q-bio
01-01 00:00
本研究设计了一种脉冲神经网络，通过消息传递机制实现伯努利消息的贝叶斯推理。网络采用具有生物合理性的脉冲时序依赖可塑性（STDP）作为训练机制，该机制基于赫布学习规则。实验结果表明，网络的推理性能与真实数值解高度吻合。研究还通过编码理论中的因子图示例，展示了该方法在不可靠信道信号传输等场景中的适用性，为理解大脑的贝叶斯计算原理提供了脉冲层面的实现框架。
脉冲神经网络贝叶斯推理stdp可塑性消息传递计算神经科学因子图
q-bio
01-01 00:00
本文提出了一种拓扑与范畴论框架，用于表示膜颗粒（如蛋白质和脂质）及其功能区域的跨尺度耦合。该框架通过精心划分预层或层分配的数据层级，保持了函子结构并考虑了颗粒与区域的广义位姿。它能够容纳哈密顿力学，实现动力学建模，为膜结构与多尺度耦合提供了一个通用的数学形式化工具。
膜生物学拓扑学范畴论多尺度建模层论
q-bio
01-01 00:00
本研究扩展了经典的细胞大小稳态“加法器”模型，引入两个关键机制：一是细胞生长遵循希尔函数，使得过大细胞的生长趋于线性而非指数增长；二是细胞分裂前需经历随机的多步内部调控阶段。通过该模型，研究者推导出了细胞大小分布矩的精确解析表达式。结果表明，更强的生长饱和效应会提高稳态下的平均细胞大小，同时略微减小细胞大小的波动，但“加法器”特性依然得以保持。这揭示了尺寸变异性的降低源于生长规律本身，而非简单的均值缩放。该模型为连接多步加法器机制与细胞增殖动力学提供了一个普适性框架。
细胞大小稳态加法器模型生长饱和多步调控希尔函数增殖动力学
q-bio
01-01 00:00
本研究提出了一种扩展的动力学平均场理论框架，用于分析包含表观遗传修饰（如DNA甲基化和组蛋白修饰）的基因调控网络。该框架将高维网络动力学简化为有效的随机方程，能够刻画表观遗传调控系统中稳定和振荡等多种状态，为理解发育过程和细胞命运决定提供了新的定量理论工具。
表观遗传学基因调控网络动力学平均场理论细胞命运决定系统生物学
q-bio
01-01 00:00
本文综述了基于表面肌电信号的肌肉协同分析在跑步研究中的应用。文章概述了核心神经控制理论与生物力学优化假说，总结了主成分分析、非负矩阵分解等常用分解方法及新兴的自编码器方法。研究发现，跑步时下肢协同的数量与基本结构相对稳定，但肌肉权重与运动基元具有高度可塑性，对任务需求、疲劳及病理状态敏感。然而，当前研究在肌电通道选择、预处理流程和分解算法上存在较大方法学差异，且缺乏直接的神经生理学验证与转化应用。未来需推动标准化处理流程、整合多源神经肌肉骨骼数据、发展非线性模型并进行纵向干预研究。
肌肉协同跑步生物力学表面肌电神经控制运动康复模式分解
q-bio
01-01 00:00
完美系统发育混合（PPM）模型是推断肿瘤进化等系统发育树的基础工具，但其存在严重的解歧义性问题，即同一观测数据可由多个不同的系统发育树解释。本文首先证明，先前提出的纵向约束（LC）通常无法有效减少解释观测结果的不同树的数量。随后，作者提出了新的替代约束条件，以在数据被完美观测的理想化设置下限制解的歧义性。与以往针对单个观测实例的分析不同，本研究在基于集合的理论框架下，证明了LC的无效性以及新约束减少歧义性的程度，相关定理适用于大量可能的推断问题集合。
系统发育学混合模型解歧义性肿瘤进化理论框架约束条件
q-bio
01-01 00:00
