q-bio
01-21 00:00
针对AI智能体在长流程多轮交互中因记忆膨胀、错误累积和注意力漂移导致性能下降的问题，本研究提出了一种生物启发的智能体认知压缩器（ACC）。该方法摒弃了传统的对话记录回放或检索机制，转而采用一个有界的内部状态，并在每一轮交互中在线更新。ACC将信息检索与状态确认分离，防止未经验证的内容成为持久记忆，从而有效控制了上下文的无限制增长，并降低了幻觉和记忆中毒的风险。在IT运维、网络安全响应和医疗工作流等场景的评估中，ACC在保持有界内存的同时，表现出更稳定的多轮行为。
ai智能体记忆控制认知压缩长流程交互生物启发多轮稳定性
q-bio
01-21 00:00
本研究提出了一种基于Karhunen–Loève展开（KLE）的残差异常图方法，用于资源受限环境下的脑胶质瘤MRI分割。该方法将多模态MRI扫描（如$240\times240\times155$）降采样并压缩为32个KL系数，通过近似重建生成残差异常图，作为第五通道输入紧凑型3D U-Net。实验在消费级工作站（RTX 4060Ti，8GB显存）上完成，仅使用少量训练数据，即达到Dice分数：全肿瘤0.929、肿瘤核心0.856、增强肿瘤0.821，其HD95距离指标甚至优于依赖超级计算机的BraTS 2023冠军方案。
医学图像分割脑胶质瘤kl展开残差异常图资源高效3d u-net
q-bio
01-21 00:00
本文提出了一种突破性的AI发展策略：绕过传统的人类生成数据（如文本），直接利用神经影像数据训练基础模型。作者认为，大脑数据能揭示无法通过外在行为观察到的深层认知过程，从而帮助克服现有模型在感知、价值判断、执行与整合四个层面的局限。论文具体提出了两种实现方法：基于人脑的强化学习（RLHB）和基于人脑的思维链（CoTHB），旨在高效利用有限的神经数据。这一路径被视为在持续扩展现有架构与探索神经科学启发方案之间的有效折中，对实现通用人工智能乃至超级智能具有潜在意义，同时也伴随着伦理与社会挑战。
人工智能神经科学基础模型脑机接口认知计算伦理挑战
q-bio
01-21 00:00
本文综述了整合多模态空间组学与成像数据的计算方法。随着空间组学技术的发展，能够在组织切片上同时或连续获取转录组、蛋白质组和表观基因组等多维分子数据，并结合图像信息，形成了捕捉组织细胞与结构复杂性的多模态框架。由于数据在尺度、分辨率和模态上的差异，其整合面临巨大计算挑战。文章系统梳理了从概率模型到最新深度学习的关键算法原理，为这一前沿领域提供了全面的方法学概览。
空间组学多模态整合计算生物学深度学习生物信息学成像技术
q-bio
01-21 00:00
研究通过深度循环强化学习模型，在噪声感知任务中训练神经网络，成功复现了灵长类决策的关键特征：速度-准确性权衡、根据新信息灵活改变决策。网络内部动态与灵长类神经生理学研究观察到的决策机制相似，为“灵长类决策机制是为在动态噪声信息中最大化奖励而演化形成”的理论提供了计算实验支持。
决策机制强化学习神经网络计算神经科学认知演化
q-bio
01-21 00:00
本研究通过一个包含三个营养级的生态模型，揭示了非互惠相互作用对生态系统稳定性的影响具有不对称性。研究发现，消费者与捕食者（顶层与中层）之间的非互惠作用，比消费者与资源（中层与底层）之间的非互惠作用更容易导致系统失稳。通过解析推导模型的相图，作者证明系统的稳定性边界由跨营养级的能量流动控制。由于能量自下而上流动，导致高层营养级多样性降低，这解释了稳定性的不对称性。降低能量流动效率会反转这种不对称性，并显著扩大相图中的稳定区域，这表明自然界中著名的“10%能量传递”法则可能有助于促进生态系统的整体稳定性。
生态系统稳定性非互惠相互作用能量流动营养级相图分析复杂系统
q-bio
