108 artigos
Este artigo introduz o conceito de simetrias parâmetro-estado, um subconjunto de simetrias de Lie, para caracterizar a identificabilidade estrutural local e a observabilidade de modelos mecânicos baseados em EDOs, provando que os parâmetros e estados identificáveis correspondem a invariantes universais dessas simetrias.
Esta revisão examina os avanços recentes em miniscópios de um e dois fótons, destacando suas oportunidades únicas para a pesquisa em neurociência, os desafios técnicos atuais e as tecnologias emergentes que prometem impulsionar o desenvolvimento desses dispositivos para o estudo da dinâmica neural em animais livremente comportantes.
O artigo apresenta o Sorometry, um pipeline de inteligência artificial que integra análise de imagens 2D e nuvens de pontos 3D para automatizar a identificação e quantificação de fitólitos, superando as limitações dos métodos manuais e permitindo análises em escala "ômica" de amostras arqueológicas e paleoecológicas.
Este artigo apresenta um modelo de codificação de fMRI "consciente do olhar" que, ao integrar dados de rastreamento ocular com características visuais de CNNs durante a visualização natural de filmes, alcança desempenho equivalente aos modelos convencionais com 112 vezes menos parâmetros, permitindo estudos mais ecologicamente válidos sem a necessidade de fixação central.
Este artigo apresenta um somador ternário de DNA escalável, baseado em um circuito inovador de bloqueio competitivo e uma estratégia de ajuste dinâmico de concentração, que supera as limitações dos somadores binários anteriores e demonstra experimentalmente a capacidade de realizar adições de até 17 bits.
Este artigo apresenta uma teoria analítica e simulações que revelam como forças entrópicas podem, paradoxalmente, manter feixes de nanofilamentos em estados metastáveis atrativos em vez de promovê-los a se separar, dependendo de um único parâmetro adimensional que relaciona o raio de volume excluído ao comprimento do elo.
O artigo apresenta o ELISA, um agente de IA híbrido e interpretável que unifica embeddings de expressão gênica, recuperação semântica e raciocínio de modelos de linguagem para permitir a descoberta interativa de hipóteses biológicas em dados de sequenciamento de RNA de célula única, superando métodos existentes na recuperação de tipos celulares e na geração de insights mecanicistas.
O artigo apresenta o Nyxus, uma nova biblioteca de extração de características de imagens projetada para ser escalável e eficiente no processamento de grandes volumes de dados (2D e 3D) em ambientes de big data e IA, oferecendo múltiplas interfaces de acesso e permitindo a otimização programática para aplicações de aprendizado de máquina.
Este estudo demonstra, por meio de simulações de Monte Carlo, que a topologia emaranhada das proteínas confere uma vantagem funcional ao aumentar significativamente sua estabilidade cinética, sugerindo que a pressão evolutiva por maior resistência ao desenovelamento pode explicar a persistência dessas estruturas complexas.
Este artigo propõe um framework de redes neurais convolucionais temporais (TCNs) para a caracterização de ligação de fatores de transcrição como um problema de classificação multirrotulada, demonstrando que essa abordagem captura eficazmente as interações cooperativas entre múltiplos fatores e revela padrões biológicos significativos.
Este artigo caracteriza explicitamente o equilíbrio de Nash único em jogos de distanciamento social sob dinâmicas SI convencionais, demonstrando que a estratégia ótima consiste em uma fase de espera seguida por um bloqueio total, a qual coincide com a política pública ideal e constitui uma estratégia evolutivamente estável.
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 modelo multiescala baseado na teoria cinética de partículas ativas para estudar e comparar a eficácia de diferentes abordagens terapêuticas combinadas (radioterapia, quimioterapia e terapia antiangiogênica) na invasão de gliomas, utilizando dados de imagem de ressonância magnética por difusão e dados clínicos reais para reconstruir a geometria cerebral e simular o crescimento tumoral.
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 uma visão geral do GenomeBits, uma ferramenta de análise genômica baseada em física e processamento de sinais que mapeia nucleotídeos em sequências numéricas para revelar padrões de mutação, transições ordem-desordem em variantes virais e propriedades quânticas análogas em genomas.
Este artigo apresenta um novo modelo estocástico agente-baseado acoplado a equações de balanço para descrever a interação entre o sistema imune e vírus oncolíticos, derivando seu limite contínuo e demonstrando que uma resposta imune excessivamente rápida pode comprometer a eficácia da terapia, destacando a importância da modulação personalizada da resposta imune.
Este artigo propõe um método de aproximação de campo médio não linear, baseado em uma expansão de Taylor de primeira ordem da taxa de hazard, para estimar parâmetros cinéticos em sistemas de reação quase estocásticos com maior precisão e eficiência computacional, especialmente em dados com grandes intervalos de tempo e rigidez, superando as limitações das abordagens lineares e demonstrando aplicabilidade em dados biológicos de diferenciação celular.