q-bio
03-16 00:00
本研究提出一种利用可穿戴足部传感器采集的时序数据进行糖尿病足溃疡（DFU）风险预测的分析框架。该框架采用NTC薄膜热电偶测量温度，FlexiForce压力传感器监测足底负荷。通过对健康受试者行走数据的分析，应用无监督机器学习算法（孤立森林和K近邻）来检测可能预示早期溃疡风险的异常模式。研究结果表明，孤立森林对微异常敏感，而K近邻能有效标记极端偏差。温度与压力读数间的强相关性支持了联合传感器监测可提升预测准确性，为实时糖尿病足健康监测和早期干预提供了基础。
糖尿病足溃疡可穿戴传感器时序数据分析无监督学习异常检测健康监测
q-bio
03-16 00:00
本研究回顾了过去35年的证据，评估了人工智能在检测帕金森病早期视网膜血管结构变化方面的能力。通过系统分析19项研究，识别出三大主要AI诊断任务：疾病分类、视网膜血管分割和风险分层。其中，ShAMBi-LSTM模型在分类任务中表现最佳，准确率达97.2%；nnU-Net在分割任务中Dice分数达98.9%；AlexNet在风险预测中AUC值最高为0.77。结果表明，AI与视网膜生物标志物结合，相比传统临床评估，有望实现更早、更准确的帕金森病检测。
人工智能帕金森病视网膜成像早期诊断生物标志物医学影像
q-bio
03-16 00:00
本文提出了DIME（检测-整合-标记-执行）神经架构，旨在将感知、记忆、估值和意识访问整合到一个统一的计算框架中。该框架包含四个交互组件：支持多种激活轨迹的分布式记忆印迹（engrams）、实现神经过程的执行线程（execution threads）、调节增益与可塑性的标记系统（marker systems），以及与意识访问相关的大规模整合状态（hyperengrams）。该架构与海马索引、皮层回馈处理、重放现象等经验证据一致，并为人工智能和机器人学提供了一个统一的架构模板。
计算神经科学统一认知架构意识机制神经动力学记忆整合
q-bio
03-16 00:00
本研究提出PesTwin，一个基于智能体建模（ABM）范式的创新模拟框架，旨在构建害虫入侵的数字孪生体。该框架通过灵活的规则，精细调谐害虫与寄主作物及环境间的生态相互作用。通过整合实验室害虫生物数据、气象站环境数据以及真实农田的GIS数据，实现了在时空维度上对现实场景中虫害的预测。研究以全球性软果害虫——入侵性果蝇Drosophila suzukii（斑翅果蝇）为例进行了应用展示。
数字孪生精准农业害虫管理智能体建模生态模拟虫害预测
q-bio
03-16 00:00
本研究提出了一种名为SHREC（谱嵌入螺旋重构）的新算法，用于冷冻电镜（cryo-EM）中螺旋分子的从头结构解析。该算法无需预先知道螺旋对称参数，而是通过谱嵌入技术，直接从二维投影图像中恢复螺旋片段的投影角度。其核心原理在于识别出螺旋片段的投影构成一个一维流形。实验验证表明，SHREC能够实现高分辨率重构并准确恢复螺旋参数，仅需知道样品的轴向对称群信息，为螺旋结构的自动化、鲁棒性解析提供了新途径。
冷冻电镜螺旋重构谱嵌入结构生物学无监督学习算法
q-bio
03-16 00:00
本研究提出了一个统一的脑到句子解码框架，首次同时适用于汉语的语音产生（说话）和语音感知（听音）两种模态。该框架采用“先分类后生成”的策略：首先从神经信号中解码出汉语拼音的声母和韵母，然后利用一个经过专门后训练的大型语言模型（LLM），将无音调的拼音序列映射为完整的汉语句子。该框架展现出强大的泛化能力，仅用单字数据训练即可实现句子级解码，并能处理训练中未见的字符和音节。研究还发现，语音产生涉及比听觉感知更广泛的皮层区域，且双模态响应通道的活动模式相似，但感知存在时间延迟。这项工作为表意文字语言的脑机接口提供了新路径。
