108 articoli
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.
Questa recensione esamina i recenti progressi nei microscopi miniaturizzati a uno e due fotoni, evidenziando le loro opportunità per la ricerca neuroscientifica, le sfide tecniche attuali e le tecnologie emergenti che promettono di avanzare lo studio della dinamica neurale in animali liberi di muoversi.
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".
Questo studio introduce modelli di codifica neurali "gaze-aware" che, integrando dati di tracciamento oculare con feature visive estratte da CNN durante la visione libera di filmati, raggiungono prestazioni paragonabili ai modelli tradizionali con un numero di parametri 112 volte inferiore, permettendo così analisi fMRI più ecologicamente valide.
Questo articolo presenta un addizionatore ternario scalabile basato sul DNA, abilitato da un circuito di blocco competitivo e da una strategia di ottimizzazione cooperativa, che supera i limiti degli addizionatori binari precedenti permettendo esperimenti di successo fino a 17 bit.
Il paper sviluppa una teoria analitica che rivela come un singolo parametro adimensionale possa determinare forze entropiche paradossali che, invece di separare, mantengono i fasci di nanofilamenti in stati metastabili attrattivi, un risultato confermato da simulazioni di dinamica browniana.
Il paper introduce ELISA, un agente ibrido di intelligenza artificiale interpretabile che unisce embedding di espressione scRNA-seq e modelli linguistici per trasformare direttamente i dati trascrittomici in ipotesi biologiche meccanicistiche, superando le prestazioni degli strumenti esistenti nella ricerca di tipi cellulari e nella generazione di scoperte biologiche fondate.
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.
Utilizzando simulazioni Monte Carlo su modelli strutturale-based, lo studio dimostra che la topologia nodale delle proteine ne aumenta la stabilità cinetica, suggerendo che tale vantaggio funzionale possa guidare la loro persistenza evolutiva.
Questo articolo propone un framework basato su reti convoluzionali temporali (TCN) per il riconoscimento multi-etichetta dei siti di legame dei fattori di trascrizione, permettendo di catturare le correlazioni e i meccanismi cooperativi tra diversi fattori e di scoprire nuovi pattern di interazione biologica.
Questo articolo caratterizza matematicamente i giochi di distanziamento sociale sotto dinamiche epidemiche SI convenzionali, dimostrando che l'unico equilibrio di Nash è una strategia esclusiva "bang-bang" composta da una fase di attesa seguita da un blocco totale, la quale coincide anche con la politica pubblica ottimale.
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 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.
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 una panoramica completa di GenomeBits, uno strumento di analisi genomica ispirato alla fisica e basato sulla trasformata di Fourier discreta, che mappa le basi nucleotidiche in sequenze numeriche per rivelare caratteristiche intrinseche, modelli di mutazione e transizioni ordine-disordine in genomi virali come SARS-CoV-2 e Monkeypox, estendendo il modello anche a un approccio quantistico.
Il lavoro presenta un approccio di modellazione ibrido discreto-continuo che, derivando un limite continuo da un modello stocastico basato su agenti per le interazioni tra virus oncolitici e sistema immunitario, evidenzia come una risposta immunitaria troppo rapida possa ridurre l'efficacia della terapia e sottolineando la necessità di modulare tale risposta in base alle caratteristiche del tumore e del paziente.
Il paper propone un metodo di approssimazione locale non lineare basato su una soluzione analitica delle equazioni differenziali ordinarie per stimare con maggiore efficienza e precisione i tassi cinetici dei sistemi di reazione quasi-stocastici, specialmente in presenza di grandi intervalli temporali tra le misurazioni e di rigidità numerica, come dimostrato su dati biologici.