Modell aus der Theorie dynamischer Systeme, um die asymmetrischen metabolischen Anpassungen und die allmähliche Verschiebung des metabolischen Setpoints zu beschreiben, die das Übergewicht und die Schwierigkeit der Gewichtsreduktion erklären.
Die Studie stellt HIDDENdb vor, eine umfassende Datenbank, die genetische und Protein-Ko-Abhängigkeiten aus großen Störungsscreens und Multi-Omics-Daten integriert, um interaktive Netzwerke zu visualisieren und funktionelle Beziehungen, die auf strukturellen Protein-Protein-Interaktionen basieren könnten, aufzudecken.
Dieser Artikel stellt das HSF-Rahmenwerk vor, das durch eine first-principles-Analyse der Erhaltungszustände und eine neue Klassifizierung von DNA-Fragmenten konventionelle aDNA-Methoden kritisiert, um Verzerrungen bei der Quellenzuordnung in komplexen, gemischten Proben zu reduzieren und die Zuverlässigkeit der molekularen Archäologie zu erhöhen.