q-bio
01-13 00:00
本研究利用图神经网络（GNN）结合分层池化技术，基于TCGA的RNA-seq数据和STRING蛋白质相互作用网络，对肿瘤组织来源及正常/肿瘤样本进行分类。模型采用Chebyshev图卷积（K=2）和加权池化层，将基因簇聚合为“超节点”以实现降维并保留关键相互作用。研究发现，增加卷积和池化层数并未提升分类性能，单层池化模型取得了最高的F1-macro分数（0.978），更深层结构会导致过平滑和性能下降。然而，通过梯度方法，模型展现出高度可解释性，成功识别出已知的癌症相关基因和富集的生物学过程，其分层结构为开发新的可解释架构提供了基础。
图神经网络肿瘤分类rna测序可解释ai分层池化生物标志物
q-bio
01-13 00:00
本研究首次从理论上证明并数值模拟了化学过程可以实现上下文学习（ICL），这是一种通常与Transformer架构相关的计算模式。研究提出了一种名为“子空间投影”的新机制，通过将整个输入向量映射到比较子空间，由主导投影决定计算输出，从而绕过了传统ICL对注意力机制的依赖。分析表明，该机制在小化学系统中有效，且性能对输入编码和动力学选择具有鲁棒性。这一发现为在化学或其他物理介质中实现ICL提供了蓝图，并为设计自适应合成化学系统及理解细胞内可能的生物计算开辟了新方向。
上下文学习化学反应网络子空间投影无注意力计算生物计算自适应系统
q-bio
01-13 00:00
本研究提出了一种新型连续能量景观框架，以克服传统基于二值化大脑状态模型的局限性。该方法利用图神经网络直接从功能磁共振成像信号中学习连续精度矩阵，在能量景观计算中保留了完整的信号值范围。在合成数据和脑肿瘤患者真实fMRI数据集上的验证表明，该模型在似然度、吸引盆几何结构恢复、状态占据和转换动力学方面均优于传统二值模型。在临床应用上，该模型将工作记忆和执行功能预测的AUC提升了0.27，并将反应时间预测的解释方差提升了0.35，为神经系统疾病的诊断与监测提供了更优的工具。
能量景观模型图神经网络大脑动力学功能磁共振成像状态转换神经疾病诊断
q-bio
01-13 00:00
本研究探讨了具有对称耦合发散的复制-发散增长图中最大连通分量的行为。通过有限尺寸标度分析，发现当发散率δ达到临界值δ_c时，系统会发生相变。该临界值δ_c位于有限尺寸图的欧拉特征值为零的轨迹附近，而这一轨迹已知是最大连通分量发生转变的标志。研究还讨论了非相互作用顶点在复制过程中的存在（d=0）与缺失（d=1）对该相变的影响，并提出一种特定的时间变量变换，使得d=0模型下有限尺寸图欧拉特征值的自然对数奇点轨迹，与d=1模型下得到的结果相近。这些发现可能对理解此类增长图中的键渗流现象具有启示意义。
复杂网络相变复制-发散模型最大连通分量有限尺寸标度欧拉特征值
q-bio
01-13 00:00
针对现有深度学习模型在预测酶-底物相互作用时，对序列差异大的分布外样本性能下降的问题，本研究提出O²DENet。该轻量级即插即用模块通过引入基于生物化学知识的扰动增强（如对酶或底物进行扰动），并强制原始与增强后的酶-底物对表征保持一致，从而学习对分布偏移具有不变性的表征。当与主流预测模型结合时，O²DENet在严格的基于序列相似度的分布外基准测试中，显著提升了催化常数 $k_{cat}$ 和米氏常数 $K_m$ 的预测准确性与鲁棒性，为实际酶工程应用提供了更稳定可靠的数据驱动工具。
酶动力学预测分布外泛化不变表征学习数据增强计算生物学深度学习
q-bio
01-13 00:00
