60 artículos
El artículo presenta DBFE, un método de energía libre de unión directa en solvente implícito que elimina la necesidad de estados intermedios alquímicos, ofreciendo una alternativa eficiente y escalable para el cribado virtual al requerir solo una simulación por ligando.
Este estudio demuestra que las redes neuronales informadas biológicamente (BINN) pueden entrenarse para generar modelos de ecuaciones diferenciales interpretables que pronostican y predicen con precisión el comportamiento de modelos basados en agentes estocásticos de migración colectiva, incluso en regiones del espacio de parámetros donde los modelos de campo medio tradicionales fallan.
Este estudio presenta un modelo híbrido impulsado por inteligencia artificial que combina ecuaciones de Lotka-Volterra con algoritmos de optimización avanzada para predecir con alta precisión la dinámica de la terapia viral oncolítica, identificar biomarcadores clave y facilitar regímenes de tratamiento personalizados en oncología de precisión.
Este trabajo presenta SSRCA, una nueva metodología basada en aprendizaje automático que facilita el análisis de sensibilidad en modelos basados en agentes biológicos al identificar parámetros sensibles y patrones de salida, demostrando su robustez y aplicabilidad general mediante un ejemplo de crecimiento de esferoides tumorales.
Este artículo presenta un algoritmo aproximado de maximización de expectativas que permite determinar estructuras moleculares tridimensionales directamente a partir de micrografías de criomicroscopía electrónica con baja relación señal-ruido, evitando así la necesidad de localizar y extraer previamente las imágenes de proyección individuales.
El marco UNISEP presenta un protocolo unificado y basado en hitos anatómicos para la colocación de sensores que estandariza la captura de movimiento humano y datos fisiológicos, garantizando la reproducibilidad e interoperabilidad entre diversas modalidades y dominios de investigación.
Este artículo presenta y pone a disposición pública el conjunto de datos CAN-STRESS, que integra mediciones fisiológicas en tiempo real y autorreportes de 82 participantes para investigar las diferencias en las respuestas al estrés entre usuarios y no usuarios de cannabis en entornos cotidianos.
Este estudio propone un método sin marcaje que combina la imagen de autofluorescencia y el aprendizaje profundo para diferenciar rápidamente y con alta precisión los subtipos de cáncer de pulmón de células no pequeñas y generar tinciones inmunohistoquímicas virtuales de calidad clínica, eliminando la necesidad de procesos de tinción tradicionales.
El artículo presenta CITS, un marco no paramétrico para inferir estructuras causales en series temporales de alta resolución que supera a los métodos existentes en precisión y se valida tanto en simulaciones como en registros neuronales a gran escala del cerebro de ratón.
El estudio demuestra que la estrategia más efectiva para controlar brotes de fiebre aftosa en Mato Grosso do Sul, Brasil, es combinar la máxima capacidad de depoblación con una vacunación limitada, logrando erradicar el 100% de los brotes en 10 a 15 días, mientras que el uso exclusivo de vacunación resulta insuficiente.
El artículo presenta GWASPoker, una herramienta en Python que automatiza la identificación y el pre-descargo parcial de archivos de estadísticas resumen de GWAS del Catálogo GWAS para optimizar la selección de datos adecuados para el cálculo de puntuaciones de riesgo poligénico sin necesidad de transferir archivos completos.
Este trabajo emplea un marco lambda-omega con parámetros variables en el tiempo para modelar la asimetría en las respuestas compensatorias metabólicas, explicando así la progresión gradual de la obesidad y la dificultad biológica para mantener la pérdida de peso.
Este estudio presenta una implementación de ciencia de la IA en el sistema pediátrico Shriners Childrens que moderniza su almacén de datos a OMOP CDM v5.4 en un entorno seguro de Microsoft Fabric, introduciendo una herramienta de evaluación de calidad de datos basada en Python que integra principios de IA confiable mediante el marco METRIC y compara estrategias de implementación para la microsomía craneofacial.
Este estudio demuestra que el refinamiento del marco morfo-cinético mediante la incorporación de descriptores no lineales, variables contextuales y un ensamblaje de opinión lineal adaptativa (ALOP) mejora significativamente la precisión y robustez de la clasificación del estrés hídrico en lechugas a partir de imágenes RGB, ofreciendo una base sólida para la fenotipificación de bajo costo.
Este artículo presenta un método de optimización basado en gradientes que utiliza una estimación Gumbel-Softmax de paso directo para permitir la diferenciación eficiente a través de simulaciones estocásticas exactas, logrando así una inferencia de parámetros robusta y un diseño inverso en sistemas de dinámica de Markov de tiempo continuo.
Este estudio presenta Ab-Affinity, un nuevo modelo de lenguaje grande diseñado para predecir con precisión la afinidad de unión de anticuerpos contra el virus SARS-CoV-2, aprovechando el avance de la inteligencia artificial y el aumento de datos experimentales para facilitar el diseño de anticuerpos neutralizantes.
El artículo presenta INTENSE, un marco de código abierto que utiliza la información mutua y pruebas de permutación circular para detectar y desentrañar la selectividad neuronal en datos de imágenes de calcio de animales en comportamiento libre, superando las limitaciones de los métodos actuales al controlar la estructura temporal y la covarianza conductual.
Spinverse es un método de reconstrucción de microestructuras basado en física diferenciable que infiere interfaces celulares explícitas a partir de imágenes de resonancia magnética de difusión (dMRI) optimizando la permeabilidad de las caras de una malla tetraédrica mediante un simulador Bloch-Torrey, sin necesidad de modificar la conectividad de la malla ni asumir fronteras impermeables.
Este artículo presenta ERDES, el primer conjunto de datos de acceso abierto de videos de ultrasonido ocular etiquetados para la detección de desprendimiento de retina y la clasificación del estado macular, junto con benchmarks de referencia generados mediante el entrenamiento de múltiples arquitecturas de aprendizaje profundo.
El estudio presenta SMMA, un marco automatizado basado en aprendizaje profundo que mide con precisión el grosor del músculo geniohioideo durante el habla, permitiendo investigaciones escalables sobre el control motor del habla y la evaluación de trastornos de la deglución.