本文提出，生物系统的功能主要编码于其对时变刺激产生的瞬态响应结构（如超调、双相动力学、适应动力学等），而非稳态。作者从输入-输出视角分析此类“动态表型”，强调瞬态行为的定性特征如何独立于具体参数值而约束底层网络架构。核心在于分析网络的正负调控逻辑，特别是单调系统与包含拮抗通路架构之间的对比。研究表明，非相干前馈（IFF）基序是产生非单调和适应性响应的普遍机制。相反，单调性则带来严格的“不可能性”结果，仅凭瞬态数据即可证伪整类模型。文章还展示了周期刺激、斜坡输入和累积剂量响应等实验探针如何揭示隐藏结构并区分竞争基序。全文论证了控制理论概念（如单调性、等变性）可作为精确的数学工具，用于生物模型的区分与逆向工程，从而推动研究重点从渐近行为转向瞬态和输入驱动的动力学。
系统生物学动态表型模型区分非相干前馈瞬态响应控制理论
q-bio
01-01 00:00
本研究推出了SymSeqBench，一个结合了SymSeq序列生成工具与SeqBench基准测试套件的统一框架。该框架基于形式语言理论，旨在以领域无关的方式评估序列学习与处理能力，为语言、运动、决策等自然认知行为以及人工智能任务提供标准化的分析工具。其模块化设计便于在心理语言学、认知心理学、神经形态计算等多个领域应用，通过共享的计算框架和形式化方法，推动对认知与行为的理解。
序列学习形式语言理论认知计算基准测试人工智能评估符号序列
q-bio
01-01 00:00
本研究利用群体密度方法，分析了整合发放神经元群体中膜电位与上次放电后时间间隔的联合动力学。研究推导出描述完整神经元状态演化的二维福克-普朗克方程，以及放电间隔（ISI）矩的一维方程层次结构。该形式体系能够刻画群体在远离平稳状态（如时变外部输入或网络振荡期间）时的时变ISI分布。通过对平稳态进行微扰展开，还得到了ISI分布对弱输入调制的线性响应解析表达式。
神经元动力学放电间隔福克-普朗克方程群体密度方法非平稳过程微扰理论
q-bio
01-01 00:00
本研究开发了一个基于开源工具的综合微有限元（μFE）框架，用于对完整新西兰白兔股骨进行大规模生物力学分析。该框架整合了先进的图像分割算法（MIA聚类）和可扩展的有限元求解器（MFEM库），成功求解了包含超过8亿自由度的超大规模模型。研究通过对比20、40和80微米三种体素尺寸，发现40微米分辨率能在保证边界位移和主应变分布精度的同时，显著降低计算成本。最后，研究将μFE预测结果与数字图像相关实验测量数据相结合，校准了微米尺度的有效骨材料属性，为骨力学及治疗相关风险的临床前评估提供了稳健基础。
微有限元分析骨生物力学微ct成像开源计算高分辨率建模实验验证
q-bio
01-01 00:00
本研究探讨了随机循环神经网络中连接对称性（特别是神经元对之间的互惠连接相关性）如何塑造网络动力学。研究发现，连接的部分对称性会抑制相空间复杂性（即伴随混沌动力学转变的固定点数量随网络规模的指数增长速率），而部分反称性则会强烈放大复杂性。这种相反的趋势与网络维度、李雅普诺夫指数和瞬态路径长度等其他动力学指标的变化紧密相关，表明固定点结构是网络动力学的关键决定因素。正互惠相关性有利于低维、缓慢变化的活动，而负相关性则促进高维、快速波动的混沌活动。
神经网络动力学连接对称性混沌理论相空间复杂性固定点结构互惠连接
q-bio
01-01 00:00
本研究首次将傅里叶叠层显微术（FPM）应用于人脑类器官切片的定量分析。通过4倍物镜与7x7 LED阵列组合，实现了0.54合成数值孔径与约488 nm的空间分辨率，成像面积达2.077 x 3.65 mm。研究开发了自动配准方法，将FPM获取的高空间带宽定量相位图像与荧光标记图像对齐，实现了相位-荧光关联成像。定量分析显示，神经发生区域的细胞核具有显著更高的光学相位值（光程差），揭示了细胞类型特异的生物物理特征。该方法为脑类器官发育与疾病模型研究提供了高通量、无标记且经济有效的成像工具。