01-21 00:00
本研究通过建立包含非局部Morse型核函数的连续反应-扩散-平流模型，探究了环境污染物如何干扰鱼类色素细胞（黑色素细胞与黄色素细胞）的自组织过程。模型表明，污染物通过改变细胞间的同型粘附或排斥作用强度，能够驱动斑纹在条纹、斑点及混合模式间转变，重现了鱼类色素突变体的典型表型。模拟结果显示，短期暴露引起的色素变化可能恢复，而长期暴露则导致持续的色素缺失。在生长中的鱼体内，污染物对细胞互作的干扰直接影响条纹形成速率、数量及色素水平，为实验观察到的色素异常与成鱼空间斑纹变化之间的机制联系提供了理论见解。
色素斑纹反应扩散模型环境污染物细胞自组织鱼类发育生物物理模型
q-bio
01-21 00:00
本研究针对大语言模型在生物医学领域知识驱动推理任务中的可靠性，提出了SciHorizon-GENE基准。该基准整合了超过19万个人类基因的权威知识，构建了涵盖54万多个问题的数据集，用于评估模型在细胞类型注释、功能解释等基因到功能推理场景中的表现。研究从研究关注度敏感性、幻觉倾向、答案完整性和文献影响四个关键维度，系统评估了多种通用及生物医学专用大语言模型，揭示了模型在生成忠实、完整且基于文献的功能解释方面仍面临显著挑战。该工作为分析模型在基因尺度的行为提供了系统基础，并对模型选择与开发具有指导意义。
大语言模型生物医学推理基因功能基准评估知识增强
q-bio
01-21 00:00
本文提出了一种“认知空间”框架，旨在统一比较自然、人工及混合系统的认知能力。该框架摒弃了依赖具体物质基础的狭隘定义，转而基于组织和信息维度构建比较性表征，将认知视为系统感知、处理和响应信息的梯度化能力。研究引入了基底无神经、神经以及人机混合三类认知空间，并揭示已实现的系统仅占据其中少数区域，存在大量空白。这些空白反映了进化偶然性、物理约束和设计局限。该框架不仅阐明了现有认知系统的多样性，更将人机混合认知定位为探索超越生物进化复杂性的前沿领域。
认知科学统一框架人机混合信息处理系统比较复杂性
q-bio
01-21 00:00
本研究探讨了在进化累积模型中，即使假设特征获得不可逆，是否仍能有效推断现实中可逆的进化动态。通过模拟研究，论文量化了忽略可逆性带来的误差，并指出在多数情况下，模型对特征获取相对顺序及核心进化路径结构的推断是稳健的，而对不确定性及特征间相互作用的估计则更易出错。这为在计算资源有限时，使用更高效的不可逆模型近似分析可逆过程提供了依据。
进化累积模型可逆性机器学习计算生物学模拟研究稳健性
q-bio
01-21 00:00
本研究证明了Pehlevan等人提出的Hebbian/anti-Hebbian自组织神经网络模型的全局稳定性。该模型以前馈和循环权重以相同时间尺度演化为条件，其连续极限的突触动力学被证明具有全局稳定性。动力学演化分为两个阶段：第一阶段，突触权重收敛至一个不变流形，其中“神经滤波器”是正交归一的；第二阶段，突触动力学遵循一个非凸势函数的梯度流，其最小值对应的神经滤波器张成了输入数据的主子空间。这为理解局部突触修改如何产生稳定的网络级计算提供了关键理论支撑。
神经网络稳定性hebbian学习主子空间分析自组织计算非线性动力学
q-bio
01-21 00:00
本研究提出了一种新的随机微分方程模型，扩展了经典的SIR框架，以捕捉疾病传播的随机性并纳入家庭结构和异质性混合模式。模型将人群按年龄和家庭规模分组，包含针对亚群的封锁参数，并构建了详细的接触矩阵以区分公共和家庭内互动。通过分支过程近似马尔可夫跳跃过程，推导了模型的基本再生数，并利用Sobol指数进行全局敏感性分析以识别关键影响因素。模拟结果表明，与传统模型相比，纳入家庭结构会导致显著不同的预测，特别是在疫情时间和峰值强度方面。该随机框架捕捉了确定性方法所忽略的疫情轨迹重要变异，为家庭传播起重要作用的干预策略提供了数学依据。
