q-bio
01-06 00:00
本研究提出了一种整合几何向量感知器（GVP）层与Transformer架构的深度学习框架，用于解决RNA逆折叠（即给定三维构象设计序列）的挑战。模型在标准基准和RNA-Puzzles测试中实现了最先进的性能，序列恢复率和TM-score分别达到0.481和0.332，超越了现有方法。利用Rfam注释进行的掩蔽家族级验证证实了模型在未见RNA家族上的强泛化能力。经AlphaFold3重折叠验证，设计出的序列能高度还原天然结构，凸显了GVP层捕获的几何特征对提升基于Transformer的RNA设计至关重要。
rna设计逆折叠深度学习几何深度学习结构生物学transformer
q-bio
01-06 00:00
本研究对基于串联质谱（MS/MS）的化合物预测算法进行了系统性评估。针对代谢组学和暴露组学研究中大量未知信号无法通过传统谱库匹配鉴定的挑战，研究团队评估了多种前沿算法在分子式预测和结构预测方面的准确性，并分析了不同加合物类型对预测性能的影响。评估结果为实际应用中的工作流选择提供了依据，并指出了进一步改进的关键瓶颈。
代谢组学质谱分析算法评估化合物预测计算生物学
q-bio
01-06 00:00
本研究提出了一种无需人工斑点的局部应变场量化框架，利用先进的零样本Transformer模型CoTracker3，结合定制化的便携式等轴双轴装置与多光子显微镜，成功追踪了膀胱腔的自然纹理。该方法在基准测试中表现出高像素精度和低应变误差，有效捕捉了传统数字图像相关技术难以追踪的复杂折叠和屈曲导致的异质性变形模式。在体外大鼠膀胱主动收缩实验中，该方法揭示了具有统计学意义的各向异性收缩（纵向收缩强于周向，p<0.01），并通过多光子显微镜证实了收缩过程中的大型褶皱形成等形态变化。
生物力学应变场量化transformer模型无斑点追踪膀胱收缩多光子显微镜
q-bio
01-06 00:00
本研究提出HyperNetWalk框架，通过整合蛋白质互作、基因调控和动态共表达等多重生物网络，并利用超图扩散算法，实现了在个体和群体水平上精准识别癌症驱动基因。该方法首先在患者特异性子网络上进行随机游走，评估拓扑重要性和表达扰动效应；随后通过超图随机游走整合跨样本信息，优化预测结果。在12种TCGA癌症类型上的评估显示，其性能优于或媲美现有先进方法，并能高精度识别已知驱动基因，同时揭示反映特定生物学机制的癌症类型特异性驱动基因。
癌症驱动基因超图扩散多网络整合精准肿瘤学生物信息学随机游走
q-bio
01-06 00:00
本研究提出了一种用于单细胞转录组数据的可解释异常检测新框架，旨在解决现有方法无法为识别出的罕见细胞提供基于基因的解释这一关键缺陷。该框架摒弃了传统分析中依赖主成分分析（PCA）降维的步骤，直接在高维基因表达空间中工作，并采用先进的异常检测器和解释器，不仅能识别单个异常（罕见）细胞，还能基于相关基因子空间提供可视化解释，阐明细胞为何异常及其与最近邻正常细胞的关联。
单细胞转录组罕见细胞识别可解释人工智能异常检测生物信息学
q-bio
01-06 00:00
本文提出“环境理论”假说，认为人类可能通过共享于心智理论的认知机制，从社会线索中推断环境中隐藏的动态规律。脊椎动物运动系统通常采用降维策略以简化控制，但在充满隐藏因果关系的复杂环境中，增加运动探索的维度反而能促进行为创新。该理论为理解人类如何通过反事实模拟来适应和创新提供了新视角。
认知科学运动控制心智理论行为创新环境动态
q-bio
01-06 00:00
