108 articles
Cet article présente une théorie quantitative expliquant comment l'effet de lentille du corps cellulaire de l'algue *Chlamydomonas reinhardtii* crée des signaux lumineux compétitifs qui, en dominant la réponse flagellaire, inversent le signe de la phototaxie chez les mutants « sans yeux ».
Cette étude démontre la reproductibilité du cadre de liaison électrophysiologie-transcriptomique chez la souris, valide l'efficacité des modèles séquentiels par rapport aux approches traditionnelles, et prouve que l'apprentissage par transfert de la souris vers l'homme améliore la prédiction des sous-types d'interneurones GABAergiques dans le cortex humain.
Cette étude démontre que les Machines de Boltzmann Restreintes permettent de modéliser avec précision l'activité coordonnée de milliers de neurones enregistrés simultanément chez la souris, révélant ainsi des structures d'interactions effectives ancrées dans l'anatomie cérébrale et des dynamiques de relaxation globales.
Cette étude propose une méthode d'apprentissage non supervisé pour la détection d'anomalies médicales qui, en enrichissant les représentations latentes d'un autoencodeur par des similarités contextuelles au sein d'un lot via une estimation d'hypergraphe et une convolution graphique, améliore significativement la précision et réduit les faux positifs en distinguant mieux les variations anatomiques normales des pathologies.
Cette étude combine expériences in vitro et modélisation mathématique pour démontrer que l'exposition des sphéroïdes tumoraux à des champs électriques pulsés déclenche une mort cellulaire et une libération de DAMP proportionnelles à l'intensité du champ, tout en révélant le rôle dual des cellules quiescentes dans la régénération tumorale, ce qui souligne la nécessité de les prendre en compte pour optimiser les thérapies d'électroporation.
Cet article propose un cadre d'optimisation continue basé sur l'échantillonnage pour concevoir des séquences d'ARN messager, surpassant les méthodes existantes en optimisant simultanément la stabilité et d'autres métriques de performance via une exploration flexible de l'espace des séquences synonymes.
Le modèle drGT, présenté dans cet article, est une approche d'apprentissage profond sur graphes hétérogènes qui prédit la réponse aux médicaments et améliore l'interprétabilité des résultats en identifiant des biomarqueurs et des processus biologiques pertinents grâce à des coefficients d'attention, tout en démontrant des performances compétitives sur plusieurs jeux de données de référence.
Cet article propose un critère d'identifiabilité pratique, nommé (e, q)-identifiabilité, qui évalue la fiabilité des estimations de paramètres dans des systèmes biologiques bruités en combinant une méthode d'estimation faible (WENDy) basée sur l'algèbre différentielle pour une efficacité computationnelle accrue avec une prise en compte explicite du bruit des données et de l'erreur quadratique moyenne.
En utilisant des simulations de Monte Carlo sur la protéine YibK, cette étude démontre que la température de fusion thermique ne dépend pas de l'état topologique (nœud) de la protéine, expliquant les contradictions antérieures par une séparation marquée des échelles de temps entre le dénouement et le dépliement qui empêche l'atteinte de l'équilibre lors des expériences calorimétriques.
Cet article propose un cadre fonctionnel-analytique unifié fondé sur la théorie des distributions de Schwartz pour représenter les trains de potentiels d'action, permettant une analyse exacte et sans approximation de la dynamique neuronale, y compris dans des circuits réciproques avec latences et réfractarité.
Cette étude démontre que, bien que les modèles d'accumulation évolutive supposant l'irréversibilité introduisent certaines erreurs, ils restent capables de fournir des informations fiables sur l'ordre relatif d'acquisition des traits et la structure dynamique fondamentale des voies évolutives, même lorsque les processus réels sont réversibles.
L'article propose Prism, un cadre innovant qui intègre efficacement des signaux épigénomiques multimodaux proximaux via une ajustement de type « backdoor » pour prédire l'expression génique avec des performances de pointe, démontrant que l'ajout de séquences longues est moins crucial que la gestion appropriée des signaux multimodaux.
Cette étude démontre que l'utilisation de représentations d' réseaux de neurones artificiels distinctes pour l'acoustique et l'attente, préentraînées sur des signaux bruts, améliore significativement l'identification de la musique à partir de l'activité cérébrale (EEG) en exploitant les principes d'encodage neural.
En démontrant que les modèles de base génomiques combinés à une agrégation locale des embeddings via MiniRocket surpassent les approches traditionnelles, cette étude propose une méthode robuste pour prédire la résistance aux antimicrobiens au-delà des espèces en préservant les signaux biologiques localisés.
Ce papier présente GGE, un cadre open-source en Python conçu pour standardiser l'évaluation des modèles génératifs d'expression génique en offrant des métriques reproductibles et biologiquement fondées afin de permettre des comparaisons équitables entre différentes approches.
Cette étude démontre que le cortex temporal inférieur des macaques encode la position des objets dans un référentiel perceptif aligné sur l'illusion visuelle, contrairement aux réseaux de vision artificielle actuels qui, bien qu'efficaces pour la localisation, ne reproduisent pas ces biais d'adaptation dépendants de l'histoire visuelle.
Cet article présente le défi SMLM-C, une nouvelle référence biologique pour évaluer les modèles d'espace d'état sur des données d'imagerie moléculaire, révélant ainsi leurs limites face aux dynamiques de clignotement irrégulières et à forte queue de distribution.
Cette étude analyse systématiquement l'impact de l'ill-conditionnement sur l'apprentissage d'équations dynamiques par régression parcimonieuse en biologie des systèmes, démontrant que les corrélations fortes entre termes du dictionnaire compromettent la stabilité numérique et que l'utilisation de bases polynomiales orthogonales ne garantit une amélioration que lorsque la distribution des données correspond à leur fonction de poids.
Cet article de revue examine les recherches récentes sur le comportement de navigation humaine et sa dynamique cérébrale dans des contextes écologiques, en synthétisant les approches allant des environnements réels et virtuels au suivi quotidien et à l'enregistrement mobile du cerveau, tout en proposant des perspectives d'avenir pour ce domaine.
Le papier présente abx_amr_simulator, un simulateur Python compatible avec l'API Gymnasium qui modélise la dynamique de la résistance aux antimicrobiens et permet d'optimiser les politiques de prescription d'antibiotiques grâce à l'apprentissage par renforcement dans un environnement contrôlé et incertain.