Enhancing Morpho-Kinematic analysis for Plant Water Stress Classification through Leaf Movements

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.

Walter Polilli, Alessio Antonini, Cristiano Platani + 2 more2026-03-06🧬 q-bio

Convex Efficient Coding

Questo articolo propone un quadro normativo flessibile e trattabile per la codifica neurale che, ottimizzando la similarità rappresentazionale invece delle attività neurali dirette, rivela che una vasta famiglia di problemi di ottimizzazione è convessa, permettendo così di derivare nuovi risultati teorici sull'identificabilità, l'unicità delle sintonizzazioni neuronali e la separazione dei canali ON/OFF nella retina.

William Dorrell, Peter E. Latham, James Whittington2026-03-06🧬 q-bio

If Grid Cells are the Answer, What is the Question? A Review of Normative Grid Cell Theory

Questo articolo esamina la teoria normativa delle cellule di griglia, sostenendo che, nonostante alcune controversie, il consenso scientifico le identifica come un codice biologicamente plausibile e ad alta fedeltà per la posizione, fondamentale per l'integrazione del percorso, offrendo preziose lezioni per le teorie normative delle computazioni neurali.

William Dorrell, James C. R. Whittington2026-03-06🧬 q-bio

INTENSE: Detecting and disentangling neuronal selectivity in calcium imaging data

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.

Nikita Pospelov, Viktor Plusnin, Olga Rogozhnikova + 6 more2026-03-06🧬 q-bio

SeekRBP: Leveraging Sequence-Structure Integration with Reinforcement Learning for Receptor-Binding Protein Identification

Il paper presenta SeekRBP, un innovativo framework che integra sequenza e struttura tramite apprendimento per rinforzo e un approccio a bandit multi-braccio per ottimizzare il campionamento negativo, superando le limitazioni dei metodi tradizionali nell'identificazione delle proteine leganti i recettori (RBP) e migliorando la previsione dell'ospite nei fagi.

Xiling Luo, Le Ou-Yang, Yang Shen + 6 more2026-03-06🧬 q-bio