q-bio
12-23 00:00
本研究提出CytoDINO框架，通过参数高效的LoRA方法微调DINOv3模型，用于骨髓细胞形态学分析。核心贡献是设计了结合生物学层级关系与临床风险感知的“分层焦点损失函数”，对将原始细胞误判为正常细胞等危险错误施加更高惩罚。在包含21类细胞的MLL数据集上，模型取得了88.2%的加权F1分数。仅使用单张消费级显卡（RTX 5080）和8%的可训练参数，即可达到与专用基础设施相当的性能。基于置信度的选择性预测可在67%的样本上实现99.5%的准确率，为临床部署提供了高不确定性病例转专家复核的可行路径。
计算病理学骨髓细胞形态风险感知学习参数高效微调医学图像分析损失函数设计
q-bio
12-23 00:00
本研究利用计算模型重新评估了儿童心理旋转能力的证据。模型模拟了婴儿通过具身互动获取物体表征的过程，并测试了两种不同于心理旋转的物体识别策略。结果显示，在5岁以下儿童中，经典心理旋转任务的行为结果可能并非由真正的心理旋转能力驱动，而仅需一种简单的像素级刺激比较策略即可模拟。该发现对儿童空间认知能力的发展时间与机制提出了新见解。
心理旋转计算模型儿童认知发展物体识别空间认知
q-bio
12-23 00:00
本研究提出了一种名为MEGState的新型架构，用于从非侵入性的脑磁图（MEG）信号中解码音素。该架构旨在捕捉听觉刺激引发的精细皮层响应，以应对MEG信号信噪比低、时间维度高的挑战。在LibriBrain数据集上的大量实验表明，MEGState在多项评估指标上均持续超越基线模型。这些发现凸显了基于MEG的音素解码作为通向非侵入式语音脑机接口的可扩展路径的潜力。
脑磁图音素解码神经语音解码脑机接口非侵入式听觉皮层
q-bio
12-23 00:00
本文批判性审视当前超级智能错位讨论中的人类主体缺失问题。研究发现，技术话语中的人类主体被边缘化，同时AI系统通过深度学习的潜在空间、不透明模式形成等机制发展出结构性“无意识”。这种双重缺席——人类在伦理想象中消失与AI无意识维度被忽视——共同构成了错位的深层危机。作者主张，错位不仅是技术诊断问题，更是嵌入人机生态的关系性不稳定，需要重新将人类主体置于伦理、无意识与智能共同构成的不稳定基础上进行理解。
ai安全超级智能人机关系伦理框架无意识计算主体性
q-bio
12-23 00:00
研究提出了一种新方法，通过测量神经元群体对突发扰动的响应，而非分析其自发活动的相关性，来区分神经回路的重尾（幂律）相关性是源于其内在的临界状态，还是由未观测到的外部潜在变量（如感觉信号）所驱动。研究在可调至临界状态的随机发放神经元群体模型中验证了该方法，并提出了发放网络协方差与响应函数的标度理论。这为正确解读神经回路功能、验证“临界大脑假说”提供了关键工具。
临界大脑假说神经群体编码潜在变量瞬态响应标度理论计算神经科学
q-bio
12-23 00:00
本研究针对大型复杂系统发育网络上的连续性状演化模型，探索了基于聚类图的近似推断方法。通过将性状演化模型构建为概率图模型，研究比较了精确信念传播与基于非树聚类图的环状信念传播在计算效率与估计精度间的权衡。利用Julia包PhyloGaussianBeliefProp进行模拟实验，分析了最大聚类规模对高斯性状演化模型推断性能的影响，并为该参数提供了选择建议。研究还证明了在同质布朗运动模型下，基于似然与基于分解能量近似的参数估计是等价的。
系统发育网络性状演化信念传播概率图模型计算生物学近似推断
q-bio
12-23 00:00
本文介绍了MICCAI 2024 EPVS挑战赛的结果，旨在推动血管周围间隙（EPVS）自动分割算法的发展。EPVS是脑小血管病的重要影像标志物。挑战赛提供了来自英国、新加坡和中国多中心、多协议的200例MRI扫描数据集，所有标注遵循STRIVE协议。七支参赛团队主要基于U-Net架构，结合多模态处理、集成策略和Transformer组件进行创新。评估指标包括Dice相似系数、绝对体积差、召回率和精确率。获胜方法采用MedNeXt架构和双2D/3D策略处理不同层厚数据。结果表明，领先方法在已知数据集上表现良好，但在未见过的上海队列上性能显著下降，凸显了因域偏移导致的跨站点泛化挑战。
