L'IA face aux grands problèmes du monde · Sciences du vivant · arXiv · 2026-10-20
scCTM : reconstruction par Continuous Thought Machine des paysages d'attracteurs de la dynamique du destin cellulaire des gliomes et des signatures algorithmiques de perturbation
Titre original: scCTM: Continuous Thought Machine Reconstruction of Glioma Cell Fate Dynamics Attractor Landscapes and Algorithmic Perturbation Signatures
La plasticité du devenir cellulaire dans le gliome est généralement déduite d'instantanés statiques de cellules uniques. Les auteurs ont construit scCTM, qui combine la Continuous Thought Machine de Sakana AI avec l'autoencodage pour prédire la dynamique du devenir de cellules uniques, et l'ont testé sur deux jeux de données de cellules malignes H3K27M. L'autoencodeur CTM a atteint une AUROC de 0,99 sur les deux, et une analyse de perturbation a mis en évidence des interactions récurrentes à fort impact au sein du réseau, impliquant des gènes tels que ARID1B et NRXN1. Ces résultats sont obtenus in silico.