脑机接口语音解码汉语处理多模态大型语言模型神经动力学
q-bio
03-16 00:00
针对意识的主观性导致其生成机制难以客观验证的难题，本研究提出应拓宽理论视野，增强理论统一性。论文首先构建了意识理论必须回答的七个核心问题：现象、自我、因果、状态、功能、内容与普适性，旨在审视意识的功能层面及其在系统设计中的应用。随后，论文展示了其提出的“双定律模型”如何回应这些问题。基于该理论，一个真正的意识系统应具备两大特征：自主构建目标的能力，以及从外部刺激中实现认知解耦的能力。作者认为，具备这些能力的系统与仅遵循人类指令的机器存在根本区别，这使得能够实现高度道德行为的设计理论变得不可或缺。
人工意识双定律模型认知解耦理论框架系统设计自主性
q-bio
03-16 00:00
针对癫痫、帕金森病等由神经元群过度同步活动引发的病理状态，本研究提出了一种基于相位空间质心靶向的脉冲去同步化新方案。核心在于识别并利用系统极限环上一个易于计算且对耦合强度变化鲁棒的“质心”点，该点位于系统最小返回时间区域。通过向此目标点施加电脉冲，可在无需精确知晓底层振荡系统模型的情况下，有效实现神经活动的去同步化控制，为临床神经调控提供了新的理论工具。
神经去同步相位空间极限环质心控制神经调控计算神经科学
q-bio
03-16 00:00
本研究通过三轮行动设计科学研究，开发了PsyCogMetrics AI Lab这一集成云平台。该平台将波普尔可证伪性、经典测验理论和认知负荷理论等核心理论，转化为可操作的设计目标，旨在解决当前大语言模型评估方法的局限。它通过嵌套的“构建-干预-评估”循环，为大语言模型提供了基于心理测量学和认知科学的系统性评估框架，推动了人工智能与心理学、认知科学及行为科学的交叉研究。
大语言模型评估心理测量学认知科学行动设计科学ai交叉研究云平台
q-bio
03-16 00:00
研究通过分析2019-2025年间41万条Reddit帖子发现，在6.7万名自述使用司美格鲁肽或替尔泊肽的用户中，43.5%报告了至少一种副作用。除常见胃肠道症状（恶心36.9%、呕吐16.3%）外，还首次发现生殖系统症状（月经紊乱）和体温调节异常（寒战、潮热）等未在标签中充分记载的潜在反应。该研究证明大规模社交媒体分析可补充传统药物警戒体系，拓展对GLP-1受体激动剂真实世界安全性的认知。
药物警戒社交媒体分析glp-1激动剂真实世界证据不良反应监测患者报告
q-bio
03-16 00:00
本文提出预算敏感发现评分（BSDS），一个经过形式化验证的框架，用于评估在预算约束下AI系统选择候选者进行昂贵实验验证的性能。该框架通过20个定理（由Lean 4证明助手验证）联合惩罚错误发现和过度弃权，其预算平均形式发现质量评分（DQS）提供单一汇总统计量。在药物发现案例研究中，评估了39种提议方法，发现简单的基于随机森林的贪婪ML方法优于所有多层感知机变体和LLM配置，表明LLM在现有训练分类器基础上未提供额外价值。
ai评估框架预算约束科学发现形式化验证药物发现大语言模型
q-bio
03-16 00:00
