q-bio
12-24 00:00
本研究提出了一种基于图论的数学框架，用于系统性地枚举、分类和预测RNA分子的复杂二级结构（包括假结）。该方法通过引入距离度量 $\tau$ 来分析RNA弦图对应的交叉图，将假结形式化定义为特定交叉图的加权顶点覆盖问题。研究者开发了严格的算法，该算法能枚举假结、分类二级结构，并对三维拓扑特征敏感。在bpRNA-1m数据库上的测试证实，亏格是量化假结复杂性的稳健指标。
rna结构假结分析图论算法计算生物学拓扑特征
q-bio
12-24 00:00
本研究提出自我运动不仅是位置更新的信号，更是组织认知地图几何结构的关键先验。通过将基于路径整合的运动先验嵌入预测编码框架，并采用结合脉冲动态、模拟调制和自适应阈值的脑启发循环机制，该模型在高度混淆、动态变化及自然环境中显著提升了地图的局部拓扑保真度、全局位置精度及模糊感官下的下一步预测能力。机制分析表明，该运动先验在内部状态严格约束下能编码几何精确的轨迹，并零样本泛化至未见环境。在四足机器人上的部署进一步验证了运动衍生的结构先验能增强真实世界感官变异下的在线地标导航性能。
认知地图自我运动结构先验预测编码路径整合脑启发计算
q-bio
12-24 00:00
本研究提出了一种利用深度学习算法，对由特定多维模式经颅电刺激（TES）诱发的脑电图（EEG）响应进行分类的框架。该研究旨在绕过传统依赖患者理解指令或产生运动反应的方法，开发一种可用于床旁的客观脑状态测量工具。实验收集了11名参与者的EEG-TES数据，发现向后部皮层角回区域施加经颅直流电刺激（tDCS）能诱发高度可靠的脑响应。针对此范式，最佳卷积神经网络模型在训练中未见过的参与者留出数据上达到了92%的F1分数，显著超越了60-70%的人工分类准确率。这些发现为临床开发稳健的意识测量工具奠定了基础。
脑电图经颅电刺激深度学习意识测量临床神经科学卷积神经网络
q-bio
12-24 00:00
本研究揭示了大脑在自然语言理解中实现连贯性的双重神经机制。研究者利用大型语言模型提取出表征“语境漂移”和“事件转换”的信号，并通过超高场7T fMRI对一名被试进行超过7小时的密集采样与建模。结果发现，默认模式网络负责缓慢整合并累积上下文意义，而初级听觉皮层和语言联合皮层则对事件边界处的快速表征重构敏感。这为理解精神疾病中的语言连贯性障碍提供了机制性切入点。
语言理解神经机制fmri默认模式网络事件边界计算模型
q-bio
12-24 00:00
本文提出了一种新型的基于平均场博弈的流行病模型，将人群划分为“高度理性”和“非理性”两类。理性个体选择纳什均衡的长期策略以优化其接触率，而非理性个体则遵循预设模式（如维持习惯或模仿他人）。模型还考虑了行为模式的偶然切换。该模型基于一个SIRSD（易感-感染-恢复-易感-死亡）框架，其中感染力与频率相关，且当感染比例超过阈值导致医疗资源紧张时，死亡率会急剧上升。数值模拟表明，非理性行为模式及其切换会加剧传染病的影响。
平均场博弈流行病模型行为模式纳什均衡sirsd模型理性决策
q-bio
12-24 00:00
针对AI生成分子普遍存在合成困难的问题，本研究提出SynCraft框架。它创新性地将可合成性优化重构为精确的结构编辑问题，而非序列翻译任务。该框架利用大语言模型的推理能力，预测原子级别的可执行编辑序列，从而在保持分子核心药效团和结构新颖性的同时，跨越“合成悬崖”，显著提升分子的合成可行性。实验表明，SynCraft在生成高结构保真度的可合成类似物方面优于现有方法，并能成功复现药物化学专家的编辑直觉。
分子可合成性大语言模型结构编辑药物设计人工智能化学
q-bio
12-24 00:00
本研究针对细胞通过表面延伸非局部感知环境并驱动迁移的机制，提出了一个创新的动力学建模框架。该框架突破了现有模型假设细胞骨架性质均一的局限，引入连续表型变量来刻画细胞骨架的结构异质性。研究从描述单细胞随机动力学的微观模型出发，通过形式推导，依次建立了具有表型依赖非局部性的介观动力学方程，以及最终描述细胞数量密度的宏观偏微分方程。通过数值模拟与细胞运动实验数据的对比，验证了该多尺度模型在重现实验观测定性特征方面的能力。
细胞迁移动力学模型多尺度建模表型结构非局部感知细胞骨架
q-bio
12-24 00:00
