q-bio
01-12 00:00
本文提出一种基于进化方法的认知架构研发方向，旨在创建能够自我演化的下一代智能系统。其核心是引入一个功能性核心，该核心能持续生成自主智能体的智力功能，从而克服现有架构因过度依赖预设感知模式而无法普适模拟高级神经功能的局限。研究结合符号学概念，将智能发展视为在感知世界与行动世界之间建立内在世界连接的过程，并基于建构主义理论探讨了早期个体认知发生所需的机制与功能核心构成。
认知架构人工智能进化计算通用智能建构主义符号学
q-bio
01-12 00:00
本研究揭示了海马体神经活动不可逆性的物理机制。通过分析小鼠在虚拟轨道上运动时的神经信号，研究者发现动物在环境中的物理流动（平均速度与速度方差）直接驱动了其认知地图中的神经流动。他们利用神经元间的时间延迟互相关来量化这种不可逆性，并建立了一个仅包含三个参数（平均速度 $\bar{v}$、速度方差 $\sigma_v^2$ 和神经编码分辨率 $\lambda$）的极简模型，成功解释了观测到的神经不可逆现象。这为理解大脑与行为中对称性破缺的关联提供了机制性解释。
海马体神经可塑性对称性破缺认知地图计算神经科学
q-bio
01-12 00:00
本文提出DNATok，一个高性能、GPU优先的分词系统，旨在解决DNA序列处理中分词环节的系统瓶颈。传统分词方法（如重叠k-mer、单核苷酸、非重叠k-mer或BPE）在算法层面各有优劣，但在处理数十亿碱基规模的数据时，标准字符串分词器和主机端词汇表查找会显著拖慢整体流程。DNATok采用基于字节查找表（LUT）的标识符流式处理，并结合使用固定内存和架构并行化的重叠主机到设备（H2D）/计算流水线，实现了词汇表无关的加速。实验表明，其编码吞吐量比优化的Hugging Face基线高84-95倍，H2D吞吐量最高提升1.9倍，端到端流式处理速度可达1.27-1.84e8 tokens/s，有效消除了生产规模训练和推理中分词环节的瓶颈。
dna语言模型分词系统gpu加速高通量计算基因组学系统优化
q-bio
01-12 00:00
本研究提出了OKR-CELL模型，旨在解决现有单细胞基础模型对个体深度特征整合不足及多模态数据噪声影响的问题。该模型基于跨模态细胞-语言预训练框架，其核心创新在于：1）利用基于大语言模型（LLM）的检索增强生成（RAG）工作流，融合开放世界知识以丰富细胞文本描述；2）设计了包含样本可靠性评估、课程学习和耦合动量对比学习的跨模态鲁棒对齐（CRA）目标，以增强模型对噪声数据的鲁棒性。在3200万细胞-文本对上进行预训练后，OKR-CELL在细胞聚类、细胞类型注释、批次效应校正、少样本注释等6项评估任务中取得了前沿成果，并在零样本细胞类型注释和双向细胞-文本检索等更广泛的多模态应用中展现出优越性能。
单细胞多组学跨模态预训练检索增强生成鲁棒对齐细胞类型注释基础模型
q-bio
01-12 00:00
PRISM框架通过基于语言模型的智能体协作，实现了实验协议从设计、验证到自动化执行的全流程。该系统首先从网络资源中自动收集实验流程描述，通过规划、批判和验证循环将其转化为结构化操作步骤，并最终转换为统一的Argonne MADSci协议格式，协调多台商用机器人仪器（如Opentrons OT-2移液工作站、PF400机械臂等）无需人工干预。研究以Luna qPCR扩增和Cell Painting为案例，在NVIDIA Omniverse构建的数字孪生环境中进行仿真验证后，成功实现了端到端的自动化实验执行。
自动化实验室协议生成智能体协作数字孪生机器人执行实验设计
q-bio
01-12 00:00
本研究提出Tensor-DTI，一种用于药物-靶点相互作用预测的对比学习框架。该模型创新性地整合了分子图、蛋白质语言模型和结合位点预测等多模态嵌入，采用孪生双编码器架构，以同时捕捉化学和结构相互作用特征，并有效区分相互作用与非相互作用对。在多个基准测试中，Tensor-DTI的表现优于现有基于序列或图的方法。大规模推理实验表明，即使在训练中排除特定靶点（如CDK2），模型仍能产生化学上合理的命中分布，并在与分子对接和共折叠方法的富集研究中保持竞争力。研究还探索了其在蛋白质-RNA和肽-蛋白质相互作用预测中的适用性。
药物靶点预测对比学习多模态融合虚拟筛选深度学习生物分子相互作用
q-bio
01-12 00:00
本研究提出了一种结合因子分析与Procrustes旋转的方法，用于处理植物育种中产生的高维高光谱时序表型数据。通过对CIMMYT小麦试验中1033个基因型在三种灌溉处理下的多时点高光谱数据（62个波段，385-850 nm）进行分析，提取遗传相关矩阵中的潜在变量，并将其整合到多变量基因组预测模型中。结果表明，与单变量预测相比，该方法能将小麦籽粒产量的基因组预测能力（以相关系数衡量）绝对提升0.1至0.3，并识别出与植物生长阶段相关的关键测量时点。
高光谱表型基因组预测潜在因子分析小麦育种时序数据多变量模型
q-bio
01-12 00:00
