60 artículos
El artículo presenta pHapCompass, un algoritmo probabilístico que resuelve el ensamblaje de haplotipos en genomas poliploides modelando la ambigüedad en la asignación de lecturas para cuantificar la incertidumbre de la fase, ofreciendo además un flujo de trabajo de simulación realista y métricas de evaluación generalizadas.
El artículo presenta Equivariant Asynchronous Diffusion (EAD), un modelo de difusión novedoso que combina horarios de desruido asíncronos y sincrónicos mediante un mecanismo de programación dinámica para superar las limitaciones de los métodos existentes y lograr un rendimiento superior en la generación de conformaciones moleculares 3D.
Este artículo propone un método de muestreo flexible basado en búsqueda estocástica en haz para optimizar modelos de lenguaje enmascarados en ingeniería de proteínas, demostrando mediante campañas experimentales con anticuerpos que la elección del método de muestreo es tan crucial como la selección del modelo mismo.
Este estudio analiza datos de jóvenes estadounidenses durante la pandemia de COVID-19 y revela que, aunque la estructura modular de los síntomas de salud mental se mantuvo estable, el control entre módulos se redistribuyó desde un enfoque inicial en el estrés hacia un patrón más diversificado que abarca dominios emocionales, cognitivos y sociales.
El artículo presenta LabConstrictor, una herramienta que automatiza la conversión de cuadernos Jupyter en aplicaciones de escritorio instalables mediante pipelines de GitHub, superando las barreras de distribución y reproducibilidad para facilitar el acceso y la reutilización de software científico en ciencias de la vida.
El artículo presenta TCR-EML, un modelo de aprendizaje profundo con capas explicables por diseño que integra mecanismos bioquímicos conocidos para predecir con alta precisión y ofrecer interpretaciones claras la unión entre receptores de células T y complejos péptido-MHC.
Este estudio demuestra, mediante la prueba autónoma de 141 hipótesis, que los modelos fundamentales biológicos aprenden una estructura geométrica y topológica genuina y compartida que es biológicamente significativa, aunque dicha señal es más localizada de lo esperado y se concentra principalmente en tejidos inmunitarios.
Este artículo presenta un método de detección de anomalías médicas no supervisado que mejora la precisión al integrar variaciones anatómicas normales mediante estimación de hipergrafos y convolución gráfica en lotes, logrando una reducción significativa de falsos positivos en imágenes de resonancia magnética cerebral.
Este trabajo presenta el marco PPCMI-SF, una solución de colaboración privada para la segmentación de imágenes médicas que utiliza transformaciones latentes cifradas y mapeo en el servidor para lograr una alta precisión y resistencia a ataques de inferencia sin compartir datos sensibles entre instituciones.
Este estudio combina experimentos in vitro y modelado matemático para demostrar que la liberación de patrones moleculares asociados a daños (DAMPs) y la supervivencia de células quiescentes en esferoides tumorales tras la exposición a campos eléctricos pulsados dependen de la intensidad del campo, revelando un mecanismo de regeneración acelerada a intensidades intermedias que debe considerarse en el diseño de terapias.
El artículo presenta AllScAIP, un potencial interatómico basado en aprendizaje automático que utiliza una atención nodo-a-nodo para capturar interacciones de largo alcance de manera impulsada por los datos, logrando precisión de vanguardia y simulaciones de dinámica molecular estables a gran escala sin depender de términos físicos explícitos.
El modelo drGT es una herramienta de aprendizaje profundo basada en grafos heterogéneos que predice la respuesta a fármacos con alta precisión e interpretabilidad biológica, identificando biomarcadores y asociaciones genéticas respaldadas por literatura mediante el análisis de coeficientes de atención.
Este trabajo presenta un nuevo criterio de identificabilidad práctica, denominado (e, q)-identificabilidad, que evalúa la calidad de la estimación de parámetros en presencia de ruido mediante un método de forma débil computacionalmente eficiente y robusto, demostrando su eficacia en ejemplos de modelado biológico.
Este artículo demuestra que el uso de generadores de números aleatorios con estado en modelos basados en agentes distorsiona las comparaciones contrafactuales causales al vincular las semillas aleatorias al orden de ejecución en lugar de a los eventos, y propone una solución basada en identificadores de eventos y generadores basados en contadores para restaurar la coherencia causal.
Este trabajo presenta el desafío SMLM-C, un conjunto de datos de referencia biológicamente inspirado para evaluar modelos de espacio de estado en procesos temporales estocásticos de microscopía de localización de moléculas individuales, revelando que su rendimiento se degrada significativamente ante discontinuidades temporales y dinámicas de parpadeo de cola pesada.
Este estudio analiza cómo la mala condición numérica, causada por la multicolinealidad en las bibliotecas de funciones, compromete la identificación precisa de ecuaciones dinámicas en sistemas biológicos mediante regresión dispersa, demostrando que el uso de bases polinómicas ortogonales alineadas con la distribución de los datos puede mitigar estos problemas y mejorar la recuperación de los modelos.
Este artículo presenta el método híbrido eTFCE-GRF, que combina la estructura union-find de eTFCE para recuperar tamaños de clúster exactos con la inferencia analítica de campos aleatorios gaussianos (GRF) de pTFCE, logrando así un control preciso del error familiar y una aceleración masiva (hasta 1000 veces) en comparación con las pruebas de permutación tradicionales para la morfometría basada en voxel.
Este artículo introduce las simetrías parámetro-estado como un subconjunto de las simetrías de Lie para demostrar que las combinaciones de parámetros estructuralmente identificables y los estados estructuralmente observables corresponden a invariantes universales, ofreciendo así un enfoque unificado para analizar las propiedades estructurales de modelos dinámicos.
El artículo presenta "Sorometry", una plataforma integral de inteligencia artificial que combina análisis de imágenes 2D y nubes de puntos 3D para automatizar la clasificación y cuantificación de fitolitos, superando las limitaciones de los métodos manuales y permitiendo un análisis a escala de "ómicas" de muestras arqueológicas y paleoecológicas.
Nyxus es una biblioteca de extracción de características de imágenes de próxima generación diseñada para la escalabilidad en big data y la inteligencia artificial, que ofrece un conjunto exhaustivo de características biomédicas y múltiples interfaces de acceso para optimizar el análisis de grandes volúmenes de datos 2D y 3D.