今日速览 · AI 导读
自动抓取 arXiv 多学科 RSS，DeepSeek 自动润色标题与摘要，最快 24 小时内汇总。每日 14:00 初始化批次并每 15 分钟轮询学科，24h 无数据则回退 72h/7 天；arXiv 周末停更时自动跳过。
今日定量生物学研究呈现方法学创新与跨学科融合的鲜明趋势，聚焦于从理论框架到临床应用的复杂系统建模与分析。
2026-03-11 共 21 条抓取，按综合热度排序
本研究针对个性化超分割立体定向自适应放疗（PULSAR）中备受争议的“远隔效应”，提出了一种创新的量化方法。研究者借鉴量子力学中的相互作用绘景变换，将肿瘤内在生长与放疗及免疫介导的扰动效应分离开来。该方法在4T1和MC38两种临床前双侧肿瘤模型中进行了初步验证，能够从个体层面量化原发灶与继发灶之间的相互作用强度，并将远隔效应视为一个连续的随机现象，而非简单的二元响应。该框架为未来比较不同放疗剂量、分割方案以及联合免疫检查点抑制剂的研究提供了灵活的分析工具，有助于实现跨研究的效应比较和标准化报告。
本文探讨了作为化学反应网络特例的质量作用网络中的数学结构。作者提出，系统中的守恒量与内部循环之间存在对偶关系。研究引入了最大不变多面体支撑集的概念，并猜想预簇与最大不变多面体支撑集之间也存在对偶关系。鉴于最大不变多面体支撑集与虹吸管（siphons）的紧密联系，作者进一步猜想虹吸管与预簇也是互为对偶的对象。这些猜想为理解复杂生化网络的动态稳定性提供了新的理论框架。
本研究提出了一种基于非线性系统识别和动力学系统理论的新方法，用于精确检测和表征神经信号中的相位-振幅耦合（PAC）。该方法通过识别捕获PAC潜在时间动态的非线性动力学模型，能够无噪声地模拟估计的PAC信号，从而详细分析调制强度和高频爆发的低频相位。与现有方法相比，该框架对滤波器带宽选择不敏感，能有效避免谐波引起的虚假耦合，并在高噪声水平和慢频功率变化下保持稳健性。研究通过模拟数据和真实局部场电位（LFP）数据验证了其性能。
本研究开发了一种基于Python的算法，能够直接从输入-输出网络的拓扑结构中自动识别稳态子网络及其稳态条件。该算法克服了传统方法在大型网络中组合枚举不可行、依赖复杂图论概念等局限性，通过将理论框架从单输入单输出网络扩展到多输入节点网络，实现了对复杂生物网络中稳态机制的系统性分类。研究展示了该算法在多种生物网络中的适用性，为将高级数学理论应用于广泛的生物系统提供了可扩展的计算工具。
本文引入了一个基于过滤的框架，通过构建观测分类单元的自然序并应用序贯贝叶斯分析，系统研究了在何时以及为何添加分类单元能改进系统动力学推断。研究将添加分类单元带来的期望方差减少分解为学习、失配和协方差三个分量，并根据失配的路径行为将估计量分类为不同的学习类别。结果表明，对于吸收性估计量，知晓潜在吸收状态的“预言家”能获得分析者无法获得的事件级学习保证。预言家与分析者之间的差距源于不可约的假设，这些假设可能对许多真实的系统动力学估计量成立，从而确立了仅凭序列数据揭示潜在谱系信息的基本极限。
本文提出了一种用于大型耦合相位振子网络的紧凑动力学平均场理论。该理论从缠绕朗之万动力学出发，构建了保持相位 $2\pi$ 周期性的路径积分表示。在热力学极限下对无序求平均后，理论简化为一个由确定性平均场和自洽有色高斯噪声驱动的单振子随机方程。当无序消失时，该形式可还原为 Ott-Antonsen 约简，并恢复经典的 Kuramoto 和 theta 神经元神经质量方程。该框架可容纳任意 $2\pi$ 周期耦合函数，包括从生物物理神经元模型的无穷小相位响应曲线推导出的函数。以自适应指数积分发放神经元为例，将 iPRC 拟合的耦合函数代入紧凑 DMFT，可定量预测同步阈值，为任意相位可约振子提供了一条从单神经元相位响应数据到网络层面平均场预测的直接路径。
