基于废水RNA监测预测COVID-19流行率的半监督学习方法
本研究提出一种深度神经网络模型，利用废水监测数据预测COVID-19每日病例数。该方法基于Jiang等人（2024）的研究，通过疫情早期可靠的检测数据与废水病毒RNA浓度数据训练网络，学习两者间的非线性关系。核心挑战在于处理时间特征可靠性问题，因为训练数据在不同时期的可靠性存在差异。该模型为COVID-19进入地方性流行阶段后，提供了一种非侵入性的持续监测工具。
2025-12-02 速览 · 定量生物学
2025-12-02 共 24 条抓取，按综合热度排序
RadDiff：基于检索增强去噪扩散的蛋白质逆折叠新方法
本文提出了一种名为RadDiff的蛋白质逆折叠新方法，旨在根据目标三维结构设计氨基酸序列。该方法通过分层检索策略从大型蛋白质数据库中高效获取结构相似的蛋白质，并构建位置特异性氨基酸谱作为进化信息先验，指导去噪扩散过程。实验表明，RadDiff在多个数据集上均优于现有方法，序列恢复率最高提升19%，并能生成高度可折叠的序列，其性能随数据库规模扩大而有效提升。
量子信息框架下的颜色感知实验研究新路径
本文基于Schrödinger和Resnikoff奠定的感知色彩空间公理化基础，将Berthier和Provenzi等人提出的量子信息色彩感知模型从实数域自旋因子描述的“rebit”系统，拓展至标准量子力学中更通用的“qubit”系统。研究展示了如何利用量子比特密度矩阵计算感知色彩的量子信息属性，并论证了该理论框架差异并不妨碍实验验证协议的实施，为在标准量子平台上测试色彩感知模型的预测有效性提供了具体方法。
VCWorld：基于生物世界模型的虚拟细胞白盒模拟器
本研究提出VCWorld，一个用于虚拟细胞模拟的细胞级白盒模拟器。它通过整合结构化生物知识与大语言模型的迭代推理能力，构建了一个生物世界模型。该方法以数据高效的方式再现扰动诱导的信号级联，并生成可解释的逐步预测及明确的机制假设。在药物扰动基准测试中，VCWorld实现了最先进的预测性能，其推断的机制通路与公开的生物证据一致。
研究发现：利用蛋白质语言模型中间层可显著提升激酶功能预测精度
本研究系统评估了蛋白质语言模型ESM-2全部33层在激酶功能预测中的表现。结果表明，与仅使用最终层相比，利用中后部（第20-33层）的嵌入表示，在无监督聚类中的调整兰德指数提升了32%，在考虑同源性的有监督分类中准确率达到75.7%。这揭示了Transformer模型深度编码了不同的功能信号，有原则的层选择策略能显著提升预测性能。
EnzyCLIP：基于对比学习与交叉注意力的酶动力学参数预测新框架
本研究提出EnzyCLIP，一种新颖的双编码器框架，用于从蛋白质序列和底物分子结构联合预测酶动力学参数（Kcat和Km）。该模型融合了ESM-2蛋白质语言模型与ChemBERTa化学表示，通过受CLIP启发的架构和双向交叉注意力机制动态建模酶-底物相互作用。结合对比损失与回归损失，模型在包含数万实验测量值的CatPred-DB数据库上训练，在Kcat和Km预测上分别取得了0.593和0.607的R²分数，性能具有竞争力。
动物大群形成新理论：拓扑协调与速度继承机制
传统观点认为大型动物群（如鸟群、鱼群）由稀疏个体缓慢聚集而成。本研究基于时变有向交互网络提出新理论框架，揭示大群并非缓慢积累，而是由多个预先存在的子群在高密度条件下快速合并形成。核心机制是拓扑性的：任何移动群体中，长期交互结构包含一个主导强连通分量，它决定了整个群体的集体速度。当子群相遇时，跟随子群会与主导子群的速度对齐并继承其速度。重复合并自然形成大群，其速度预测低于原子群平均速度。该理论统一解释了群体形成、维持及几何特征，并对三维追踪数据提出了可检验的预测。
贝叶斯反演应力显微镜：无需假设细胞流变学的组织应力测量新方法
本研究提出并验证了贝叶斯反演应力显微镜（BISM），这是一种用于测量生物组织内部应力的新方法。该方法通过测量细胞在体外产生的牵引力，无需对细胞流变学做出假设，即可计算出绝对应力。研究证明BISM适用于多种实验条件，包括任意形状的受限组织和由不同细胞类型组成的单层细胞，为理解力学力在形态发生、集体迁移等基本生物学过程中的作用提供了有力工具。