传统观点认为别构效应主要通过调节酶活性或产物丰度来调控生物过程。本研究通过结合随机模型与信息论分析，揭示了别构效应在信号转导中的新功能：它不仅控制稳态水平，更重要的是调控信息传递的时机与持续时间。通过调整信号通路的时间操作区间，别构调节能使相同的分子组件产生不同的动态结果，为理解细胞如何在不改变代谢途径的情况下实现时间信息流、信号特异性和协调性提供了物理机制。
别构效应信号转导信息论时序调控随机模型生物物理
q-bio
01-06 00:00
本研究提出了一种名为CATS Net的双模块神经网络框架，旨在模拟人类从感觉运动经验中形成抽象概念并灵活运用的能力。该模型包含一个概念抽象模块，用于提取低维概念表征，以及一个任务解决模块，在已形成概念的层级门控下执行视觉判断任务。系统基于概念表征发展出可迁移的语义结构，支持跨网络的知识传递。模型-大脑拟合分析表明，其涌现的概念空间与人类腹侧枕颞皮层的神经认知语义模型及大脑响应结构一致，而门控机制则反映了语义控制脑网络的工作方式。这项工作为理解人类概念认知和构建类人概念智能的人工系统提供了统一的计算框架。
概念形成神经网络认知建模语义表征脑机拟合
q-bio
01-06 00:00
本研究提出一种新颖的数据转换与可解释机器学习方法，用于预测聚合物基长效注射剂的药物释放行为。通过分析321种制剂配方，模型成功预测了24、48、72小时的早期药物释放（相关性>0.65）及释放曲线类型分类（F1分数0.87）。研究还开发了一种独立于时间的框架，能比现有方法更准确地预测延迟双相和三相释放曲线。利用Shapley加性解释揭示了影响早期与完全释放的关键材料特性，为科学家优化药物释放动力学提供了定量策略与建议。
长效注射剂药物释放预测可解释机器学习制剂优化计算药学
q-bio
01-06 00:00
研究提出“物质音乐”生成框架，通过可逆映射将物质（如蛋白质、蛛网、火焰）的层次结构与音乐创作逻辑相连接。分子光谱可映射为音调，三维网络可转化为可演奏乐器，使声音成为科学探测工具，听觉成为一种观察模式。研究发现，科学与艺术中的新颖性产生于现有自由度无法满足约束时，迫使可行配置空间扩展。对全部2^12种音阶的枚举分析表明，具有文化意义的音乐系统聚集在中等熵与中等缺陷的“走廊”中，这与材料科学中缺陷密度最大化强度的霍尔-佩奇最优区间直接平行。基于群体的AI模型能创作出具有类人结构特征（如小世界连接性、模块化整合）的音乐，为超越插值走向发明提供了路径。
跨学科生成物质音乐结构映射约束创造振动语法ai作曲
q-bio
01-06 00:00
本研究提出中央法则Transformer（CDT），一种整合DNA、RNA和蛋白质预训练语言模型的架构，遵循分子生物学中央法则的信息流向。该模型通过DNA-to-RNA注意力机制建模转录调控，RNA-to-Protein注意力建模翻译关系，生成统一的多模态虚拟细胞嵌入。在K562细胞的CRISPRi增强子扰动数据验证中，CDT v1达到皮尔逊相关系数0.503，达到跨实验变异理论上限的63%。注意力与梯度分析提供了互补的解释视角，梯度分析成功识别出CTCF结合位点，与Hi-C数据揭示的增强子-靶基因物理接触一致。
多模态ai细胞机制中央法则transformer生物信息学可解释ai
q-bio
01-06 00:00
本文指出，传统基于P值和随机对照试验的医学证据框架，难以评估在动态环境中持续学习和适应的AI临床系统。作者借鉴量化金融和在线决策理论中的风险度量概念，提出应以时间索引的校准稳定性、有界下行风险和受控累积遗憾为核心，来重新构建针对自适应AI系统的医学证据评估体系。该框架不取代随机试验，而是补充了部署后才会显现的风险与不确定性维度，为持续学习下的AI临床系统评估提供了原则性的数学语言。
ai医疗评估风险度量学习型健康系统统计框架量化金融校准稳定性
