La IA y los problemas difíciles del mundo · Ciencias de la vida · arXiv · 2026-10-20
scCTM: reconstrucción con Continuous Thought Machine de los paisajes de atractores de la dinámica del destino celular del glioma y de las firmas algorítmicas de perturbación
Título original: scCTM: Continuous Thought Machine Reconstruction of Glioma Cell Fate Dynamics Attractor Landscapes and Algorithmic Perturbation Signatures
La plasticidad del destino celular en el glioma suele inferirse a partir de instantáneas estáticas de células individuales. Los autores construyeron scCTM, que combina la Continuous Thought Machine de Sakana AI con autocodificación para predecir la dinámica del destino de células individuales, y lo probaron en dos conjuntos de datos de células malignas H3K27M. El autocodificador CTM alcanzó un AUROC de 0.99 en ambos, y un análisis de perturbaciones destacó interacciones de red recurrentes de alto impacto que involucran genes como ARID1B y NRXN1. Estos son resultados in silico.