医学影像分割血管周围间隙深度学习miccai挑战赛跨站点泛化脑小血管病
q-bio
12-23 00:00
本研究提出了一种混合马尔可夫-常微分方程框架，用于更精确地模拟基因调控网络。该框架将离散的启动子状态建模为连续时间马尔可夫链，同时用确定性ODE描述分子浓度，从而在保持计算效率（比全随机模拟快10-100倍）的前提下，为转录调控提供了比传统Hill函数更具机理性的基础。研究在GAL系统、阻遏振荡器、p53-Mdm2振荡器等七个复杂度各异的系统中验证了其准确性。
基因调控网络马尔可夫模型计算系统生物学随机动力学启动子建模
q-bio
12-23 00:00
本研究首次提出并验证了一种在生命起源前的化学系统中直接量化“选择”作用的通用实验框架。基于组装理论，研究将选择定义为从“无方向”到“有方向”探索化学可能性空间的转变，并可通过整合分子组装指数与观测拷贝数的“组装量A”进行测量。通过分析不同聚合条件下产生的多肽集合，研究发现无方向反应几乎均匀地探索序列空间（探索比0.85-0.95），而受进化蛋白酶影响的反应则表现出显著更低的探索比（0.51-0.75）和更高的A值，表明特定组装路径被选择性强化。该研究为在化学演化中检测和测量选择作用提供了一个稳健且可实验验证的通用指标。
生命起源化学演化选择作用组装理论多肽合成实验框架
q-bio
12-23 00:00
本研究提出了一种集成液滴微流控与机器学习（ML）的统一框架，用于系统分析温度依赖的反应动力学。该平台通过动态热梯度下稳定固定和长时间成像数千个液滴，生成了跨多种温度条件的大规模并行时间分辨数据集。利用这些数据，研究者训练了神经常微分方程（Neural ODE）模型，该模型将神经网络嵌入微分方程，以灵活表征超越传统公式的非线性温度依赖性。实验证明，该方法能准确预测不同热环境下的酶促反应动力学，为温度敏感的生物化学过程提供了增强的预测能力和理性分析基础。
机器学习化学反应动力学微流控技术温度依赖性神经ode酶促反应
q-bio
12-23 00:00
本研究探索了深度学习在光学与全息显微图像中自动检测和分类花粉颗粒的应用，特别关注兽医学细胞学场景。研究采用YOLOv8s进行目标检测，MobileNetV3L进行分类。在光学图像上，模型检测mAP50达91.3%，分类总体准确率达97%。针对灰度全息图像初始性能较低的问题，通过自动标注和边界框区域扩增进行数据集扩展，将检测性能从2.49% mAP50提升至13.3%，分类准确率从42%提升至54%。研究表明，深度学习技术可与经济型无透镜数字全息显微设备结合，至少适用于图像分类任务。
花粉识别深度学习全息显微目标检测图像分类兽医学
q-bio
12-23 00:00
本研究提出生命系统普遍作为“非正规化学加速器”运行，其核心在于生化网络的不对称与层级结构。通过理论计算与实证分析，作者证明生命并非被动地产生熵，而是通过非正规动力学（具有不对称耦合和瞬态放大特性）主动构建结构，以放大自由能通量和熵输出。这种动力学特性导致了动力学加速、能量吞吐量增强以及类似相变的重组，而无需经典分岔。该框架为耗散率、鲁棒性和进化设计原则提供了可检验的预测，并提出了一种进化动力学原理：生命系统倾向于构建日益非正规的反应架构，以驱动化学通量和熵流的持续放大。
非正规动力学熵产生生化网络自由能生命热力学层级结构
q-bio
12-23 00:00
