揭秘大语言模型的“认知之镜”：注意力头如何驱动推理过程
本研究提出了一种新颖的可解释性框架，通过构建包含逐步子问题和特定认知功能（如检索、逻辑推理）的CogQA数据集，系统分析了LLM中注意力头的功能角色。研究发现，注意力头表现出功能专门化，形成“认知头”，它们具有稀疏性、功能间数量分布不均以及交互式层级结构等关键特性。实验表明，移除这些认知头会损害模型推理性能，而增强它们则可提升准确性。
2025-12-15 速览 · 定量生物学
2025-12-15 共 24 条抓取，按综合热度排序
神经质量模型的统一框架：构建大脑振荡的“罗塞塔石碑”
本文提出了一种用于统一各类神经质量模型（NMMs）的系统性框架。该框架从最简单的无阻尼谐振子出发，基于兴奋与抑制神经群之间的推拉式相互作用，构建了一个从抽象到生物细节的“阶梯式”模型体系。每个层级都涵盖了从单节点到受迫驱动，再到耦合网络的完整建模过程。该工作旨在将分散的建模形式统一起来，帮助理论家和实验者在不同尺度、模态和干预手段之间进行转换，为大脑振荡模型提供一个通用的“动力学语言”。
脑组织微尺度细胞外血清素动力学：隔室-反应扩散模型揭示信号传递新机制
本研究针对神经递质血清素在脑组织微环境中的细胞外动力学，开发了一个新的数学框架。该框架通过二维隔室-反应扩散系统，结合强局域扰动理论，推导出一组渐近等价的非线性积分-常微分方程，在保留扩散耦合的同时实现了高效计算。模型分析了周期平均稳态，利用詹森不等式建立边界，获得了尖峰最大值和最小值的闭式解，并基于指数和核实现了快速行进求解。研究揭示了血清素能膨体如何形成扩散耦合的微域，产生空间“血清素储库”，阐明了局部传递与容积传递的差异，为高分辨率血清素成像和选择性血清素再摄取抑制剂的作用机制提供了新的定量见解。
对称性损失：从自由能视角看大脑启发的恒等学习
本研究提出“对称性损失”算法框架，通过环境对称性构建可微约束，实现神经表征的不变性和等变性学习。该模型将学习过程视为有效对称群的迭代优化，模拟大脑皮层表征与外界结构对齐的发育过程。通过最小化结构意外（对称一致性偏差），该框架为表征学习提供了类自由能的目标函数，连接了预测编码与群论视角，展示了基于对称性的自组织如何产生高效、稳定且组合式的表征。
Marti-5：基于“自我与世界”分离的数学建模，迈向自我意识的第一步
本研究提出了一种受生物学启发的数学模型Marti-5，旨在解决大脑“是什么”与“在哪里”信息处理通路如何协同工作的难题。该模型通过模拟新皮层柱与基底神经节的交互，构建并利用“自我模型”来区分自我与环境，从而做出更优预测和行动选择。基于此模型开发的强化学习智能体，在Pong和Breakout等Atari游戏中成功学会了有目的的行为。研究表明，区分自我与环境的能力为智能体带来了优势，这可能是生物进化中出现此类模型的动因。
自然智能的数学基础：基于认知组与超网络的大脑建模新框架
本文提出了一种基于“认知组”概念的自然智能数学建模新框架。该框架将大脑视为由功能系统和细胞集群两类认知组构成的神经超网络，而意识则是该超网络中认知元素大规模整合的一种特殊动力学形式。研究基于“大脑发现外部世界所有可能的因果关系并从中得出所有可能结论”这一普遍原理，构建了认知组及其动态过程的数学模型，并成功推导出多种经典认知理论，为理解大脑与心智提供了统一的数学基础。
基于增强随机森林预测化疗方案失败风险
本研究利用肿瘤电子病历中的真实世界证据，构建了预测化疗方案失败或提前终止的模型。通过从临床记录、诊断和用药信息中构建新颖特征向量，并遵循性能、复杂性和可解释性三维设计框架，最终选择增强随机森林模型。该模型在五种主要癌症类型上实现了80%的基线准确率和75%的F1分数，同时降低了模型复杂度，提高了肿瘤科医生的可理解性和实用性。
神经网络中的无歧义表征：信息论视角下的意识基础研究
本研究通过信息论框架，将表征歧义定义为给定表征R时可能解释I的条件熵H(I|R)。在MNIST数字分类任务中，实验发现网络连接中的关系结构能够无歧义地编码表征内容：对于dropout训练的网络，通过解码器或几何匹配可100%准确识别输出神经元类别；而标准反向传播网络仅为38%，表明表征歧义可与行为准确性正交出现。输入神经元空间位置信息也可从连接中解码（R²达0.844），为量化神经系统表征歧义提供了新方法。
传染病模型全局稳定性新定理：统一易感性模型均收敛至唯一平衡点
