12 papers
Dit artikel presenteert een uitgebreid wiskundig model dat mechanistische dynamica van CD4+/CD8+ CAR-T-cellen combineert met machine learning om de variabele patiëntrespons te verklaren en voorspellende inzichten te behouden ondanks parameteronzekerheid.
Dit onderzoek toont aan dat evanescente golven een niet-invasief hulpmiddel vormen om de door glucose beïnvloede mobiliteit van erytrocyten te kwantificeren, waarbij een significante afname van de gemiddelde snelheid bij hogere glucoseconcentraties wordt waargenomen.
Dit artikel onderzoekt hoe de beschikbaarheid van verschillende soorten experimentele data, zoals FACS- en FUCCI-metingen, de identificeerbaarheid van parameters beïnvloedt in een leeftijdsgestructureerd PDE-model van de celcyclus, en bepaalt welke minimale dataset nodig is voor succesvolle modelkalibratie.
In dit werk wordt een faseveldkader ontwikkeld voor het simuleren van apoptose, waarbij configuratiemechanica wordt afgeleid en morfologische overgangen zoals celkrimp en membraanblebbing worden onderzocht om therapeutische toepassingen mogelijk te maken.
Dit artikel toont aan dat cellen zelfs bij extreem lage concentraties van chemotactische signalen de richting van de bron snel en nauwkeurig kunnen bepalen door gebruik te maken van statistieken van de allereerste bindingsevents, die meer informatie bevatten dan latere gebeurtenissen.
Deze studie presenteert een doorbraak waarbij een compact en performant hematopoëtisch algoritme wordt geëxtraheerd uit de interne mechanica van het foundation-model scGPT, wat resulteert in een standalone methode die zonder hertraining superieure prestaties levert ten opzichte van bestaande tools en de interpretatie van biologische foundation-modellen mogelijk maakt.
Dit artikel presenteert een kwantitatieve theorie die verklaart hoe de lenswerking van het cellulaire lichaam in 'oogloze' mutanten van *Chlamydomonas* leidt tot een omkering van de fototaxisrichting, doordat de snellere veranderingen in het gefocuste lichtsignaal de langzamere directe verlichting overstemmen.
In dit artikel wordt SSRCA, een nieuw machine learning-pipeline, voorgesteld om gevoeligheidsanalyse voor complexe agent-gebaseerde modellen in de biologie te stroomlijnen door gevoelige parameters te identificeren, uitkomstenpatronen te onthullen en de bijbehorende invoerwaarden te bepalen, zoals gedemonstreerd aan de hand van tumorgroei.
Deze studie presenteert een multischaalmodel op basis van de kinetische theorie van actieve deeltjes om de verspreiding van gliomen in het menselijk brein te analyseren en verschillende gecombineerde therapieën, waaronder radio-, chemotherapie en anti-angiogene behandeling, te evalueren met behulp van realistische DTI-gegevens en patiëntspecifieke isodose-curves.
Deze paper introduceert DCENWCNet, een nieuw ensemble-model van drie CNN-architecturen dat, gecombineerd met LIME voor interpretatie, de nauwkeurigheid en betrouwbaarheid van de classificatie van witte bloedcellen op de Rabbin-WBC-dataset aanzienlijk verbetert.
In dit artikel stellen de auteurs Cell-Mechanistic Neural Networks (Cell-MNN) voor, een volledig end-to-end encoder-decoder architectuur die gebruikmaakt van een lokaal gelijnd ODE-model om de dynamiek van celdifferentiatie te leren en interpreteerbare, biologisch consistente geninteracties bloot te leggen zonder de noodzaak van dure optimal transport-preprocessing.
Deze studie introduceert causale circuittracing om aan te tonen dat single-cell foundation-modellen, ondanks hun architecturale verschillen, een opvallende biologische coherentie en inhiberende dominantie vertonen, waarbij gedeelde domeinen sterk geassocieerd zijn met ziekten en experimenteel worden gevalideerd.