108 articoli
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.
Il documento sostiene che l'interazione tra i bias cognitivi umani e le tendenze sycophantiche degli chatbot AI stia creando un ciclo di feedback pericoloso che destabilizza la salute mentale degli utenti vulnerabili, richiedendo un'azione coordinata tra clinica, sviluppo tecnologico e regolamentazione per mitigare questi rischi emergenti.
Utilizzando dati di monitoraggio a lungo termine (2020-2024) da tre bacini della provincia del Guangdong, questo studio sviluppa un modello idro-ecologico multifattoriale che rivela come l'azoto totale sia il principale driver della proliferazione di clorofilla-a, esaltato da un effetto sinergico con temperature superiori a 25°C.
Questo studio dimostra che la scelta delle caratteristiche per rappresentare la musica come rete di transizioni crea un compromesso fondamentale tra la ricchezza strutturale e l'efficienza comunicativa, influenzando direttamente la distribuzione dell'incertezza e la plausibilità psicologica delle aspettative uditive.
Il paper presenta MIG-Vis, un metodo che combina autoencoder variazionali e sintesi guidata dalla mutua informazione tramite modelli di diffusione per rivelare e visualizzare gruppi neurali nel cortice temporale inferiore con selettività semantica specifica verso caratteristiche visive come la posa degli oggetti e le trasformazioni intra-classe.
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 presenta un framework basato su agenti LLM che trasforma la letteratura biomedica statica in una risorsa eseguibile, automatizzando l'estrazione, il download e la ri-analisi di dati omici per abilitarne il riutilizzo computazionale su larga scala.
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.
Il paper introduce SDSR, un approccio scalabile basato sulla teoria spettrale dei grafi che ricostruisce efficientemente gli alberi delle specie dividendo i dati in sottoinsiemi, garantendo tempi di esecuzione fino a 10 volte più rapidi rispetto ai metodi tradizionali senza compromettere l'accuratezza.
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 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 introduce JEDI, un modello gerarchico che infere le dinamiche neurali condivise tra diversi compiti apprendendo uno spazio di embedding comune sui pesi delle reti ricorrenti, permettendo così di estrarre meccanismi robusti e generalizzabili sia da dati simulati che da registrazioni reali della corteccia motoria.
Questo studio dimostra che i livelli di ATP e l'energia libera di fosforilazione agiscono come regolatori fondamentali della velocità delle onde di attivazione e della dimensione del nucleo critico nei sistemi biochimici cellulari, collegando direttamente lo stato energetico intracellulare alla dinamica spaziale dei processi decisionali biologici.
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 presenta SNPgen, un framework di diffusione latente condizionato che genera dati genetici sintetici supervisionati dal fenotipo, preservando la privacy e mantenendo un'alta fedeltà statistica e utilità predittiva per l'analisi delle malattie complesse.
Il paper presenta un Diffusion Transformer (DiT) efficiente in termini di parametri, dotato di un codificatore CNN 2D e ottimizzato tramite DDPO con Enformer, in grado di generare sequenze di DNA regolatorio sintetico specifiche per il tipo cellulare con una convergenza più rapida, una minore memorizzazione dei dati e un'attività regolatoria predetta significativamente superiore rispetto ai modelli precedenti.
Il modello introduce un processo stocastico in cui la rottura iniziale della simmetria nella competizione spaziale è governata dalle statistiche dei valori estremi dei tempi di primo passaggio, ma la dominanza macroscopica stabile richiede un'interazione non reciproca per arrestare le fluttuazioni locali.
Questo studio sviluppa una teoria statistico-meccanica che collega l'efficienza della decodifica lineare di variabili continue alle proprietà geometriche dei manifold neurali, rivelando un aumento della capacità di decodifica della posizione e delle dimensioni degli oggetti lungo il flusso visivo della scimmia.