疫情应对策略的经济与流行病学联合建模：何时选择缓解、压制或清零？
本研究提出了一个同时考虑健康影响与经济成本的联合建模框架，用于评估新兴大流行中不同应对策略（缓解、压制、清零）的预期总成本。分析发现，对于低严重性疾病，缓解策略最具成本效益；对于高严重性疾病，若基本再生数R0较低，压制策略更优；若R0较高，则清零策略更具成本效益。以新西兰2020年新冠清零政策为例，其参数估计接近或超过清零比缓解更具成本效益的阈值。该框架有望成为未来大流行威胁的决策支持工具。
2025-12-10 速览 · 定量生物学
2025-12-10 共 24 条抓取，按综合热度排序
DDX3X如何无需ATP解开双链RNA？粗粒化模拟与深度学习揭示熵驱动机制
本研究结合粗粒化分子动力学模拟与深度学习，揭示了DEAD-box RNA解旋酶DDX3X无需ATP即可解开双链RNA（dsRNA）的新机制。团队开发的HelixTriad模型准确复现了RNA熔解曲线，模拟显示DDX3X与dsRNA的弱特异性相互作用可驱动随机链分离。自由能分析表明，成功解旋通过高熵、链置换中间态实现。新提出的深度学习框架Entropy-Unet进一步验证了熵贡献的层级模式，表明ATP非依赖的解旋主要由熵驱动，为理解RNA解旋酶的功能多样性提供了新视角。
FGW-CLIP：基于融合Gromov-Wasserstein距离的酶-反应筛选新框架
本研究提出FGW-CLIP，一种基于融合Gromov-Wasserstein距离优化的对比学习框架，用于高效筛选酶与生化反应。该方法不仅考虑酶与反应间的跨域对齐，还整合了酶内部及反应内部的层级关系，通过定制正则化项最小化域间距离。在EnzymeMap和ReactZyme基准测试中，FGW-CLIP在虚拟筛选中取得了最先进的性能，对新酶和新反应展现出强大的泛化能力。
连续突变种群动力学：可逆突变如何稳定进化前沿
本研究提出了一个连续数学模型，用于描述有限资源下新基因型的连续出现。该框架将基因型密度建模为突变空间中的非线性流，结合了由时变突变率驱动的输运、逻辑斯蒂增长和非局部竞争。在无反向突变的平流-反应机制下，研究通过特征线法获得了解析解，并得到了时变承载力和突变速度的显式表达式。分析揭示了衰减和加速的突变率如何通过水平集几何塑造种群前沿的饱和与传播。当包含反向突变时，系统变为基因型空间中具有扩散的拟线性抛物型方程；数值实验表明，反向突变流能稳定动力学并平滑演化前沿。该模型通过纳入逻辑斯蒂调节、可变突变率和可逆转变，推广了经典的准物种和Crow-Kimura公式，为病毒学、细菌适应和肿瘤进展相关的进化过程提供了一个统一的研究框架。
睡眠不足通过脑内“清洁系统”影响青少年大脑与心理健康
一项基于6800名青少年的研究发现，睡眠不足（<9小时/晚）与脑内血管周围间隙（PVS）负担增加相关，后者是评估脑类淋巴系统功能的关键指标。PVS负担部分介导了睡眠对大脑结构、认知功能（尤其是晶体智力）和心理健康（如普遍性问题）的负面影响，间接效应比例最高达10.9%。研究揭示了睡眠通过影响脑类淋巴系统清除功能，进而损害神经发育的潜在机制。
资源与种群动态的耦合模型揭示反直觉生态规律
本研究提出一个耦合主动智能体与动态环境的生态模型，将种群规模和资源分布作为系统的涌现属性。通过模拟和理论分析发现，系统存在准静态和高运动性两种相态，且种群规模通常与个体平均能量成反比。反直觉的是，资源获取减少或代谢消耗增加反而可能导致更大的种群规模。该框架连接了活性物质与运动生态学，为研究资源利用策略和防止物种灭绝提供了新工具。
空间异质性如何影响库蚊控制效果？数学模型揭示干预策略优化路径
本研究开发了一个结合温度驱动、多斑块ODE的数学模型，模拟了库蚊在斑块化景观中的动态。模型整合了昆虫学观测、天气因素及伊利诺伊州库克县西北蚊虫控制区的实际干预措施。研究发现，忽略空间连通性的模型会高估干预效果或误判蚊媒持续存在的阈值。通过数值模拟，分析了不同时空配置下连续与脉冲式控制方法的差异，为优化库蚊种群管理及降低蚊媒疾病风险提供了策略依据。
环境波动如何稳定噬菌体与细菌的共存