傅里叶叠层显微术脑类器官定量相位成像无标记成像关联成像高通量分析
q-bio
01-01 00:00
本研究构建了一个大规模logP预测框架，通过整合PubChem、ChEMBL和eMolecules三大数据库，严格筛选出426850个生物活性化合物。为解决海量数据集成挑战，开发了基于字节偏移索引的新型计算架构，将处理时间从预计的100多天缩短至3.2小时，效率提升740倍。系统评估发现，线性模型存在异方差性问题，而基于树的集成方法（如随机森林和XGBoost）对此具有天然鲁棒性，在测试集上取得了$R^2=0.765$、$RMSE=0.731$的最佳性能。SHAP分析揭示分子量是logP最重要的全局预测因子。分层建模策略（针对91%的类药分子和9%的极端分子分别建模）进一步优化了预测效果。研究表明，基于精心筛选描述符的集成模型与最先进的图神经网络架构相比仍具竞争力。
logp预测集成学习化学信息学大数据处理可解释ai分子设计
q-bio
01-01 00:00
本研究分析了穆勒棘轮在锦标赛选择机制下的动力学行为。在种群规模恒定、个体通过累积轻微有害突变而进化的模型中，锦标赛选择仅依据个体突变负荷的相对大小（正负号）决定选择优势。研究证明，在点击速率远低于1/N的慢速点击参数区间内，当种群规模N趋于无穷时，锦标赛棘轮的点击时间过程经尺度变换后收敛于泊松过程。证明的关键在于深入分析了一个包含选择和有害突变的双类型莫兰模型的亚稳态行为，并对点击时刻新最适类群规模的给出了下界估计。
穆勒棘轮锦标赛选择莫兰模型亚稳态种群遗传学泊松过程
q-bio
01-01 00:00
本研究利用大语言模型分析多种来源的英语文本，发现条件熵或编码长度在至少 $N\sim 10^4$ 字符的上下文长度内持续下降，表明文本中存在跨越长距离的直接依赖或相互作用。数据独立于模型的分析也证实了字符间存在微小但显著的长程相关性。编码长度分布显示，随着 $N$ 增大，模型对越来越多字符的预测确定性在“涌现”。模型训练过程表明，长程结构的习得是渐进的，这为构建LLM或语言本身的统计物理模型提供了新的约束。
大语言模型文本熵长程关联统计物理语言结构
q-bio
01-01 00:00
本研究提出了一种离散与连续时间下的多类型Galton-Watson过程模型，允许个体类型发生突变与回复。通过递归计算在给定总后代数条件下类型的联合分布，我们精确推导了不同类型均值与分布的时间演化，避免了文献中常见的近似方法。这使我们能够估计长期中不同类型所占的比例，以及随着树规模或时间增长，特定类型首次出现时间的分布。
分支过程突变模型种群动力学精确计算多类型系统
q-bio
01-01 00:00
本研究探索了光子吸收遥感（PARS）技术结合深度学习，在未处理组织中生成无需染色的虚拟H&E染色图像。通过对16例皮肤切除活检样本（包括鳞状细胞癌、基底细胞癌及正常皮肤）进行PARS成像与化学H&E染色对比，7位皮肤病理学家评估显示：PARS与H&E图像在主要诊断上的一致性达95.5%（Cohen's k=0.93），亚型分类与恶性边界判断一致性分别达91%与92%。评估者无法可靠区分图像来源，诊断信心相当。结果表明，PARS虚拟组织学在皮肤病理诊断中可能与化学H&E染色具有诊断等效性，同时保留了组织用于下游分析，并为AI整合提供了理想数据。
虚拟病理学无标记成像皮肤癌诊断深度学习光子吸收遥感组织学等效性
q-bio
01-01 00:00
