PulseAugur
实时 07:55:22

神经符号框架增强结直肠癌药物反应洞察

研究人员开发了一种名为上下文可逆世界模型(CIWM)的新型神经符号框架,以解决精准肿瘤学的局限性。该框架集成了机器学习模拟器和大型语言模型推理层,在提供预测准确性的同时实现机制清晰化。使用Sanger GDSC数据集,CIWM发现突变KRAS对APC/Wnt轴的优势会增加对5-氟尿嘧啶的耐药性,并且修复PIK3CA会通过激活MAPK生存通路而产生悖论性地增强化疗耐药性。 AI

影响 该框架有望实现更精确和可解释的AI驱动的药物发现和治疗规划。

排序理由 该集群包含一篇详细介绍新框架和科学领域发现的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Christopher Baker, Tianyu Ren, Karen Rafferty, Hui Wang ·

    Contextual Invertible World Models: A Neuro-Symbolic Agentic Framework for Colorectal Cancer Drug Response

    arXiv:2603.02274v3 Announce Type: replace-cross Abstract: Precision oncology is currently limited by the small-N, large-P paradox, where high-dimensional genomic data is abundant but pharmacological response samples are sparse. While deep learning achieves predictive accuracy, it…