q-bio
01-05 00:00
本研究提出了一种统一的13元组扩展生物Petri网形式化体系，整合了弱独立理论与信号层级理论，以更精确地模拟生化现实。扩展定义引入了信号分区、弧类型分类、调控结构、环境交换、依赖分类、异质变迁类型和生化公式追踪等新元素。通过两阶段执行（使能与消耗）形式化了信号令牌消耗语义，并证明了连续动力学下弱独立的正确性。应用于费氏弧菌群体感应系统，揭示了能量代谢信号如何通过层级约束传播调控LuxR-AHL复合物，实现133倍差异的二元开关决策，信号饱和时间是迫使系统跨越阈值的关键协调者。
生物petri网形式化建模群体感应系统生物学信号层级弱独立性
q-bio
01-05 00:00
本研究提出MethConvTransformer，一种基于Transformer的深度学习框架，用于整合脑组织与外周组织的DNA甲基化数据，以实现阿尔茨海默病（AD）的生物标志物发现。该模型结合了CpG位点的线性投影、卷积层和自注意力层，以捕捉局部和长程依赖关系，并纳入受试者协变量和组织嵌入来区分共享与组织特异的甲基化效应。在多个GEO数据集和独立ADNI队列的验证中，模型性能优于传统机器学习基线，并展现出优异的判别与泛化能力。可解释性分析揭示了与AD相关的生物学通路，如免疫受体信号、糖基化、脂质代谢和内质网/高尔基体组织。
阿尔茨海默病dna甲基化深度学习跨组织分析生物标志物可解释ai
q-bio
01-05 00:00
本研究系统评估了单细胞多组学数据分析中预处理与整合方法的性能。研究构建了一个包含数据标准化、整合与降维的通用分析流程，在六个涵盖不同模态、组织和物种的数据集上，测试了七种标准化方法、四种降维方法与五种整合方法的组合效果。评估采用轮廓系数、调整兰德指数和Calinski-Harabasz指数三个指标。结果表明，Seurat和Harmony在数据整合方面表现突出，其中Harmony在处理大规模数据时更具时间效率；UMAP是与整合方法兼容性最佳的降维方法；而标准化方法的选择则高度依赖于所使用的整合方法。
单细胞多组学数据整合基准测试生物信息学预处理流程
q-bio
01-05 00:00
本研究改进了先前基于Good-Turing统计量估计分子动力学模拟中观测到全新生物分子结构概率的方法。新算法的核心突破在于将内存需求从与轨迹结构数目的平方关系（需计算和存储二维RMSD矩阵）降低为线性关系，从而能够处理包含高达2200万个结构的超长模拟轨迹。验证表明，新方法的结果与旧算法基本一致，且计算程序已开源。
分子动力学不确定性量化good-turing统计算法优化生物分子模拟计算效率
q-bio
01-05 00:00
本研究开发了一种量子-经典混合框架，用于模拟蛋白质片段的电子结构。该框架通过变分量子算法，将蛋白质活性位点的费米子哈密顿量映射到量子比特上，并优化其基态能量。针对一个4轨道的丝氨酸蛋白酶片段，该方法实现了化学精度（< 1.6 mHartree），恢复了95.3%的相关能。系统分析揭示了包含指数衰减（$\alpha = 0.95$）、幂律优化（$\gamma = 1.21$）和渐近逼近的三阶段收敛行为。应用表明，其在SARS-CoV-2蛋白酶抑制预测中达到高精度（MAE=0.25 kcal/mol），在细胞色素P450代谢位点预测中准确率达85%。
量子计算蛋白质模拟变分量子算法药物发现电子结构量子-经典混合
q-bio
01-05 00:00
本研究构建了一个扩展的SIRS模型，以区分原始毒株和突变毒株的感染，并引入疫苗接种状态。在行为层面，采用演化博弈论模拟个体接种决策，策略取决于邻居选择和当前疫情态势，这对应于易感者以时变速率转为接种者的过程。通过微观马尔可夫链方法（MMCA）耦合疫情传播与行为过程，数值模拟表明该框架能有效缓解不同疾病情景下的暴发。敏感性分析显示，接种率受疫苗成本、效力及感知副作用风险影响最大。该框架为设计公共卫生政策提供了定量支持。
