q-bio
01-26 00:00
本研究提出一种两阶段强化学习算法，用于在数字孪生系统中建模单细胞对遗传和化学扰动的响应。针对细胞命运决策的非凸Waddington景观易陷入局部最优的问题，算法第一阶段通过Fisher向量积和共轭梯度求解器计算显式自然梯度更新，并以KL信任域约束确保策略更新的安全性与曲率感知。第二阶段则利用近端策略优化的高效小批量训练对策略进行微调。该方法整合了模拟与实验扰动数据，显著提升了单细胞RNA测序扰动分析的泛化能力。
单细胞分析强化学习数字孪生waddington景观扰动建模trpo-ppo
q-bio
01-26 00:00
研究团队在截肢并接受靶向肌肉神经移植（TMR）的患者中发现，尽管控制原拮抗肌群的神经被分别移植到不同的肌肉中，破坏了自然的神经-机械耦合，但高密度肌内微电极阵列记录显示，执行原拮抗任务时的神经信号仍存在功能耦合。主动肌任务中活跃的运动单位，在对应的拮抗肌任务中也会被募集，且未提供任何关于协同收缩的视觉反馈。这表明中枢神经系统可能保留了固有的协同控制模式。
靶向肌肉神经移植神经耦合运动控制截肢康复肌电图
q-bio
01-26 00:00
多模态语言模型在语义视觉任务上表现出色，但在需要采纳他人视觉视角的空间推理任务中表现不佳，存在明显的自我中心偏差。受人类空间认知启发，研究者引入两种视角标记：基于身体关键点的具身线索和基于抽象表征的心理旋转。将这两种标记集成到LLaVA-1.5-13B模型中后，在合成与自然基准测试（如Isle Bricks V2、COCO、3DSRBench）上，模型在二级视觉视角采择任务中的准确性显著提升，其中基于旋转的标记还能泛化至非人类参照物。表征分析表明，微调增强了基础模型中已有的潜在方向敏感性，提示多模态模型已包含他中心推理的雏形，但缺乏适当内部结构。总体而言，将认知基础的空间结构直接嵌入标记空间，为视角采择和更类人的空间推理提供了一种轻量级、模型无关的机制。
多模态模型空间推理视角采择认知启发自我中心偏差他中心推理
q-bio
01-26 00:00
研究团队提出了一种名为EVOtRec的新型拓扑数据分析方法，用于直接从大规模基因组数据中推断随时间演化的趋同变异，而无需构建复杂的系统发育树。该方法在模拟和真实数据中均能稳健地识别正选择下的变异，其速度比基于系统发育树的最先进方法快数个数量级，且结果相当。研究将其应用于SARS-CoV-2、H5N1流感和HIV-1三大病毒数据集，成功识别出关键的趋同基因组变异，并展示了其在包含数百万基因组的庞大数据集中实时追踪高适应性变异的能力。
拓扑数据分析趋同进化基因组变异病毒进化高通量分析生物信息学
q-bio
01-26 00:00
本研究首次为系统生物学图形表示法（SBGN）中的过程描述语言（SBGN-PD）建立了严格的范畴论数学框架。通过结构化余跨范畴理论，构建了一个对称幺半双范畴，使其水平1-态射对应SBGN-PD图。该框架解决了SBGN长期缺乏底层数学结构的问题，实现了生化反应网络的组合性（从小网络构建大网络）与抽象性（在保留功能接口的同时简化细节），为大规模网络的系统性分析与集成提供了精确的组织原则。
系统生物学数学建模范畴论网络组合sbgn标准生化反应
q-bio
01-26 00:00
本研究提出状态空间模型（SSM）可作为连接微观神经生物物理过程与宏观认知功能的计算框架。通过训练具有对角状态转移矩阵的SSM完成时间辨别任务，研究发现时间细胞等神经行为可自然涌现于两个基本原则：最优预配置与旋转动力学。数学分析表明，这些特征能优化历史信息压缩，并在训练前即可产生结构化时间动态，与生物神经回路的最新发现相符。学习过程主要作为选择机制，微调这些预配置的振荡模式，而非从头构建时间编码。该模型可扩展至事件计数等抽象认知功能，为理解神经活动提供了可扩展的计算框架。
