108 articles
Cet article introduit une sous-classe de symétries de Lie, appelées symétries paramètre-état, pour caractériser l'identifiabilité structurelle locale et l'observabilité des modèles mécanistes en démontrant que les paramètres identifiables et les états observables correspondent aux invariants universels de ces symétries.
Cette revue examine les récents progrès des microscopes miniaturisés (miniscopes) à un et deux photons, qui permettent d'imager l'activité neuronale chez des animaux libres, tout en discutant de leurs opportunités uniques, des défis techniques actuels et des technologies émergentes.
L'article présente Sorometry, une pipeline d'intelligence artificielle intégrant l'analyse d'images 2D et de nuages de points 3D pour automatiser la classification et l'interprétation des phytolithes, surmontant ainsi les limites des méthodes manuelles et transformant cette discipline en une science à grande échelle.
Cette étude présente des modèles d'encodage gaze-aware entraînés sur le jeu de données StudyForrest, qui intègrent des données de suivi oculaire aux caractéristiques visuelles pour améliorer la prédiction de l'activité cérébrale lors de visionnage naturel sans fixation, tout en réduisant considérablement le nombre de paramètres par rapport aux modèles conventionnels.
Cette étude propose une architecture d'additionneur ternaire évolutif en ADN, reposant sur un circuit de blocage compétitif et une stratégie d'ajustement dynamique de la concentration, qui permet de réaliser des additions jusqu'à 17 bits et de surmonter les limitations des systèmes binaires actuels.
Ce papier établit une théorie analytique exacte démontrant que le rapport entre le rayon de volume exclu et la longueur des liens détermine si les forces entropiques séparent ou, de manière paradoxale, maintiennent ensemble des faisceaux de nanofilaments dans des états métastables attractifs, un phénomène confirmé par des simulations de dynamique brownienne.
Le papier présente ELISA, un agent génératif hybride et interprétable qui unifie les embeddings d'expression scGPT et la recherche sémantique BioBERT pour permettre la découverte interactive de mécanismes biologiques à partir de données de séquençage ARN à cellule unique sans accès direct aux matrices de comptage.
Le papier présente Nyxus, une bibliothèque de nouvelle génération conçue pour l'extraction évolutive et hors mémoire de caractéristiques d'images 2D et 3D, offrant une solution polyvalente et performante pour les défis du big data et de l'IA dans divers domaines scientifiques.
En utilisant des simulations de Monte Carlo, cette étude démontre que la topologie nouée des protéines augmente leur stabilité cinétique, suggérant que cette résistance au dépliement constitue un avantage évolutif favorisant la persistance des protéines nouées.
Cet article propose un cadre d'apprentissage profond basé sur des réseaux de convolution temporelle pour traiter la reconnaissance des sites de liaison des facteurs de transcription comme un problème de classification multi-étiquettes, permettant ainsi de prédire simultanément plusieurs profils de liaison, de capturer leurs corrélations et de révéler des motifs biologiques ainsi que des mécanismes coopératifs, y compris de nouvelles relations entre facteurs de transcription.
En caractérisant les jeux de distanciation sociale sous des dynamiques SI classiques, cet article démontre que l'équilibre de Nash unique est une stratégie « tout ou rien » (bang-bang) composée d'une phase d'attente suivie d'un confinement, qui coïncide également avec la politique publique optimale.
Cet article présente la méthode DBFE, une approche de calcul des énergies libres de liaison en fin d'état sans alchimie qui réduit considérablement le coût computationnel pour le criblage virtuel tout en maintenant une précision compétitive par rapport aux méthodes existantes.
Cette étude démontre que les réseaux de neurones biologiquement informés (BINN) permettent de construire des équations aux dérivées partielles interprétables capables de prédire avec précision et d'extrapoler le comportement de modèles à base d'agents stochastiques complexes, même lorsque les modèles de champ moyen classiques échouent.
Cette étude présente un modèle écologique hybride piloté par l'IA qui combine des équations de Lotka-Volterra retardées et des algorithmes d'optimisation avancés pour prédire avec précision la dynamique de la thérapie virale oncolytique et identifier des biomarqueurs clés, ouvrant ainsi la voie à des traitements personnalisés en oncologie de précision.
Cet article présente SSRCA, une nouvelle pipeline d'apprentissage automatique conçue pour faciliter l'analyse de sensibilité des modèles basés sur des agents en identifiant les paramètres sensibles et les motifs de sortie, démontrée ici sur un modèle de croissance de sphéroïdes tumoraux et comparée favorablement à la méthode de Sobol'.
Cet article propose un modèle multi-échelle basé sur la théorie cinétique des particules actives pour étudier l'impact combiné de la radiothérapie, de la chimiothérapie et des thérapies anti-angiogéniques sur la propagation des gliomes dans un cerveau réaliste reconstruit à partir de données IRM de diffusion et de courbes d'isodose.
Cet article propose un algorithme d'espérance-maximisation approximatif permettant de reconstruire directement la structure tridimensionnelle de petites molécules à partir de micrographies cryo-EM à faible rapport signal-sur-bruit, en évitant l'étape préalable de localisation des images de projection qui échoue dans ces conditions.
Cet article présente une vue d'ensemble de GenomeBits, un outil d'analyse génomique inspiré de la physique et basé sur le traitement du signal, qui permet d'extraire des caractéristiques intrinsèques et d'identifier des transitions ordre-désordre dans les séquences de variants viraux tels que le SARS-CoV-2 et le Monkeypox, tout en proposant une extension quantique modélisant les génomes comme des fonctions d'onde.
Cet article présente une approche de modélisation hybride discrète-continu pour étudier les interactions entre le système immunitaire et les infections virales oncolytiques, démontrant que la stochasticité joue un rôle clé et que une réponse immunitaire trop précoce peut réduire l'efficacité de la thérapie.
Cet article propose une méthode d'estimation des paramètres cinétiques des systèmes de quasi-réactions basée sur une approximation locale non linéaire du taux de hasard, qui offre une solution explicite robuste aux raideurs et améliore la précision des estimations, notamment pour des données espacées dans le temps, comme démontré sur des données biologiques de macaques rhésus.