本研究构建了一个包含宿主与媒介的双毒株登革热确定性传播模型，整合了临时交叉免疫、抗体依赖性增强（ADE）、二次感染致死率以及媒介共感染等关键免疫流行病学机制。通过下一代矩阵法推导出基本再生数 $R_0$，并证明了当 $R_0 < 1$ 时无病平衡点的局部稳定性。分析表明，在 ADE 条件下（即二次感染传播率 $\sigma > $ 初次感染传播率 $\alpha$），单一毒株的地方性平衡会失稳，允许异源毒株入侵。利用中心流形理论和数值延拓，模型揭示了后向分支、无病态与地方病态的双稳态以及霍普夫分岔诱导的振荡现象。数值模拟证实了随着关键参数变化，系统可在无病、地方病和周期性状态间转换。该模型阐明了 ADE、交叉免疫衰减和媒介共感染如何相互作用，产生复杂的登革热传播动态，为登革热流行地区的有效控制和疫苗接种策略设计提供了理论见解。
登革热模型双毒株动力学抗体依赖性增强媒介共感染后向分支交叉免疫
q-bio
01-13 00:00
本研究提出了PLANET v2.0，一个用于虚拟筛选的升级版蛋白质-配体亲和力预测模型。针对前代模型在结合模式预测上的缺陷，v2.0通过多目标训练策略，并创新性地引入混合密度网络来预测结合模式。模型不仅预测非共价相互作用的概率密度分布，还使用另一个高斯混合模型描述每个相互作用对的距离-能量关系，并通过计算数学期望来预测亲和力。在CASF-2016基准测试中，PLANET v2.0在评分、排序和对接能力上均表现出色，其筛选能力相比前代模型和Glide SP有显著提升，并在商业超大规模数据集上得到稳健验证。
药物发现虚拟筛选图神经网络混合密度网络蛋白质-配体相互作用
q-bio
01-13 00:00
本研究针对从高通量测序产生的噪声读段数据中估计序列间突变率的问题，提出了一种新的解决方案。传统无比对方法通常假设能直接获取完整序列，而本研究将其扩展至仅能观测到噪声读段的测序框架。在假设突变和测序错误均为替换事件的简化模型下，研究者提出了多种估计器，为其中一个提供了理论保证，并通过模拟评估了其他估计器的性能。
突变率估计测序读段无比对方法生物信息学统计模型
q-bio
01-13 00:00
本文提出了一个规范性框架，将学习效率问题形式化为一个最优控制过程：智能体在最大化累积性能的同时，需承担学习成本。由此推导出最优学习率的闭式解，其形式为一个闭环控制器，仅依赖于智能体当前及预期的未来性能。该解在温和假设下可跨任务和架构泛化，并在模拟中复现了数值优化的调度方案。框架预测了过度自信或自信不足如何影响学习投入与坚持，并将学习速度的控制与自我调节学习理论联系起来。研究还表明，一个简单的情景记忆机制可以通过回忆过去类似的学习经验来近似所需的性能预期，为生物智能体实现接近最优的行为提供了可行路径。
最优控制学习率调度自我调节学习情景记忆计算建模认知科学
q-bio
01-13 00:00
本文提出了广义潜在平衡（GLE）框架，旨在解决物理神经元网络如何在受时空局部性约束下实现高效信用分配这一核心问题。该框架基于神经元局部失配定义能量函数，并由此推导出神经元动力学和参数动力学。GLE可被解释为对深度皮层网络中时空反向传播的实时、生物可信近似，它利用了树突形态实现更复杂的信息存储与处理，并借助生物神经元输出速率相对于膜电位的相移能力，在前后向计算中分别实现时空卷积和反馈信号的时间反转，从而近似出参数更新所需的伴随变量。
信用分配生物可信学习神经元动力学时空局部性反向传播计算神经科学
q-bio
01-13 00:00
本研究提出Gamma2Patterns多模态框架，结合伽马/阿尔法频段脑电与眼动追踪数据，系统刻画深度认知注意的神经机制。基于SEED-IV数据集分析发现，前额极、颞叶、前额叶及顶枕叶区域在深度注意（伽马主导）状态下表现出最强的伽马功率与爆发率，是维持专注的核心脑区。眼动信号进一步证实了额叶、前额极及额颞区的互补作用。结果表明，伽马功率与爆发时长比阿尔法功率更能有效区分注意状态，为构建类脑注意力AI模型提供了神经生理学依据。
认知神经科学脑电图分析多模态融合注意力机制伽马振荡眼动追踪
q-bio
01-13 00:00
