q-bio
01-07 00:00
本研究将延迟微分方程引入人口生态演化博弈模型，考察后代成熟时间延迟对种群动态的深刻影响。研究发现，延迟超过临界值会导致平衡点失稳，并揭示了三种密度依赖机制（成体死亡率、幼体招募存活率、延迟出生招募）的不同效应。其中延迟出生招募模式会引发分岔、复杂周期乃至混沌动力学，但意外地延长了“幽灵吸引子”等瞬态亚稳态的持续时间。研究还评估了系统对外部周期性扰动（如捕食压力）的恢复力。
生态演化博弈延迟微分方程种群动力学稳定性分析混沌现象密度依赖
q-bio
01-07 00:00
本研究通过构建基于海马时间细胞的生物约束深度网络，探索大脑如何整合嵌套时间尺度的信息。研究团队首先在前馈模型中发现，尽管网络层内时间常数谱相同，层级时间感受野仍会自然涌现。随后，他们将这一归纳先验提炼为生物合理的循环架构SITH-RNN。与通用RNN相比，具有尺度不变先验的SITH-RNN学习速度更快、参数少数个数量级，并能零样本泛化到训练分布外的时间尺度。这表明大脑可能利用编码“何时”发生“何事”的尺度不变序列先验，使具备此类先验的循环网络特别适合描述人类认知。
时间感受野尺度不变性生物约束网络零样本泛化循环神经网络认知建模
q-bio
01-07 00:00
本研究提出DNACHUNKER，一种集成可学习动态分词机制的DNA语言模型。该模型采用动态分块策略，能够将DNA序列解析为可变长度的片段。其核心优势在于对序列突变具有鲁棒性，并能将更精细的分块分配给重要的功能区域（如启动子、外显子），而对重复冗余区域则使用更大的分块。通过在人类参考基因组（HG38）上训练并在标准基准上测试，实验表明DNACHUNKER学习到的分词策略能够捕捉生物语法，提升模型性能。
dna语言模型动态分词可学习分词基因组分析生物信息学
q-bio
01-07 00:00
本研究通过模拟产前视网膜波作为训练数据，对Transformer模型进行自监督时序学习。研究发现，模型在适应这种生物合理的“产前世界”后，其内部结构自发地组织成了与新生儿视觉系统相似的模式：早期层对边缘敏感，后期层对形状敏感，且感受野随层数增加而扩大。这一发育上的趋同性表明，大脑与Transformer可能遵循着共同的通用拟合原则进行学习。
transformer模型视觉系统发育自监督学习视网膜波计算神经科学人工智能
q-bio
01-07 00:00
本研究开发了一种基于能斯特-普朗克方程和多孔介质流理论的新型数学模型，用于探究单克隆抗体（mAbs）在皮下注射后，其电荷特性对药物运输、结合与吸收的复杂影响。模型能够模拟不同电荷特性mAbs的短期运输动力学和长期结合吸收过程，并分析了缓冲液pH值、体重指数、注射深度和制剂浓度对药物分布的影响。数值模拟结果与文献中的实验数据进行了对比验证。
计算生物学药物动力学单克隆抗体皮下注射电荷效应多孔介质
q-bio
01-07 00:00
本研究提出了一种名为CamS（Connection-Aware Motif Sequencing）的图到序列表示方法，使仅解码器Transformer能够通过标准的下一个令牌预测来学习分子图。该方法通过数据驱动的连接感知基序挖掘，并利用基于支架的广度优先搜索将其序列化，构建了从核心到外围的稳定顺序。通过将不同精细度的基序序列拼接，实现了层次化建模，使模型能够基于密集、未损坏的局部结构证据来推断全局支架。基于CamS序列预训练的CamS-LLaMA模型在MoleculeNet和活性悬崖基准MoleculeACE上取得了最先进的性能，超越了基于SMILES的语言模型和强大的图基线。