Hierarchical Molecular Language Models (HMLMs): 用AI语言模型解码细胞信号网络
本研究提出了一种新颖的分层分子语言模型（HMLM），将细胞内复杂的信号网络（包含分子、蛋白质相互作用、翻译后修饰等）视为一种专门的“分子语言”，并利用经过改造的Transformer架构进行建模。HMLM通过图结构注意力机制适应信号网络拓扑，并通过分层注意力模式整合分子、通路和细胞尺度的信息。在一个包含超过100个分子物种的心脏成纤维细胞信号网络上，HMLM在时序信号预测任务中表现优异，其均方误差（0.058）比图神经网络（0.083）和常微分方程模型（0.121）分别提升了30%和52%，且在稀疏时间点采样条件下优势更明显。该模型为AI驱动的系统生物学和精准医疗应用提供了新范式。
对称性如何塑造涌现的层级结构：从物理系统到认知推理
本文提出，复杂系统中普遍存在的嵌套式层级涌现现象，其根源在于底层的对称性。结合信息论、群论和统计力学原理，研究发现，与对称群等变的动力学过程会自发产生宏观层级，其结构由对称性的子群决定。有趣的是，相同的对称性也塑造了贝叶斯信念，形成了可在不同分辨率下自主更新的抽象信念层级。研究以Hopfield网络和Ehrenfest扩散为例，展示了熟悉的宏观量如何从其对称性中自然涌现。这些结果表明，对称性为涌现提供了根本机制，并在客观过程与认知过程之间建立了结构对应，使得原本计算上难以处理的推理问题变得可行。
基于Mamba架构的无线可穿戴设备实现高精度睡眠呼吸暂停检测
本研究提出了一种基于Mamba架构的深度学习模型，用于利用ANNE One无线可穿戴设备（采集心电、加速度、温度、光电容积脉搏波等多模态信号）进行睡眠呼吸障碍的诊断和事件级分析。在384名成年人的同步多导睡眠监测数据上验证，模型预测的呼吸暂停低通气指数与金标准高度相关（R=0.95），在AHI>5和>15的临床阈值下表现出高敏感性和特异性，并能有效识别30秒时段内及单个呼吸事件，为无创、便捷的家庭睡眠监测提供了新方案。
电压门控钠通道亚型如何影响神经元动作电位稳定性
本研究通过结合六态马尔可夫钠通道模型与KV3.1钾通道模型，系统分析了九种NaV亚型对动作电位产生的稳定性影响。利用分岔理论和局部稳定性分析，研究绘制了稳定极限环区域，并通过热图可视化兴奋性图谱。结果显示，NaV1.3、NaV1.4和NaV1.6亚型支持广泛的兴奋性区域，而NaV1.7和NaV1.9亚型则表现出最小的振荡行为。
儿童HD-tDCS个性化优化：实现剂量一致性与靶点精准调控
本研究针对儿童高清经颅直流电刺激（HD-tDCS）剂量依赖经验性方案、忽视发育解剖差异的问题，基于70个儿童头部模型进行仿真。研究发现，标准方案会导致靶点电场强度随年龄显著降低，并存在与组织体积相关的性别差异。为此，团队提出了一个兼顾发育特点的双目标优化框架，能生成个性化的帕累托前沿，权衡电场强度与聚焦性。基于此框架，研究提出了两种实用的剂量处方策略：一是剂量一致性策略，首次实现跨个体靶点强度固定，以隐式抵消人口统计学效应；二是靶点参与策略，在安全限制下最大化靶点强度。两种策略对组织电导率的大幅变化均保持稳健，且密集电极方案在靶点参与策略下可简化为稀疏等效方案而不损失性能。研究还发现组织电导率敏感性具有深度依赖性。这些结果为儿科HD-tDCS规划建立了一个原则性框架，明确考虑了发育解剖和生理不确定性，有望实现儿科人群可靠且个体化的神经调控剂量。
流浪狗觅食决策研究：嗅觉与视觉的协同作用
本研究通过食物选择实验，探究了自由活动的流浪狗在觅食时如何利用感官线索进行决策。研究发现，狗在觅食时并未严格遵循嗅觉优先于视觉的等级策略，而是根据环境动态调整，表现出一种“足够好”的策略。它们倾向于在速度与准确性之间选择速度，并会在首选食物不可得时接受中等质量的食物。此外，研究还观察到狗在食物选择中存在左偏倾向。结果表明，在复杂的城市环境中，环境噪音、风险及内部感知因素等多重调节因子共同影响着狗的决策过程。
基于DTI-fMRI融合分析探索部分睡眠剥夺下脑网络结构-功能耦合变化