本研究基于美国国家肺癌筛查试验（NLST）和SUMMIT研究共超过1.6万人的数据，利用自动化算法量化低剂量CT上胸膜肺实质弹力纤维增生症（PPFE）的体积变化。研究发现，PPFE的年度进展（dPPFE）在两个队列中均独立与全因死亡率显著相关（NLST：HR 1.25；SUMMIT：HR 3.14）。在SUMMIT队列中，dPPFE还与更高的呼吸系统相关住院率（IRR 2.79）、抗生素/激素使用增加相关。这表明，定量评估PPFE进展可作为肺癌筛查项目中识别呼吸系统高风险人群的影像学生物标志物。
该研究提出了一种变分潜平衡（VLE）框架，旨在用生物可信的局部规则逼近传统用于训练循环神经网络的时序反向传播（BPTT）。其核心是从一个前瞻性能量函数出发，推导出神经元状态的实时误差动力学。通过引入能量守恒和极值作用原理，该模型能在时空上实现完全局部的学习，为大脑如何进行复杂的时空模式学习与生成提供了统一的理论解释，并可能指导新型神经形态硬件的设计。
本研究提出了一种新颖的、具有生物合理性的脉冲神经网络控制框架。该框架基于自由能原理，神经元仅在能够降低其内部表征的自由能时才会发放脉冲，从而将网络功能实现为“自由能约束器”。该模型在保持与其他脉冲框架相当性能的同时，通过高度稀疏的神经活动实现了高效运行，并对生物体或工程系统可能面临的外部扰动（如感觉噪声）和内部扰动（如突触噪声、神经元失活）表现出高度的鲁棒性。这项工作为理解大脑如何利用其脉冲基底进行计算提供了新的数学解释，并为在神经形态硬件上实现高效控制算法开辟了新途径。
本研究提出IFACE框架，通过概率耦合蛋白质表面的本征几何与空间分布的化学场，实现蛋白质表面的精确比对。由此推导出的联合几何-化学距离，能在单一公式中整合结构与理化性质的差异。该方法能更有效地区分构象变化与真实结构差异，应用于细胞色素P450家族时，揭示了清晰的家族层级结构，并识别出拓扑复杂但功能保守的催化口袋。
本研究针对基因组语言模型（GLMs）在敏感基因组队列上训练时可能记忆特定序列的隐私风险，提出了一个全面的多向量隐私评估框架。该框架整合了基于困惑度的检测、金丝雀序列提取和成员推断三种互补的风险评估方法，形成一个统一的评估流程，并输出最坏情况下的记忆化风险评分。通过在合成和真实基因组数据集中植入不同重复率的金丝雀序列，研究精确量化了序列重复和训练动态对记忆化的影响。评估结果表明，GLMs确实存在可测量的记忆化现象，且其程度因模型架构和训练方案而异，凸显了对基因组AI系统进行多向量隐私审计的必要性。
本研究通过分析受约束的Toda-like哈密顿量$\mathcal{H}(x,\,k)$（满足$\partial^2 \mathcal{H} / \partial x \partial k = 0$）的相空间特征，探索了经典与量子演化共存的条件。利用Wigner流并结合热力学或高斯系综，该工作解析地计算了量子效应对经典Lotka-Volterra生态竞争模型相空间轨道的修正，并引入了量子性和定态性的量化指标。结果表明，该模型不仅具有经典稳定性，还展现出量子稳定性，为非微扰地描述微观竞争性生物系统中的量子模式提供了理论框架。
本研究提出了一种利用多元时序点过程从具有向下封闭支撑集的离散分布中进行采样的通用框架。该采样器被构建为一个具有确定性服务时间的无限服务器队列系统，展现出一种离散形式的动量，能有效抑制随机游走行为。该方法允许可逆和不可逆的动态过程，并通过引入辅助随机性可简化为生灭过程。作为应用，研究推导出一种循环随机神经网络，其动力学实现了基于采样的计算，并表现出相对不应期和振荡动力学等生物学合理特征。在63个目标分布上的模拟表明，该方法在多元有效样本量上始终优于生灭过程，且经常优于Zanella过程。
本研究在考虑生物突触强度有界（“裁剪”）的Hopfield联想记忆模型中，引入了“梦境”阶段。模型在梦境中生成随机模式并进行“反学习”。结果表明，裁剪虽能避免灾难性遗忘，但会降低记忆容量。而交替进行学习与梦境阶段，不仅能保留避免灾难性遗忘的优点，还能显著提升模型的记忆容量，且这种优化搜索过程从进化视角看更为现实。