分子性质预测图到序列自回归建模transformer活性悬崖基序序列化
q-bio
01-07 00:00
本研究提出神经流形噪声关联（NMNC），一种解决神经网络信用分配问题的新方法。传统噪声关联法通过扰动神经元活动来估计梯度，但效率低且与神经活动存在于低维流形的生物学观察不符。NMNC将扰动限制在神经流形上，理论证明训练后网络的雅可比行空间与神经流形对齐，且流形维度随网络规模增长缓慢。实验表明，在CIFAR-10、ImageNet级模型和循环网络中，NMNC相比传统方法显著提升了性能和样本效率，并产生了更接近灵长类视觉系统的表征。
信用分配神经流形噪声关联生物启发学习梯度估计表征学习
q-bio
01-07 00:00
本研究填补了简单混沌系统与化学动力学系统之间的空白。以往已知的三维混沌化学系统结构复杂（至少9个单项式、3个二次项），而作者通过理论证明与计算搜索，首次发现了一批结构更简单的混沌化学动力学系统。例如，存在仅含6个单项式（4个二次项）或7个单项式（2个二次项）的系统，其对应的化学反应网络可简化至仅含4-5个反应。这些结果表明混沌在化学动力学系统中比预想的更为普遍，并量化了其所需的最小结构复杂度。
混沌系统化学动力学反应网络质量作用结构复杂性计算发现
q-bio
01-07 00:00
本文为自主能动性（self-determining agency）建立了严格的数学形式化框架，以弥合物理机械过程与主体行为之间的解释鸿沟。核心贡献是提出了“随附因果”（supervenient causation）概念，证明在物理定律不被违反的前提下，一个系统可以在粗粒化的主体层面遵循独立的决定论。通过构造由多个随附函数组成的代数表达式，作者指出决定该表达式的索引序列并不随附于底层物理基态，因而能拥有独立于底层的动力学规律。这种双层定律系统为建模人类等具有道德与责任的主体提供了新路径。
自主能动性随附因果数学形式化认知科学决定论双层系统
q-bio
01-07 00:00
研究通过整合上游（受助后助人）和下游（基于声誉助人）间接互惠机制，解决了大规模群体中合作演化的难题。在无自返的公共品博弈中，分析发现当收益成本比 b/c > 2 时，整合型互惠策略者与无条件背叛者（ALLD）能形成全局渐近稳定的混合均衡。研究推导了认知成本的关键阈值：低于阈值时，成本反而能稳定均衡，防止其他条件策略入侵；高于阈值则均衡消失。这表明背叛者可充当“进化盾牌”，而战略多样性（而非一致性）是维持稳定合作的一条途径。
演化博弈间接互惠公共品博弈合作演化战略多样性稳定共存
q-bio
01-07 00:00
本研究提出了一种名为“决策变量相关性”的新方法，用于量化两个观察者在分类任务中基于内部神经表征所作决策的策略相似性。该方法聚焦于任务相关信息，而非泛化的表征对齐。通过分析猕猴V4/IT皮层记录与图像分类网络模型，研究发现模型间相似性与猕猴间相似性相当，但模型与猕猴间的相似性始终较低。值得注意的是，模型在ImageNet-1k上的性能越高，其与猕猴的DVC相似性反而越低。对抗训练和更大数据集预训练均未能提升模型与猕猴在任务相关维度上的相似性，表明两者表征存在本质差异。
表征相似性决策变量相关性神经解码计算模型视觉皮层图像分类
q-bio
01-07 00:00
