🧬 Category

q-bio

4988 papers

🧬 biologie

A Virtual Doctor for ADHD Based on Fully Automated EEG Reading

Deze studie introduceert een volledig geautomatiseerde "virtuele arts" die ADHD diagnosticeert op basis van standaard 128-kanaals EEG-opnames zonder tussenkomst van een expert door gebruik te maken van een deep learning-pipeline om diagnostisch significante neurofysiologische patronen te identificeren — specifiek in het venster van 150-300 ms — die traditionele statistische methoden over het hoofd zien, waardoor de menselijke expert-bottleneck in EEG-interpretatie wordt geëlimineerd.

Zhikai Yu, Zijian Zhou, Yaoyao Li, Changming Wang2026-07-22
🧬 biologie

Machine learning-assisted SHG morphometry reveals distinct collagen microarchitectures of trabecular bone and fibrosis in bone marrow biopsies

Deze studie vestigt een reproduceerbare machine learning-ondersteunde SHG-microscopie workflow die onderscheidende collageenmicroarchitecturen tussen fibrose en trabeculair bot in beenmergbiopten onthult, waarmee wordt aangetoond dat specifieke annotatiestrategieën cruciaal zijn voor nauwkeurige kwantitatieve morfometrische analyse van weefselremodellering.

Zakhar P. Asaulenko, Anton A. Egorchev, Dmitry A. Peshekhonov, Leniz F. Nurullin, Anastasiia melnikova, Alexander A. Ros (…)2026-07-22
🧬 biologie

In Search of Manifolds Inside Protein Language Models: A Largely Negative Report

Dit artikel onderzoekt systematisch de manifold-hypothese in proteïnelanguagemodellen (pLMs) met behulp van een uitgebreide batterij aan geometrische en topologische diagnostische instrumenten, waarbij wordt geconcludeerd dat, in tegen tegenstelling tot single-cell foundation models, pLM-representaties overwegend hoogdimensionaal en lineair zijn in plaats van georganiseerd rond lage-dimensionale manifolds.

Olivia Denvis2026-07-22
🧬 biologie

Geometric Representations of Knowledge Inside Biological Large Language Models: an Empirical Analysis

Deze empirische studie onthult dat hoewel biologische grote taalmodellen (SCFMs) een werkelijke, laagdimensionale en gedeeltelijk lineair gestructureerde geometrie voor biologische kennis coderen, deze structuur bescheiden is, vaak niet lineair verstrengeld is en grotendeels overlapt met wat klassieke expressiegebaseerde methoden zoals PCA al kunnen herstellen, waardoor het tekortschiet ten opzichte van de heldere, regelmatige geometrie die wordt waargenomen in natuurlijke taalmodellen.

Olivia Denvis2026-07-22
🧬 biologie

An Empirical Comparison of Virtual Cell Models: Perturbation Prediction, Representation, and the Baseline Gap

Dit artikel presenteert een verenigde benchmark van elf virtuele celmodellen, die onthult dat hoewel deep learning-benaderingen baselines aanzienlijk overtreffen bij representatietaken en de voorspelling van combinatorische perturbaties, ze over het algemeen niet in staat zijn om eenvoudige lineaire modellen te overtreffen bij het voorspellen van ongeziene enkelvoudige gen-perturbaties, wat suggereert dat het veld een "virtuele microscoop" heeft bereikt voor de analyse van celtoestanden in plaats van een ware "virtuele simulator" voor causale perturbatiedynamiek.

Olivia Denvis2026-07-22
🧬 biologie

Findings from Sparse Autoencoders for DNA Sequence Models: Motif Detectors, Reading-Frame Features, and the Scarcity of Regulatory Logic

Deze studie toont aan dat hoewel sparse autoencoders effectief monosemantische, biologisch interpreteerbare kenmerken zoals sequentiemotieven en leesramen extraheren uit DNA-fundamentele modellen, ze een aanzienlijk tekort onthullen aan kenmerken die complexe regulatoire logica coderen, wat suggereert dat huidige modellen eerder een genomisch woordenboek dan een grammatica-motor vastleggen.

Olivia Denvis2026-07-22
🧬 biologie

Information Entropy of Biological Data: An Empirical Analysis

Dit artikel presenteert een verenigde empirische analyse over zes biologische datamodaliteiten die aantoont dat bias door eindige steekproeven informatie-theoretische schattingen ernstig vertekent, en betoogt dat het rapporteren van entropie en wederzijdse informatie zonder de estimator en steekproefomvang te specificeren onverdedigbaar is, aangezien bias-gecorrigeerde methoden onderscheidende biologische signalen onthullen en systematische onderschatting van entropie en overschatting van informatiegehalte corrigeren.

Alexander Memming2026-07-22
🧬 biologie

Pre-Transformer Models for Longevity Science and Deep Ageing Clocks: An Empirical Analysis

Deze empirische studie toont aan dat voor de voorspelling van biologische leeftijd over diverse verouderingscohorten heen, pre-transformer modellen (zoals gepenaliseerde regressie en gradient boosting) over het algemeen beter presteren dan of gelijk zijn aan aandacht-gebaseerde transformers wat betreft nauwkeurigheid, data-efficiëntie, cross-cohort transfer en mortaliteitsrisicostratificatie, waarmee zij worden gevestigd als de rationele standaard voor longevity science, terwijl zij transformers positioneren als een gespecialiseerde tool die alleen levensvatbaar is bij uitzonderlijk grote datasets.

John Feng2026-07-22
🧬 biologie

Deep Learning for Longevity Biomarker Development: An Empirical Analysis of Model Capacity versus Prediction Target for Blood-Based Aging Clocks

Deze empirische studie toont aan dat voor op bloed gebaseerde verouderingsklokken de keuze van het voorspellingsdoel (op mortaliteit gebaseerde fenotypische leeftijd versus chronologische leeftijd) de geldigheid van biomarkers en de associatie met mortaliteit overweldigend bepaalt, waardoor verhogingen in de capaciteit van deep learning-modellen grotendeels ineffectief zijn voor het verbeteren van deze kritieke uitkomsten.

John Feng2026-07-22