本研究提出将单细胞RNA测序数据建模为超图，以克服传统共表达网络方法存在的高阶信息丢失、数据表示效率低下及零膨胀导致的共表达高估等局限。在超图中，节点代表细胞，超边代表基因，每个超边连接所有表达该基因的细胞，从而保留完整的多路关系信息。基于此，团队开发了两种新颖的聚类方法：DIPHW与CoMem-DIPHW。后者创新性地整合了基因共表达网络、细胞共表达网络以及细胞-基因表达超图进行嵌入计算，同时利用了单细胞水平的局部基因表达信息和成对相似性的全局信息。实验表明，新方法在模拟和真实数据集上均优于现有方法，尤其在数据模块性较弱时提升显著。
单细胞rna测序超图模型随机游走数据聚类生物信息学网络分析
q-bio
12-24 00:00
本研究通过计算模型发现，复杂形态的演化具有高度可重复性，其关键在于细胞功能的分化。模型显示，移动的细胞负责“塑造”形态，而静止的细胞则负责“维持”形态。高度可重复的形态往往演化出了细胞分化机制，即增殖、移动的干细胞不可逆地分化为不分裂、静止的分化细胞。这表明，自然界中观察到的细胞分化，除了产生特化细胞类型外，还在确保形态发生过程的稳健性和可重复性方面扮演着根本性角色。
形态发生细胞分化可重复性计算模型演化发育生物学
q-bio
12-24 00:00
本研究提出了BConformeR模型，用于统一预测抗原上的连续（线性）与不连续（构象）抗体结合位点（表位）。模型基于Conformer架构，分别使用AlphaFold预测结构和实验测定结构进行训练，结合卷积神经网络（CNN）提取局部特征和Transformer捕获长程依赖关系。消融实验表明，CNN模块提升了线性表位的预测能力，而Transformer模块则改善了构象表位的预测。实验结果显示，该模型在MCC、ROC-AUC、PR-AUC和F1分数上均优于现有基线方法。
抗体表位预测深度学习构象表位生物信息学蛋白质结构疫苗设计
q-bio
12-24 00:00
本文系统综述了酸模属（Rumex）植物的化感作用研究进展。该属约250种植物广泛分布于北半球，其提取物、浸出液及残体对受体植物的种子萌发和生长具有显著影响，且作用效果受提取浓度、植物部位及受体物种等因素调控。研究发现，酸模属所含的多种化感物质在抑制杂草、防控昆虫及植物病原体方面展现出潜力，为开发环境友好的生物防控剂提供了科学依据。
化感作用酸模属生物防控植物提取物杂草抑制天然产物
q-bio
12-24 00:00
本研究于2024年秋季在伊拉克苏莱曼尼亚大学试验田进行，采用三重复的随机区组设计，探究了腐植酸与螯合钾肥对两种荷兰工业马铃薯品种（Hermes与Challenger）生长、产量及品质的综合影响。研究旨在明确这两种外源物质在特定气候与土壤条件下对马铃薯关键农艺性状的调控作用，为优化秋季马铃薯栽培的施肥管理提供科学依据。
马铃薯栽培腐植酸螯合钾肥秋季种植产量品质农业工程
q-bio
12-24 00:00
本研究提出Latent-X2，一种前沿的生成模型，能够根据靶点结构和表位信息，零样本设计兼具强结合力、成药性和低免疫原性的抗体。该模型联合生成序列与结构，在测试的18个靶点中，成功为9个靶点生成了VHH和scFv抗体，靶点成功率50%，结合力达皮摩尔至纳摩尔级。设计分子无需优化即展现出媲美已上市抗体的可开发性（表达量、聚集倾向等）。首次对AI生成抗体进行人体免疫原性评估，针对TNFL9的VHH结合剂在T细胞增殖和细胞因子释放实验中均表现出强靶点结合与低免疫原性。模型还可扩展应用于设计靶向“不可成药”靶点K-Ras的大环肽。
抗体设计生成模型免疫原性零样本学习ai药物发现蛋白质工程
q-bio
12-24 00:00
本研究提出了MERGE-RNA，一个统一的、基于物理的框架，用于从化学探测数据（如DMS）中预测RNA的动态二级结构集合。该模型显式地模拟了从探针结合热力学到突变谱读出的完整实验流程，通过整合不同探针浓度和重复实验的测量数据，学习一组可迁移、可解释的参数及最少的序列特异性软约束。这使得模型能够预测最能解释数据的二级结构集合，并检测参与动态过程的亚稳态结构。验证表明，MERGE-RNA在保持关键构象异质性的同时，实现了较高的结构预测准确性，并能揭示传统方法无法观测的瞬时中间态（如链置换动态）。
rna结构预测化学探测动态集合计算生物学生物物理模型
q-bio
12-24 00:00
本文综述了脊椎动物小脑和昆虫蘑菇体等“小脑样结构”中扩张层可塑性的新兴证据。传统模型将扩张层视为静态的，仅通过输出突触的可塑性来学习关联。然而，实验数据表明，扩张层内部的可塑性（表征学习）对于联想学习至关重要。文章系统比较了小脑颗粒层和蘑菇体蕈形体萼的中间神经元回路、树突形态和可塑性机制，揭示了惊人的相似性，并指出当前理论尚未充分理解的刺激诱导非联想性与强化联想性可塑性机制之间的相互作用。
表征学习小脑蘑菇体可塑性联想学习神经计算