q-bio
01-06 00:00
本文提出了一种比例率边际结构模型辅助检验（PR-MSMaT），用于在存在终点事件（如死亡）时，评估治疗对复发事件风险的因果效应。该方法解决了现有“基于存活期”检验在复发事件率随时间变化时，可能出现的I类错误膨胀和效应估计不准确的问题。通过模拟研究，PR-MSMaT在时变复发率下能有效控制I类错误，并保持与现有方法相当的检验效能。研究应用于机械循环支持设备对心衰患者术后胃肠道出血风险的比较分析。
因果推断复发事件终点事件边际结构模型生存分析医学统计
q-bio
01-06 00:00
本研究探索了使用便携式心电图（ECG）替代脑电图（EEG）监测认知负荷的可行性。通过采集工作记忆和被动聆听任务的多模态数据，研究者提取了ECG的时域心率变异性指标和Catch22特征，并与EEG的频谱特征进行对比。研究提出了一种跨模态XGBoost框架，将ECG特征映射到EEG代表的认知空间，从而仅使用ECG即可推断认知负荷。结果表明，ECG衍生的投影能有效捕捉认知状态的变化，并支持准确的分类，为日常可穿戴认知监测提供了可解释的实时解决方案。
心脑连接认知负荷可穿戴设备心电图机器学习生理计算
q-bio
01-06 00:00
本研究开发了一套AI引导的微牛级力学测量系统，用于卵母细胞质量的自动化、定量化、无损评估。系统通过磁驱动微夹持器施加可控载荷，诱导卵母细胞产生微米级压缩形变，并利用AI目标检测与图像分割算法实时捕获形变，从而精确计算其压缩模量。该方法克服了现有技术易造成细胞损伤、自动化程度低、误差大的局限，为体外受精等辅助生殖技术中的卵母细胞质量筛选提供了新工具。
辅助生殖技术生物力学人工智能自动化测量卵母细胞质量微操作
q-bio
01-06 00:00
本文提出了一种以SQL为中心的智能体框架，旨在解决病理图像分析中模型决策可解释性不足的问题。该方法首先提取可解释的细胞特征，然后通过特征推理智能体（FRA）在特征表上编写和执行SQL查询，将视觉证据聚合为定量发现。知识比较智能体（KCA）随后将这些发现与已建立的病理学知识进行对比，模拟病理学家从可测量观察中论证诊断的过程。在两个病理视觉问答数据集上的实验表明，该方法在保持性能的同时，生成了可执行的SQL追踪，将细胞测量与诊断结论明确关联，显著提升了决策的可追溯性和可审计性。
病理图像分析可解释人工智能神经符号推理sql查询可审计性视觉问答
q-bio
01-06 00:00
本研究填补了演化博弈论中关于极限环的理论空白。传统演化稳定状态（ESS）对应种群策略的稳定不动点，但无法解释周期性振荡现象。作者创新性地定义了“振荡演化稳定状态”（OESS），并严格证明了其对应于复制动力学中的稳定极限环。研究还探讨了OESS的唯一性条件，以及在存在多个OESS时，它们在相空间中的分布位置。这项工作为理解频率依赖选择下种群策略的周期性演化提供了新的理论框架。
演化博弈论复制动力学极限环演化稳定状态频率依赖选择种群动力学
q-bio
01-06 00:00
本文提出了一种新型生物启发式联想记忆网络，通过引入阈值非线性激活函数，将隐藏层从“赢家通吃”的稀疏表征转变为分布式表征。这使得每个隐藏神经元可以编码多个记忆共享的基本组件，复杂模式通过隐藏神经元的组合来表示。该设计大幅提升了网络容量：当可见神经元数量远大于隐藏神经元时，存储容量随隐藏神经元数量呈指数增长。分布式表征还保留了类别判别结构，支持高效的非线性解码，为构建高容量、鲁棒且可扩展的联想记忆架构提供了新范式。
联想记忆神经网络生物启发分布式表征指数容量非线性激活
q-bio
01-06 00:00