本研究设计并评估了两种基于大语言模型（LLM）的自动化科研兴趣画像方法：一种基于PubMed摘要总结，另一种基于医学主题词（MeSH）术语。在对比595名研究者的数据后发现，尽管机器生成与人工撰写的画像在术语重叠度（ROUGE-L、BLEU分数低）上差异显著，但语义相似度（BERTScore F1约0.55）尚可。关键发现是：基于MeSH的方法在人工评审中获77.78%“良好/优秀”评价，其可读性（93.44%获好评）和整体偏好度（67.86%优于摘要法）更高。研究表明，LLM可实现大规模、可持续的科研画像更新，但机器生成内容在概念选择上与人类存在差异（KL散度约8.57），后者往往包含更多新想法。
科研画像大语言模型mesh术语语义相似度自动化评估生物医学信息
q-bio
01-07 00:00
本研究首次系统分析了巴西药用植物Ficus maxima（俗称caxinguba）叶片和茎皮的化学成分，并评估了其生物活性。通过UPLC-MS-MS结合分子网络分析，鉴定出45种代谢物，包括黄酮类、三萜类、香豆素等。研究发现，茎皮乙醇提取物在小鼠福尔马林试验（炎症期）和热板试验中表现出显著的镇痛活性，分别涉及毒蕈碱通路和阿片通路。此外，叶片二氯甲烷组分在体外显示出强效的CYP1A1抑制活性。这些结果为该植物在传统医学中用于抗炎镇痛提供了科学依据。
药用植物化学成分分析镇痛活性抗炎天然产物代谢组学
q-bio
01-07 00:00
本研究通过异质 Monod-Wyman-Changeux (MWC) 模型，分析了单个大肠杆菌细胞中混合 Tar/Tsr 趋化受体簇的静态感知极限。通过扫描七维参数空间，计算了信道容量、有效希尔系数和动态范围三个感知性能指标。在大肠杆菌样参数体系中，信道容量始终表现出显著的局部最大值，而其他两个指标则未显示出类似的优化特征。实现最大容量的输入分布是双峰的，这意味着单个细胞通过采样低浓度和高浓度两种状态来最大化信息获取。这些结果表明，在单细胞水平上，大肠杆菌受体簇可能对信道容量存在选择压力。
细菌趋化信道容量mwc模型信息论受体簇参数优化
q-bio
01-07 00:00
本研究提出了一种结合广义多项式混沌（gPC）展开与递归图分析的计算框架，用于量化神经动力系统在参数不确定性下的概率鲁棒性。该方法通过gPC推导平均神经活动信号，并引入新的递归度量指标，评估系统在保持其特定动态模式（如尖峰或振荡）时所能承受的参数变化范围。研究以Hindmarsh-Rose单神经元模型和Jansen-Rit皮层柱模型为例，展示了如何通过概率模式保持（PRP）图直观呈现参数不确定性对动力学模式鲁棒性的影响。
神经动力学概率鲁棒性分析广义多项式混沌递归图分析参数不确定性计算神经科学
q-bio
01-07 00:00
本研究将验证研究中参考集的构建形式化为一个明确的多目标设计问题。通过定义可解释的目标函数（涵盖结构、物理化学和响应多样性），并采用遗传算法作为探索性求解器，可视化设计空间中的权衡结构。该框架不规定“最优”参考集，而是支持系统探索可行设计，并明确比较其在多维设计空间中的位置。以毒性检测验证为案例的分析表明，参考集选择是一个独立的设计轴，它决定了评估中观察到的模型行为特征，而不应将这些效应归因于模型性能本身。
验证研究参考集设计多目标优化毒性检测遗传算法设计空间探索
q-bio
01-07 00:00
本研究提出了一种基于双曲几何的生理学模型，解释了神经感受野如何从尺度无标度网络的结构中自然涌现。通过将刺激空间映射到双曲嵌入的边界，模型无需精细调节突触连接，即可在速率模型和脉冲神经元模型中产生反映刺激空间结构的局部活动模式。生成的感受野符合实验观测的统计特性，其大小取决于神经元的连接度。该框架适用于多种刺激维度和模态（如方向选择性、位置选择性），并得到了海马位置野实验数据的支持。
双曲几何感受野尺度无标度网络神经动力学海马体刺激编码