流行病模型演化博弈疫苗接种行为病毒突变微观马尔可夫链公共卫生政策
q-bio
01-05 00:00
本研究通过整合大规模序列分析、共进化相互作用图谱、结构群落分析和适应性适应度建模，揭示了大肠杆菌丝氨酸羟甲基转移酶（SHMT）的催化核心形成了一个异常保守且紧密耦合的结构单元。该区域表现出密集的共进化、强大的分子内连接性、最小的无序性和极低的突变耐受性。相对于已确立的叶酸途径抗生素靶点（如DHFR），SHMT活性位点更为刚性和进化受限，这可能限制了耐药性兼容突变的出现，解释了其为何未被用作抗菌靶点。这些发现表明SHMT是一个结构稳定且进化受限的酶，其催化结构受到特殊保护，是设计下一代抗菌剂的一个有前景但尚未充分探索的靶点。
酶催化核心突变抗性结构进化约束抗菌靶点叶酸途径计算生物学
q-bio
01-05 00:00
地质系统中存在多种复杂模式，其成因可能源于非生物的自组织过程，也可能源于生物活动。理解这些结构的形成机制，对于区分地质自组织现象与生物化石或生物影响结构至关重要。这项研究不仅有助于深化对地球地质自组织的认识，更对探索地球生命起源及地外生命搜寻具有基础性意义。
地质模式自组织生物成因生命起源地外生命
q-bio
01-05 00:00
本研究通过构建多层网络演化博弈模型，探索了社会困境之外的互动如何影响合作。模型包含一个经典的囚徒困境层和一个非困境的恒定选择动力学层（模拟意见或潮流传播）。理论分析表明，将社会困境层与非困境层耦合，能在多种网络结构、更新规则和收益方案下，显著且稳健地提升整体合作水平。这表明，将个体嵌入多样化的网络环境（即使某些环境不直接涉及社会困境）是促进社会生态和组织系统合作的有效策略。
演化博弈多层网络合作演化社会困境网络动力学
q-bio
01-05 00:00
组装理论提出了一种将因果关系视为物质属性的新框架，通过“组装指数”量化一个可区分对象存在所需的最小递归组装步骤数。高组装指数对象的大量复制表明其产生机制具有持续性，环境因此“记住”了因果链。组装指数与复制数共同构成了检测因果关系和偶然性的标准化度量，并能在“组装空间”中精确定义一个选择阈值。该理论将生命及其衍生的智能、技术形式定义为复制数持续超越此阈值的结构，为解释和测量生命提供了新基础，并与传统干预主义因果理论形成分野。
组装理论因果关系组装指数生命起源物理生物学复杂性度量
q-bio
01-05 00:00
本研究提出了一种基于压力激活超分子解组装的新型低温保存机制。通过设计膜渗透性超分子组装体，在初始低浓度下进入细胞，随后在等容冷冻或等压条件下，利用水压升高触发解组装，原位生成高浓度低温保护剂。该方法将膜运输与溶质可用性解耦，避免了传统方法中因高浓度溶质加载引起的渗透损伤或化学毒性，为高效低温保存提供了新思路。
低温保存超分子组装压力激活等容冷冻热力学细胞保护
q-bio
01-05 00:00
大型蛋白质语言模型在生成式蛋白质设计中潜力巨大，但常产生“结构幻觉”，即生成序列语言概率高但折叠成热力学不稳定构象。现有对齐方法（如DPO）将偏好视为二元标签，忽略了物理能量景观的连续结构。本研究提出Physio-DPO，一个基于物理信息的对齐框架，将蛋白质语言模型锚定在热力学稳定性上。其核心是引入一个幅度感知目标函数，根据天然结构与物理扰动的困难负样本之间的能量差来缩放优化更新。实验表明，Physio-DPO在自洽性RMSD（降至1.28 Å）和可折叠性（提升至92.8%）上均优于SFT、PPO和标准DPO等基线，并通过恢复疏水核心堆积和氢键网络等生物物理相互作用，有效缓解了结构幻觉。
