q-bio
01-27 00:00
研究提出“稳定性驱动组装”框架，证明信息演化可纯粹源于非平衡物理动力学，无需预设基因、复制或适应度函数。该框架通过随机组装与差异持久性结合，使更持久的组装结构在群体中更频繁出现，并参与后续相互作用，形成反馈循环，实现类似适应度比例采样的自然演化算法。在化学符号空间（SMILES片段）的模拟中，该过程展现出支架级优势、持续创新和熵减等典型进化搜索特征，为生命前演化提供了新视角。
信息演化非平衡动力学稳定性选择自然遗传算法生命起源
q-bio
01-27 00:00
针对高通量测序产生的海量FASTQ数据带来的存储、传输和分析瓶颈，本研究提出了FASTR——一种无损、计算原生的FASTQ替代格式。FASTR将每个核苷酸及其质量评分编码为一个8位值，使文件大小至少减少2倍，同时保持完全可逆并可直接用于下游分析。在Illumina、HiFi和ONT测序数据上，对FASTR应用通用压缩工具相比FASTQ可获得更高的压缩比（2.47、3.64、4.8倍）和更快的压缩/解压速度。FASTR格式天然支持机器学习，可将序列直接作为数值向量或类图像表示使用，为可扩展基因组学分析和实时测序工作流奠定了基础。
基因组数据压缩fastq格式高通量测序计算原生格式生物信息学工具
q-bio
01-27 00:00
本研究构建了一个受生物启发的丘脑-皮层多层脉冲神经网络模型，该模型在类觉醒和类深度睡眠状态间交替。在类觉醒期，模型从少量感知样本中学习；在类睡眠期，模型通过慢波振荡驱动的自发回放进行记忆巩固。研究发现，不仅层内可塑性，层间可塑性对于记忆巩固和能量下调也至关重要。与受限可塑性相比，完全的层间可塑性在睡眠后能获得更高的视觉分类准确率，并促进更清晰的类别特异性关联形成。通过引入一个基于生物物理的代谢功率估计器（以ATP为单位量化网络能耗），研究发现睡眠期间的层间可塑性能更大程度地降低发放率、突触强度和突触活动，从而显著降低功耗。这项工作为神经形态/高能效AI学习系统提供了有前景的整合要素。
脉冲神经网络睡眠可塑性能量效率记忆巩固多层网络神经形态计算
q-bio
01-27 00:00
本文提出了GenAI-Net，一个用于自动化设计化学反应网络（CRN）的生成式AI框架。该框架通过一个智能体提出反应方案，并耦合基于用户指定目标的模拟评估，能够从行为规范出发，高效地在广阔的拓扑结构和动力学参数空间中，发现实现特定动态功能的网络。它成功生成了包括剂量响应、复杂逻辑门、分类器、振荡器以及在确定性和随机性环境中实现鲁棒完美适应（包括噪声抑制）在内的多种新颖且拓扑多样的解决方案。GenAI-Net将功能需求转化为候选电路家族和可重用模块，为可编程生物分子电路设计提供了一条通用路径，并加速了从期望功能到可实施机制的转化过程。
生成式ai生物分子网络化学反应网络自动化设计合成生物学动力学模拟
q-bio
01-27 00:00
本研究建立了一个积分差分方程模型，将沃尔巴克氏体的非线性增长与蚊子的空间扩散核函数相结合，以研究其在异质景观中的入侵动态。分析结果证明了单调行波解的存在性和唯一性，并给出了入侵速度与扩散及生长参数的显式估计。通过对比高斯、拉普拉斯、指数平方根和柯西四种扩散核，发现重尾核函数会产生更快、更宽的波前，而紧支撑核则会限制传播。模型还识别出维持持续入侵所需的最小局部分布“临界气泡”。该框架量化了扩散机制如何塑造沃尔巴克氏体的传播，为靶向、高效的病媒控制策略提供了理论依据。
沃尔巴克氏体行波解积分差分方程生物防治扩散核入侵动力学
q-bio
01-27 00:00
