108 articoli
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 studio replica ed estende il framework di mappatura da elettrofisiologia a trascrittomica per gli interneuroni GABAergici, dimostrando che un modello di apprendimento profondo basato su attenzione può eguagliare le prestazioni dei metodi tradizionali e che l'addestramento trasversale dai dati murini a quelli umani migliora significativamente la previsione delle sottoclassi neuronali.
Questo studio dimostra che le Restricted Boltzmann Machines, applicate a registrazioni di migliaia di neuroni nel cervello del topo, superano i limiti dei modelli statistici tradizionali catturando con precisione le dipendenze di ordine superiore e rivelando una struttura anatomica nelle interazioni neuronali, pur riuscendo a riprodurre anche la dinamica di rilassamento globale dell'attività neurale.
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 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 propone un framework di ottimizzazione continua basato sul campionamento per la progettazione di mRNA che, iterando tra la generazione di sequenze sinonime e la valutazione di metriche in black-box, supera i metodi esistenti migliorando proprietà come la probabilità di non appaiamento e la percentuale di uridina accessibile, pur permettendo un'esplorazione flessibile dello spazio di progettazione attraverso formulazioni multi-obiettivo.
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.
Utilizzando simulazioni Monte Carlo su un modello di proteina YibK, lo studio dimostra che la temperatura di fusione non dipende dallo stato topologico e che le discrepanze tra risultati sperimentali e computazionali derivano dalla separazione dei tempi scala tra lo sbottonamento e lo spiegamento delle proteine annodate.
Questo articolo propone un quadro funzionale-analitico unificato basato sulla teoria delle distribuzioni di Schwartz per rappresentare i treni di potenziali d'azione, consentendo un'analisi esatta e senza approssimazioni delle dinamiche neuronali, come dimostrato nell'analisi di circuiti reciproci a due neuroni.
Questo studio dimostra che, sebbene i modelli di accumulo evolutivo assumano l'irreversibilità delle caratteristiche, possono comunque fornire stime affidabili sull'ordine temporale di acquisizione e sulla struttura dinamica dei percorsi evolutivi anche in scenari reali reversibili, pur presentando limiti nella stima dell'incertezza e delle interazioni.
Il paper introduce Prism, un framework che supera i limiti della semplice estensione della lunghezza delle sequenze di DNA integrando in modo efficace segnali epigenomici multimodali tramite aggiustamento backdoor per eliminare effetti confondenti, ottenendo così prestazioni all'avanguardia nella previsione dell'espressione genica anche con sequenze corte.
Questo studio dimostra che l'identificazione della musica tramite attività cerebrale (EEG) migliora significativamente distinguendo e combinando rappresentazioni di reti neurali acustiche e basate sulle aspettative, aprendo la strada a modelli di decodifica neurale più avanzati e scalabili.
Questo studio dimostra che l'utilizzo di rappresentazioni locali estratte da modelli fondazionali genomici, combinate con l'aggregazione tramite MiniRocket, supera i limiti dei metodi basati su k-mer nel prevedere la resistenza antimicrobica attraverso specie diverse, affrontando efficacemente il problema della generalizzazione fuori distribuzione.
Il paper presenta GGE, un framework open-source in Python che risolve la mancanza di standardizzazione nella valutazione dei modelli generativi per l'espressione genica single-cell fornendo metriche distributive coerenti e analisi biologicamente motivate per garantire confronti equi e riproducibili.
Lo studio dimostra che la corteccia IT dei macachi codifica la posizione degli oggetti in coordinate allineate alla percezione, mostrando adattamenti illusori simili a quelli umani che le attuali reti neurali artificiali non riescono a replicare senza trasformazioni specifiche.
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.
Questo articolo esamina le ricerche recenti che integrano ambienti reali, dati di vita quotidiana, simulazioni virtuali e registrazioni cerebrali mobili per comprendere in modo ecologico il comportamento di navigazione umana e la sua dinamica cerebrale, delineando anche le future direzioni di questo campo.
Il paper introduce *abx_amr_simulator*, un ambiente di simulazione Python basato su API Gymnasium che permette di ottimizzare le politiche di prescrizione antibiotica e studiare la dinamica della resistenza antimicrobica attraverso agenti di apprendimento per rinforzo in scenari clinici caratterizzati da incertezza e osservazioni parziali.