本文提出了一种用于不规则3D分子图（如蛋白质-配体复合物）的无监督分布外检测框架。核心创新在于构建了一个统一的连续扩散模型，它能同时处理3D坐标和离散分类特征（如原子类型）。模型通过将分类特征嵌入连续空间并用交叉熵训练，解析得到扩散分数，从而形成一个自洽的概率流常微分方程，为每个样本生成对数似然作为分布偏移的典型性评分。实验表明，该评分能有效识别训练中未见的蛋白质家族，并与独立结合亲和力模型的预测误差强相关。此外，通过分析PF-ODE轨迹的多尺度统计特征（如路径曲折度、流刚度和向量场不稳定性），构建了更灵敏的检测器，为几何深度学习提供了无需标签的OOD量化工作流。
分布外检测扩散模型分子图几何深度学习蛋白质-配体复合物概率流ode
q-bio
12-23 00:00
本文提出了一种基于递归度量收缩的几何框架，以解决持续学习中的“平坦流形问题”。核心思想是将抽象过程形式化为一种拓扑形变——商映射，它能在已验证的时序邻域内收缩度量张量，使局部子流形的直径趋近于零。该框架包含三个关键定理：有界容量定理证明递归商映射可将任意长轨迹嵌入有界表示空间；拓扑坍缩可分性定理表明递归商化能使非线性可分的时序序列在极限下变得线性可分；奇偶分区稳定性定理通过将状态空间划分为正交的流形，解决了灾难性遗忘问题。分析表明，神经架构中的令牌可实现为连接时序流形中远点的奇点或虫洞。
持续学习几何深度学习拓扑形变递归商化灾难性遗忘流形学习
q-bio
12-23 00:00
本研究提出了一个用于动态三维植物模型程序化生成的新框架，已在Helios建模系统中实现。该框架旨在：1）提供一套跨物种通用、符合植物学且易于测量的参数集；2）大幅减少创建逼真动态植物模型所需的时间与精力；3）支持将完整植物结构编码为字符表示，便于与机器学习模型集成；4）包含真实且计算高效的碰撞物理。模型已在开源的Helios C++及PyHelios Python库中实现。
三维建模植物模型程序化生成动态模拟机器学习集成开源框架
q-bio
12-23 00:00
针对大规模临床队列的高通量组学研究，easyplater 提出了一种自动化生成微孔板实验布局的方法，以解决板内位置效应与临床变量混淆的问题。该方法通过加权多变量评分（结合空间自相关度量）评估设计质量，利用网络方法识别临床相似样本并生成初始布局，再通过快速搜索优化最终设计。该 R 包能显著减少人工干预，输出 CSV、XLSX 和 HTML 格式的设计方案，提升实验的统计效力与可靠性。
微孔板设计高通量实验临床队列空间去卷积r语言工具实验优化
q-bio
12-23 00:00
蛋白质通常由进化保守的亚结构（如结构域和功能位点）组成，但现有模型大多将其编码为残基序列或单一全局嵌入，忽略了这一关键组织特性。本研究提出了Magneton环境，包含一个包含53万蛋白质、170万个亚结构注释的数据集，一个将亚结构知识融入现有模型的训练框架，以及一套13个任务的基准测试。通过提出的“亚结构微调”方法，将亚结构知识蒸馏到预训练模型中。实验表明，该方法能显著提升功能预测性能，产生对未见亚结构类型更一致的表示，且亚结构监督信息与全局结构输入互补。
蛋白质表示学习亚结构建模功能预测生物信息学深度学习
q-bio
12-23 00:00
本文介绍了Coord2Region，一个开源的Python软件包，旨在简化基于坐标的神经影像工作流。它能自动将3D脑坐标（如MNI或Talairach）映射到多个解剖图谱的对应脑区，并通过NiMARE平台与Neurosynth、NeuroQuery等元分析资源链接，从而将坐标与广泛的神经影像文献直接关联。除了基于图谱的标注和文献检索，该工具包还提供了可选的大型语言模型功能，可为关联研究生成文本摘要和查询区域的示意图。它支持命令行和Web界面，提供批量查询、云端执行等功能，有助于降低工作流摩擦、减少人工错误并提高研究的可重复性。
神经影像脑图谱映射python工具包元分析坐标定位ai辅助
q-bio
12-23 00:00