随机微分方程sir模型家庭传播流行病建模敏感性分析基本再生数
q-bio
01-21 00:00
本研究通过系统综述与网络荟萃分析，评估了成人长新冠的药物治疗效果。结果显示，生理盐水鼻腔冲洗（SMD=21.10, 95% CI [16.91, 25.30]）对改善嗅觉丧失效果显著。在血栓预防方面，利伐沙班可降低静脉血栓风险（OR=0.12 [0.01, 0.97]），但治疗剂量抗凝剂相比预防剂量虽降低血栓风险，却增加了大出血事件（OR=1.86 [1.19, 2.89]）。研究为长新冠治疗策略提供了比较性证据。
长新冠网络荟萃分析药物治疗嗅觉丧失血栓预防安全性
q-bio
01-21 00:00
本研究将生化信号级联建模为编码字符串，应用信息熵理论量化其最优信息传输速率。通过最大化时间归一化熵泛函，定义了一个由守恒乘子控制、类似“容量”的量。为建立严格的随机热力学基础，研究将逐步信号传递表述为具有正逆向竞争速率的连续时间马尔可夫跳跃过程。在局部细致平衡条件下，正逆向速率比的对数可解释为单事件的熵产生，从而在轨迹层面推导出细致与积分涨落定理。研究进一步将信息论容量与平均耗散率联系起来，并通过尺度化累积量生成函数（SCGF）和Gallavotti–Cohen对称性，以MAPK/ERK级联为例，概述了有限时间涨落结构。
涨落定理信息热力学生化信号级联马尔可夫过程熵产生信息容量
q-bio
01-21 00:00
本文探讨了在指数级增长的基因型空间中，进化种群如何通过局部、突变驱动的搜索实现表型改进和功能创新。研究整合了病毒进化的实证证据与基因型-表型图谱的理论预期，指出丰度高的表型因其组合权重会显著偏置进化轨迹。这一偏置，连同适应度峰值的有限可达性，共同挑战了传统适应度景观的隐喻和进化最优性的标准概念。结果表明，适应过程虽以局部为主，却异常高效，为分子进化中稳健性、创新性与受限探索的共存提供了统一视角。
分子进化基因型网络适应度景观局部搜索进化动力学表型丰度
q-bio
01-21 00:00
本研究开发了一套基于OpenMV Cam H7 Plus和嵌入式神经网络的低成本、全自动闭环光遗传学系统，用于实时追踪大鼠位置并触发特定区域的光刺激。实验发现，激活脑桥脚核吻侧CaMKIIa神经元能可靠诱导短暂运动停滞。当这种运动停滞与特定空间位置在条件性位置偏好任务中配对时，大鼠在有限训练后即表现出显著的位置偏好。结果表明，脑桥脚核吻侧的激活可能将运动抑制与奖赏相关行为回路耦合起来。
光遗传学脑桥脚核运动抑制条件性位置偏好闭环系统行为神经科学
q-bio
01-21 00:00
本研究通过建立基于DNA聚合酶生化动力学的复制模型，模拟了从初始序列开始的多次连续DNA复制过程。数值模拟显示，单核苷酸和寡核苷酸的比例逐渐收敛，最终符合查加夫第二规则（即互补链上互补核苷酸数量近似相等）。理论分析表明，这一规则的形成源于两个关键因素：1）互补性在DNA复制动力学过程中的主导作用；2）聚合酶错误概率极小。这两个特征共同构成了查加夫第二规则的稳健形成机制。
dna复制查加夫规则聚合酶动力学生物信息学序列演化
q-bio
01-21 00:00
传统模型主要基于静态图像和平均神经响应来模拟灵长类腹侧视觉通路（VVS），而忽略了其内在的动态特性。本文综述了在三个领域建模VVS动态响应的进展：静态图像引发的内在动态、动态视觉刺激诱发的响应、以及眼动主动采样产生的动态。作者指出，准确建模VVS动态需要结合表征、环路和行为视角，包括多脑区循环连接、结构化的兴奋/抑制相互作用，以及更能反映自然行为的时序目标。这为构建动态、多时间尺度的VVS模型指明了方向。
计算神经科学腹侧视觉通路动态建模神经表征主动视觉循环网络