本研究通过精确的最终规模公式和早期动力学的分支过程近似，分析了具有异质性易感性和传染性的SIR模型。研究发现，最终疫情规模和主要暴发概率均与易感性-传染性联合分布的协调序单调相关。在所有具有固定边际分布的耦合中，共单调依赖使疫情严重程度最大化，提供了无分布的尖锐上界。关键发现是：疫情结局不能仅由易感性异质性排序；虽然独立性下增加易感性方差会减少最终规模，但当基本再生数 $R_0 > 1$ 时，易感性与传染性之间的正依赖关系可在局部增加疫情规模。研究进一步表明，在依赖关系下，仅凭易感性方差或协方差符号不足以确定疫情严重程度。
传染病模型异质性依赖结构最终规模分支过程风险评估
q-bio
01-06 00:00
蛋白质的功能取决于其构象集合，即一系列能量加权的结构。尽管深度学习（DL）方法在预测单一蛋白质结构方面取得了显著进展，但计算建模构象集合仍具挑战。本研究聚焦于折叠转换蛋白，这类蛋白能重塑其二、三级结构以响应细胞信号。它们揭示了DL模型常通过与训练集结构关联来预测构象集合，这限制了其泛化能力。这些发现明确了DL方法可能成功或失败的应用场景，并指出开发能成功从大量候选蛋白中识别新折叠转换蛋白的计算方法，可能更广泛地推进构象集合建模。
蛋白质构象深度学习折叠转换计算生物学结构预测泛化能力
q-bio
01-06 00:00
本研究通过颅内电极记录发现，人类岛叶皮层能够识别包括厌恶、恐惧、愤怒、悲伤、中性及快乐在内的多种面部表情。分析表明，岛叶通过事件相关电位（ERPs）和事件相关频谱扰动（ERSPs，涵盖 $\theta$ 至高 $\gamma$ 频段）在时间和频谱上的多样化、混合性模式来区分表情，且这种模式在单个电极接触点水平即可实现。相比之下，梭状回面孔区的ERP反应则更为趋同。研究揭示了岛叶作为多功能认知与情感枢纽的神经机制。
岛叶皮层面部表情识别颅内脑电图神经表征情感处理事件相关电位
q-bio
01-06 00:00
本文探讨了大脑的生物学细节（如神经元非负发放、能量与空间预算）如何通过打破连接主义模型中的对称性（如尺度、旋转、排列对称），将可学习的算法集约束为“类脑”算法。这种约束使得模型不仅能预测大脑反应（直至单个神经元调谐），还能从神经响应中推断出底层算法。该观点将计算神经科学与AI中的机制可解释性领域统一起来，为研究自然与人工智能的机制提供了更融合的路径。
计算神经科学机制可解释性类脑算法对称性破缺连接主义模型
q-bio
01-06 00:00
本研究利用功能性磁共振成像（fMRI）开发的神经生物学渴望特征（NCS），探究了青少年实验性吸烟者（N=100）与非吸烟者（N=48）对吸烟线索与替代性社交奖励的大脑反应差异。研究发现，实验性吸烟者对吸烟线索的NCS反应更强，且该反应能预测个体自我报告的渴望程度及月度吸烟量。吸烟行为及NCS反应均与来自同伴（相对于家庭成员）的环境烟草烟雾（ETS）暴露水平相关。结果表明，在实验性吸烟阶段，与渴望相关的大脑回路已表现出更高的敏感性，并强调了同伴社交规范在青少年关键期对吸烟渴望和起始行为的重要影响。
神经影像学烟草成瘾青少年健康环境暴露社会影响fmri
q-bio
01-06 00:00
本研究通过范围综述，系统梳理了2019-2024年间发表的36项抗菌素耐药性（AMR）数学模型研究。研究发现，现有研究主要依赖确定性常微分方程（ODE）模型，聚焦于人体内的细菌耐药性，仅有一项研究采用“同一健康”视角。耐药机制建模集中于接合和突变，而转导、转化、宿主免疫、空间异质性和环境因素则鲜有涉及。研究存在明显的地理偏向性（高收入国家）且较少纳入经济影响分析。未来研究需整合随机性、空间结构、生态相互作用及社会经济变量，以构建更全面的AMR缓解策略。
抗菌素耐药性数学模型范围综述同一健康常微分方程研究缺口