108 papers
Deze paper introduceert een nieuwe subklasse van Lie-symmetrieën, genaamd parameter-toestand-symmetrieën, om lokale structurele identificeerbaarheid en observeerbaarheid in mechanische modellen te analyseren en bewijst dat deze eigenschappen corresponderen met universele invarianten van deze symmetrieën.
Deze review bespreekt de recente vooruitgang, unieke kansen, technische uitdagingen en opkomende technologieën van één- en meerfoton-miniscopen voor het bestuderen van neurale dynamiek in vrij bewegende dieren.
Dit paper introduceert Sorometry, een AI-gedreven platform dat 2D- en 3D-beeldanalyse combineert om de laborieuze fytolietanalyse te automatiseren en zo de reconstructie van oude vegetatie en menselijke activiteiten op een schaalbaar en reproduceerbaar niveau te brengen.
Dit artikel introduceert een blikbewegingsbewust encoderingsmodel dat eye-tracking data combineert met CNN-kenmerken om fMRI-gegevens uit natuurlijke kijkomstandigheden efficiënter te modelleren dan traditionele methoden, met name voor proefpersonen met dynamische oogbewegingen.
Deze studie introduceert een schaalbaar ternair DNA-full-adder-ontwerp met een innovatief competitief blokkeringscircuit en dynamische concentratieaanpassing, dat experimenteel succesvol 17-bits optelling mogelijk maakt en zo de beperkingen van bestaande binaire DNA-computers overwint.
Dit artikel presenteert een exacte analytische theorie die aantoont dat entropische krachten in nanofilamentbundels, afhankelijk van de verhouding tussen uitgesloten volume en touwlengte, paradoxalerwijs tot aantrekkende metastabiele toestanden kunnen leiden in plaats van de gebruikelijke disaggregatie.
Deze paper introduceert ELISA, een interpreteerbaar hybride AI-agent dat scGPT-embeddings en taalmodellen combineert om mechanistische biologische hypotheses direct uit single-cell RNA-sequencing-data af te leiden zonder toegang tot de oorspronkelijke count-matrix.
Dit artikel introduceert Nyxus, een schaalbare, next-generation bibliotheek voor het extraheren van beeldkenmerken die is ontworpen om de verwerking van grote datasets in de AI- en biomedische domeinen te versnellen en te standaardiseren via diverse toegankelijke interfaces.
Dit onderzoek toont aan dat knopen in eiwitten hun kinetische stabiliteit verhogen, wat suggereert dat evolutionaire druk op deze stabiliteit de persistentie van geknoopte eiwitten verklaart.
Dit paper introduceert een multi-label deep learning-framework op basis van Temporal Convolutional Networks dat de binding van transcriptiefactoren aan DNA voorspelt door samenwerkingsmechanismen te modelleren, waardoor zowel bekende interacties worden bevestigd als nieuwe co-bindingspatronen worden ontdekt.
Dit artikel presenteert een expliciete constructie van een uniek bang-bang Nash-evenwicht voor sociale-distansiegames onder SI-dynamiek, waarbij een wacht-en-zie-fase wordt gevolgd door een lockdown, en toont aan dat deze strategie ook een evolutionair stabiele strategie is die overeenkomt met de optimale publieke beleidsaanpak.
Deze paper introduceert DBFE, een nieuwe end-state methode in impliciet oplosmiddel die absolute bindingsvrije energieën berekent zonder alchemische tussenstappen, waardoor de rekentijd voor virtuele screening aanzienlijk wordt verkort ten opzichte van traditionele dubbel-koppelingstechnieken.
Dit onderzoek toont aan dat biologisch geïnformeerde neurale netwerken (BINN's) kunnen worden gebruikt om interpreteerbare differentiaalvergelijkingen te leren die stochastische agent-gebaseerde modellen voor collectieve migratie nauwkeurig voorspellen en extrapoleren, zelfs in parametergebieden waar traditionele mean-field-modellen falen.
Deze studie presenteert een hybride AI-gedreven ecologisch model dat Generalized Lotka-Volterra-vergelijkingen combineert met geavanceerde optimalisatiealgoritmen om de dynamiek van oncolytische virale therapie nauwkeurig te voorspellen en experimenteel gevalideerde biomerkers te identificeren, waardoor de weg vrijkomt voor gepersonaliseerde en adaptieve kankerbehandelingen.
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.
Dit paper introduceert een benaderend expectation-maximization-algoritme dat de 3D-structuur van kleine moleculen direct uit cryo-EM-micrografieën reconstrueert, waardoor de noodzaak om afzonderlijke projectieafbeeldingen te lokaliseren in situaties met een zeer laag signaal-ruisverhouding wordt omzeild.
Dit artikel presenteert een overzicht van GenomeBits, een op signaalanalyse en kwantummechanica gebaseerde tool die nucleotidedistributies vertaalt naar numerieke sequenties om mutatiepatronen en unieke orde-ongevoegdheidsovergangen in virale genomen, zoals SARS-CoV-2 en Monkeypox, te onthullen.
Dit artikel introduceert een hybride model dat stochastische agentgebaseerde simulaties koppelt aan continue differentiaalvergelijkingen om de interactie tussen oncolytische virussen en het immuunsysteem te analyseren, waarbij wordt vastgesteld dat een te snelle immuunrespons de therapieëfficiëntie kan verminderen en dat stochastische effecten cruciaal zijn voor het begrijpen van de dynamiek.
Dit artikel presenteert een nieuwe methode voor het schatten van kinetische snelheden in quasi-reactiesystemen via een niet-lineaire lokale gemiddelde-veldbenadering, die op grote tijdsintervallen en bij stijfheid superieure resultaten biedt ten opzichte van bestaande SDE- en ODE-methoden.