状态空间模型时间细胞振荡动力学认知计算神经编码强化学习
q-bio
01-26 00:00
本研究揭示了当前基因组序列分析加速器面临的一个主要瓶颈：数据准备瓶颈。基因组数据通常以压缩形式存储，在加速器处理前需先解压和格式化，此过程严重限制了加速器的性能收益。为缓解此瓶颈，研究团队提出了SAGe，一种算法-架构协同设计方案，旨在实现大规模基因组序列数据的高压缩比存储与高性能访问。SAGe通过利用基因组数据集的关键特性，协同设计了无损（解）压缩算法、支持轻量级操作和高效流式访问的硬件、存储数据布局以及数据访问接口命令。其轻量级设计使其能无缝集成到广泛的基因组序列分析硬件加速器中。实验结果表明，与依赖现有先进软硬件解压工具相比，SAGe能将两种先进基因组分析加速器的端到端平均性能和能效分别提升3.0-32.1倍和13.0-34.0倍。
基因组分析数据准备瓶颈算法架构协同设计硬件加速数据压缩高性能计算
q-bio
01-26 00:00
本研究利用光遗传学精确控制经典Wnt信号通路，探究细胞群体如何可靠地将外部信号信息传递至基因表达。研究发现，通过离散编码策略（即使用无信号、短脉冲或持续信号）可使信息传输容量超过1比特。通过平均多个输出可系统性地降低通路有效噪声，而噪声越低，最优编码所需的离散输入信号就越多。这些信号无需精细调谐即可实现近乎最优的信息传输。在低噪声极限下，最优编码会过渡为连续编码，这与Jeffreys先验一致。研究结果为将信息处理理念应用于单细胞体外实验提供了框架。
光遗传学wnt信号通路信息传输离散编码细胞决策噪声优化
q-bio
01-26 00:00
本研究开发了一个细胞自动机模型，整合基因突变率和微环境异质性来模拟肿瘤生长。模型包含干细胞与非干细胞的异质性、细胞间动态相互作用及肿瘤-微环境串扰。计算模拟表明，降低突变率能显著抑制肿瘤扩张并保护微环境完整性；初始肿瘤负荷影响有限，而微环境的初始状态（支持性或抑制性）对肿瘤动态起决定性作用。这些发现强调了微环境调控在肿瘤演进中的关键作用。
肿瘤微环境细胞自动机计算模型肿瘤演进基因突变
q-bio
01-26 00:00
本研究构建了一个生态演化框架，将个体间的重复博弈（采用反应策略）与可再生公共资源的动态耦合。通过自适应动力学分析，系统研究了奖励与惩罚两种制度性激励在防止公地悲剧中的作用。研究发现，即使在资源充足时背叛占优的情况下，恰当的激励组合也能有效促进合作。此外，系统通过霍普夫分岔可产生资源状态与种群策略的稳健稳定振荡。
演化博弈公地悲剧自适应动力学重复博弈制度激励生态演化
q-bio
01-26 00:00
本文通过严格的演绎论证，提出意识体验本身足以创造独立于其内容的、额外的因果自由度，且这种作用无法被任何时间序列手段预测或观测。这为意识提供了一个基本原理，并在意识与描述被体验内容的物理学之间建立了概念桥梁。该原理对大脑功能做出了可检验的预测，并与整合信息理论（IIT）存在显著差异。
意识科学心物问题因果涌现整合信息理论神经科学哲学
q-bio
01-26 00:00
本研究利用深度学习与基于模拟的推断方法，从大量重复的生发中心（GC）实验数据中，首次揭示了B细胞对抗原的亲和力与其繁殖力之间的精确数学关系，即“亲和力-适应度响应函数”。该方法通过模拟真实GC进化过程，结合神经网络进行参数推断，为理解抗体成熟机制提供了定量工具。所有代码与数据均已开源。
生发中心b细胞进化深度学习模拟推断亲和力计算免疫学