AI dan Masalah-Masalah Sulit Dunia · Ilmu hayat · arXiv · 2026-10-20
scCTM: Rekonstruksi Continuous Thought Machine terhadap Lanskap Atraktor Dinamika Nasib Sel Glioma dan Tanda Tangan Perturbasi Algoritmik
Judul asli: scCTM: Continuous Thought Machine Reconstruction of Glioma Cell Fate Dynamics Attractor Landscapes and Algorithmic Perturbation Signatures
Plastisitas nasib sel pada glioma biasanya disimpulkan dari potret sel tunggal yang statis. Para penulis membangun scCTM, yang menggabungkan Continuous Thought Machine dari Sakana AI dengan autoencoding untuk memprediksi dinamika nasib sel tunggal, dan mengujinya pada dua set data sel ganas H3K27M. Autoencoder CTM mencapai AUROC 0,99 pada keduanya, dan analisis perturbasi menyoroti interaksi jaringan berdampak tinggi yang berulang yang melibatkan gen seperti ARID1B dan NRXN1. Temuan ini bersifat in silico.