Cedalion是一个基于Python的开源框架，旨在解决功能性近红外光谱（fNIRS）和漫射光学断层扫描（DOT）领域分析工具碎片化的问题。它将基于模型的先进分析与数据驱动的机器学习方法统一在一个标准化架构中，支持从正向建模、信号处理、GLM分析到DOT图像重建的完整流程。该框架遵循SNIRF和BIDS标准，提供容器化工作流和可云端执行的Jupyter笔记本，确保了分析流程的可复现性和可扩展性，并能无缝集成EEG、MEG等多模态生理数据。
fnirs神经影像分析python框架可复现性多模态融合开源工具
q-bio
01-12 00:00
本研究针对单细胞组学分析中传统人工流程的局限性，首次构建了一套全面的AI智能体基准评估系统。该系统包含统一平台、多维评估指标（认知程序合成、协作、执行效率、知识整合等）及50个涵盖多组学、多物种的真实分析任务。评估发现，Grok-3-beta在测试框架中表现最佳，多智能体框架通过角色分工显著提升了协作与执行效率。归因分析表明，高质量的代码生成是任务成功的关键，而自我反思对整体性能影响最大，其次为检索增强生成（RAG）和规划。研究揭示了当前智能体在代码生成、长上下文处理和情境感知知识检索方面仍面临挑战，为计算生物学领域开发鲁棒的AI智能体提供了关键的实证基础和最佳实践。
ai智能体单细胞组学基准测试计算生物学多智能体协作代码生成
q-bio
01-12 00:00
本研究提出了一种针对随机化学系统（如基于规则的生化反应网络）的灵敏度分析新方法。该方法通过有限差分进行梯度估计，并分析内在噪声下的变异性，将梯度不确定性量化为一个角度范围。其核心特点是能自适应地指导每个参数点对的模拟次数，在保持鲁棒性的同时最小化计算开销。通过系统探索参数空间而非单点分析，该方法不仅能识别敏感参数，还能定位不同灵敏度水平的参数区域，结果通过向量场图直观呈现。此外，方法支持用户自定义输出观测指标，突破了传统浓度分析的局限，在米氏动力学和福莫斯反应规则模型中得到验证。
灵敏度分析随机系统梯度估计参数空间化学动力学计算模拟
q-bio
01-12 00:00
本研究构建确定性模型分析信息传播对伤寒疫情的影响。通过分析模型稳定性与基本再生数$R_0$，发现信息可能通过改变公众行为反而增加疾病传播风险。模拟结果显示，伤寒病例上升与健康预防措施依从性差密切相关。研究强调公共卫生教育在疾病控制中的关键作用，建议将信息宣传纳入预防策略。
传染病模型伤寒热信息传播公共卫生行为动力学数学建模
q-bio
01-12 00:00
传统观点认为细菌趋化作用接近物理感知极限，但Hudson Mattingly团队在《自然·物理学》的最新研究挑战了这一认知。他们发现大肠杆菌仅利用了其表面可用感官信息的一小部分进行化学趋向运动，而非此前认为的接近最优效率。这一发现将经典趋化模型、噪声鲁棒性以及来自物理学、生物学甚至希腊神话的跨学科视角联系起来，重新评估了微生物感知能力的边界。
细菌趋化感知极限信息利用大肠杆菌生物物理
q-bio
01-12 00:00
本文系统回顾了群体遗传学模拟中广泛使用的尺度缩放方法。该方法通过缩小模拟种群规模并调整参数（如选择系数、突变率）来匹配自然种群的乘积效应，从而显著降低计算成本。研究指出，虽然部分群体遗传统计量具有尺度不变性，但该方法在模拟大染色体区域时可能失效，因为位点间的物理距离与重组频率呈非线性关系。此外，在模拟复杂性状选择、部分自交或无性繁殖种群时，尺度缩放也可能导致错误结论。文章最后为正确应用该方法提出了具体建议。
群体遗传学计算机模拟尺度缩放重组选择模拟计算效率
q-bio
01-12 00:00
本研究提出AntibodyDesignBFN，一种基于离散贝叶斯流网络（BFN）的固定骨架抗体设计新方法。针对传统扩散模型计算成本高、难以处理离散氨基酸序列的问题，BFN直接在概率单纯形上进行连续时间、完全可微的生成过程。模型结合了轻量级几何Transformer（利用不变点注意力IPA）和资源高效的梯度累积训练策略，在2025年时间测试集上实现了H-CDR3区域48.1%的氨基酸恢复率，证明了其在三维几何约束下进行高保真抗体序列设计的有效性。
抗体设计贝叶斯流网络逆折叠几何transformer计算生物学
q-bio
01-12 00:00
本文提出将复杂多样的神经元形态简化为三个基本区室（胞体/轴丘、轴突末梢、树突），并系统阐述了它们如何塑造独特的细胞外记录波形。通过整合生物物理建模与高密度、低噪声的体内记录实验进展，研究预测了基于形态、通道密度和时序激活的丰富波形图谱。作者主张利用振幅、时程和空间范围三个维度来区分源自不同区室的信号，从而超越传统的胞体峰电位分析，将空间性和波形组合纳入视野，为解析神经元电活动异质性提供了新框架。
神经元区室细胞外记录生物物理建模波形分析计算神经科学
q-bio
01-12 00:00
本研究将决策理论框架引入流行病学预测评估，提出了“价值评分”（VS）指标。该指标通过比较决策者依据模型预测和历史事件概率采取行动时的预期支出，来衡量预测的实际效用。VS取决于成本-损失比，正值表示模型预测优于历史基准。应用于流感预测挑战赛数据的分析表明，多数模型在特定成本-损失比范围内具有正价值，但其排名与传统的对数评分排名无明确关联，因为VS对预测的过度或不足更为敏感。这种结合决策背景的评估方法有望提升预测的实际应用价值。
预测评估决策理论价值评分成本损失比流行病学模型验证