蛋白质设计语言模型对齐热力学稳定性结构幻觉物理信息学习生成式ai
q-bio
01-05 00:00
本研究通过一个具有最小非线性的随机生态系统模型，探讨了种群动态的自组织过程。模型采用分段线性常微分方程描述种群演化，并引入非负约束以模拟物种的灭绝与复苏事件。研究发现，无论群落矩阵的相关性强度如何，系统的解始终被限制在相空间的特定子集内，这些子集可被表述为随时间变化的Gardner体积（源自神经网络学习理论）。该体积随多样性（即现存物种比例）的降低而减小，并在长时间极限下呈指数级衰减。利用随机矩阵理论，多样性的变化被联系到群落矩阵谱在时间序列上的收缩与扩张，从而产生一系列May型稳定性问题，决定了总种群是走向完全灭绝还是无界增长。在无界增长的情况下，模型允许一个简单的非线性扩展，使解演化至一个新的吸引子。
生态系统模型自组织随机矩阵种群动态gardner体积非线性动力学
q-bio
01-05 00:00
本研究提出一种基于Stackelberg博弈论和贝叶斯优化的自适应化疗策略，用于治疗转移性前列腺癌。通过精确优化药物阿比特龙的给药方案，旨在最大化患者的无症状生存期。计算与理论分析表明，采用“高水平紧控制”策略，即设定较高且接近的给药与停药生物标志物阈值，可显著延长癌症抑制时间，有望将多数患者的转移性前列腺癌从终末期疾病转变为可管理的慢性病。
自适应化疗前列腺癌博弈论贝叶斯优化慢性病管理精准医疗
q-bio
01-05 00:00
针对3D生物成像数据（如CT、MRI）在共享、标注和协作分析中面临的挑战，本研究提出了MorphoDepot框架。该框架创新性地将开源软件开发中的“分支与贡献”模型应用于3D形态学数据管理，通过集成git版本控制、GitHub协作平台以及3D Slicer/SlicerMorph软件，将静态的解剖分割数据集转变为可动态迭代、社区共同维护的项目。该系统不仅解决了分布式协作、数据溯源和标准化问题，还为人工智能模型训练提供了高质量数据，有力推动了数据在进化形态学等领域的FAIR（可发现、可访问、可互操作、可重用）原则实践。
3d形态学开源协作数据管理人工智能训练数据fair原则版本控制
q-bio
01-05 00:00
本研究针对数据极度稀缺（P >> N）场景下的垂直联邦学习（VFL）不稳定性问题，提出了一种融合领域先验知识的VFL框架。该框架利用基于梯度显著性的特征选择方法，结合生物学先验知识，在仅有13个样本、90579个特征的珊瑚热应激多组学数据集上，将维度降低了98.6%，最终实现了0.833 ± 0.030的AUROC，显著优于表现接近随机水平的基线方法（p = 0.0058）。研究证实了领域知识引导的降维和稳定性评估对于极端高维小样本VFL应用的重要性。
垂直联邦学习多组学整合特征选择小样本学习珊瑚生物学计算生物学
q-bio
01-05 00:00
本研究提出了一种利用视频振动分析技术，对生物打印组织构建体进行无接触、非破坏性结构缺陷检测的新方法。通过高速相机记录耳形水凝胶构建体（由海藻酸钠和κ-卡拉胶制成）的动态响应，并采用相位运动估计算法进行分析。实验系统引入了几何、层间及压力诱导缺陷，结果显示所有缺陷样本的动态特性均发生一致变化，其偏离程度随缺陷严重性增加而加剧，反映了内部异常导致的有效刚度和质量分布变化。有限元模拟验证了实验趋势。该方法为下一代生物增材制造工作流程中的结构健康监测提供了实用途径。
生物打印缺陷检测振动分析非接触测量结构健康监测水凝胶
q-bio
01-05 00:00
