🧬 Category

q-bio

1504 articles

🧬 biology

Machine learning-assisted SHG morphometry reveals distinct collagen microarchitectures of trabecular bone and fibrosis in bone marrow biopsies

Cette étude établit un flux de travail reproductible de microscopie SHG assistée par apprentissage automatique qui révèle des microarchitectures de collagène distinctes entre la fibrose et l'os trabéculaire dans les biopsies de moelle osseuse, démontrant que des stratégies d'annotation spécifiques sont critiques pour une analyse morphométrique quantitative précise du remodelage tissulaire.

Zakhar P. Asaulenko, Anton A. Egorchev, Dmitry A. Peshekhonov, Leniz F. Nurullin, Anastasiia melnikova, Alexander A. Ros (…)2026-07-22
🧬 biology

In Search of Manifolds Inside Protein Language Models: A Largely Negative Report

Cet article étudie systématiquement l'hypothèse de la variété dans les modèles de langage protéiques (pLM) en utilisant une batterie complète de diagnostics géométriques et topologiques, concluant qu'à la différence des modèles de fondation pour cellules uniques, les représentations des pLM sont principalement de haute dimension et linéaires plutôt qu'organisées autour de variétés de faible dimension.

Olivia Denvis2026-07-22
🧬 biology

Geometric Representations of Knowledge Inside Biological Large Language Models: an Empirical Analysis

Cette étude empirique révèle que, bien que les grands modèles de langage biologiques (SCFM) encodent une structure géométrique réelle, de faible dimension et partiellement linéarisée pour la connaissance biologique, cette structure est modeste, souvent enchevêtrée de manière non linéaire, et chevauche largement ce que les méthodes classiques basées sur l'expression, telles que l'ACP, peuvent déjà récupérer, ne parvenant pas à la géométrie nette et régulière observée dans les modèles de langage naturel.

Olivia Denvis2026-07-22
🧬 biology

An Empirical Comparison of Virtual Cell Models: Perturbation Prediction, Representation, and the Baseline Gap

Cet article présente un benchmark unifié de onze modèles de cellules virtuelles, révélant que si les approches d'apprentissage profond surpassent significativement les modèles de référence dans les tâches de représentation et de prédiction de perturbations combinatoires, elles échouent généralement à dépasser de simples modèles linéaires pour prédire des perturbations de gènes uniques non vues, suggérant que le domaine a réalisé un « microscope virtuel » pour l'analyse de l'état cellulaire plutôt qu'un véritable « simulateur virtuel » pour la dynamique de perturbation causale.

Olivia Denvis2026-07-22
🧬 biology

Findings from Sparse Autoencoders for DNA Sequence Models: Motif Detectors, Reading-Frame Features, and the Scarcity of Regulatory Logic

Cette étude démontre que, bien que les autoencodeurs clairsemés extraient efficacement des caractéristiques monosémantiques et biologiquement interprétables telles que des motifs de séquence et des cadres de lecture à partir des modèles de fondation d'ADN, ils révèlent une pénurie significative de caractéristiques codant une logique de régulation complexe, suggérant que les modèles actuels capturent un dictionnaire génomique plutôt qu'un moteur de grammaire.

Olivia Denvis2026-07-22
🧬 biology

Information Entropy of Biological Data: An Empirical Analysis

Cet article présente une analyse empirique unifiée à travers six modalités de données biologiques démontrant que le biais d'échantillon fini distord gravement les estimations de l'information théorique, et soutient que rapporter l'entropie et l'information mutuelle sans spécifier l'estimateur et la taille de l'échantillon est indéfendable, étant donné que les méthodes corrigées du biais révèlent des signaux biologiques distincts et corrigent la sous-estimation systématique de l'entropie ainsi que la surestimation du contenu informationnel.

Alexander Memming2026-07-22
🧬 biology

Pre-Transformer Models for Longevity Science and Deep Ageing Clocks: An Empirical Analysis

Cette étude empirique démontre que pour la prédiction de l'âge biologique à travers diverses cohortes de vieillissement, les modèles pré-transformers (tels que la régression pénalisée et le boosting de gradient) surpassent généralement ou égalent les transformers basés sur l'attention en termes de précision, d'efficacité des données, de transfert entre cohortes et de stratification du risque de mortalité, les établissant comme le choix par défaut rationnel pour la science de la longévité tout en positionnant les transformers comme un outil spécialisé uniquement viable avec des ensembles de données exceptionnellement vastes.

John Feng2026-07-22
🧬 biology

Deep Learning for Longevity Biomarker Development: An Empirical Analysis of Model Capacity versus Prediction Target for Blood-Based Aging Clocks

Cette étude empirique démontre que pour les horloges biologiques basées sur le sang, le choix de la cible de prédiction (âge phénotypique dérivé de la mortalité par rapport à l'âge chronologique) détermine de manière prépondérante la validité des biomarqueurs et l'association avec la mortalité, rendant les augmentations de la capacité des modèles d'apprentissage profond largement inefficaces pour améliorer ces résultats critiques.

John Feng2026-07-22
🧬 biology

Alzheimer's Disease as the Result of Aberrant Reactivation of Embryonic Brain Pathways Silenced Decades Earlier

Cette étude propose que la maladie d'Alzheimer résulte de la réactivation épigénétique aberrante de voies oscillatoires de l'actine-myosine embryonnaires et normalement silencieuses dans les neurones et la glie vieillissants, créant une instabilité mécanique qui induit une rétraction synaptique et un « retrait progressif » (dying-back) axonal plutôt qu'une simple protéotoxicité passive.

Steven Lehrer2026-07-22