本研究通过微分方程模型，揭示了细菌生长速率与噬菌体吸附速率共同决定了三种生态结局：噬菌体灭绝、稳定共存或振荡性灭绝。研究发现，环境波动可通过共振效应抑制破坏性振荡，促进共存，而静态模型则预测崩溃。反直觉的是，较低的细菌生长速率在高感染压力下反而有助于生存，这解释了感染后观察到的生长减缓现象。
神经常微分方程：从多组学时间序列数据模拟代谢通路动态
本研究提出利用神经常微分方程（NODE）框架，直接从时间序列蛋白质组和代谢组数据中学习复杂的相互作用，以模拟代谢通路的连续动态。应用于工程化大肠杆菌菌株的数据表明，该模型在捕捉系统动态方面优于传统机器学习方法，在柠檬烯和异戊烯醇通路数据集上，均方根误差较基线提升超过90%，且推理速度加速了1000倍。这为个性化医疗和合成生物学中的预测建模提供了可扩展的高保真工具。
BeeTLe：基于深度序列模型和损失函数优化的B细胞表位预测与分类新方法
本研究提出了一种名为BeeTLe的新型深度学习多任务框架，用于线性B细胞表位的预测和抗体类型特异性分类。该模型结合了循环层和Transformer块，并引入了一种基于特征值分解的氨基酸编码方法以增强表位表征学习。针对数据类别不平衡问题，作者扩展了logit调整技术来改进标准交叉熵损失函数。在基于最大公共表位数据库构建的数据集上的实验表明，该方法在性能上优于现有工具，为疫苗开发和免疫诊断等应用提供了更高效的计算工具。
林地补贴政策可能增加牛结核病传播风险
研究通过经济模型分析英国西南部地区林地补贴政策对土地利用的影响，发现补贴导致新林地增加，进而提升野生鹿群数量。模拟显示，在补贴政策下，野生鹿与牛群接触风险较无补贴时增加26%至35%，可能加剧牛结核病等传染病传播。研究为制定风险缓解策略（如低风险区定向补贴、建立缓冲区）提供了依据。
基于贝叶斯数据同化的神经场模型状态与参数联合估计
本研究提出了一种结合离散化Wilson-Cowan-Amari神经场模型与贝叶斯数据同化方法的新框架，用于从小鼠自然睡眠期间的局部场电位测量中联合估计神经活动状态与模型参数。该方法首先在合成数据上验证了可行性，随后成功应用于文献中的真实数据集。结果表明，该框架不仅能推断出与观测信号一致的系统状态，还有潜力用于表征大脑皮层从其他脑区接收的刺激输入。
解码神经基础模型：揭示其内部模块如何实现生物视觉功能
本研究深入剖析了一个用于拟合生物视觉系统的先进神经基础模型。研究者通过构建解码流形和编码流形，分析了模型内部不同处理阶段（前馈编码器、循环模块和读出模块）的表征结构。研究发现，循环模块通过“推开”不同时间刺激模式的表征，能力显著提升；而读出模块则依赖大量特化特征图而非生物合理机制来实现生物保真度。这项工作为理解神经基础模型的内部工作机制及其组件的生物学相关性提供了新视角。
评语言频率与量子统计类比研究：拟合背后的物理实质
本文对近期将文本词频分布与玻色-爱因斯坦统计类比的研究提出评论。作者指出，该研究虽提供了有趣的类比和拟合结果，但存在几个关键问题：归一化处理被误读为“玻色增强”、词序与能量的对应关系缺乏机制解释、基线比较不足以支持本体论结论。评论强调需区分物理主张与定义选择，并指出参数语义和可重复性等潜在问题。
整合社区科学数据预测亚南极鸟类高致病性禽流感影响
本研究开发了一套数据工作流，用于清洗和整合来自eBird、iNaturalist、GBIF等多个社区科学平台的异构观测数据。通过该工作流，研究人员对亚南极地区鸟类种群规模进行了预测，并基于整合的死亡率数据集，首次估算了高致病性禽流感（HPAI）对多个物种的潜在死亡率影响。该方法为利用非结构化社区数据支持流行病学和生态学建模提供了标准化方案。
生物系统温度响应机制：从经验拟合到动力学框架
本文综述了描述生物速率与温度关系的核心理论模型，涵盖从经验曲线、反应级动力学到基于网络的动态框架。研究强调温度不仅影响基本反应速度，还通过调控、反馈和随机跃迁等相互作用，塑造了复杂的生理响应行为。通过比较不同模型的假设与内涵，旨在建立连接分子过程与宏观温度响应曲线的桥梁，并为构建解释生物热响应多样性的综合框架指明方向。
FSPmix：半监督功能聚类方法助力亚细胞蛋白质定位分析