本研究提出了ProJIVE（概率联合与个体变异解释）模型，用于分析同一组受试者的多模态数据（如脑影像与认知测试）。该模型基于期望最大化算法，将概率主成分分析扩展至多数据集，能同时、更准确地估计数据间的“联合变异”与各数据集特有的“个体变异”。在阿尔茨海默病研究中，ProJIVE成功识别了具有生物学意义的变异模式，其提取的联合评分与昂贵的现有生物标志物高度相关。
数据整合概率模型多模态分析阿尔茨海默病主成分分析期望最大化
q-bio
03-16 00:00
本研究提出RXNRECer框架，旨在解决酶功能注释中依赖酶学委员会编号带来的模糊性问题。该框架摒弃了传统的“先预测EC编号，再检索反应”的间接策略，通过集成蛋白质语言模型与主动学习，直接从蛋白质序列预测其催化的生化反应。该方法能同时捕捉高层次序列语义与精细的化学转化模式。在交叉验证和时间测试集上的评估表明，其F1分数和准确率分别比六种基于EC编号的基线方法提升了16.54%和15.43%。该框架的优势包括可扩展的全蛋白质组反应注释、提升反应模式特异性、系统注释未收录蛋白质以及可靠识别酶的混杂性，为酶研究和工业应用提供了更精确、直接且可解释的预测工具。
酶功能注释蛋白质语言模型主动学习反应直接预测生物信息学
q-bio
03-16 00:00
本研究提出了一种名为C3TL的轻量级框架，用于预测化学和遗传扰动对细胞状态的影响。该方法通过利用生物干预的结构化特性及特定的归纳偏置/不变性，仅需广泛可得的批量分子数据，即可将已知扰动效应推广至新环境。与现有大规模基础模型相比，C3TL在预测准确性上具有竞争力，但所需数据更简单、模型规模更小、计算时间更短，为在生物医学中广泛应用因果学习方法提供了可能。
扰动预测因果学习计算生物学轻量模型药物发现
q-bio
03-16 00:00
本研究提出了一个整合运动生态学与道路生态学的理论框架，用于量化定居性陆生哺乳动物的路杀风险。该模型基于反应-扩散随机过程与部分吸收边界理论，将碰撞风险与交通强度、道路宽度、家域大小、家域穿越时间等可测量参数联系起来，并推导出了平均碰撞时间、道路导致的寿命缩短等关键生存统计量的精确表达式。这为基于数据的、循证的缓解路杀策略提供了理论基础，有助于构建更安全、可持续的交通网络。
路杀风险运动生态学数学建模定居物种道路生态随机过程
q-bio
03-16 00:00
本研究提出HOI-Brain，一种利用功能磁共振成像（fMRI）数据中带符号的高阶交互与组织模式进行脑疾病诊断的新计算框架。该框架首先基于时间导数乘法引入共波动度量，以检测具有时间分辨率的高阶交互，并区分正负协同交互，将其编码为带符号加权单纯复形。随后，应用持久同调理论，通过两次过滤过程在时空维度上提取带符号的高维神经组织模式。最后，设计了一个多通道脑Transformer来整合异构拓扑特征。在阿尔茨海默病、帕金森综合征和自闭症谱系障碍数据集上的实验证明了该框架的优越性、有效性和可解释性，所识别的关键脑区与高阶模式与神经科学文献相符。
脑疾病诊断高阶交互功能磁共振成像transformer拓扑数据分析神经科学
q-bio
03-16 00:00
本文提出了一种数学理论，解释了神经网络中抽象表征（即任务相关变量在近似正交子空间中被编码）的涌现机制。研究证明，当非线性前馈网络在直接依赖于潜在变量的任务上进行训练时，其隐藏层必然会出现对这些潜在变量的抽象表征。作者通过将网络权重的优化问题重新表述为神经元预激活分布的平均场优化问题，并应用于有限宽度的ReLU网络，证明了在所有任务目标的全局最小值处，隐藏层都会呈现抽象表征。该框架为理解大脑和人工神经网络中广泛观察到的抽象表征提供了理论基础。
抽象表征神经网络平均场理论表征学习任务优化神经科学
