108 artículos
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.
Esta revisión examina los avances recientes en microscopios miniaturizados de uno y dos fotones, destacando sus oportunidades para la investigación neurocientífica en animales libres, los desafíos técnicos actuales y las tecnologías emergentes que prometen mejorar su desarrollo.
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.
Este estudio presenta un modelo de codificación neuronal basado en CNN que incorpora datos de seguimiento ocular para analizar la actividad cerebral durante la visión natural sin fijación central, logrando un rendimiento comparable a los modelos convencionales con 112 veces menos parámetros y facilitando así investigaciones más ecológicamente válidas.
Este artículo presenta un sumador ternario de ADN escalable que, mediante un innovador circuito de bloqueo competitivo y una estrategia de ajuste dinámico de concentración, supera las limitaciones de los sumadores binarios existentes para lograr operaciones de hasta 17 bits.
Este artículo presenta una teoría analítica exacta y leyes de escala que demuestran cómo las fuerzas entrópicas pueden, paradójicamente, mantener unidas a haces de nanofilamentos en estados metastables atractivos en lugar de separarlos, dependiendo de la relación entre el radio de volumen excluido y la longitud de las ataduras.
ElISA es un agente de IA híbrido e interpretable que unifica los embeddings de scGPT con la recuperación semántica de BioBERT y la interpretación mediada por LLM para permitir el descubrimiento interactivo de hipótesis biológicas a partir de datos de scRNA-seq sin acceder a la matriz de conteo original, superando significativamente a sistemas anteriores como CellWhisperer en la recuperación de tipos celulares y la alineación con hallazgos biológicos publicados.
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.
Mediante simulaciones de Monte Carlo, este estudio demuestra que la topología enredada de las proteínas confiere una mayor estabilidad cinética, la cual aumenta con la profundidad del nudo y con la complejidad de la secuencia de aminoácidos, sugiriendo que la presión evolutiva por esta estabilidad es un factor clave en la persistencia de las proteínas enredadas.
Este artículo presenta un marco de aprendizaje profundo basado en redes convolucionales temporales que aborda la predicción de sitios de unión de factores de transcripción como un problema de clasificación multietiqueta, logrando capturar correlaciones y mecanismos cooperativos entre múltiples factores para revelar patrones de unión biológicamente significativos y nuevas relaciones.
Este artículo caracteriza matemáticamente equilibrios estratégicos en juegos de distanciamiento social bajo dinámica SI convencional, demostrando que la única solución es una estrategia de tipo "bang-bang" (esperar y luego bloquear) que coincide con la política pública óptima.
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 modelo multiescala basado en la teoría cinética de partículas activas que, utilizando datos de resonancia magnética por difusión y curvas de isodosis reales, simula y compara la eficacia de diversas estrategias terapéuticas combinadas (quimioterapia, radioterapia y terapia antiangiogénica) en la invasión de gliomas dentro de una geometría cerebral realista.
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 artículo presenta una visión general de GenomeBits, una herramienta de análisis genómico basada en métodos de procesamiento de señales y principios físicos que, mediante la transformación de secuencias de nucleótidos en señales numéricas, permite identificar patrones de mutación, transiciones de orden-desorden en variantes virales como el SARS-CoV-2 y Monkeypox, e incluso explorar extensiones cuánticas para modelar genomas como funciones de onda.
Este trabajo presenta un modelo híbrido discreto-continuo que integra dinámica estocástica de agentes y ecuaciones diferenciales parciales para analizar la interacción entre el sistema inmunitario y los virus oncolíticos, revelando que una respuesta inmune excesivamente rápida puede reducir la eficacia de la terapia y subrayando la necesidad de modularla clínicamente según las características del tumor y del paciente.
Este artículo propone un método de aproximación de campo medio no lineal que, mediante una solución analítica basada en una aproximación de Taylor de primer orden, mejora la estimación de tasas cinéticas en sistemas de cuasi-reacciones estocásticos, ofreciendo mayor eficiencia computacional y robustez ante la rigidez en comparación con los enfoques existentes, especialmente cuando los intervalos de tiempo entre observaciones son grandes.