研究提出了一种Allee-Ornstein-Uhlenbeck随机种群模型，该模型结合了具有双稳态的Allee增长方程、人口统计噪声以及由Ornstein-Uhlenbeck过程模拟的环境波动。在Allee效应下，低种群密度会放大种群崩溃的风险，即使微小的噪声也可能导致种群从正平衡点附近的“安全盆”逃逸至灭绝状态。为解决此问题，研究者设计了一种随机控制策略，通过近似处理使过程具有平稳分布，从而稳定种群波动。开发了两种控制模型：一种直接作用于种群数量，另一种同时调控环境。基于阈值的实施方式在最小化干预频率的同时最大化安全时间。仿真结果表明，该控制能有效稳定种群在平衡点附近的波动。
种群动力学allee效应随机控制ornstein-uhlenbeck过程灭绝风险平稳分布
q-bio
01-13 00:00
本研究提出深度学习框架PROTAS，首次从常规H&E染色切片中量化前列腺癌反应性间质（RS），并将其与底层生物学关联。PROTAS定义的RS特征包括核增大、胶原紊乱及收缩通路转录组富集。该模型在外部PLCO数据集中稳健检测RS，并通过域对抗训练泛化至诊断活检。与病理学家相比，PROTAS在RS检测上表现更优，其空间RS特征可独立于已知预后变量预测生化复发（c-index 0.80）。
前列腺癌反应性间质深度学习病理图像分析预后生物标志物肿瘤微环境
q-bio
01-13 00:00
本文采用施瓦茨分布理论，将神经元脉冲序列严格表示为作用于光滑测试函数的广义狄拉克δ函数。这一功能分析框架超越了传统的离散事件描述，为脉冲序列的神经动力学提供了数学上一致的分析与建模基础，揭示了动作电位完整时程的生物物理本质与其作为编码事件的离散表示之间的根本区别。
神经编码脉冲序列功能分析分布理论计算神经科学
q-bio
01-13 00:00
本研究提出了一种基于“速度百分位数”的新方法，用于量化个体大脑随时间的动态变化。该方法整合了来自10,795名健康个体的24,062次脑部扫描数据，能够将个体纵向变化轨迹映射到横断面群体参考模型中。研究证明，通过分析多个时间点的变化速度，可以更准确地预测轻度认知障碍向痴呆的转化，其预测能力优于仅使用单时间点数据。该方法推广了儿科医学中的“生长曲线”概念，为识别偏离稳定发育轨迹的个体提供了量化工具，是迈向精准脑健康管理的重要一步。
脑发育图谱纵向建模认知衰退预测神经影像精准医学速度百分位
q-bio
01-13 00:00
本研究提出了一种基于可解释性原理分析颅内压监测数据的新框架。该框架从约翰·霍普金斯医院的60名患者处收集数据，将颅内压波形分割为独立的心动周期，并训练卷积神经网络将每个周期分类为七种体位之一。通过提取神经网络的注意力权重，识别出波形中的关键区域。该框架为深入理解颅内压波形的生理和临床基础提供了可扩展的方法，有望提升颅内压监测的诊断能力。
颅内压监测神经网络可解释性ai波形分析医疗诊断
q-bio
01-13 00:00
本研究摒弃了沿用数十年的历史心理声学数据，提出一个基于滤波器特性的新框架，用于估计伽马通听觉滤波器的核心常数。通过分析滤波器幅度与相位特性及其比值，明确了哪些特性对约束滤波器常数具有决定性作用。研究利用尖锐滤波器近似法，揭示了在释放滤波器阶数或指数等传统约束后，滤波器可实现的完整行为范围。最终，结合最新的生理和心理声学观测数据，为人类听觉滤波器提供了更新的常数约束与估计值。该框架支持设计具有任意特性规格的听觉滤波器，并能系统评估滤波器特性变化对听觉模型及相关技术的影响。
听觉滤波器伽马通滤波器参数估计心理声学信号处理滤波器设计
q-bio
01-13 00:00
本研究提出DeeperBrain，一种融合神经科学领域知识的脑电（EEG）基础模型，旨在构建通用的脑机接口（BCI）。模型架构引入领域特异性归纳偏置：通过体积传导感知通道编码建模3D几何空间混合，以及神经动力学感知时间编码捕捉振荡与指数基的慢适应。预训练采用双目标策略，结合掩码EEG重建（MER）与神经动力学统计预测（NSP）。NSP通过预测谱功率、功能连接、跨频耦合等宏观脑状态参数，强制表征与可解释的序参量对齐。实验表明，DeeperBrain在端到端微调下达到SOTA性能，并在严格的冻结探测协议下保持优异表现，验证了神经科学第一性原理能赋予学习表征内在的普适性。
