q-bio
02-13 00:00
本研究提出MuCO，一种生成式肽环化方法，用于建模环肽的构象分布。该方法将任务解耦为三个阶段：拓扑感知主链设计、生成式侧链堆积和物理感知全原子优化，以从粗到细的方式生成和优化环肽构象。这种多阶段框架实现了高效的并行采样策略，能快速探索多样化的低能构象。在大规模CPSea数据集上的实验表明，MuCO在物理稳定性、结构多样性、二级结构恢复和计算效率方面显著优于现有方法，为环肽的探索和设计提供了有前景的计算工具。
肽环化构象优化生成模型计算生物学药物设计
q-bio
02-13 00:00
本文介绍了MEmilio，一个旨在解决当前传染病建模软件生态碎片化问题的高性能、模块化模拟框架。它将经典的仓室模型、元胞模型与精细的基于智能体的模拟统一在一个架构下，通过高效的C++核心与友好的Python接口，支持从个人电脑到高性能计算集群的跨平台工作流。该框架通过标准化的空间、人口和流动性表示，简化了模型分辨率和规模的调整，便于进行系统的模型间比较和集成研究。MEmilio严格遵循软件工程最佳实践，集成了不确定性量化和参数推断工具，旨在降低模型复用门槛，加速基于模型的疫情应对准备研究。
传染病建模高性能计算软件框架多尺度模拟模型比较疫情应对
q-bio
02-13 00:00
本研究提出了一种整合意识模型与广泛认知理论的新框架。通过将心理事件视为物理事件的随附现象，作者构建了一个跨层级因果机制。该机制假设随附层由多个功能（如神经网络）组成，并通过改变这些功能组合的代数表达式来定义反馈误差，从而实现跨层级因果控制。此框架允许每个层级拥有独立的动力学（双定律模型）。反馈误差由两个独立过程决定：1）选择组合随附功能的方程；2）通过调整神经元与突触进行负反馈误差减少。这两个过程被解释为双层过程理论中的类型1与类型2过程，从而将意识、能动性与双层过程理论统一于单一框架中，并自然推导出两类过程的特征。
意识模型双层过程理论反馈控制跨层级因果认知统一框架神经动力学
q-bio
02-13 00:00
生物神经网络（BNNs）因其丰富的动力学特性、并行性和自适应行为，被视为一种新型计算基板。然而，将其用作可靠的信息处理系统，需要以时间和结构一致的方式精确传递刺激，这对现有交互方法构成了挑战。Cortical Labs API（CL API）通过基于契约的API设计，提供了精确的刺激语义、事务性准入、确定性排序和显式同步保证。该API通过声明式Python接口呈现，使非专业程序员能够表达复杂的刺激和闭环行为，而无需管理底层调度或硬件细节，为BNNs的实时实验提供了一个可访问且可复现的基础。
生物神经网络实时闭环交互神经计算编程接口精确刺激
q-bio
02-13 00:00
本研究提出了一种任务摊销变分自编码器（TAVAE），用于探索视觉系统如何灵活地学习特定任务相关的先验知识。该模型通过复用已学习的表征来高效获取任务，其学习到的任务特定先验被用于分析小鼠V1皮层的大规模记录数据。当呈现违反训练任务统计规律的刺激时，模型的后验分布表现出与刺激类别不确定性相关的特征，这反映了V1记录中双峰响应剖面的特性。该任务优化的生成模型成功解释了V1群体活动的关键特征，包括群体响应在一天内的更新。
计算神经科学生成模型视觉皮层变分自编码器任务学习先验知识
q-bio
02-13 00:00
本研究为随机博弈在任意空间异质性和收益结构下的合作演化提供了分析框架。研究发现，博弈变化的规则和频率对演化结果的影响高度依赖于具体的社会困境类型：在捐赠博弈中，随机博弈能显著促进合作；但在公共物品博弈和雪堆博弈中，这种促进作用并不成立。该框架揭示了环境反馈与行为互动的复杂关系，为解决合作演化的长期谜题提供了更精细的视角。
演化博弈论合作演化随机博弈空间异质性社会困境群体结构
q-bio
02-13 00:00
本文提出UltraLIF，一种基于超离散化和极大加代数的全可微脉冲神经网络（SNN）框架。它利用热带几何中的数学形式，通过log-sum-exp函数作为可微的软最大值来模拟神经阈值动力学，并引入可学习的温度参数$\epsilon$，使其在$\epsilon \to 0$时收敛到硬阈值。该框架从LIF常微分方程和扩散方程分别推导出UltraLIF和UltraDLIF两种神经元模型，实现了无前向-后向失配的标准反向传播训练。理论分析证明了其向经典LIF动力学的逐点收敛性及梯度有界性。在六个基准测试（包括静态图像、神经形态视觉和音频）上的实验表明，其性能优于传统的代理梯度方法，尤其在单时间步（$T=1$）的神经形态和时序数据集上提升显著。