本研究证明了一个普适性定理：对于任何满足“易感者不可区分且仅感染一次”假设的仓室传染病模型，其动力学行为完全由基本再生数R0决定。当R0>1时，系统存在唯一全局渐近稳定的地方病平衡点；当R0≤1时，疾病灭绝平衡点全局稳定。该定理统一了过去一个世纪的大量相关结果，将许多局部稳定性结论强化为全局稳定性，并彻底排除了此类模型中存在多重稳定平衡或非平衡吸引子的可能性，为一大类经典模型的长期行为提供了确定性答案。
深度学习实现蜂群数量快速精准测量
本研究提出了一种基于CSRNet深度学习模型的蜜蜂种群自动计数方法，并发布了首个专门用于此任务的高分辨率数据集ASUBEE。该方法通过密度图估计预测蜂群数量，有效解决了蜂巢监测中常见的遮挡和重叠问题。实验表明，该方法每张图像仅需1秒计算时间，在复杂密集的蜂巢场景中仍能保持高精度，为研究人员和养蜂人提供了高效、可扩展的监测工具。
墨西哥中部高原发现龙舌兰新物种：Agave villalobosii
研究人员在墨西哥阿瓜斯卡连特斯州和萨卡特卡斯州南部的中央平原，描述并图示了一种龙舌兰科植物新物种——Agave villalobosii。该物种隶属于双花被组，其莲座丛外观与A. flexispina相似，但叶片更少、齿距更宽，圆锥花序更紧凑、侧枝更倾斜，蒴果近球形至宽椭圆形。根据初步评估，该新物种处于极度濒危状态。
PrEP使用引发风险补偿行为，如何影响其他性传播感染传播？
本研究构建了一个最小化模型，探讨HIV暴露前预防（PrEP）在男男性行为高风险人群中引发的风险补偿行为对其他性传播感染（STI）传播的影响。模型整合了风险意识驱动的自我保护行为、PrEP使用者的风险补偿行为以及定期无症状STI筛查三个关键要素。研究发现系统存在一个基本再生数R0，当R0=1时发生跨临界分岔，无病平衡点失稳，地方病平衡点出现并渐近稳定。研究识别了区分不同传播状态的行为与政策参数临界阈值，为理解行为适应、预防干预与疾病动态之间的非线性相互作用提供了通用框架。
传染病防控新发现：最优策略非严即松，季节性影响显著
研究提出一个通用优化框架，用于平衡传染病防控措施的成本与感染成本。研究发现，在基本再生数恒定的情况下，最优策略要么严格防控，要么完全放开，不存在中间最优解。在季节性变化下，冬季需采取更严措施，但感染高峰会延迟至春季。此外，即使实施最优防控，疫苗接种期间仍可能出现感染波。研究还量化了防控延迟的成本，表明对于严重疾病，短期延迟也会显著增加总成本。
蛋白S复合物调控凝血酶生成的新机制及其在出血性疾病中的作用
本研究通过扩展已验证的凝血数学模型，揭示了蛋白S复合物（PSC）抑制凝血酶生成的双重机制：增强TFPIα对凝血因子Xa的抑制能力，并在血小板膜上积累以占据因子V结合位点。研究发现PSC浓度变化显著影响出血性疾病严重程度，例如在East Texas出血障碍中高浓度PSC会消除凝血酶爆发，而在因子V缺乏症中降低PSC可恢复凝血酶生成。该研究为靶向PSC的抗凝治疗提供了理论依据。
新算法提升B细胞谱系重建精度，助力HIV抗体疫苗设计
本研究提出了一种新方法，用于在序列进化存在位点依赖性的复杂模型下，近似计算系统发育树的后验概率并重建祖先序列。该方法结合了数据增强和重要性采样技术，其关键优势在于能够利用现有高度优化的系统发育软件。研究将其应用于从高通量B细胞受体测序数据中重建亲和力成熟谱系，并评估了考虑位点依赖性对树和祖先序列重建精度的影响。模拟数据显示，在推断中考虑上下文依赖性总能提高两者的估计准确性。此外，研究还探讨了整合基于VDJ重组模型的先验信息的影响，并提出了一种改进的分段先验方法，以提高实际重建精度。该方法已应用于分析作为当前疫苗设计重要靶点的HIV广泛中和抗体DH270和CH235。
量化意识动态：基于分层整合、组织复杂性与亚稳态的神经框架
本研究提出了一种理论中立的框架，通过分层整合（H）、跨频复杂性（D）和亚稳态（M）三个属性来量化与意识相关的神经动力学。研究使用预测信息、时间复杂性和状态空间探索来识别候选子系统，并在合成EEG生成模型中模拟了从清醒、做梦到麻醉、癫痫等多种大脑状态。复合指标能可靠地区分高意识与受损或无意识状态，并在真实EEG数据（Sleep-EDF数据集）中得到验证。该框架为量化意识相关的神经组织提供了原则性工具，可应用于生物和人工系统。
同调大脑：奇偶原理与摊销推理——拓扑视角下的生物智能新框架
