q-bio
03-06 00:00
本研究首次尝试基于一个可执行的认知系统，系统性地解决Chalmers提出的意识“简单问题”，如辨别、分类、反应、信息整合、可报告性等。该系统基于康德的概念知识理解构建，其学习机制可衍生出辨别、分类、反应、报告和信息整合能力；注意力和有意控制则被归因于目标导向的情绪状态和信息操纵机制；清醒与梦睡眠的区别主要在于刺激来源。研究还讨论了系统实现机制与实证发现结论之间的联系，并通过系统演示支持了相关讨论。
意识研究认知系统计算机制信息整合康德哲学可执行模型
q-bio
03-06 00:00
本研究提出AbAffinity，一种新的大语言模型，旨在准确预测抗体与目标肽（如SARS-CoV-2刺突蛋白）的结合亲和力。抗体结合亲和力是设计中和抗体的关键属性。该模型利用了人工智能领域的显著进步和实验抗体数据（特别是与COVID-19相关的数据）的指数级增长，为基于机器学习的抗体设计提供了新工具。代码和模型已开源。
抗体设计结合亲和力大语言模型sars-cov-2机器学习生物信息学
q-bio
03-06 00:00
本研究提出了INTENSE框架，利用互信息直接从原始钙荧光数据中检测神经元与行为之间的关联。该框架通过保留时间结构的循环移位置换检验控制假阳性，并优化时间延迟以考虑钙指示剂动力学。为区分真实的混合选择性与行为协方差驱动的关联，INTENSE应用基于条件互信息的解耦方法。在合成数据集上的验证表明，INTENSE在不同信噪比和可靠性条件下均表现出稳健的检测性能。应用于小鼠自由探索开放场时的CA1微型显微镜记录，INTENSE揭示了神经元对位置、头部方向、物体交互和运动等多种变量的稳健选择性，并通过区分冗余编码与真正的多变量编码，改进了混合选择性估计。
钙成像神经元选择性信息论行为编码计算神经科学数据分析
q-bio
03-06 00:00
传统记忆巩固理论强调稳定存储，但难以解释表征漂移、语义化或离线回放的必要性。本研究提出，高容量新皮层网络通过“预测性遗忘”——即选择性保留能预测未来结果或经验的信息——来降低表征复杂度，从而优化泛化能力。研究证明，预测性遗忘在信息论上改善了存储表征的泛化边界。在高保真编码约束下，这种压缩通常无法单次完成，因此高容量网络受益于无需重新访问感官输入的、时间上分离的迭代精炼。该结论在基于自编码器的新皮层模型、生物合理的预测编码电路和基于Transformer的语言模型中得到了验证。
记忆巩固预测性遗忘泛化能力表征压缩新皮层网络计算神经科学
q-bio
03-06 00:00
本研究通过分析多通道肌电信号，预测人体运动方向和目标位置，探索运动意图在时间和空间上的解码精度。研究提出结合数据驱动时间分割与机器学习分类器的计算流程，在延迟伸手任务中分析规划、早期执行和目标接触阶段的肌电数据。随机森林模型在25个空间目标上达到80%准确率，卷积神经网络达到75%。系统评估表明，即使数据大幅减少也能有效解码运动意图，为自适应康复系统的预测控制奠定基础。
运动意图解码肌电信号机器学习康复技术时空分辨率多目标预测
q-bio
03-06 00:00
本研究利用化学反应网络理论（CRNT）与流行病学方法，分析了在线社交网络中的多谣言传播模型。研究揭示了系统边界动力学中的一种“接力”式稳定性转变机制：对于由最小虹吸管生成的每个相邻不变面，一个单一的入侵不等式同时控制着原平衡点的横向稳定性丧失和相邻面上后继平衡点的存在。对于基础模型，所有平衡点均有显式有理公式，其“接力表”可通过符号计算工具EpidCRN完全验证。对于传播冲动衰减的变体模型，则通过横向雅可比矩阵块进行分析，其稳定性预测在Routh–Hurwitz准则下得到验证。该机制被置于其范式背景（虹吸管诱导的跨临界分岔）中，并与经典的跨临界分岔和Hofbauer入侵图进行了比较。
谣言传播模型化学反应网络稳定性分析入侵阈值多菌株动力学在线社交网络
q-bio
03-06 00:00