脉冲神经网络超离散化极大加代数可微训练神经形态计算热带几何
q-bio
02-13 00:00
本研究提出TopoGBM，一种用于胶质母细胞瘤（GBM）预后预测的新型深度学习框架。该框架通过引入拓扑正则化，在3D卷积自编码器的压缩隐空间中保留肿瘤复杂的非欧几里得流形不变量，从而有效捕捉肿瘤的空间结构异质性。在UPENN、UCSF、RHUH等多中心数据集及TCGA外部验证集上的评估表明，TopoGBM（C-index 0.67）在跨机构泛化能力上优于传统方法。可解释性分析显示，模型的重构残差高度集中于病理异质性区域，且约50%的预后信号定位于肿瘤及多样的瘤周微环境，证明了该无监督方法的临床可靠性。
胶质母细胞瘤拓扑神经网络医学影像分析异质性建模跨中心泛化无监督学习
q-bio
02-13 00:00
本文提出了scPilot，首个实现“组学原生推理”的系统框架。该框架让大语言模型（LLM）能以自然语言对话的方式，直接检查单细胞RNA-seq数据并按需调用生物信息学工具。它将核心单细胞分析任务（如细胞类型注释、发育轨迹重建、转录因子靶向分析）转化为分步推理问题，要求模型必须解决、论证并在必要时根据新证据进行修正。实验表明，通过迭代的组学原生推理，细胞类型注释的平均准确率提升了11%，而Gemini-2.5-Pro模型在轨迹重建任务中的图编辑距离比单次提示降低了30%，同时生成透明的推理痕迹来解释标记基因的模糊性和调控逻辑。通过将LLM根植于原始组学数据，scPilot实现了可审计、可解释且具有诊断信息的单细胞分析。
单细胞分析大语言模型自动化推理组学原生生物信息学可解释ai
q-bio
02-13 00:00
本研究系统评估了化学语言模型（CLMs）在扩大预训练资源（模型规模、数据集、算力）后的下游任务表现。研究发现，尽管预训练损失随资源增加持续下降，但在多种分子性质预测任务上的性能提升有限。基于Hessian矩阵或损失景观的替代指标也无法有效预测下游性能。分析揭示了在某些条件下，下游性能会饱和甚至下降，与预训练指标的持续改善形成反差，凸显了当前评估策略与下游任务实际需求之间的差距。
化学语言模型分子性质预测预训练迁移学习模型评估
q-bio
02-13 00:00
本研究开发了一种分步细胞Potts模型，用于模拟癌细胞在增殖前集体侵袭的早期阶段。模型包含被动和主动细胞，能够描述由单个间充质细胞、混合上皮-间充质细胞群或上皮细胞突起引导的不同侵袭模式。研究通过分步方法分别整合了趋硬性和主动力，相比单步方法能以更少的计算成本生成更真实的侵袭场景。未来工作将整合决定细胞表型和增殖的生化机制。
细胞侵袭生物力学模型癌症转移计算模拟细胞potts模型
q-bio
02-13 00:00
蛋白质语言模型（pLM）是预测蛋白质结构与功能的有力工具，但其内部的计算机制尚不清晰。现有方法通常独立分析各层，难以捕捉跨层计算。本研究提出的ProtoMech框架，通过跨层转码器学习稀疏的跨层潜在表示，从而捕获模型的完整计算回路。在ESM2模型上的应用表明，ProtoMech能恢复82-89%的原模型性能，并识别出仅使用<1%潜在空间但保留高达79%准确率的压缩回路。这些回路与蛋白质的结构功能基序（如结合、信号传导、稳定性）相对应，并可用于指导高适应性蛋白质设计，在超过70%的情况下超越基线方法。
蛋白质语言模型可解释性计算回路跨层转码蛋白质设计稀疏表示
q-bio
02-13 00:00
本研究通过脑电图实验，探讨了听者如何根据说话者身份理解语境化语言。研究发现，当话语内容与说话者社会刻板印象冲突时（如男性做美甲），听者可通过整合社会知识达成“字面”理解，但需额外认知努力，表现为N400效应；而当内容与生物知识冲突时（如男性怀孕），“字面”理解极不可能，听者会启动纠错过程，表现为P600效应。支持理性推理框架的证据是：社会性N400效应随听者开放性人格特质增强而减弱，而生物性P600效应则不受人格影响。
