60 articoli
Il paper presenta DBFE, un metodo end-state in solvente implicito per il calcolo delle energie libere di legame che elimina la necessità di stati intermedi alchemici, offrendo un'alternativa più efficiente per lo screening virtuale rispetto alle tecniche tradizionali.
Questo studio dimostra come le reti neurali biologicamente informate (BINN) possano essere addestrate per generare modelli di equazioni differenziali interpretabili in grado di prevedere con precisione e in modo efficiente il comportamento di modelli basati su agenti stocastici per la migrazione collettiva, superando i limiti delle approssimazioni a campo medio in regioni dello spazio dei parametri dove tali modelli falliscono.
Questo studio presenta un modello computazionale ibrido guidato dall'intelligenza artificiale che combina equazioni di Lotka-Volterra con ritardi temporali e algoritmi di ottimizzazione avanzati per prevedere con precisione la dinamica della terapia virale oncolitica, identificando biomarcatori chiave e supportando lo sviluppo di regimi terapeutici personalizzati in oncologia di precisione.
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 articolo propone un algoritmo di massimizzazione della speranza approssimata per determinare direttamente la struttura molecolare tridimensionale dai micrograf crioelettronici, bypassando la necessità di localizzare le immagini di proiezione e permettendo così il recupero di strutture piccole in regimi a basso rapporto segnale-rumore dove i metodi tradizionali falliscono.
Il documento presenta UNISEP, un quadro unificato per la collocazione dei sensori basato su punti di riferimento anatomici che garantisce riproducibilità e interoperabilità nei dati di movimento umano e fisiologici, integrandosi con standard esistenti come BIDS per supportare applicazioni che vanno dalla biomeccanica clinica al monitoraggio della salute quotidiano.
Questo articolo presenta CAN-STRESS, un nuovo dataset multimodale reale raccolto tramite dispositivi indossabili e sondaggi da 82 partecipanti, progettato per analizzare le differenze nelle risposte fisiologiche allo stress tra consumatori e non consumatori di cannabis.
Questo studio propone un metodo senza marcatori basato sull'imaging di autofluorescenza e sull'intelligenza artificiale per differenziare rapidamente e accuratamente i sottotipi di carcinoma polmonare non a piccole cellule e generare colorazioni immunoistochimiche virtuali, riducendo i tempi e i costi della diagnosi tradizionale.
Il paper introduce CITS, un framework non parametrico per l'inferenza causale da serie temporali neurali ad alta risoluzione che supera i limiti dei metodi esistenti, offrendo risultati teoricamente fondati e empiricamente validati per scoprire reti causali interpretabili sia in simulazioni che in registrazioni cerebrali su larga scala.
Lo studio dimostra che in Mato Grosso do Sul, Brasile, la strategia più efficace per eradicare la febbre aftosa è la combinazione della massima capacità di abbattimento degli animali con una vaccinazione limitata, controllando il 100% dei focolai in 10-15 giorni, mentre la sola vaccinazione si è rivelata insufficiente.
Il paper presenta GWASPoker, uno strumento in Python che automatizza la ricerca e il pre-processing dei file di statistiche riassuntive GWAS dal Catalogo GWAS per il calcolo dei punteggi di rischio poligenico, identificando le colonne necessarie tramite download parziali ed evitando il trasferimento completo dei dati.
Questo studio utilizza un modello lambda-omega con parametri variabili nel tempo per descrivere come le asimmetrie nelle risposte fisiologiche compensative e l'evoluzione graduale dei coefficienti regolatori modellino la transizione tra stati metabolici nell'obesità, spiegando la difficoltà biologica della perdita di peso rispetto al suo guadagno.
Questo studio presenta un caso di implementazione dell'IA nel sistema sanitario pediatrico Shriners Childrens, che modernizza il data warehouse in OMOP CDM v5.4 all'interno di Microsoft Fabric, introduce un nuovo strumento di valutazione della qualità dei dati basato su Python estendendo il framework METRIC per garantire un'IA affidabile e confronta strategie di implementazione sistemiche e specifiche per l'uso nel contesto della microsomia craniofacciale.
Questo studio dimostra che l'arricchimento del framework morfocinematico con descrittori non lineari e variabili contestuali, combinato con una strategia di ensemble adattiva (ALOP), migliora significativamente la robustezza e l'accuratezza nella classificazione dello stress idrico delle piante tramite il movimento delle foglie.
Questo articolo presenta un metodo di ottimizzazione basato su gradienti che utilizza la stima Gumbel-Softmax "straight-through" per abilitare l'inferenza dei parametri e il design inverso in modelli cinetici stocastici esatti, superando la non differenziabilità degli eventi discreti attraverso un rilassamento continuo applicato solo nel passaggio inverso.
Questo studio introduce Ab-Affinity, un nuovo modello linguistico su larga scala in grado di prevedere con precisione l'affinità di legame degli anticorpi contro il peptide bersaglio, come la proteina spike del SARS-CoV-2, sfruttando i recenti progressi nell'intelligenza artificiale e la disponibilità di dati sperimentali.
Il paper presenta INTENSE, un framework open-source basato sull'informazione mutua che rileva e disentangla la selettività neuronale nei dati di imaging del calcio di animali liberi, controllando rigorosamente l'autocorrelazione temporale e la covarianza comportamentale per mappare con precisione le associazioni tra attività neurale e comportamento.
Spinverse è un metodo di ricostruzione microstrutturale per la risonanza magnetica a diffusione che, sfruttando un simulatore di Bloch-Torrey completamente differenziabile su una griglia tetraedrica, ottimizza le permeabilità delle facce interne per invertire i segnali dMRI e recuperare interfacce biologiche esplicite senza modificare la connettività della mesh.
Il paper introduce ERDES, il primo dataset aperto di video ecografici oculari etichettati per la rilevazione del distacco di retina e la classificazione dello stato maculare, fornendo benchmark per modelli di deep learning volti a supportare la diagnosi rapida in ambito clinico.
Il framework automatizzato SMMA, basato sull'intelligenza artificiale, misura con precisione lo spessore del muscolo genioioideo durante la fonazione, consentendo studi su larga scala dei meccanismi del controllo motorio del parlato e delle patologie di deglutizione.