本研究开发了FSPmix，一个开源的R包，采用半监督功能聚类方法，利用部分标记蛋白的注释信息，从亚细胞空间蛋白质组学数据中预测蛋白质的亚细胞定位。该方法假设蛋白质信号在亚细胞组分间平滑变化，从而在低信噪比数据条件下实现更稳健的推断。研究人员将其应用于海洋硅藻的亚细胞蛋白质组数据集，成功为蛋白质分配了概率定位，并揭示了潜在的新蛋白质功能。这项工作为亚细胞蛋白质组学数据的统计分析，特别是在非模式生物中的研究，奠定了更坚实的基础。
needLR：基于长读长测序的结构变异注释工具，支持群体频率估计
本研究发布了needLR，一个用于长读长测序数据的结构变异（SV）注释工具。它整合了群体等位基因频率、基因组背景注释和基因-表型关联信息，用于致病性SV的筛选和优先级排序。在利用500名健康个体数据评估9个已知致病SV的测试案例中，needLR为超过97.5%的检测到的SV分配了等位基因频率，并将每个案例中新的基因内SV平均数量减少至121个，同时保留了所有已知的致病性变异。
SpeF-Phixer：从空间转录组数据中推断基因调控因果关系的空间扩展框架
本研究开发了SpeF-Phixer，一种空间扩展的φ-混合框架，用于从空间转录组数据中推断具有空间一致性的基因调控因果关系。该方法整合了全切片图像（WSI）的空间细胞分布与单细胞RNA测序（scRNA-seq）表达场，通过基于k近邻的邻域筛选和自助法一致性推断，评估基因间的成对依赖、方向性和三元组结构。在结直肠癌组织中的应用表明，该方法能从大量候选三元组中筛选出具有生物学意义、方向一致且空间连贯的调控链，为构建空间感知的因果基因网络提供了可扩展的基础。
ImmunoNX：支持个性化新抗原疫苗临床试验的端到端生物信息学流程
研究人员开发了名为ImmunoNX的端到端生物信息学工作流程，用于支持个性化新抗原疫苗的设计。该流程整合了肿瘤DNA/RNA和正常DNA测序数据，采用基于共识的变异检测、HLA分型和新抗原预测工具，并包含两阶段免疫基因组学审查。该工作流程已在11项临床试验中支持超过185名患者，可将疫苗设计时间缩短至三个月以内。
有限与无限种群模型的动力学兼容性：从Moran过程到复制子方程
本研究系统探讨了种群遗传学中常用的有限种群模型（Moran过程）与无限种群模型（复制子方程）之间的动力学关系。作者完整刻画了两种模型在何种条件下表现出相似的动力学行为，即复制子方程的稳定吸引子与Moran过程的亚稳态之间存在一一对应关系。研究证明，在大种群极限下，Moran过程的固定概率渐近表达式可表示为常数适应度或双人博弈论情形的凸组合。此外，文章还解决了逆问题：如何根据给定的复制子动力学推导出兼容的Moran过程，并指出模拟具有内部亚稳态的Moran过程可能需要使用高维多人博弈理论。
神经元的多状态计算：大脑动态网络形成的新机制
该研究提出神经元作为真核细胞，其内部存在强大的计算能力，能够呈现多种不同的状态。神经元通过细胞体与突触间的化学信号传递，利用微管和肌动蛋白纤维运输化学信使，在数秒至数分钟内改变自身状态。基于不同状态，单个神经元可以选择性地使其部分突触失活，从而从大脑的静态神经连接中“雕刻”出动态的神经网络。这种机制被认为是实现大脑复杂认知功能（如分层贝叶斯物体识别）所必需的，并可能比传统的二态神经元设计更高效、更具扩展性。该原理也为开发更快、更聚焦、更可控的非赫布式学习人工神经网络提供了新思路。
半监督Inf-Net框架提升CT肺结节分析效能，并展望基因组整合
本研究提出了一种基于CT的、利用Inf-Net架构的半监督学习框架，旨在以最少的人工标注提升肺结节分析。该模型融合了多尺度特征聚合、反向注意力机制和伪标签技术，以高效利用大量未标注的CT图像数据。在LUNA16数据集上的实验表明，半监督版本在包含标注与伪标注数据的20000张切片上取得了0.784的评分，优于其仅使用标注数据的监督基线（0.755）。研究还提出了一个将基因组生物标志物与CT特征整合的概念框架，为未来开发多模态、生物学信息驱动的计算机辅助诊断系统奠定了基础。
细胞大小稳态模型揭示粗粒度相关性与反馈机制间的差异
本研究通过一个连续时间随机模型，探究了细胞大小如何通过“大小偏差”反馈调控生长速率和细胞周期进程，从而影响细胞大小动态。在线性近似下，模型简化为随机受迫的简谐振荡器，并推导出母-女细胞大小相关性的解析解。分析表明，细胞周期时序与内在涨落的相互作用塑造了表观的粗粒度大小控制策略，但粗粒度相关性可能无法反映底层的机械反馈结构。