脑机接口脑电基础模型神经动力学领域知识融合通用表征学习
q-bio
01-13 00:00
本研究提出Refine-PPI框架，以解决蛋白质-蛋白质相互作用（PPI）突变效应预测中的两大挑战：突变体结构缺失与动态相互作用建模。框架包含两个核心模块：1）通过掩码突变建模任务训练结构精炼模块，从野生型结构“幻觉”生成难以获得的突变体结构；2）引入概率密度云网络（PDC-Net）这一新型几何网络，以捕获PPI过程中的三维动态变化并编码原子位置的不确定性。在SKEMPI.v2数据集上的实验表明，Refine-PPI在预测自由能变化（$\Delta\Delta G$）方面优于现有所有工具，验证了其结构幻觉策略与动态不确定性建模的有效性。
蛋白质相互作用突变效应预测结构幻觉动态建模几何深度学习自由能变化
q-bio
01-13 00:00
本文综述了利用统计推断与机器学习改进大分子组装体整合建模的最新方法。整合建模结合互补实验数据、物理原理、已知结构统计和先验模型，通过贝叶斯推断进行结构解析。新方法在数据收集、粗粒度模型优化、评分函数精度、采样效率和模型分析严谨性方面均有提升。文章还探讨了整合深度学习、原位数据整合建模及元建模三大前沿方向。
整合建模贝叶斯推断机器学习大分子结构结构生物学深度学习
q-bio
01-13 00:00
本研究开发了一种结合拓扑数据分析与近似贝叶斯计算的灵活流程，用于高维时空模型的参数推断与模型选择。该流程通过提取量化时空数据的拓扑摘要统计量，近似参数与模型的后验分布。在肿瘤诱导血管生成模型中验证显示，能准确推断三个经典模型的四个参数，并在合成测试案例中正确识别模型。
拓扑数据分析模型选择肿瘤血管生成近似贝叶斯计算时空模型
q-bio
01-13 00:00
传统神经科学将大脑中的噪声、异质性、结构不规则性、去中心化可塑性、系统误差和混沌动力学视为缺陷，但最新研究揭示这些“非理想因素”实际上是进化适应，赋予大脑鲁棒性、创造性和适应性。经典计算框架在模拟860亿神经元和100万亿突触时面临计算不可行性，随机神经递质释放干扰信号解读，且缺乏全局理想模型使确定性学习框架失效。技术局限进一步阻碍全脑动态观测，凸显生物现实与计算抽象间的鸿沟。
计算神经科学脑非理想性进化适应鲁棒性混沌动力学学习框架
q-bio
01-13 00:00
本文提出在原发性甲状腺功能减退症的治疗中，应同时利用促甲状腺激素（TSH）和游离甲状腺素（FT4）值来调整甲状腺激素替代剂量，而非仅依赖TSH。核心工具是下丘脑-垂体（HP）曲线，该模型可用于确定患者血液中甲状腺激素的最佳水平（设定点）。研究提出了两种使用非线性规划求解器生成HP曲线的新方法，并与现有方法进行了比较。这些方法在文献数据集和临床患者测量数据上进行了测试，为制定个体化治疗策略提供了新工具。
甲状腺功能减退个体化治疗非线性规划下丘脑-垂体轴激素替代
q-bio
01-13 00:00
本文系统综述了以苏木精-伊红（H&E）染色病理图像为核心的空间组学计算演进。研究将现有方法归纳为三大范式：1）整合范式，联合建模配对的H&E图像与空间分子数据；2）映射范式，从H&E图像推断分子表达谱；3）基础模型范式，从大规模空间数据集中学习通用表征。分析揭示了H&E图像的角色如何从提供空间背景，演变为预测锚点，最终成为表征主干，以应对配对数据有限和分辨率需求提升等现实挑战。文章进一步总结了当前架构支持的可行的建模方向，并指出了由数据、生物学和技术驱动的、难以仅通过模型设计解决的持续性挑战。
空间组学计算病理学多模态整合基础模型h&e图像分子映射