60 articoli
Il paper presenta pHapCompass, un algoritmo probabilistico per l'assemblaggio degli aplotipi in genomi poliploidi che quantifica l'incertezza di fase, introduce un nuovo flusso di lavoro per la simulazione realistica di genomi poliploidi e dimostra prestazioni competitive rispetto agli assemblatori esistenti.
Il paper introduce Equivariant Asynchronous Diffusion (EAD), un modello di diffusione innovativo che combina schedule di denoising asincrone e dinamiche per catturare le gerarchie molecolari e accelerare la generazione di conformazioni 3D, ottenendo prestazioni all'avanguardia.
Questo articolo propone un metodo di campionamento flessibile ed efficace basato sulla ricerca a fascio stocastica per ottimizzare le proprietà biologiche dei modelli linguistici mascherati, dimostrando attraverso valutazioni *in silico* e *in vitro* su anticorpi terapeutici che la scelta del metodo di campionamento è almeno tanto cruciale quanto quella del modello stesso.
Lo studio analizza i dati di 14.181 giovani adulti statunitensi durante la pandemia di COVID-19, rivelando che, sebbene l'organizzazione modulare dei sintomi di salute mentale sia rimasta stabile, il controllo tra i diversi moduli si è spostato da una configurazione iniziale centrata sullo stress a un pattern più distribuito tra le sfere emotiva, cognitiva e sociale.
Il paper presenta LabConstrictor, un sistema basato su GitHub che automatizza il confezionamento di notebook Jupyter in applicazioni desktop installabili con un clic, superando le barriere tecniche di distribuzione e manutenzione del software open-source nelle scienze della vita.
Il paper propone TCR-EML, un modello spiegabile per la previsione del legame TCR-pMHC che integra strati prototipici basati su meccanismi biochimici noti nei backbone dei modelli linguistici proteici, ottenendo accuratezza competitiva e spiegabilità superiore rispetto ai metodi esistenti.
Attraverso un ciclo autonomo di generazione e verifica di 141 ipotesi, lo studio dimostra che i modelli fondazionali biologici apprendono una struttura geometrica e topologica genuina e condivisa tra diverse architetture, sebbene tale segnale sia significativamente più localizzato nei tessuti immunitari rispetto ad altri contesti.
Questo studio propone un metodo di rilevamento delle anomalie mediche non supervisionato che, integrando le somiglianze contestuali all'interno di un batch tramite ipergrafi e convoluzioni grafiche, riduce significativamente i falsi positivi distinguendo meglio le variazioni anatomiche normali dalle patologie.
Questo lavoro presenta il PPCMI-SF, un framework collaborativo che garantisce la privacy nella segmentazione di immagini mediche attraverso trasformazioni latenti crittografate, ottenendo risultati accurati e sicuri senza condividere dati grezzi tra istituzioni.
Questo studio combina esperimenti in vitro e modelli matematici per dimostrare che l'esposizione degli sferoidi tumorali a campi elettrici pulsati innesca la morte cellulare e il rilascio di DAMP in modo dipendente dall'intensità, rivelando il ruolo cruciale delle cellule quiescenti nel determinare il destino del tumore, tra cui una possibile rigenerazione accelerata a intensità intermedie.
Il paper presenta AllScAIP, un potenziale interatomico basato su machine learning che utilizza un meccanismo di attenzione "all-to-all" per catturare in modo efficiente e preciso le interazioni a lungo raggio in sistemi su larga scala, superando i limiti dei modelli basati su bias fisici quando si dispone di grandi quantità di dati.
Il modello di deep learning su grafi drGT, presentato nel paper, prevede la risposta ai farmaci e identifica biomarcatori interpretabili utilizzando un'attenzione su una rete eterogenea farmaco-cellula-gene, ottenendo prestazioni competitive su dataset di riferimento e validando le sue associazioni predittive attraverso l'analisi della letteratura scientifica e l'arricchimento biologico.
Questo lavoro introduce un nuovo criterio di identificabilità pratica, chiamato (e, q)-identificabilità, che valuta la qualità della stima dei parametri in presenza di rumore utilizzando un metodo basato sulla forma debole (WENDy) per ottenere risultati più rapidi e robusti rispetto alle tecniche tradizionali.
Il paper dimostra che l'uso di generatori di numeri casuali basati su seed nello stato compromette la validità causale nelle simulazioni di modelli basati su agenti quando i percorsi di esecuzione cambiano, e propone l'adozione di generatori basati su contatori combinati con identificatori di eventi per garantire un'associazione stabile e causalmente coerente tra gli input stocastici e gli eventi simulati.
Questo lavoro introduce il benchmark SMLM-C, basato su simulazioni di microscopia a localizzazione di singole molecole, per valutare i modelli di spazio di stato su dati biologici reali, rivelando che le loro prestazioni peggiorano significativamente di fronte a dinamiche temporali sparse e irregolari.
Questo studio analizza sistematicamente come il malcondizionamento numerico, causato dalla multicollinearità nelle librerie di funzioni, comprometta l'identificazione delle equazioni dinamiche nei sistemi biologici, dimostrando che l'uso di basi polinomiali ortogonali migliora la stabilità e l'accuratezza del recupero del modello solo quando i dati sono campionati secondo le distribuzioni di peso corrispondenti.
Il paper presenta un metodo ibrido "Hybrid eTFCE-GRF" che combina la struttura union-find per il recupero esatto delle dimensioni dei cluster con l'inferenza analitica dei campi casuali gaussiani, consentendo di ottenere mappe di significatività per la morfometria basata sui voxel con valori p analitici, controllo rigoroso degli errori e una velocità di calcolo fino a 75 volte superiore rispetto alle implementazioni esistenti.
Questo articolo introduce le simmetrie parametro-stato come sottoclasse delle simmetrie di Lie per dimostrare che le combinazioni di parametri e gli stati strutturalmente identificabili e osservabili localmente corrispondono agli invarianti universali di tali simmetrie, offrendo un approccio unificato per l'analisi delle proprietà strutturali dei sistemi dinamici.
Il paper presenta "Sorometry", una pipeline end-to-end basata sull'intelligenza artificiale che integra analisi di immagini 2D e nuvole di punti 3D per automatizzare la classificazione e l'interpretazione dei fitoliti, superando i limiti dei metodi manuali e trasformando la ricerca in una disciplina su scala "omics".
Il documento presenta Nyxus, una nuova libreria di estrazione delle caratteristiche delle immagini progettata per gestire in modo scalabile e robusto grandi dataset 2D e 3D, offrendo un'interfaccia versatile per diverse competenze e supportando l'efficienza computazionale nell'era dei big data e dell'intelligenza artificiale.