本研究针对晚期肾细胞癌治疗挑战，开发了定量癌症-免疫循环模型。该模型整合常微分方程与随机建模，结合定量系统药理学原理与生物学机制知识，构建虚拟患者队列并利用临床免疫组化数据校准参数。通过耦合药代动力学方程并定义肿瘤反应指数，模型系统分析确定了贝伐珠单抗与阿特珠单抗联合治疗的最优方案，并识别出具有临床预测价值的肿瘤生物标志物，为晚期肾癌精准治疗提供了理论框架与方法支持。
肾细胞癌免疫治疗定量模型联合疗法精准医疗系统药理学
q-bio
01-27 00:00
本研究提出了一种新的偏微分方程（PDE）模型，用于描述空气传播疾病的时空动态。与传统的反应-扩散模型不同，该模型引入了趋化性（chemotaxis）项，以模拟感染前沿从低易感人群密度区域向高密度区域的定向传播。研究推导出考虑空间异质性的空间感知基本再生数 $\mathcal{R}_0(\mathbf{x})$，为政策制定者提供了更直观的流行病学解释。通过引入数值稳定化方案，模型在意大利伦巴第和美国佐治亚州的模拟中，相比纯反应-扩散模型，能更好地捕捉真实数据中观察到的关键时空动态。
传染病模型趋化性pde空间传播基本再生数数值模拟covid-19
q-bio
01-27 00:00
本研究将专为点云分析设计的自注意力网络——点Transformer，应用于冷冻电镜（CryoEM）数据处理。该方法旨在解决具有多自由度的复杂蛋白质系统中，不同动态模式难以分离和解释的挑战。通过计算分析冷冻电镜捕获的蛋白质在不同组成和构象状态下的快照，新方法提升了结构异质性分析的性能，并能以更易于人类理解的方式表征高度复杂蛋白质系统的动态结构，从而深化对蛋白质结构-功能关系的认识。
冷冻电镜蛋白质结构点transformer结构异质性自注意力网络计算分析
q-bio
01-27 00:00
本研究提出一种半监督域适应框架，利用在源域和目标域无标签数据上训练的潜在扩散模型，生成保留组织形态且具有目标域外观特征的合成图像。该方法通过将扩散模型与基础模型特征、队列身份和组织制备方法进行条件化，在保持源域组织结构的同时引入目标域特征。合成图像与源域真实标记图像结合用于训练下游分类器，在肺腺癌预后任务中，目标域测试集的加权F1分数从0.611提升至0.706，宏观F1分数从0.641提升至0.716，显著改善了计算病理学中的域泛化性能。
计算病理学域适应扩散模型半监督学习图像合成肺腺癌预后
q-bio
01-27 00:00
本研究提出BMDS-Net，一个旨在提升脑肿瘤分割临床稳健性与可信度的统一框架。针对现有Transformer模型对缺失模态敏感且缺乏置信度校准的问题，该网络通过零初始化多模态上下文融合模块与残差门控深度解码器监督机制构建了稳健的确定性骨干。其核心创新在于引入了一种内存高效的贝叶斯微调策略，将网络转变为概率预测器，可为临床医生提供体素级不确定性图谱以高亮潜在错误区域。在BraTS 2021数据集上的实验表明，BMDS-Net在保持竞争力的分割精度（如显著降低Hausdorff距离）的同时，在模态缺失的临床常见场景中展现出卓越的稳定性。
脑肿瘤分割多模态mri贝叶斯深度学习不确定性量化临床稳健性缺失模态
q-bio
01-27 00:00
本研究探讨了与SE(2)群拟正则表示相关的抽象小波变换采样问题，其中母小波为调制高斯函数。该问题受大脑初级视皮层功能机制的启发。研究通过构建对偶Gram矩阵给出了采样问题的特征化描述，并数值分析了采样参数与母小波参数之间的定量关系，为神经科学中的信号处理模型提供了数学基础。
小波变换se(2)群采样理论初级视皮层神经计算对偶gram矩阵
q-bio
01-27 00:00