本研究通过融合扩散张量成像（DTI）与静息态功能磁共振成像（rs-fMRI），系统探究了部分睡眠剥夺（PSD）患者脑网络的重组及其与情绪功能的关系。研究构建了结构连接（SC）与功能连接（FC）网络，并建立了SC-FC耦合模型。结果显示，PSD患者在边缘系统、默认模式网络等多个关键网络中出现了严重的FC破坏、SC改变以及显著的SC-FC解耦现象。这些神经变化与临床量表评分（KSQ和HADS）存在强相关。相比单模态方法，这种创新的多模态神经影像方法为睡眠相关的情绪失调提供了更全面的生物标志物。
仿生超材料界面解码皮肤机械活动，革新健康监测与人机交互
本研究提出一种仿生超材料界面（BMMI），通过模拟皮肤微结构和力学感受器，实现了对皮肤表面异质机械活动（MDA）信号的选择性捕获、放大与降噪。该无线设备结合定制算法，能准确解码MDA，为多模态通信、健康监测及人机交互开辟了新应用前景。
双环路模型：心理生理调控与状态突变的数学框架
本文提出心理生理调控的双环路模型，挑战传统单一维度分析。该模型整合睡眠模式、自主神经唤醒、躯体感觉与认知负荷的动态交互，为焦虑骤升、解离骤降等突发状态转变提供结构性解释。通过数学建模，旨在搭建生理信号与主观体验之间的概念桥梁，为动态建模和临床案例分析奠定基础。
HyperADRs：基于分层超图框架的药物-基因-不良反应预测新方法
本研究提出了HyperADRs，一个分层超图框架，用于在药物-基因-不良反应三元组层面预测不良反应风险。该方法整合了来自PharmGKB和DrugBank的精准医学知识图谱数据，利用预训练模型嵌入药物、基因和不良反应概念，并通过超图卷积网络进行信息传播。模型采用基于FiLM的查询条件对比学习模块，学习上下文特定的表征，从而在给定任意两个实体时，能从众多候选者中检索出正确的第三个实体。实验表明，HyperADRs在基于排名的指标上达到或超越了现有基线，其学习到的表征具有可迁移性，能够支持基于机制的药物基因组学假设生成。
大脑如何将探索的混沌转化为确定性几何：记忆摊销推理与拓扑凝聚
研究提出大脑通过“记忆摊销推理”机制，将高熵的并行搜索转化为低熵的序列导航，实现计算效率的指数级提升。核心算法是递归的拓扑变换，将稳定的高维循环凝聚为静态的零维记忆单元，构建起“支架之塔”。然而，这种实现泛化的高效机制，也因度规收缩而不可避免地带来幻觉风险。
空间自组织通过斑图形成稳定共生关系
本研究通过植物-传粉者反应扩散模型，揭示了空间自组织是稳定共生关系的关键机制。研究发现，非局部竞争引发的植被斑图形成，能使物种在低于均匀混合种群所需阈值的情况下共存。随着环境条件恶化，这种稳定性增益反而增加，因为植被密度的局部峰值创造了群落持续的条件。在强共生极限下，系统呈现斑图与均匀解的多稳态，可缓冲种群数量波动。
DeepFRI蛋白功能预测模型的可解释性评估：准确性与可信度的权衡
本研究对基于图卷积网络的蛋白功能预测工具DeepFRI进行了深入评估，结合GradCAM、PGExplainer等可解释性技术与对抗鲁棒性测试。研究发现，模型预测常依赖保守基序而非决定性残基，且不同解释方法在粒度上差异显著。这揭示了AI模型在准确性与可解释性间的内在权衡，为提升其在药物发现与监管环境中的可信度指明了改进方向。
ARC框架：用坐高等生理指标替代种族校正，提升肺功能方程精度
针对临床方程中种族调整引发的争议，研究者提出ARC框架，旨在识别导致群体差异的解释性因素，以开发更精准的临床方程。应用于超15万人的肺功能数据发现，坐高可解释黑人与白人肺功能差异的26%。新方程ARC_PFT纳入坐高和腰围，预测误差比主流种族中立方程降低13-24%，且在亚裔和西班牙裔人群中表现更稳健。
意识源于单一控制代理？新理论提出可证伪实验
研究提出“建模者图式”理论，认为意识源于一个监控大脑内部世界模型构建的单一控制代理。该代理通过基于“感受质”的一致性检查来生成体验。理论预测，在眼球扫视期间，建模者图式会执行这种检查，并在发现差异时发出自下而上的目标。为此，研究者设计了一个可区分不同目标来源的扫视变化检测实验，为实证检验意识理论提供了具体路径。
可穿戴汗液监测平台综述：从生物标志物检测到信号处理系统
本文综述了可穿戴汗液监测平台的最新进展，重点探讨了汗液生物标志物的分区机制及其与血液标志物的关联，这是建立临床验证标准的关键。文章还从机制层面分析了汗液传感中使用的生物传感器，并跨学科地审视了用于传感器信号处理的电子架构，特别是与电化学传感器接口的模拟电路，为下一代集成化健康监测设备的发展提供了重要见解。