71 पेपर
PACER एक स्केलेबल, acyclicity-गारंटीड फ्रेमवर्क है जो कॉज़ल डिस्कवरी (causal discovery) के लिए, वेरिएबल परम्यूटेशन और एज प्रोबेबिलिटीज के माध्यम से वैध DAGs पर एक डिस्ट्रीब्यूशन को पैरामीटराइज करता है, जिससे सॉफ्ट कंस्ट्रेंट्स की संख्यात्मक अस्थिरता (numerical instability) के बिना बड़े पैमाने के इंटरवेंशनल डेटा पर कुशल अनुकूलन संभव होता है।
यह शोध पत्र वर्टिकलली पैरामीटराइज्ड सिस्टम (vertically parametrized systems) के सिद्धांत का उपयोग करके आदर्श-सैद्धांतिक लक्षण वर्णन (ideal-theoretic characterizations) और रैखिक बीजगणितीय स्थितियाँ प्रदान करता है जो पावर-लॉ काइनेटिक्स (power-law kinetics) वाले रिएक्शन नेटवर्क में जेनेरिक परिमितता (generic finiteness), पूर्ण एकाग्रता सुदृढ़ता (absolute concentration robustness), और गैर-अपभ्रंश बहु-स्थिरता (nondegenerate multistationarity) से संबंधित मौलिक ज्यामितीय प्रश्नों को हल करते हैं।
यह शोधपत्र RAG-GNN को प्रस्तुत करता है, जो एक अभिनव ढांचा है जो कैंसर सिग्नलिंग विश्लेषण में कार्यात्मक क्लस्टरिंग और सटीकता को महत्वपूर्ण रूप से बढ़ाने के लिए डायनेमिक रूप से प्राप्त बायोमेडिकल साहित्य को ग्राफ न्यूरल नेटवर्क के साथ एकीकृत करता है, यह प्रदर्शित करते हुए कि संरचनात्मक टोपोलॉजी को सिमेंटिक ज्ञान के साथ जोड़ना केवल टोपोलॉजी-आधारित दृष्टिकोणों की तुलना में बेहतर प्रदर्शन करता है।
यह शोधपत्र ट्रांसक्रिप्शनल बर्स्टिंग वाले स्टोकेस्टिक जीन रेगुलेटरी नेटवर्क के लिए स्टेशनरी डिस्ट्रीब्यूशन के अस्तित्व और विशिष्टता को स्थापित करता है और कपलिंग विधियों का उपयोग करके स्पष्ट वासरस्टीन कन्वर्जेंस बाउंड प्रदान करता है।
यह शोध पत्र वैकल्पिक बहुपद प्रणालियों (polynomial systems) को प्रस्तुत करता है जो मास एक्शन नेटवर्क के धनात्मक साम्यावस्थाओं (positive equilibria) के साथ एक-से-एक पत्राचार (one-to-one correspondence) में हैं ताकि उनके ज्यामितीय और बीजगणितीय गुणों, जिनमें टोर्सिटी (toricity), साम्यावस्था गणना, मल्टीस्टेशनैरिटी क्षेत्र और द्विभाजन (bifurcations) शामिल हैं, का विश्लेषण सरल बनाया जा सके, जिसमें द्विघाती नेटवर्क (quadratic networks) के लिए विशिष्ट सुदृढ़ परिणाम प्राप्त किए गए हैं।
यह शोध पत्र जीन नियामक नेटवर्क (gene regulatory networks) को मॉडल करने के लिए मानक हिल फलनों (Hill functions) को वैश्विक रूप से सुचारू, सख्ती से धनात्मक लॉजिस्टिक फलनों से बदलने का प्रस्ताव करता है, जिससे साइलेंट कॉम्प्लेक्स-वैल्यूड अंकगणित (silent complex-valued arithmetic) और अभिव्यक्ति शटडाउन (expression shutdown) जैसी संरचनात्मक खामियों को समाप्त किया जा सके और साथ ही संख्यात्मक स्थिरता सुनिश्चित करते हुए उन्नत नियंत्रण रणनीतियों को सक्षम बनाया जा सके।
यह शोध पत्र प्रोबेबिलिटी फ्लो मैचिंग (PFM) को प्रस्तुत करता है, जो एक स्केलेबल फ्रेमवर्क है जो जीन नियामक गतिकी (gene regulatory dynamics), वंश संक्रमण (lineage transitions) और कोशिकीय प्रतिक्रियाओं को सटीक रूप से मॉडल करने के लिए समय-समाधान वाले एकल-कोशिका डेटा (time-resolved single-cell data) से जैव-भौतिक रूप से सुसंगत स्टोकेस्टिक प्रक्रियाओं को सीखता है, जबकि मौजूदा विधियों की व्याख्यात्मकता और सामान्यीकरण की सीमाओं को दूर करता है।
CMGL एक दो-चरणीय ग्राफ लर्निंग फ्रेमवर्क है जो एविडेंशियल डीप लर्निंग का उपयोग करके प्रति-नमूना मोडैलिटी विश्वसनीयता का अनुमान लगाकर कैंसर सबटाइप वर्गीकरण में सुधार करता है, जिसका उपयोग फिर क्रॉस-ओमिक्स फ्यूजन को निर्देशित करने और रोगी समानता ग्राफ को विकृत करने वाले शोर को रोकने के लिए किया जाता है।
यह शोध पत्र एक ऐसी प्रणाली प्रस्तावित करता है जहाँ स्टोकेस्टिक शोर (stochastic noise) कोशिकाओं को फ्रस्ट्रेटेड जीन अवस्थाओं से होते हुए विशिष्ट अभिव्यक्ति बेसिनों (expression basins) में ले जाता है, जिन्हें फिर सुदृढ़ विभेदन और होमियोरेसिसिस (homeorhesis) सुनिश्चित करने के लिए धीमी एपिजेनेटिक फीडबैक द्वारा अपरिवर्तनीय रूप से लॉक कर दिया जाता है।
यह शोध पत्र बहु-चरणीय एंजाइमेटिक मार्गों (multi-stage enzymatic pathways) में यात्रा तरंगों (travelling waves) के लिए एक गणितीय ढांचा विकसित करता है जो सक्रियण पूर्वाग्रह (activation bias) को एक प्रमुख द्विभाजन पैरामीटर (bifurcation parameter) के रूप में पहचानता है, विषम नेटवर्क में संकेत प्रसार को सामान्य करने के लिए एक पारस्परिक-वेग पुन: पैमाना तकनीक (reciprocal-velocity rescaling technique) प्रस्तुत करता है, और एक आधार स्थापित करता है जब गंभीर गतिज बाधाएं (kinetic bottlenecks) मार्ग विखंडन (pathway fragmentation) का कारण बनती हैं तब तर्कसंगत मॉडल न्यूनीकरण (rational model reduction) के लिए।