60 件の論文
この論文は、ポリプloidゲノムのハプロタイプアセンブリにおける配列リードの割り当て曖昧さを明示的にモデル化し、確率的なアプローチとグラフ理論を用いてハプロタイプ位相の分布と不確実性を定量化する「pHapCompass」というアルゴリズムを提案し、現実的なポリプloidシミュレーション環境でのベンチマークによりその有効性を示したものである。
この論文は、分子生成における階層的な因果関係と分子全体の視野を両立させるため、非同期なノイズ除去スケジュールと動的なスケジューリング機構を組み合わせた新しい等変性非同期拡散モデル（EAD）を提案し、3 次元分子生成において最先端の性能を達成したことを示しています。
本論文は、抗体治療薬の設計において、マスク言語モデルから目的の生物学的特性を最適化するための柔軟かつ効果的なサンプリング手法（確率的ビームサーチ）を提案し、その有効性を計算機シミュレーションおよび実際の抗体エンジニアリング実験を通じて実証したものである。
COVID-19 パンデミック期間中の米国若年成人を対象とした大規模分析により、精神症状ネットワークのモジュール構造は全体的に安定していたものの、ストレス関連症状を中心とした初期の制御パターンから、感情・認知・社会的領域にまたがる分散型の制御へと再編成されたことが示されました。
LabConstrictor は、DevOps 知識が不要な GitHub ベースの CI/CD パイプラインを活用して Jupyter ノートブックをワンクリックでインストール可能なデスクトップアプリケーションに変換し、生命科学分野における研究ソフトウェアの配布・導入・再利用の障壁を解消する。
TCR-EML は、既知の TCR-pMHC 結合メカニズムに基づくプロトタイプ層をプロテイン言語モデルに統合することで、予測精度を維持しつつ「設計による説明性」を実現する新しい手法を提案する。
この論文は、AI 駆動の大規模仮説検証を通じて、scGPT や Geneformer などの生物基盤モデルが学習する内部表現に、免疫組織など特定の領域で顕著な非自明な幾何的・位相的構造が存在し、モデル間で大域的な形状が共有されるものの、遺伝子レベルの正確な配置は一致しないことを実証している。
この論文は、バッチ内の正常な解剖学的変異をハイパーグラフ推定と共有重みグラフ畳み込み層を用いて埋め込みに統合する手法を提案し、脳腫瘍の MRI 画像における教師なし異常検知の偽陽性を大幅に低減し、AUC-ROC 0.90 などの性能向上を実現したことを報告しています。
この論文は、医療機関間のデータ共有制約を克服しつつ、潜在空間変換とスキップ接続オートエンコーダを組み合わせることで、プライバシーを保護しながら高精度な協調的医療画像セグメンテーションを実現する新しいフレームワーク「PPCMI-SF」を提案し、その有効性と攻撃耐性を複数のデータセットで実証したものです。
本研究は、実験と数理モデルを組み合わせることで、パルス電界照射後の多細胞腫瘍球における細胞死とDAMP放出の時間的動態を解明し、中間強度の電界で観察される腫瘍の加速的再生と、休眠細胞の二重役割（死による資源解放と生存による再増殖）の重要性を明らかにした。
本論文は、長距離相互作用をデータ駆動型の全ノード間アテンション機構で捉えることで、大規模データセットでの学習を可能にし、分子・材料・触媒システムにおいて最先端の精度と安定した長時間分子動力学シミュレーションを実現する新しい機械学習間ポテンシャル「AllScAIP」を提案しています。
drGT は、薬・遺伝子・細胞の異種ネットワークとアテンション機構を活用して薬物応答を高精度に予測すると同時に、既知の標的や文献に基づく新たなバイオマーカー候補を解釈可能に提示する深層学習モデルです。
この論文では、観測ノイズとパラメータ推定誤差に基づいた新たな実用同定性基準「(e, q)-同定性」を定義し、微分代数手法と WENDy 法を組み合わせた弱形式アプローチを用いることで、従来の出力誤差法に比べて計算効率が高くノイズに強いパラメータ推定と実用同定性の迅速な評価を実現することを提案しています。
エージェントベースモデルにおける共通乱数法の標準的な実装が、実行経路の変化により因果構造の整合性を損なう問題点を指摘し、イベント識別子とカウンタ型乱数生成器を組み合わせることで、シミュレーションの実行順序に依存しない因果的に整合した対照実験を可能にする手法を提案しています。
本論文は、状態空間モデルが生物学的な画像データにおける疎で不規則な時間プロセスを扱う際に直面する根本的な課題を明らかにするため、単一分子局在顕微鏡シミュレーションに基づく新たなベンチマーク「SMLM-C」を提案し、その評価結果を報告したものです。
本論文は、システム生物学におけるデータ駆動型の動的方程式学習において、候補関数間の強い相関が数値的不安定性を引き起こす問題を検討し、直交多項式基底の選択とデータ分布の整合性がモデルの精度回復に重要であることを示しています。
本論文は、ユニオン・ファインド構造による正確なクラスターサイズ推定と解析的ガウス確率場理論を組み合わせることで、大規模なボクセルベースの形態計測データに対して、従来の置換検定を不要としつつ、厳密なクラスターサイズを高速に取得して p 値を導出する「Hybrid eTFCE-GRF」手法を提案し、その有効性と計算効率の飛躍的向上を実証したものである。
この論文は、観測出力を時間的に保存するパラメータ・状態対称性と呼ばれるリー対称性の部分類を導入し、それらの普遍的不変量として局所的な構造的識別可能性と観測可能性を特徴づける統一的な枠組みを提示し、既存の機械学習モデルにおける既知の結果の確認と新たな知見の発見に成功したことを述べています。
この論文は、従来の顕微鏡観察の限界を克服し、2 次元画像と 3 次元点群データを融合した AI モデル「Sorometry」を開拓することで、植物微化石（フィトリス）の分析を自動化・高精度化し、考古学および古生態学研究を「オミクス」規模の分野へと変革する包括的なパイプラインを提案しています。
この論文は、ビッグデータおよび AI 時代における大規模画像データの処理課題を解決するため、スケーラブルかつ高精度な特徴量抽出を可能にする新しいライブラリ「Nyxus」を開発し、その多様な利用形態と計算効率の向上を提案したものである。