q-bio
03-16 00:00
本文提出了一种名为去噪扩散变分推断（DDVI）的黑盒变分推断算法。该方法创新性地将扩散模型用作灵活的近似后验分布，通过在隐空间中进行迭代细化来构建表达能力更强的变分后验族。训练过程采用了一种受唤醒-睡眠算法启发的新型正则化证据下界（ELBO）。DDVI易于实现，兼容黑盒变分推断框架，并且在多个基准测试中，其性能优于基于归一化流或对抗网络的替代后验近似方法。在生物学应用（如从人类基因组推断潜在祖先）中，DDVI在千人基因组数据集上也超越了现有基线模型。
扩散模型变分推断隐变量模型近似后验黑盒优化计算生物学
q-bio
03-16 00:00
本研究针对在二维空间中扩张的种群（如肿瘤或细菌菌落），探讨了其基因谱系与突变模式。作者提出，对于属于KPZ普适类的空间结构种群模型，其基因谱系树可以由定向景观中的无限向上测地线树来近似。通过分析$n$个随机采样点对应的测地线，并利用测地线合并性质，本研究严格推导了谱系树中特定分支（对应$k$个采样个体）的长度渐近行为，从而获得了位点频率谱的关键指数。证明中的一个核心贡献是给出了三条无限向上测地线在时间$t$内保持不相交概率的精确估计，这解决了N3G问题的一个定量版本。
种群遗传学kpz普适类空间结构基因谱系测地线突变模式
q-bio
03-16 00:00
本文全面综述了用于恢复严重运动及言语障碍患者交流能力的颅内语言脑机接口（BCI）技术。文章系统梳理了从神经机制（外显、模仿及想象言语）、硬件选择（微电极阵列、皮层脑电图、立体脑电图）、实验设计（跨被试与多语言泛化）到神经解码算法（序列模型、Transformer、发音中间表征、语言先验辅助框架）的最新进展。研究指出了当前面临的核心瓶颈，如跨被试迁移能力弱、长期非平稳性与校准负担、评估标准不统一、自然表达性有限（尤其对声调/语素文字语言）以及想象言语解码信噪比低。本文的主要贡献在于：1）提供了一个从神经表征到临床约束的端到端决策导向综述；2）提出了一个围绕五个核心设计问题的结构化框架，并整合了客观、感知、表达、对话及纵向指标的统一评估框架与跨语言/任务基准模板；3）提供了以用户为中心的转化指南，包括保留用户自主性的共享控制、可验证的性能优先级，以及针对不同应用场景（如可靠性优先的家庭交流与保真度优先的对话恢复）的最小可行系统方案。
脑机接口言语解码神经工程临床转化算法评估硬件比较
q-bio
03-16 00:00
本研究提出了一种更贴近生物神经计算的人工神经集群形成模型。传统模型依赖k-胜者全得（k-WTA）选择机制，而新模型引入了受伽马振荡周期启发的E%-胜者全得（E%-WTA）选择机制，并结合了大脑皮层兴奋/抑制神经元比例的生物约束。结果表明，新模型能由网络自身动力学决定集群规模，且对原始刺激的回忆恢复率显著优于原模型，为理解大脑信息编码提供了更生物合理的计算框架。
神经集群hebbian学习抑制机制计算神经科学生物启发模型
q-bio
03-16 00:00
本文系统回顾了利用深度学习预测血脑屏障通透性的研究进展。早期机器学习模型存在泛化能力弱、可解释性差等问题。近年来，基于图神经网络的结构建模、多任务与多模态学习策略，能更好地模拟分子结构并捕捉复杂生物学机制，成为预测与指导相关药物设计的关键工具。研究进一步探讨了生成模型与因果推断方法在整合通透性预测与机制感知药物设计中的新兴潜力，标志着该领域正从单纯的判别分类向基于机理的结构-功能建模范式转变。
血脑屏障深度学习药物设计图神经网络多模态学习可解释ai