q-bio
02-26 00:00
本研究提出了NOBEL模型，旨在解决脑电图/脑磁图（EEG/MEG）等高频率电磁信号与功能磁共振成像（fMRI）等低频率代谢信号在传统分析中相互割裂的问题。该模型通过统一的编码器与创新的双路径策略，将这些异构的神经信号与外部感官刺激对齐到共享的语义嵌入空间，并利用大语言模型作为通用骨干。实验表明，NOBEL不仅在标准单模态任务上表现稳健，其融合多模态信号的方法也获得了比单模态基线更高的解码准确率，验证了不同神经信号间的互补性。该模型在NSD和HAD数据集上展示了强大的刺激感知解码能力，为理解大脑活动提供了统一的新框架。
脑机接口多模态融合大语言模型神经解码非侵入式
q-bio
02-26 00:00
本研究探讨了突触连接粗调对大脑信息传输的影响。通过分析二元刺激辨别任务中的信噪比，比较了朴素群体平均解码器和最优线性解码器的性能。研究发现，在突触波动较弱的粗调下，信噪比的平方与神经元群体大小呈线性关系；在中等粗调下变为亚线性；而在与观测到的神经元异质性最一致的强粗调状态下，信噪比达到饱和，无法通过增加群体规模来提升。这表明，在生物相关的强粗调状态下，朴素解码器与最优解码器能达到质上相似的性能，有效读出被限制在与朴素解码器对齐的低维流形上，为面对持续突触重塑的稳健神经计算提供了基本原理。
神经解码突触可塑性信息传输信噪比计算神经科学粗调
q-bio
02-26 00:00
本研究通过离散Hasimoto映射将蛋白质主链几何结构转化为一维离散非线性薛定谔势 $V_{\mathrm{re}}[n]$，并引入局部谱熵 $H_{\mathrm{spec}}$ 分析超过32万个残基。研究发现，螺旋结构表现为窄带低熵态，而卷曲结构则呈现宽带噪声特征。两者间的边界表现出类似一阶相变的陡峭几何转变，中位宽度仅为0.145个残基，为螺旋成核的Zimm-Bragg热力学模型提供了空间对应。结合高通过滤残差 $E[n]$ 与低频能量比 $R_{\mathrm{LF}}$ 的双探针方法，将检测曲线下面积从0.783提升至0.815。谱熵可作为与序列无关的几何代理，用于从主链坐标映射功能动力学。
蛋白质结构谱熵分析几何转变hasimoto映射二级结构生物物理
q-bio
02-26 00:00
本文综述了如何利用代谢网络模型，从已注释的基因组出发，预测微生物生长所需的关键源营养物质。该方法为设计和优化微生物（尤其是难培养的非模式微生物）的培养与分离实验提供了计算生物学指导。文章首先概述了代谢网络与建模原理，随后通过一个示例协议演示了从玩具模型到基因组规模代谢网络的应用流程，为后续实验验证提供了起点。
代谢网络微生物培养计算生物学基因组注释营养预测宏基因组学
q-bio
02-26 00:00
本研究通过构建一个基于个体的随机模型，模拟了骆驼科动物（如羊驼、骆马）雌性个体如何在环境条件驱动下，通过在不同家族群间迁移来最大化自身适合度。研究发现，雌性的这种个体行为策略本身就能塑造群体层面的涌现特性，如群体大小和适合度分布。这些特性还受到种群密度、性别比和系统异质性等因素的非线性调节，揭示了多配偶制（一雄多雌）行为在觅食与繁殖权衡中的生态与进化复杂性。
社会结构演化个体基模型行为生态学一雄多雌制适合度最大化涌现特性
q-bio
02-26 00:00
本研究通过大量数值实验，系统评估了训练数据质量对分类器性能的影响。在宏基因组短读序列组装为重叠群的背景下，研究者通过多种机制人为降低训练数据质量，并测试了贝叶斯分类器、神经网络、划分模型和随机森林四种方法。研究发现，随着数据质量下降，所有分类器均表现出“崩溃式”行为，从基本正确退化为仅因犯相同错误而偶然一致。这一过程揭示了决策边界的空间异质性变化：当训练数据与分析数据差异增大时，分类器决策退化、边界稀疏，而分类器间的一致性反而增加。
训练数据质量分类器性能宏基因组学机器学习数据退化模型一致性
q-bio