本文提出了Process Bigraphs框架，旨在解决多尺度生物模型构建中模型集成与协调执行的难题。该框架通过明确定义过程接口、分层数据结构、组合模式和编排模式，为独立开发的子模型提供了统一的组合规范。基于此框架实现的Vivarium 2.0开源软件套件，其应用案例Spatio-Flux库成功整合了动力学常微分方程、动态通量平衡分析和空间过程，用于微生物生态系统模拟。该工作提升了模型的清晰度、可重用性和可扩展性，并为多尺度建模的标准化提供了新思路。
多尺度建模模型组合系统生物学开源框架计算模拟
q-bio
01-01 00:00
本研究提出了一种颠覆性的PCR方法，将传统水浴法与现代机器人液体处理技术结合。系统在单个温控油浴中，通过自动浸入和移出，完全在密封的移液器尖端内完成扩增，无需复杂的热管理。实验表明，该方法对DNA编码数据集的扩增效率和测序保真度与高性能热循环仪相当。该平台最大限度地减少了试剂浪费，通过完全隔离降低了污染风险，并实现了全样本回收，为DNA数据存储、高通量诊断和分布式实验室环境提供了可扩展且经济高效的解决方案。
dna数据存储机器人pcr自动化扩增密封反应高保真低成本
q-bio
01-01 00:00
本研究提出了SeedProteo，一种基于扩散模型的全原子蛋白质从头设计框架。该模型通过有效整合自条件特征，将前沿的蛋白质折叠架构改造为强大的生成式设计工具。在无条件生成任务中，SeedProteo展现出优异的长度泛化能力和结构多样性，对长序列和复杂拓扑结构保持稳健性；在结合蛋白（binder）设计任务中，其在开源方法中达到了最先进的性能，获得了最高的计算机设计成功率、结构多样性和新颖性。
蛋白质设计扩散模型从头设计结合蛋白计算生物学生成模型
q-bio
01-01 00:00
SeedFold 是一种新型生物分子结构预测模型，通过三项核心创新实现了模型能力的有效扩展。首先，为 Pairformer 模块设计了有效的宽度扩展策略以增强表征能力；其次，引入了计算复杂度更低的线性三角注意力机制（Linear Triangular Attention），实现了高效扩展；最后，构建了大规模蒸馏数据集以扩充训练数据。在 FoldBench 上的实验表明，SeedFold 在大多数蛋白质相关任务上的性能超越了 AlphaFold3。
结构预测生物分子模型扩展注意力机制深度学习
q-bio
01-01 00:00
本文提出了一种名为 friends.test 的新方法，用于从两个不同集合（如基因与生物过程）的交互矩阵中识别具有特异性的关键交互。该方法的核心是将交互矩阵转换为基于排序的表示，从而确保对异质性数据的鲁棒性，并能整合多源数据。通过检测实体交互中的结构断点，并利用模型拟合自动划分特异性交互与背景活动，该方法有效解决了背景连接干扰下的特征选择难题。研究以头颈癌跨国数据（GSE112026）为例，验证了其适用性。
特征选择交互矩阵排序方法生物信息学数据整合结构断点
q-bio
01-01 00:00
本研究基于自由能原理，从自组织系统的物理第一性原理出发，提出了一个信息几何形式化的自我模拟理论，用以解释主观时间宽度的涌现机制。通过主动推理框架，研究者模拟了一个深度参数化时间推断生成模型，该模型在计算层面实现了所述动力学。模拟结果自然涌现出两种时间感知变体：意向性绑定效应（即自主发起动作与后续感觉结果之间时间间隔的压缩）和深度冥想状态下的主观时间体验改变。该理论统一解释了注意力效应、效价、冲动性、无聊、心流状态、濒死体验及各种精神病理学对主观时间体验的系统性调节作用，阐明了为何主观时间有时飞逝、有时如永恒。
主观时间自由能原理主动推理自我模拟时间感知计算神经科学