语言理解事件相关电位社会认知理性推理语境整合
q-bio
02-13 00:00
本研究提出BrainSymphony，一种参数高效、轻量化的多模态基础模型，用于脑动力学分析。模型创新性地融合功能磁共振成像（fMRI）时间序列与扩散磁共振成像（dMRI）结构连接数据，通过并行时空Transformer流与新型符号图Transformer分别处理，并利用自适应融合机制整合互补表征。相比现有大型模型，BrainSymphony在数据需求显著降低的情况下，于预测、分类及无监督网络发现等任务上表现更优。其注意力机制可解释药物诱导的皮层层级重组，为神经科学AI应用提供了高效、可解释的临床研究工具。
多模态融合脑动力学参数高效transformer神经影像可解释ai
q-bio
02-13 00:00
本研究提出TF-DWGNet，一种用于多组学癌症亚型分类的新型图神经网络框架。针对多组学数据异质、高维且依赖关系复杂的问题，该模型引入两大创新：1）基于监督树策略为每种组学模态构建任务特异性的有向加权图，以捕获方向性与交互强度；2）采用低秩分解的张量融合机制，高效建模单模态、双模态及三模态间的复杂交互。在三个真实癌症数据集上的实验表明，TF-DWGNet在多项指标上均优于现有方法，并能通过模态贡献度与特征重要性排序提供有生物学意义的解释。
多组学整合图神经网络癌症亚型分类有向加权图张量融合可解释ai
q-bio
02-13 00:00
本文提出了一种名为MIGHT（血流传输的逆高斯混合）的新型封闭式物理模型，用于描述信号分子在复杂血管网络中的对流-扩散传输。该模型将接收到的分子通量表示为多个逆高斯分布的加权和，其参数由底层血管网络的物理特性决定。研究表明，MIGHT能够准确表征从简单单输入单输出（SISO）到复杂多输入多输出（MIMO）拓扑的大规模血管网络中的分子传输动力学。模型准确性通过与现有卷积模型和数值有限元模拟结果对比得到验证。此外，论文还探讨了该模型在简化SISO网络、识别MIMO网络中关键传输区域以及估计未知SISO网络的代表性模型等三方面的应用。
分子通信血管网络血流传输逆高斯分布对流扩散封闭式模型
q-bio
02-13 00:00
本研究通过动力学建模，解释了沙门氏菌1,2-丙二醇利用（Pdu）微区室（MCPs）在纯化体外实验与体内实验中活性差异的原因。模型表明，体内细胞生长、胞质中存在的MCP相关酶以及非特异性醇脱氢酶是导致差异的关键。实验验证支持这一结论，并进一步揭示MCP内定位的酶对下游代谢通量贡献有限。因此，研究者提出了一个修正的体内生长模型：PduCDE被完全封装于MCP内，而大部分下游Pdu活性实际发生在细胞质中。
细菌微区室动力学建模代谢工程沙门氏菌1,2-丙二醇
q-bio
02-13 00:00
本研究通过最小模型和合成数据证明，自然选择强度的波动和新选择压力的出现，能够增强基于序列共进化推断蛋白质结构接触点的准确性。这一发现挑战了传统观点，表明普遍存在的非平衡选择噪声非但不会阻碍，反而能提升从蛋白质序列中推断结构和相互作用伙伴的成功率。
蛋白质序列分析共进化推断非平衡选择结构预测生物物理模型
q-bio
02-13 00:00
本研究为编码复杂运动基元的运动皮层臂区建立了一个神经几何模型。该模型基于2023年提出的亚黎曼框架，将运动片段建模为由运动学参数定义的短曲线集合。通过引入一个模拟皮层连接性的几何核，并利用微分方程描述皮层活动，研究团队应用分组算法成功复现了基于实测皮层活动观察到的神经状态。这证实了所选运动学变量和距离度量足以解释神经状态的形成现象。模型的模块化结构反映了大脑的层次化处理方式，即运动学空间 $\mathcal{M}$ 中的初始分组会导向更抽象的表征。
神经几何学运动皮层亚黎曼几何神经状态运动控制计算模型
q-bio
02-13 00:00
化学语言模型（CLMs）依赖分子文本编码进行学习，但不同工具包对“标准SMILES”的定义规则不同，导致同一分子可产生多种有效表示。研究发现，约半数相关论文未明确其标准化流程，这种表示不一致会扭曲模型的潜在表征，并在某些基准测试中虚假地提升预测准确率，形成“表示层面混杂”现象。这凸显了明确报告预处理工具与设置对模型可复现性与可靠性的重要性。
化学语言模型smiles表示可复现性分子设计表示混杂标准化