Buchumschlag

Data-driven Discovery of Digital Twins in Biomedical Research

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Métayer, Clémence, Ballesta, Annabelle, Martinelli, Julien
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Quantitative Methods Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Deep Learning Framework for RNA Inverse Folding with Geometric Structure Potentials
von: Yao, Annabelle
Veröffentlicht: (2025)

Identification of Capture Phases in Nanopore Protein Sequencing Data Using a Deep Learning Model
von: Martin, Annabelle, et al.
Veröffentlicht: (2025)

Digital Twin Calibration for Biological System-of-Systems: Cell Culture Manufacturing Process
von: Cheng, Fuqiang, et al.
Veröffentlicht: (2024)

A Real-Time Digital Twin for Type 1 Diabetes using Simulation-Based Inference
von: Hoang, Trung-Dung, et al.
Veröffentlicht: (2025)

Med-Real2Sim: Non-Invasive Medical Digital Twins using Physics-Informed Self-Supervised Learning
von: Kuang, Keying, et al.
Veröffentlicht: (2024)

Data-Dependent Smoothing for Protein Discovery with Walk-Jump Sampling
von: Anumasa, Srinivas, et al.
Veröffentlicht: (2025)

Towards Quantum Tensor Decomposition in Biomedical Applications
von: Burch, Myson, et al.
Veröffentlicht: (2025)

Closing the Domain Gap in Biomedical Imaging by In-Context Control Samples
von: Sanchez-Fernandez, Ana, et al.
Veröffentlicht: (2026)

Predicting Biomedical Interactions with Probabilistic Model Selection for Graph Neural Networks
von: KC, Kishan, et al.
Veröffentlicht: (2022)

A Framework for Feature Discovery in Intracranial Pressure Monitoring Data Using Neural Network Attention
von: Socha, Jonathan D., et al.
Veröffentlicht: (2026)

VillageNet: Graph-based, Easily-interpretable, Unsupervised Clustering for Broad Biomedical Applications
von: Ballal, Aditya, et al.
Veröffentlicht: (2025)

Agentic Discovery of Cryomicroneedle Formulations
von: Li, Hao, et al.
Veröffentlicht: (2026)

A Morse Transform for Drug Discovery
von: Tanaka, Alexander M., et al.
Veröffentlicht: (2025)

Recent Developments in GNNs for Drug Discovery
von: Fang, Zhengyu, et al.
Veröffentlicht: (2025)

Causal Representation Learning from Multimodal Biomedical Observations
von: Sun, Yuewen, et al.
Veröffentlicht: (2024)

Graph-Based Biomarker Discovery and Interpretation for Alzheimer's Disease
von: Khalid, Maryam, et al.
Veröffentlicht: (2024)

Tabular LLMs for Interpretable Few-Shot Alzheimer's Disease Prediction with Multimodal Biomedical Data
von: Kearney, Sophie, et al.
Veröffentlicht: (2026)

A Physiologically-Constrained Neural Network Digital Twin Framework for Replicating Glucose Dynamics in Type 1 Diabetes
von: Roquemen-Echeverri, Valentina, et al.
Veröffentlicht: (2025)

Compressing Biology: Evaluating the Stable Diffusion VAE for Phenotypic Drug Discovery
von: Cropsal, Télio, et al.
Veröffentlicht: (2025)

Causal Inference, Biomarker Discovery, Graph Neural Network, Feature Selection
von: Lan, Chaowang, et al.
Veröffentlicht: (2025)

Accelerated Discovery of Cryoprotectant Cocktails via Multi-Objective Bayesian Optimization
von: Emerson, Daniel, et al.
Veröffentlicht: (2026)

Towards Discovery of Polymers for Insulin Delivery via Physics-Grounded Agentic Workflows
von: Otun, Martins
Veröffentlicht: (2026)

Improving Molecule Generation and Drug Discovery with a Knowledge-enhanced Generative Model
von: Malusare, Aditya, et al.
Veröffentlicht: (2024)

AI-driven Generation of MALDI-TOF MS for Microbial Characterization
von: Schmidt-Santiago, Lucía, et al.
Veröffentlicht: (2025)

Omics-driven hybrid dynamic modeling of bioprocesses with uncertainty estimation
von: Espinel-Ríos, Sebastián, et al.
Veröffentlicht: (2024)

Accelerating MHC-II Epitope Discovery via Multi-Scale Prediction in Antigen Presentation
von: Wan, Yue, et al.
Veröffentlicht: (2025)

CNN-FL for Biotechnology Industry Empowered by Internet-of-BioNano Things and Digital Twins
von: Mohammad, et al.
Veröffentlicht: (2024)

Synthetic Data from Diffusion Models Improve Drug Discovery Prediction
von: Hu, Bing, et al.
Veröffentlicht: (2024)

Physics-Informed Machine Learning in Biomedical Science and Engineering
von: Ahmadi, Nazanin, et al.
Veröffentlicht: (2025)

Presenting DiaData for Research on Type 1 Diabetes
von: Cinar, Beyza, et al.
Veröffentlicht: (2025)

Enhancing Drug Discovery: Autoencoder-Based Latent Space Augmentation for Improved Molecular Solubility Prediction using LatMixSol
von: Hasankhani, Mohammad Saleh
Veröffentlicht: (2025)

M$^{3}$-20M: A Large-Scale Multi-Modal Molecule Dataset for AI-driven Drug Design and Discovery
von: Guo, Siyuan, et al.
Veröffentlicht: (2024)

PhysioSeq2Seq: A Hybrid Physiological Digital Twin and Sequence-to-Sequence LSTM for Long-Horizon Glucose Forecasting in Type 1 Diabetes
von: Tran, Phat, et al.
Veröffentlicht: (2026)

Do Larger Models Really Win in Drug Discovery? A Benchmark Assessment of Model Scaling in AI-Driven Molecular Property and Activity Prediction
von: Guo, Jinjiang
Veröffentlicht: (2026)

GastroDL-Fusion: A Dual-Modal Deep Learning Framework Integrating Protein-Ligand Complexes and Gene Sequences for Gastrointestinal Disease Drug Discovery
von: Gao, Ziyang, et al.
Veröffentlicht: (2025)

The Role of Graph Topology in the Performance of Biomedical Knowledge Graph Completion Models
von: Cattaneo, Alberto, et al.
Veröffentlicht: (2024)

Digitally enriching a screening population for pancreatic cancer using routine blood-based measures and clinical histories
von: Varghese, Chris, et al.
Veröffentlicht: (2026)

Flow Matching for Count Data
von: Wei, Ganchao, et al.
Veröffentlicht: (2026)

Discovery of Generalizable TBI Phenotypes Using Multivariate Time-Series Clustering
von: Ghaderi, Hamid, et al.
Veröffentlicht: (2024)

Leveraging Phytolith Research using Artificial Intelligence
von: Ramón, Andrés G. Mejía, et al.
Veröffentlicht: (2026)