q-bio
01-21 00:00
本文回顾了关于网格细胞的规范性理论。网格细胞以其规则的六边形放电模式著称，主流观点认为其核心功能是支持路径整合，即动物在移动时追踪自身位置的能力。研究表明，自下而上的机制模型能够复现其神经响应，而干扰网格细胞活动则会损害依赖路径整合的任务表现。规范性建模的争议在于解释大脑为何选择这种计算方式。综述认为，网格细胞可被解释为一种生物合理、高保真且非线性可解码的位置编码，服务于路径整合。这一领域为神经计算的规范性理论提供了重要案例。
网格细胞路径整合规范性理论神经编码计算神经科学
q-bio
01-21 00:00
本研究针对缺乏有效靶向疗法的三阴性乳腺癌，开发了一个描述肿瘤微环境关键细胞相互作用的数学模型。该模型通过常微分方程组模拟了M2巨噬细胞、癌症相关成纤维细胞、肿瘤细胞、细胞毒性T淋巴细胞和调节性T细胞五种细胞群的动态。全局敏感性分析识别出在临床治疗时间窗内对肿瘤负荷影响最大的关键参数，其对应的生物学通路与已知及新兴的治疗策略（如基质介导的肿瘤支持）一致，为联合治疗策略的探索提供了定量框架。
三阴性乳腺癌肿瘤微环境数学模型治疗靶点敏感性分析
q-bio
01-21 00:00
针对多尺度生物系统中物种数量差异巨大带来的建模难题，本研究为混合模拟算法（如Jump-Switch-Flow）提出了一个原则性的阈值选择框架，旨在精确控制物种灭绝概率的估计误差。通过将混合模型形式化为分段确定性马尔可夫过程，并推导灭绝概率的向后方程，研究者在灭绝边界附近将复杂的非线性动力学简化为可处理的时非齐次线性生灭过程。基于此结构，误差被分解为早期和晚期偏移项，从而导出了一个快速、可操作的启发式方法。在随机Lotka-Volterra模型上的蒙特卡洛研究表明，该启发式方法能可靠地为经验灭绝概率误差提供上界，使用户能够选择满足目标误差容限的最小阈值，为高效、可靠的多尺度生物系统模拟铺平了道路。
多尺度建模混合算法生灭过程灭绝概率阈值选择计算生物学
q-bio
01-21 00:00
本文提出“多音智能”新范式，挑战了传统智能模型中强调收敛、消除不确定性的主流观点。该框架认为，智能行为源于多个半独立推理过程在共享约束下的协调，而非单一目标的优化。作者引入了一个变分框架，形式化地展示了如何通过软对齐、兼容性关系和有限影响来维持多个近似解，避免赢家通吃。这为理解生物与自适应系统中冗余、模糊性和并行解释过程的长期存在提供了新视角，并与集成方法、混合模型等区分开来。
多音智能多元推理变分框架非支配整合认知科学计算神经科学
q-bio
01-21 00:00
本文针对生化测量中常见的有界、吸收且不可逆的状态空间，指出传统线性代数框架因假设全局可逆性、对称性和平移不变性而无法准确描述此类系统。以半胱氨酸氧化还原调控为例，研究形式化了有界生化状态空间的结构，并证明热带代数通过基于序的分段线性运算，自然地实现了对主导性、饱和性和路径依赖性的编码。该框架通过显式处理非可逆性和吸收态，为解决有界生化数据的表示与分析提供了原则性数学基础。
热带代数生化状态空间数学建模氧化还原调控非线性系统
q-bio
01-21 00:00
本研究结合大规模心理语言学建模与自然情境下的功能磁共振成像（fMRI），揭示了叙事理解过程中词汇属性的潜在结构及其神经表征。通过分析13,850个英语单词的106个心理语言学变量，识别出八个可解释的潜在维度，涵盖词汇使用、词形、音韵正字法映射、亚词汇规律性和语义组织。这些维度能稳健预测词汇决策、命名、识别和语义判断等任务的行为表现。fMRI分析表明，这些维度在重叠但功能分化的皮层系统中被编码，并识别出支持感觉运动基础、受控语义检索、词汇竞争解决和情境情景整合的四个相互作用子系统。
神经语言学心理语言学自然语言理解fmri词汇表征认知神经科学