IA e os Problemas Difíceis do Mundo · Ciências da vida · arXiv · 2026-10-20
scCTM: Reconstrução com Continuous Thought Machine de paisagens de atratores da dinâmica do destino celular em gliomas e assinaturas algorítmicas de perturbação
Título original: scCTM: Continuous Thought Machine Reconstruction of Glioma Cell Fate Dynamics Attractor Landscapes and Algorithmic Perturbation Signatures
A plasticidade do destino celular em gliomas costuma ser inferida a partir de instantâneos estáticos de células individuais. Os autores construíram o scCTM, que combina a Continuous Thought Machine da Sakana AI com autocodificação para prever a dinâmica do destino de células individuais, e o testaram em dois conjuntos de dados de células malignas H3K27M. O autocodificador CTM alcançou uma AUROC de 0,99 em ambos, e uma análise de perturbação destacou interações recorrentes de rede de alto impacto envolvendo genes como ARID1B e NRXN1. Esses resultados são in silico.