12 articoli
Questo lavoro presenta un modello matematico esteso che integra la dinamica delle cellule CAR-T CD4+ e CD8+ con la regolazione dell'antigene tumorale, dimostrando come l'uso combinato di simulazioni meccanicistiche e reti neurali possa migliorare la previsione dei risultati terapeutici nonostante l'incertezza dei parametri.
Questo studio dimostra che le onde evanescenti possono essere utilizzate come strumento non invasivo per rilevare variazioni nella mobilità degli eritrociti, evidenziando una significativa riduzione della velocità media delle cellule in ambienti ad alta concentrazione di glucosio.
Questo studio presenta un modello PDE strutturato per l'età del ciclo cellulare per valutare come la disponibilità di dati sperimentali limitati e aggregati, come le proporzioni di fase da FACS e le dinamiche FUCCI, influenzi l'identificabilità dei parametri e determini i raggruppamenti parametrici minimi necessari per un adattamento efficace del modello.
Questo lavoro propone un modello di campo di fase per simulare l'apoptosi cellulare, derivandone la meccanica configurazionale e validandolo attraverso simulazioni di transizioni morfologiche confrontate con immagini al microscopio elettronico, con l'obiettivo di supportare lo sviluppo di terapie computazionali.
Questo studio dimostra che le cellule possono rilevare rapidamente e con precisione la direzione di una fonte di chemoattrattante a concentrazioni ultra-basse analizzando le statistiche dei primi eventi di legame dei recettori, i quali trasportano informazioni direzionali sproporzionatamente maggiori rispetto agli arrivi successivi.
Gli autori scoprono e estraggono dal modello fondazionale scGPT un algoritmo compatto e performante per l'analisi dell'ematopoiesi, validato su dataset esterni e superiore ai metodi esistenti, dimostrando come la meccanica interpretativa possa rivelare manufatti biologici utili direttamente dagli interni del modello senza necessità di riaddestramento.
Questo studio presenta una teoria quantitativa che spiega come la lentezza del corpo cellulare nei mutanti "senza occhi" di *Chlamydomonas* generi segnali luminosi focalizzati che, dominando sulla risposta diretta grazie alla loro rapida variazione temporale, causano un'inversione del fototassismo e una bistabilità nella scelta direzionale.
Questo lavoro presenta SSRCA, una nuova pipeline basata sull'apprendimento automatico che facilita l'analisi di sensibilità per i modelli basati su agenti in biologia, consentendo di identificare parametri sensibili, rivelare pattern di output comuni e determinare le regioni parametriche che li generano, come dimostrato nel contesto della crescita di sferoidi tumorali.
Questo studio propone un modello multiscala basato sulla teoria cinetica delle particelle attive per analizzare l'invasione del glioma e confrontare diverse strategie terapeutiche combinate (radio-, chemio- e anti-angiogenica) su geometrie cerebrali realistiche ricostruite da dati DTI e dati clinici di pazienti.
Il paper propone DCENWCNet, un nuovo modello ensemble basato su tre architetture CNN con configurazioni uniche di dropout e max-pooling, che supera gli stati dell'arte nella classificazione dei globuli bianchi sul dataset Rabbin-WBC offrendo al contempo spiegazioni interpretabili tramite LIME per aumentare la fiducia nella diagnosi automatizzata.
Il paper presenta Cell-MNN, una rete neurale encoder-decoder end-to-end che utilizza rappresentazioni ODE per modellare in modo efficiente e interpretabile le dinamiche di differenziazione cellulare, superando i metodi attuali nella scalabilità e nella scoperta di interazioni geniche biologiche.
Questo studio introduce il tracciamento causale dei circuiti per rivelare che i modelli fondazionali a singola cellula (Geneformer e scGPT) condividono architetture computazionali distinte caratterizzate da una predominanza inibitoria e coerenza biologica, con un consenso cross-modello che identifica domini associati alle malattie e conferma la natura di co-espressione piuttosto che di codifica causale.