本研究提出Spinverse方法，通过完全可微分的Bloch-Torrey方程模拟器，从扩散MRI信号中重建具有渗透性边界的微结构。该方法在固定四面体网格上表示组织，将每个内部面的渗透性作为可学习参数进行优化，从而在不改变网格连接或顶点位置的情况下，重建出拓扑结构不固定的微结构边界。研究采用基于网格的几何先验和多序列优化策略，有效缓解了渗透性反演的病态问题，并在合成数据上验证了其重建几何多样性和边界准确性的优势。
扩散mri微结构重建可微分物理渗透性边界bloch-torrey方程计算生物物理
q-bio
03-06 00:00
本研究提出了CytoNet，一个基于自监督学习的大脑皮层细胞结构基础模型。该模型在跨越10个人脑、超过4000张组织切片、总计100万个未标记显微图像块上进行训练，通过皮层共定位实现自监督。CytoNet能够将复杂的细胞纹理模式编码为具有解剖学意义的特征表示，支持脑区分类、皮层分层分割、微结构变异量化及数据驱动的未知区域映射等多种下游任务。更重要的是，它揭示了微观结构与宏观功能组织之间的联系，能够从细胞构筑特征解码功能网络分区，为可扩展的皮层微结构分析及连接细胞结构与脑功能提供了统一框架。
脑科学基础模型细胞构筑自监督学习组织图像分析结构功能连接
q-bio
03-06 00:00
本综述系统回顾了原子尺度分子动力学模拟在表征RNA构象动力学方面的最新进展，涵盖孤立分子及其与离子、小分子或蛋白质形成的复合物。文章重点阐述了增强采样技术和整合方法如何提升结构集合体的精确度与准确性，并探讨了人工智能在加速RNA建模与模拟进程中的新兴作用。
rna动力学分子模拟增强采样人工智能结构生物学计算生物物理
q-bio
03-06 00:00
本文提出了一种基于直通式Gumbel-Softmax估计的方法，用于对由随机模拟算法生成的轨迹进行参数推断和逆向设计。该方法在前向传播中保持精确的随机模拟，仅在反向传播中通过连续松弛来近似梯度，从而解决了离散反应事件固有的不可微问题。研究在随机基因表达的参数推断中展示了稳健性能，成功从矩统计和稳态分布中恢复了电报启动子模型的动力学速率，并从实验单分子RNA时间序列数据中推断出四态启动子模型的动力学参数。此外，该方法还被应用于随机热力学的逆向设计，优化了相互作用粒子系统在动力学资源约束下的非平衡电流，并恢复了已知的解析界限。
随机动力学参数推断梯度优化基因表达逆向设计gumbel-softmax
q-bio
03-06 00:00
本研究系统探讨了结构复杂性与延迟反馈如何共同诱导复杂系统中的振荡动力学。作者提出了一个结合理论降维与数据驱动预测的分析框架，揭示了振荡源于结构与延迟的相互作用，并发现更高的网络连接度会降低振荡发生所需的延迟阈值。该理论在一个可编程电子电路实验中得到验证，当结构复杂性和反馈延迟超过理论预测的临界值时，振荡被观测到。最后，研究者部署了储备池计算流程，成功直接从时间序列数据中准确预测了振荡的发生。
复杂网络延迟反馈振荡动力学理论降维储备池计算临界阈值
q-bio
03-06 00:00
本研究通过记录参与者在虚拟捕食任务中的海马体神经元活动，发现神经元对自身、猎物、捕食者位置及凝视方向具有混合选择性响应。这些神经编码主要占据正交子空间，但其几何结构允许通过简单的线性变换进行对齐。更重要的是，这种几何结构支持跨空间地图的泛化，即从一个智能体学习到的线性规则可以迁移到另一个智能体。这表明海马体的空间知识被组织成一个几何相关的流形家族，能够灵活地对齐到不同的智能体和凝视方向，从而实现可靠的个体识别与抽象。
海马体神经几何空间认知混合选择性泛化学习神经编码
q-bio
03-06 00:00
本研究提出SeekRBP，一种用于识别噬菌体受体结合蛋白（RBP）的新方法。该方法将负样本选择建模为序列决策问题，采用多臂老虎机策略动态筛选信息丰富的非RBP序列，并结合蛋白质语言模型与结构嵌入进行多模态融合。基准测试表明，SeekRBP在解决类别不平衡和异质尾蛋白负样本选择难题方面，性能优于静态采样策略。在弧菌噬菌体上的案例研究验证了其提升宿主预测的潜力，为大规模注释和合成生物学应用提供了新工具。
受体结合蛋白强化学习多臂老虎机负样本选择蛋白质语言模型噬菌体工程