本研究将基序发现重新定义为质量-多样性优化问题，并应用MAP-Elites算法，在基于似然度的适应度目标下进化位置权重矩阵基序，同时明确保留跨生物学意义维度的多样性。在人类肝脏CTCF ChIP-seq数据上的实验表明，与标准工具MEME相比，MAP-Elites能发现多个高质量、适应度相当的基序变体，揭示了被单一解方法所掩盖的结构化多样性。
基序发现质量-多样性优化map-elites算法chip-seq分析计算生物学
q-bio
01-27 00:00
本研究揭示了人类视觉异构酶RPE65的致病突变受量子力学阈值效应调控。通过结合AlphaFold结构预测与变分量子本征求解器（VQE）的量子模拟，研究人员发现许多致病突变并非简单阻塞活性位点，而是大幅降低质子隧穿概率。研究观察到“量子悬崖”现象——亚埃级（<0.1 Å）结构变化可使反应速率下降数个数量级。基于此，团队提出了相对量子活性评分（RQAS），成功区分轻度和重度患者表型，为量子结构疾病建模提供了新框架。
量子生物学质子隧穿视网膜疾病rpe65突变量子临界点结构表型关联
q-bio
01-27 00:00
本研究提出LaCoGSEA，一种将深度表示学习与稳健通路统计相结合的无监督通路富集分析框架。该方法利用自编码器捕捉非线性转录组结构，并引入全局基因-潜在相关性度量作为差异表达的代理，无需先验标签即可生成密集的基因排序。实验表明，LaCoGSEA在区分癌症亚型方面聚类性能更优，相比线性降维和基于梯度的可解释AI方法，能恢复更多高排名的生物学相关通路，且在实验方案和数据集规模变化下保持高稳健性。
通路富集分析无监督学习深度学习自编码器生物信息学基因表达
q-bio
01-27 00:00
本研究提出TwinPurify，一种基于自监督学习的表征学习框架，旨在解决大规模患者队列研究中，肿瘤纯度变异对批量转录组数据中肿瘤内在信号造成的干扰。该方法摒弃了传统的解卷积思路，通过利用同一队列中相邻正常组织作为“背景”指导，学习连续的高维肿瘤嵌入，从而在不依赖外部参考的情况下分离出肿瘤特异性信号。在多个大型癌症队列的基准测试中，TwinPurify在恢复肿瘤内在信号和免疫信号方面优于传统方法，其净化后的嵌入能有效改善分子亚型与分级分类、增强生存模型一致性，并揭示有生物学意义的通路活性。
肿瘤转录组学自监督学习数据净化表征学习批量转录组
q-bio
01-27 00:00
本研究提出了一种AI辅助药物设计方法，通过靶向泛素-蛋白酶体系统降解阿尔茨海默病关键致病蛋白Aβ-42。团队开发了连接酶条件化的连接树变分自编码器（LC-JT-VAE），该模型结合了蛋白质序列嵌入和扭转角感知分子图，能够生成针对CRBN、VHL和MDM2三种E3连接酶的特异性小分子。实验表明，该方法可产生化学结构新颖、靶向明确的分子胶，为神经退行性疾病治疗提供了新框架。
ai药物设计分子胶阿尔茨海默病蛋白质降解生成模型变分自编码器
q-bio
01-27 00:00
研究提出一个源自无序系统物理学的简单非线性微分方程，可统一描述过去12000年的全球人口增长。该模型涵盖了马尔萨斯（指数）、Verhulst（逻辑）及von Foerster“末日”公式等多种经典增长模式，将其视为更一般模型的极限情况。相比仅适用于有限时间段的旧模型，新模型的综合解能对未来做出预测。分析表明，若地球有限承载力效应立即显现，全球人口最早可能在2064年因资源枯竭而减半。
人口动力学非线性模型资源承载力长期预测危机情景
q-bio
01-27 00:00
本研究针对多域蛋白-配体结合亲和力预测的挑战，提出了DAGML框架。该框架通过整合预训练蛋白语言模型与新型领域感知几何编码器，明确区分域内与域间特征，并利用以药效团为中心的配体编码器捕获药效兼容性。实验表明，DAGML在专门构建的多域亲和力基准测试中，相比基线方法实现了21%的均方误差降低，皮尔逊相关系数达到0.726。消融研究证实，对域界面的显式建模是性能提升的关键驱动力，尤其对于结合在结构单元间裂隙的配体。