本研究构建了一个包含噬菌体、细菌、免疫系统和抗生素相互作用的数学模型，以评估噬菌体疗法对细菌感染的治疗效果。模型特别引入了细菌的社会动力学行为，该行为能为细菌群体提供针对治疗和先天免疫反应的保护。分析发现，无噬菌体干预时系统存在双稳态：细菌数量超过阈值则持续感染，低于阈值则可被免疫系统清除。噬菌体的引入能破坏高细菌数量的稳态，协同免疫系统有效抑制细菌。分岔分析表明，在某些参数下被抑制的细菌种群可能不稳定，导致系统振荡，但振荡中的细菌数量极低，因此噬菌体疗法在广泛参数范围内依然有效。研究进一步证明，在联合疗法中加入周期性给药的抗生素可以进一步提升抑制效果。
噬菌体疗法联合治疗数学模型细菌感染社会动力学抗生素
q-bio
12-23 00:00
本研究建立了一个偏微分方程（PDE）数学模型，用于评估细胞毒性T淋巴细胞（CTL）输注对胶质母细胞瘤（GBM）的免疫治疗效果。模型耦合了肿瘤与免疫动力学，考虑了细胞增殖、扩散及对肿瘤分泌信号分子TGF-$\beta$的趋化迁移。研究首先通过简化的常微分方程（ODE）模型推导出肿瘤根除的阈值条件，并与临床数据一致。随后，在从患者特异性MRI和DTI数据重建的3D真实脑几何结构上，应用有限元方法求解完整PDE模型，模拟空间局部化淋巴细胞输注的治疗场景。结果表明，输注强度和肿瘤位置对治疗效果有决定性影响，强调了空间个性化建模在优化GBM免疫治疗方案中的重要性。
胶质母细胞瘤免疫治疗偏微分方程模型计算神经肿瘤学个性化医疗
q-bio
12-23 00:00
本研究提出了一种基于三量子比特纠缠的量子计算模型，用于模拟人类在注意瞬脱实验中的意识报告行为。模型采用深度隐形传态通道替代传统的EPR通道，将干扰刺激编码为随机角度旋转，并通过测量结果的概率输入线性神经网络。该模型成功模拟了Lag 1保留、Lag 7分离以及掩蔽效应等关键现象，其输出的非线性交替状态模式与人类实验数据高度吻合，为量子认知模型在意识研究中的应用提供了新路径。
量子认知注意瞬脱意识报告量子模拟深度隐形传态认知建模
q-bio
12-23 00:00
本研究探讨了城市环境中流浪狗的觅食决策机制。实验发现，当面对两块相同的饼干时，流浪狗更倾向于选择被人咬过的那一块。然而，当一块被人咬过的假饼干与一块未咬过的真饼干同时出现时，狗的选择变得随机，这表明人类提供的“咬痕”线索甚至可能压倒食物本身的气味线索。此外，狗在食物选择中表现出明显的左偏倾向。这些结果表明，流浪狗的觅食策略融合了异种学习（利用人类行为线索）和独立决策，这解释了它们在城市环境中成功适应的原因，也凸显了它们对人类的高度依赖。
动物行为学城市生态觅食策略异种学习人犬互动认知偏差
q-bio
12-23 00:00
本研究通过率失真理论（RDT）的视角，探讨了数感在无监督生成模型中的涌现机制。研究使用β-变分自编码器（β-VAE）在包含不同数量物品的合成图像上进行训练，系统改变编码容量。结果表明：模型对数量的感知能力与编码容量呈幂律关系；高容量模型能发展出稳健的数值神经编码，其性能接近专门训练的有监督模型，并展现出良好的生成与泛化能力；而低容量模型则表现出明显的数感缺陷。与人类数据对比发现，中等容量模型的行为表现覆盖了人类的全范围，同时仍能形成稳健的数值表征。这为理解容量约束如何塑造数量感知提供了信息论框架。
数感涌现率失真理论无监督学习生成模型变分自编码器认知建模
q-bio
12-23 00:00
本研究探讨了在缺乏可靠血清标志物的转移性非小细胞肺癌（NSCLC）中实施进化疗法（ET）的挑战。进化疗法旨在通过调整治疗时机和剂量来控制而非根除肿瘤，其成功依赖于对肿瘤动态的精确监测以指导数学模型。目前临床广泛使用的RECIST 1.1标准（基于一维测量）并非为ET设计，可能漏诊早期复发、低估肿瘤负荷并模糊疾病趋势。通过虚拟NSCLC患者模型，研究发现二维测量仅有有限改进，而三维体积测量能更准确地捕捉肿瘤负荷及其动态变化，这是ET的关键要求。为实现无标志物癌症的ET，需要超越RECIST标准，整合体积成像、自动分割技术，并重新定义疾病进展标准。
进化疗法肿瘤监测体积成像非小细胞肺癌recist标准精准医疗