02-26 00:00
本研究挑战了基因表达预测领域依赖长DNA序列（以定位远端增强子）的主流思路，发现长序列建模反而可能降低模型性能。研究指出，靠近目标基因的近端多模态表观基因组信号（如不同组蛋白修饰）更为关键，但简单拼接这些信号会导致模型与背景染色质模式产生虚假关联。为此，团队提出Prism框架，通过学习高维表观特征的多种组合来表征不同的背景染色质状态，并利用后门调整法缓解混杂效应。实验表明，该方法仅使用短序列即可实现最先进的预测性能。
基因表达预测多模态整合表观基因组学深度学习因果推断生物信息学
q-bio
02-26 00:00
本研究针对捕食者-猎物种群动力学系统的全局稳定控制难题，提出了构建严格控制李雅普诺夫函数（CLF）的新方向。传统方法难以在保持状态与控制输入为正的前提下，设计出无需借助LaSalle引理即可量化收敛性的严格CLF。本文通过推广经典的Volterra型李雅普诺夫函数，构建了非可分离的Volterra型函数，并展示了如何结合定制化的前推与反推技术，同步设计反馈控制律与严格CLF，从而为这一生态控制核心问题提供了更清晰、优雅且具有洞察力的解决方案。
种群动力学控制李雅普诺夫函数捕食者-猎物模型全局稳定性正系统控制反馈设计
q-bio
02-26 00:00
本研究针对高维多模态癌症数据（p >> n）中模型校准性差、可迁移性弱及亚组差异等挑战，提出了一个可完全复现的机器学习框架，用于预测乳腺癌5年总生存期。该框架整合了METABRIC队列的临床变量、转录组和拷贝数变异特征，并比较了弹性网络正则化Cox模型（CoxNet）与XGBoost梯度提升生存树模型。CoxNet在测试集上取得了96.6的AUC和80.4的平均精度，并展现出跨年龄、分子亚型等亚组的稳定判别公平性。研究强调了校准、公平性审计与可复现性在高维临床机器学习中的重要性。
生存分析多模态学习公平性机器学习乳腺癌预测高维数据模型校准
q-bio
02-26 00:00
本研究通过二维活性泡沫模型，比较了牵引力和连接处张力波动对汇合组织动力学的影响。研究发现，尽管这两种活性模式在流体状态下会产生性质不同的细胞形状、重排统计量和时空相关性，但细胞的长时间运动普遍收敛于持久布朗动力学。这一普遍特征与细胞几何、重排速率和流动性之间的非普遍相关性形成对比，后者对潜在的活性力模式高度敏感。结果表明，持久布朗运动为描述组织动力学提供了一个最小框架，而不同的活性力则留下了可识别的结构和动力学特征，从而能够推断流体状态组织中的主导活性力。
组织动力学活性物质布朗运动细胞力学生物物理模型
q-bio
02-26 00:00
本文综述了荧光光谱与建模在表征生物大分子结构、动力学和相互作用中的应用。重点介绍了Förster共振能量转移（FRET）技术，其纳米级的距离敏感性使其成为关键工具。文章概述了将分子结构与可观测光谱量联系起来的定量模型，以及整合荧光观测数据与互补结构信息以推断分子结构和构象集合的综合建模框架。最后，讨论了基于生物分子结构预测染料光谱性质以及超越传统FRET应用的荧光检测设计。
荧光光谱生物分子建模fret技术结构预测染料性质
q-bio
02-26 00:00
本研究在BrainScaleS-2神经形态硬件上成功实现了基于钙离子动力学的突触可塑性规则。该规则整合了突触标记与捕获假说，通过将钙动力学映射到模拟电路，并在嵌入式数字处理器上数值求解可塑性方程来完成。为克服硬件限制（如处理器速度和整数运算），研究通过调整数值求解器的时间步长和引入随机舍入技术，在四种标准刺激协议下准确模拟了单个突触的行为，并与软件参考模型进行了验证。这项工作展示了神经形态硬件在加速模拟复杂、长时间尺度的生物可塑性规则方面的潜力。
神经形态计算突触可塑性brainscales-2钙动力学硬件加速计算神经科学
q-bio
02-26 00:00
