108 artigos
Este artigo apresenta uma teoria quantitativa que explica a inversão do sinal de fototaxia em mutantes "sem olhos" de *Chlamydomonas*, demonstrando que a lente formada pelo corpo celular concentra a luz de modo que o sinal óptico mais intenso e rápido, proveniente de trás, supera a iluminação direta e inverte a resposta flagelar.
Este estudo valida a reprodutibilidade do mapeamento de eletrofisiologia para transcriptômica em interneurônios GABAérgicos do córtex, demonstrando que modelos de sequência baseados em atenção podem igualar baselines tradicionais e que o aprendizado por transferência de dados de camundongos para humanos melhora a previsão de subclasses celulares.
Este artigo demonstra que Restricted Boltzmann Machines (RBMs) podem modelar com precisão a atividade de milhares de neurônios simultaneamente registrados no cérebro de camundongos, capturando dependências de alta ordem e revelando padrões de interação funcional estruturados anatomicamente que reproduzem tanto as estatísticas quanto a dinâmica de relaxamento da atividade neural.
Este trabalho propõe uma abordagem de detecção de anomalias médica não supervisionada que, ao enriquecer representações latentes com similaridades contextuais dentro de um lote de imagens saudáveis via estimativa de hipergrafos e convolução em grafos, reduz significativamente falsos positivos e melhora a precisão na distinção entre variações anatômicas normais e patologias em ressonâncias magnéticas cerebrais.
Este estudo combina experimentos in vitro e modelagem matemática para demonstrar que a exposição de esferoides tumorais a campos elétricos pulsados desencadeia a liberação de DAMPs e revela um papel dual das células quiescentes, que podem tanto morrer quanto sobreviver e promover o crescimento acelerado do tumor em intensidades intermediárias.
Este artigo propõe um framework de otimização contínua baseado em amostragem para o design de sequências de RNA mensageiro, que supera métodos existentes ao iterativamente otimizar múltiplos objetivos acoplados, como probabilidade de emparelhamento e percentual de uridina acessível, através da atualização de uma distribuição de amostragem parametrizada.
O artigo apresenta o drGT, um modelo de aprendizado profundo em grafos heterogêneos que utiliza coeficientes de atenção para prever a resposta a medicamentos e identificar biomarcadores com alta precisão e interpretabilidade biológica, validado em grandes conjuntos de dados de câncer.
Este trabalho define o critério de identificabilidade prática (e, q) para avaliar a robustez de estimativas de parâmetros em sistemas com variáveis não observadas, utilizando um método de forma fraca computacionalmente eficiente e robusto ao ruído, demonstrado em exemplos de modelagem biológica.
Este estudo utiliza simulações de Monte Carlo para demonstrar que a estabilidade térmica de proteínas não depende do seu estado topológico, sugerindo que as discrepâncias entre resultados experimentais e computacionais decorrem da separação de escalas de tempo entre o desenovelamento e o desatamento de nós, o que impede o acesso ao equilíbrio termodinâmico completo durante os experimentos.
Este artigo estabelece uma estrutura unificada de análise funcional baseada na teoria das distribuições de Schwartz para representar os trens de potenciais de ação neuronais, permitindo uma análise exata e sem aproximações de sua dinâmica, incluindo a derivação de resultados precisos sobre a sensibilidade temporal e a admissibilidade causal em circuitos recíprocos.
O artigo investiga se modelos de acumulação evolutiva que assumem irreversibilidade podem fornecer informações úteis sobre processos reversíveis, demonstrando que, embora a estimativa de incertezas e interações seja propensa a erros, as inferências sobre a ordem relativa de aquisição de características e a estrutura dinâmica central dos caminhos evolutivos permanecem robustas.
O artigo propõe o framework Prism, que integra sinais epigenômicos multimodais próximos aos genes-alvo utilizando ajuste de porta traseira para mitigar efeitos de confusão, demonstrando que essa abordagem supera a simples extensão do comprimento da sequência e alcança desempenho state-of-the-art na previsão de expressão gênica.
Este estudo demonstra que distinguir e combinar representações de redes neurais artificiais relacionadas a aspectos acústicos e de expectativa musical melhora significativamente a identificação de músicas a partir de atividade cerebral (EEG), apontando para avanços na decodificação neural e na cognição musical preditiva.
Este artigo demonstra que a previsão de resistência antimicrobiana entre espécies, um problema de generalização fora de distribuição, é significativamente aprimorada ao utilizar embeddings de modelos fundacionais genômicos extraídos em camadas estáveis e agregados via MiniRocket para preservar padrões de ativação local, superando as limitações de modelos baseados em k-mers que falham em cenários cruzados.
O artigo apresenta o GGE, um framework de código aberto em Python que estabelece um protocolo de avaliação padronizado e reprodutível para modelos generativos de expressão gênica em células únicas, abordando a inconsistência atual nas métricas e permitindo comparações justas entre diferentes abordagens.
Este estudo demonstra que o córtex IT de macacos codifica a posição de objetos em coordenadas perceptualmente alinhadas, refletindo ilusões visuais como o efeito de pós-imagem de movimento, enquanto as redes de visão artificial atuais, embora precisas na localização, não reproduzem essas distorções dependentes do histórico visual.
Este artigo apresenta o desafio SMLM-C, um benchmark biologicamente inspirado que revela que os modelos de espaço de estado (SSMs) enfrentam dificuldades significativas ao modelar a dinâmica de "piscamento" irregular e de cauda pesada em dados de microscopia de localização de molécula única, destacando a necessidade de modelos sequenciais mais adequados para processos temporais esparsos e irregulares na imagem científica.
Este estudo analisa sistematicamente como a má condicionalidade numérica, causada por multicolinearidade em bibliotecas de funções, compromete a descoberta de equações dinâmicas em sistemas biológicos, demonstrando que bases polinomiais ortogonais só melhoram a recuperação do modelo quando os dados são amostrados de distribuições alinhadas às suas funções de peso.
Este artigo revisa pesquisas recentes que buscam compreender a navegação humana e a dinâmica cerebral em contextos ecológicos, analisando quatro abordagens principais: ambientes reais, rastreamento no cotidiano, simulações virtuais e gravações cerebrais móveis, com o objetivo de traçar direções futuras para o campo.
O artigo apresenta o `abx_amr_simulator`, um ambiente de simulação em Python compatível com RL que modela a dinâmica da resistência antimicrobiana e otimiza políticas de prescrição de antibióticos sob incerteza e observabilidade parcial.