60 artigos
O artigo apresenta o DBFE, um método de energia livre de ligação direta em solvente implícito que elimina a necessidade de estados intermediários alquímicos, oferecendo uma alternativa mais eficiente para triagem virtual ao exigir apenas uma simulação de complexo por ligante.
Este trabalho demonstra que redes neurais biologicamente informadas (BINNs) podem ser usadas para treinar modelos de equações diferenciais parciais interpretáveis que superam as limitações dos modelos de campo médio, permitindo a previsão precisa e a extrapolação de dados de modelos baseados em agentes estocásticos em espaços de parâmetros não explorados.
Este estudo apresenta um modelo computacional híbrido impulsionado por inteligência artificial que combina equações de Lotka-Volterra com algoritmos de otimização para prever com precisão a dinâmica da terapia viral oncolítica, identificar biomarcadores-chave e possibilitar regimes de tratamento personalizados e adaptativos.
Este artigo apresenta o SSRCA, uma nova metodologia baseada em aprendizado de máquina que facilita a análise de sensibilidade em modelos baseados em agentes (ABMs) biológicos, permitindo identificar parâmetros sensíveis e padrões de saída comuns, como demonstrado no crescimento de esferoides tumorais.
Este artigo propõe um algoritmo aproximado de maximização de expectativa para determinar estruturas moleculares tridimensionais diretamente de micrografias de criomicroscopia eletrônica com baixa relação sinal-ruído, contornando a necessidade de localizar e extrair imagens de projeção individuais.
O artigo apresenta o framework UNISEP, uma estrutura unificada para padronizar a colocação de sensores em diferentes modalidades de captura de movimento e sinais fisiológicos, visando garantir reprodutibilidade e interoperabilidade em pesquisas e aplicações de saúde.
Este artigo apresenta o lançamento público do conjunto de dados CAN-STRESS, uma base multimodal real-world coletada por meio de dispositivos Empatica E4 e questionários de 82 participantes, destinada a investigar as respostas fisiológicas ao estresse e o impacto do consumo de cannabis em ambientes do cotidiano.
Este estudo propõe uma metodologia livre de marcadores que combina imageamento de autofluorescência e aprendizado profundo para realizar a subtipificação patológica rápida e precisa do câncer de pulmão de não pequenas células, gerando colorações imuno-histoquímicas virtuais de qualidade clínica que superam os processos tradicionais demorados e dispendiosos.
O artigo apresenta o CITS, uma nova estrutura não paramétrica para inferir causalidade estatística em séries temporais neurais de alta resolução, superando as limitações de métodos existentes e validando sua eficácia tanto em benchmarks simulados quanto em dados reais de registros neuronais de camundongos.
Este estudo conclui que, para conter surtos de febre aftosa no Mato Grosso do Sul, a estratégia mais eficaz é combinar a máxima capacidade de abate com vacinação limitada, eliminando 100% dos surtos em 10 a 15 dias, enquanto a vacinação isolada se mostrou insuficiente.
O artigo apresenta o GWASPoker, uma ferramenta em Python que automatiza a triagem e o processamento prévio de estatísticas sumárias de GWAS do Catálogo GWAS para cálculo de escores de risco poligênico, permitindo identificar arquivos compatíveis e analisar seus cabeçalhos sem a necessidade de baixar conjuntos de dados completos.
Este trabalho utiliza um modelo lambda-omega com parâmetros variantes no tempo para descrever como as respostas compensatórias assimétricas e a adaptação metabólica gradual influenciam a transição entre estados metabólicos e a dificuldade de perda de peso na obesidade.
Este estudo apresenta uma implementação de IA no sistema pediátrico Shriners Childrens que moderniza seu repositório de dados para o padrão OMOP, desenvolve uma ferramenta de avaliação de qualidade de dados baseada em Python integrada ao framework METRIC e compara estratégias de implementação para a microsomia craniofacial, visando acelerar a adoção clínica de IA confiável.
Este estudo demonstra que o refinamento de uma estrutura morfo-cinética, combinando descritores não-lineares, variáveis contextuais e um ensemble de opinião linear adaptativo (ALOP), melhora significativamente a precisão e a robustez na classificação de estresse hídrico em plantas a partir de imagens RGB, alcançando uma acurácia balanceada de até 0,96.
Este artigo apresenta um método de otimização baseado em gradientes que utiliza a estimativa Gumbel-Softmax para permitir a inferência de parâmetros e o projeto inverso em modelos cinéticos estocásticos exatos, contornando a não diferenciabilidade dos eventos de reação discretos através de uma relaxação contínua aplicada apenas na retropropagação.
Este estudo apresenta o Ab-Affinity, um novo modelo de linguagem grande capaz de prever com precisão a afinidade de ligação de anticorpos contra o peptídeo alvo da proteína spike do SARS-CoV-2, aproveitando avanços em inteligência artificial e o aumento de dados experimentais para auxiliar no design de anticorpos neutralizantes.
O artigo apresenta o INTENSE, um framework de código aberto baseado em teoria da informação que detecta e desentrelaça a seletividade neuronal em dados de imagem de cálcio de animais em comportamento livre, controlando rigorosamente a estrutura temporal e a covariância comportamental para mapear com precisão como os neurônios codificam múltiplas variáveis ambientais.
O Spinverse é um método de reconstrução de microestrutura a partir de ressonância magnética de difusão que utiliza um simulador de Bloch-Torrey totalmente diferenciável para inferir permeabilidades em faces de uma malha tetraédrica, permitindo a emergência de interfaces microestruturais sem alterar a conectividade da malha.
Este artigo apresenta o ERDES, o primeiro conjunto de dados aberto de vídeos de ultrassom ocular rotulados para a presença de descolamento de retina e o status macular, estabelecendo benchmarks para o desenvolvimento de modelos de aprendizado profundo que auxiliem no diagnóstico e priorização cirúrgica.
O estudo apresenta o SMMA, um quadro automatizado baseado em deep learning que mede com precisão a espessura do músculo geniohioide durante a fala, permitindo a análise em larga escala da dinâmica muscular e a distinção de padrões de ativação entre vogais e diferenças sexuais.