本文提出“同调大脑”统一框架，用代数拓扑理论解释生物智能如何在缓慢、嘈杂的基底上实现快速、连贯的推理。核心是奇偶原理，将神经计算视为拓扑结构的构建与导航。其中，偶维支架编码稳定内容，奇维流编码动态上下文。通过“搜索-闭合-凝聚”的三阶段拓扑变换，高复杂度的递归搜索问题被转化为在已学习流形上的低复杂度导航，从而实现推理成本的摊销。该框架统一了睡眠-觉醒周期、情景到语义的巩固以及双过程理论，揭示了大脑作为同调引擎，通过最小化拓扑复杂性将高熵感觉流转化为低熵认知结构的机制。
阿尔茨海默病治疗新方向：联合疗法靶向Aβ、tau蛋白与神经炎症
本文综述了阿尔茨海默病（AD）治疗策略的演变。研究指出，AD的病理机制涉及淀粉样蛋白（Aβ）斑块、tau蛋白缠结和神经炎症之间的复杂相互作用。尽管靶向Aβ的单克隆抗体（如lecanemab）已成为首批疾病修饰疗法，但其疗效有限，凸显了单一靶点疗法的不足。因此，文章重点探讨了同时靶向Aβ、异常tau蛋白和神经炎症的联合疗法的科学依据与前景。未来，结合早期生物标志物检测、多靶点治疗策略以及人工智能驱动的患者分层，有望从根本上改变AD的疾病进程。
生命手性起源新模型：陨石撞击坑或为生命摇篮
研究提出生命手性均一性可能源于原始细胞膜泡的形成。模型指出，陨石带来的外消旋核糖在原始脂质体膜内，因D型核糖与膜磷脂头基的强相互作用及Fe³⁺存在，被磷酸化形成无法跨膜的核糖-5-磷酸。D型产物在膜泡内选择性积累，最终导向RNA/DNA等复杂功能分子的形成，为生命起源提供了可实验验证的新机制。
混合更新规则下的演化图论：结构种群中死亡-出生与出生-死亡的动态混合
本研究在演化图论框架下，探讨了死亡-出生与出生-死亡两种标准更新规则的混合机制。通过引入混合概率δ，系统分析了不同网络结构（如无权无向图、加权有向图、环、星图）下，选择强度恒定时，突变基因的固定概率与固定时间如何随δ变化。研究发现，固定概率和时间对δ的响应模式多样，但几乎所有无权无向图都具有较短的固定时间，并提供了高效算法以估计固定概率。此外，研究证明了均匀循环加权有向图的固定概率恒为1/N，并对环、星图等结构的敏感性进行了分类。
濒危物种保护新策略：优化保护区设计以克服阿利效应
本研究通过构建包含阿利效应的二维非线性反应-扩散捕食者-猎物模型，探讨了局部空间庇护所如何帮助低密度种群突破恢复阈值以实现持续生存。研究首先模拟了低于阿利阈值的种群趋于灭绝的情景，随后引入保护区与正增长项以促进生存。通过构建基于保护区形状与位置的目标函数，并采用双目标优化方法，研究发现最优保护区配置会随目标函数权重变化而在碎片化与连续化模式间转换。研究从单一猎物物种分析开始，并扩展至包含捕食者的两物种系统，利用数学分析探究了系统的稳态。
DREAM-B3P：融合反馈扩散模型的双流Transformer网络，提升血脑屏障穿透肽预测精度
本研究提出DREAM-B3P模型，旨在解决血脑屏障穿透肽预测中数据稀缺和类别不平衡的难题。模型核心由两部分组成：首先，利用反馈扩散模型生成高质量的伪BBB穿透肽数据以扩充样本；其次，采用双流Transformer分类器，分别从肽序列中提取结构特征和从疏水表面积、分子电荷等参数中提取理化特征进行综合判断。在基准测试集上，该模型的AUC、准确率和马修斯相关系数均显著优于现有最佳方法，为脑部药物递送系统的设计提供了更可靠的预测工具。
NIH Bridge2AI发布基因组数据AI就绪标准建议
美国国立卫生研究院（NIH）Bridge2AI联盟的基因组信息标准团队（GIST）发布了一份关键报告，旨在为生物医学研究中日益增多的基因组测序数据建立“AI就绪”标准。报告系统性地提出了关于基因组数据的收集、存储、标识和规范使用的具体建议，以确保这些高质量数据集能够有效支撑AI与机器学习模型，从而推动在人类健康与疾病研究领域取得突破性发现。
基于形态运动学的植物水分胁迫分类：生物分区与自适应线性意见池提升模型稳健性
本研究通过改进形态运动学框架，利用RGB延时成像提取冠层运动特征，以更稳健地分类植物水分胁迫。方法上，对比了生物分区与等角分区两种冠层图像处理方式，并依次引入非线性描述符、灌溉背景变量及其交互作用。研究将多分类问题分解为有生物学意义的二分类任务，并采用自适应线性意见池集成方法进行最终分类。在两个生菜实验的144个样本日数据集中，该方法在预测稳定性、变异性和平衡准确率上均表现优异，最高平衡准确率达0.96，为低成本、可推广的表型分析奠定了基础。