本研究提出了一种基于极性的颅神经嵴细胞（CNCC）迁移代理模型，克服了传统模型需预先指定领导者/追随者角色的局限。在该模型中，所有细胞遵循相同规则，通过成对相互作用势能互动，并携带根据时间平均化学吸引梯度演化的极性向量。数值模拟表明，领导者与追随者的表型划分能从模型的集体动力学中自发涌现，且其行为与鸡胚胎中的实验观察一致。该模型为理解细胞表型可塑性提供了机制性解释。
细胞迁移代理模型极性向量表型涌现集体动力学神经嵴细胞
q-bio
01-05 00:00
本文提出了Rogue Variable Theory (RVT)，一个量子兼容的认知框架，用于形式化描述决策、情感或意义稳定之前的模糊、紧张且充满潜在竞争解释的“前事件”认知状态。该框架将此类状态定义为“Rogue Variables”，并通过基于时间索引的镜像个人图（MPG）、量子MPG状态（QMS）、哈密顿动力学和“rogue算子”来实现。核心创新是引入了罗塞塔石层（RSL），它能在无需显式节点对齐的情况下，将用户特定的潜在因子坐标映射到共享的参考希尔伯特空间，从而实现跨用户比较与聚合。该框架可在经典系统上完全实现，并将“坍缩”解释为交互下的信息退相干。
认知科学量子认知信息理论图模型跨用户对齐前事件状态
q-bio
01-05 00:00
本研究针对连续血糖监测（CGM）产生的密集时间序列数据，提出并评估了三种编码压缩策略：峰值与谷值（PN）、峰值、谷值与支撑点（PN+）以及均匀下采样。通过结合合成数据与真实临床试验数据验证，PN+方法在压缩比为13时，其重建信号的平均绝对误差（MAE）比均匀下采样降低3.6倍（0.77 vs. 2.75），且在关键血糖波动指标上保持最高的R²。该方法平均单次编码解码仅需0.13秒，为CGM数据的存储、传输与分析提供了高效且高保真的解决方案。
连续血糖监测数据压缩信号重建峰值谷值编码时间序列分析医疗数据
q-bio
01-05 00:00
本研究利用4,622个病例周数据，评估了CatBoost、XGBoost、AutoGluon和tabPFN四种回归模型对一周后连续血糖监测（CGM）指标（如TIR、TAR、TBR、MAGE等）的预测性能。结果显示，所有模型对大多数指标（如TIR、TAR）的预测性能相当，平均绝对相对差异（MARD）在7.8%至23.9%之间。然而，低血糖事件（TBR）的相对预测误差较高（T1DM约48%，T2DM约78%）。尽管AutoGluon和tabPFN在某些指标上精度略有优势（如TITR，p<0.01），但其计算成本显著更高（如tabPFN推理时间比CatBoost/XGBoost高约17,000倍）。研究表明，现代表格模型可对CGM指标进行合理预测，但低血糖事件的相对预测仍是挑战。
糖尿病管理血糖预测机器学习连续血糖监测表格学习automl
q-bio
01-05 00:00
本研究从微观细胞相互作用的动力学描述出发，通过扩散极限推导出一类用于描述多发性硬化症的反应-扩散方程。在宏观层面，论文讨论了图灵不稳定性现象发生的必要条件及二维模式的形成，并利用弱非线性分析方法研究了这些模式的形状与稳定性。针对特定场景的数值模拟进一步证实并扩展了理论结果。
多发性硬化症反应-扩散方程图灵不稳定性趋化模型动力学理论模式分析
q-bio
01-05 00:00
本研究通过主动行走者模型，首次将食草动物的蹄部尺度行为与景观尺度地形形成联系起来。模型将食草动物视为在可侵蚀斜坡上随机觅食的智能体，其每一步移动都权衡攀爬的能量消耗与新鲜牧草的收益，同时蹄部踩踏会压实土壤并降低局部生物量，从而微妙地重塑引导后续步伐的能量景观。这些间接反馈机制最终使交通路径沿斜坡横向集中，形成周期性的台阶状带，形态与自然梯田相似。该研究揭示了局部觅食规则与基质反馈如何自组织形成大规模地形模式，凸显了分散的生物过程在塑造陆地景观中的重要作用。
地形形成主动行走者模型生物地貌学自组织食草动物景观演化