Posición: La investigación genómica debe ir más allá de la evaluación anecdótica
Descubre por qué la interpretabilidad en modelos genómicos necesita validación rigurosa, como en ensayos clínicos, para evitar conclusiones engañosas. ¡Lee!
#biológica
Aprendizaje de representaciones causales a partir de datos de red
GraCE-VAE: nuevo modelo causal que aprovecha redes biológicas para predecir intervenciones CRISPR con mayor precisión.
SlideCheck: guía el preentrenamiento de modelos de patología con distribuciones
Descubre cómo SlideCheck guía el preentrenamiento de modelos de patología con distribuciones de datos para filtrar y auditar parches WSI, mejorando eficiencia y control en el desarrollo de IA.
Hacia modelos de mundo en investigación biomédica
Descubre cómo los modelos mundiales biomédicos, impulsados por IA, permiten simular futuros biológicos y acelerar el descubrimiento de terapias.
Expertos en IA advierten que su tecnología podría ayudar a crear armas biológicas
Los principales líderes de IA firman una carta abierta pidiendo controles obligatorios en la síntesis de ácidos nucleicos para prevenir el desarrollo de armas biológicas.
Líderes de IA piden protecciones más estrictas contra bioweapons
Los líderes de IA piden al Congreso de EE.UU. exigir el cribado de ADN sintético para evitar armas biológicas con IA.
BBOmix: Benchmark para optimización de hiperparámetros en representación biológica no supervisada
Descubre BBOmix, el primer benchmark abierto para optimizar hiperparámetros en representación biológica no supervisada con 105,000 evaluaciones en datos multi-ómicos reales.
Aprendizaje en línea flexible de representaciones por similitud
Algoritmo en línea biológicamente plausible para representaciones dispersas e invariantes. Ideal para clustering, teselado y codificación en grandes datos.
Agentic-J: Agente IA para Análisis de Microscopía Biológica
Descubre Agentic-J, asistente multi-agente IA para análisis de microscopía biológica. Genera scripts, depura y reporta resultados.
Aprendizaje de representaciones biológicas enmascarando expresión génica
Descubre cómo TxFM, un modelo de autoaprendizaje por enmascaramiento, logra representaciones genómicas de alta fidelidad superando a modelos masivos.
Entrenamiento supervisado degrada alineación de corteza visual
Un estudio revela que el entrenamiento supervisado reduce drásticamente la alineación con la corteza visual V1. Descubre qué reglas de aprendizaje preservan mejor la estructura cerebral.