本研究挑战了肽性质预测必须建模长程分子相互作用的传统假设。通过132个数据集（包括LRGB等基准）的测试，发现使用ECFP、拓扑扭转和RDKit等简单分子指纹结合LightGBM的模型，在预测肽功能时达到了最先进的准确率。这些仅编码短程分子特征的模型，在效率和可解释性上均优于图神经网络和预训练Transformer。结果表明，分子指纹是肽性质预测中高效、轻量且可靠的替代方案。
本研究扩展了CAR-T细胞动力学的数学模型，明确区分了CD4+辅助细胞和CD8+细胞毒性细胞谱系及其与肿瘤抗原负荷的相互作用。模型基于微分方程，纳入了CD4+细胞通过饱和相互作用对CD8+细胞增殖、细胞毒性和记忆再生的调节。敏感性分析表明，效应细胞增殖、抗原更替和CD8+扩增率是治疗结果的主要驱动因素。虚拟患者模拟重现了CAR-T细胞组成的定性趋势，并揭示了患者间的变异性。研究进一步表明，在关键参数存在不确定性的情况下，直接的机制分类预测能力会迅速下降，而一个简单的前馈神经网络可以从噪声输入中部分恢复预测信号，其表现优于基线模型，并与机制敏感性保持一致。这项工作将扩展模型定位为假设生成器，并说明了当参数不确定性限制预测置信度时，数据驱动方法如何补充机制建模。
传统反应-扩散模型无法解释14世纪黑死病期间鼠疫杆菌的快速遗传分化和中欧等大片地理安全区的存在。本研究通过将宏观病原体动力学嵌入非阿贝尔规范理论来解决这一历史异常。利用Doi-Peliti形式，将多菌株流行病的随机主方程映射为协变经典场论，并引入SU(N)环境规范场A_μ，将地理位移与表型突变主动耦合，把进化漂移视为空间输运现象。线性稳定性分析表明，这种协变平流驱动了微分流（图灵-霍普夫）不稳定性，自发打破空间对称性，产生突变的行波。通过将病原体多重态扩展到大N（'t Hooft）连续极限，证明历史安全区并非统计异常或完美隔离的结果，而是数学上必要的拓扑空洞。在连续极限下，突变波前的相消干涉解析地稳定为一个由零阶贝塞尔函数J_0支配的各向同性宏观节点，精确对应历史上波兰和波希米亚的幸存。
本研究提出了一种受生物神经调节启发的学习机制，通过局部扩散的误差信号实现时序信用分配。该机制模拟神经调质的容积传输，允许神经元在没有直接反馈的情况下，利用扩散信用信号的局部浓度进行学习。在具有稀疏反馈连接的脉冲神经网络中，扩散信用信号在三个基准任务上提升了学习性能。与资格传播基线相比，扩散式调制为稀疏连接神经回路中的信用分配提供了更合理的生物解释机制。
本研究探讨了在结构化群体中，世代间隔分布的误设如何影响时间依赖再生数Rt的估计精度。通过对比单群体与多群体更新方程模型，研究分析了群体间世代间隔差异对Rt推断的影响，并提出了一种在单群体模型中正确封装群体差异的方法。模拟与真实疫情数据均表明，忽略群体结构可能导致Rt估计偏差，从而影响公共卫生决策的准确性。
本研究提出了一个数学模型，解释了当正弦曲线在灰色背景上以交替对比极性绘制时会呈现为锯齿状角形（曲率盲视错觉）的神经机制。模型揭示了初级视觉皮层（V1）中两个互补的机制：1）极性通道分离：对对比极性敏感的简单细胞仅与相同极性的神经元形成侧向连接，当线条在波峰/波谷处极性反转时，编码群体改变，侧向链断裂，将轮廓分割为半波长片段；2）方向通道碎片化：在中等对比度下，活跃方向窗口较窄，每个片段内没有单一方向通道能覆盖整个边缘法线范围，片段中心的拐点锚定了局部直线的感知。两者共同作用产生锯齿状感知。
本研究通过脑电图（EEG）探究了主观认知衰退（SCD）患者在自然语音感知中的神经动态。60名认知正常的老年人聆听不同韵律风格（如对话、描述、平淡等）的语音，研究者构建了将语音特征（声学、音节下分割、音位配列）映射到EEG信号的编码模型。结果显示，基于语言特征的模型优于声学模型。关键发现是，SCD程度越高，大脑对（1）高级语言特征（而非声学特征）及（2）韵律平淡语音的皮层追踪强度（CTS）越弱。这表明，聆听平淡语音时对高级语言特征的神经追踪减弱，可能成为早期认知衰退的潜在生物标志。