蛋白质-配体亲和力多域蛋白几何深度学习多模态学习药物发现
q-bio
01-27 00:00
本章综述了人工智能在T细胞和B细胞受体建模领域的最新进展。通过利用蛋白质语言模型、机器学习及多模态整合技术，AI能够基于序列数据和免疫背景构建预测性与生成性框架。研究重点包括利用单细胞和受体组规模数据集的新兴策略，以及为治疗设计优化候选免疫受体的方法。这些发展为开发数据高效、可泛化且临床相关的新一代模型指明了方向，旨在更好地捕捉适应性免疫的多样性与复杂性。
人工智能免疫受体蛋白质语言模型治疗设计单细胞测序
q-bio
01-27 00:00
本研究提出了一种计算生态系统中β多样性的新方法，该方法基于与样本数据相关的图层拉普拉斯算子的能量。这个标量值可以通过线性代数方法轻松计算。通过简单示例表明，该能量指标比目前普遍接受的β多样性定义能提供更丰富的信息。
β多样性图层拉普拉斯生态学图论线性代数
q-bio
01-27 00:00
本研究针对静态接触网络上的强免疫（SIR）流行病，基于边建模框架，构建了三个精确的数学指标来追踪超级传播现象在疫情进程中的动态变化：1）感染节点的平均度（接触），2）感染节点的易感邻居平均数（暴露），3）新感染节点将导致的平均继发病例数（传播）。研究证明，这三个指标的峰值时间均早于群体感染率峰值时间的一半。这表明当疫情接近高峰时，超级传播的重要性已显著降低，因此基于接触的控制策略应在疫情早期尽快实施。该发现对从发病率、流动性、接触者追踪和传播数据中准确测量流行病学参数具有重要启示。
网络流行病学超级传播边建模sir模型接触网络传播动态
q-bio
01-27 00:00
本文指出，大型神经网络在特定任务上表现出色，但其工作原理难以形成可处理的理论，也无法从有限测试用例可靠外推至无限使用场景，因此本质上是不可靠的。为确保AI安全，必须将其置于可证明安全的“护栏”中，而“世界模型”被提出作为实现方案。作者强调，传统世界模型多关注物理世界，但AI行动的意外后果同样深刻影响人类社会。因此，可靠的世界模型必须包含对人类社交世界的建模。核心挑战在于，人类语言基于对话者共享的“共同基础”，而当前大语言模型缺乏对此的稳定表征。未来可靠的AI系统需与用户建立涵盖物理、心理和社会领域的共同基础。
ai安全世界模型神经网络可靠性共同基础社会建模大语言模型
q-bio
01-27 00:00
本研究构建了一个数学模型，以树木的夏季休眠温度阈值和种子生产能力为关键性状，模拟种群在气候变化下的动态。模型从详细的个体描述出发，最终简化为一个由两个常微分方程耦合的宏观系统。数值分析表明，温度升高和降水减少对种群动态产生截然不同的影响，同时揭示了表型可塑性在适应过程中的双重作用。该研究为评估气候变化对森林生态系统的具体影响提供了量化工具。
种群动态物候适应数学模型气候变化表型可塑性森林生态
q-bio
01-27 00:00
本研究通过阈值追踪经颅磁刺激（TMS），在21名健康受试者中探究了睁眼/闭眼状态及三种不同尺寸（30BFT、50BFT、70BF）的8字形线圈对静息运动阈值（RMT）和短间隔皮层内抑制（SICI）的影响。结果显示，最小的30BFT线圈测得的RMT显著高于两种较大线圈，而线圈尺寸对SICI无影响。睁眼或闭眼状态对RMT和SICI测量均无显著影响。结论表明，在受试者清醒警觉的前提下，睁闭眼状态下的RMT和SICI测量结果具有可比性；使用不同尺寸的8字形线圈测得的SICI结果也可相互比较。
经颅磁刺激运动阈值皮层内抑制神经生理学方法学