本研究构建了一个包含密度依赖效应的双物种互利共生通用确定性模型。该模型允许物种间的生态互动随种群密度变化，从互利共生转变为寄生关系。通过常微分方程和相图分析，研究揭示了系统动态的一般原理，并确定了特定动态行为出现的充分条件。研究发现，当互动包含寄生阶段时，系统可能出现极限环，而在严格的互利共生机制下则不会出现。该框架为描述相互作用物种的种群动态提供了一种通用方法，并强调了密度依赖导致的从互利共生到寄生转变的影响。
种群动态互利共生密度依赖相图分析极限环生态模型
q-bio
02-26 00:00
本研究证明，在反应级数与化学计量系数匹配的催化反应系统中，若一个目标状态能够抵抗微小扰动（局部可稳定），则系统可以从其化学计量兼容类中的任意初始状态被控制至该目标状态（全局可控）。这一原理揭示了非线性化学反应系统中局部与全局动力学之间的紧密联系，为高维系统中通常难以判定的全局可达性提供了一个数学判据。该发现不仅阐明了生化系统的鲁棒性，也为在通用框架下控制催化反应系统提供了新途径。
催化反应系统控制全局可控性化学计量学非线性动力学生化系统
q-bio
02-26 00:00
本研究提出了一种基于生成对抗网络（GAN）集成的新型无监督异常检测框架，用于连续生物制造过程。该框架首先建立了一个模拟小分子连续生产过程中正常与异常操作状态的基准数据集，并成功检测出由原料突变引起的异常。研究进一步评估了混合量子/经典GAN方法（使用模拟量子电路和真实光子量子处理器）对异常检测性能的影响，发现混合方法能有效提升异常检测率，为解决复杂连续生物制造中的实际问题展示了潜力。
异常检测生成对抗网络量子计算连续生物制造无监督学习混合量子经典算法
q-bio
02-26 00:00
本研究提出了一种用于数据驱动模型发现（DDMD）的稀疏回归算法，其核心是引入了一种新颖的样本长度缩放对数信息准则（SLIC）。该算法能自动、自适应地生成候选模型，并利用SLIC从中选出在拟合优度与稀疏性之间达到最佳平衡的模型。实验表明，在处理非线性常微分方程和偏微分方程数据时，SLIC在识别正确模型方面显著优于其他常用信息准则。该算法已成功应用于流体动力学和纳米技术领域的实验数据集，发现了可解释的模型并生成了新的可检验预测。
模型选择信息准则稀疏回归数据驱动发现可解释模型slic
q-bio
02-26 00:00
本研究针对膝关节接触应力热点预测这一生物力学关键问题，提出并评估了三种显式区域交互的深度学习模型。与传统的堆叠式局部消息传递模型相比，新模型在严格的跨受试者评估框架下，显著降低了全场节点应力误差，并大幅提升了高应力区域（尾部）的重建精度。更重要的是，新模型在定位高风险应力热点时，表现出更优的空间一致性和时间鲁棒性，为膝关节损伤风险评估提供了更可靠、可解释的预测工具。
生物力学深度学习膝关节应力区域交互损伤风险代理模型
q-bio
02-26 00:00
BEDCrypt 是一个基于同态加密的隐私保护系统，旨在保护基因组区间数据分析中的敏感信息。在“诚实但好奇”的服务器模型下，服务器仅对加密数据进行操作（如计算覆盖度摘要、区间交集、邻近查询和集合相似性统计），并将加密结果返回给客户端本地解密。该系统有效防止了服务器获取明文基因组区间或查询位置，为外包基因组计算提供了数据与查询意图的双重安全保障。
同态加密基因组隐私区间分析数据安全外包计算
q-bio
02-26 00:00
研究发现，人类在决策时的置信度估计常呈现“检测式”特征，即主要受支持决策的正向证据驱动。传统观点认为这是认知偏差或启发式策略所致。本文通过贝叶斯建模与高维信号检测理论分析表明，当置信度计算所基于的证据空间维度高于实验者假设时，对决策一致证据的敏感性会非线性增强，从而自然产生“检测式”置信度标准。这一效应源于置信度被大量未选选项归一化所诱导的非线性。研究揭示了在高维证据空间中，“检测式”置信度是一种理性的计算策略。
置信度估计高维空间贝叶斯推理信号检测理论认知建模决策理性