q-bio
03-17 00:00
本文提出D-MEM，一种受神经科学启发的智能体长期记忆架构，旨在解决现有系统（如A-MEM）存在的 $O(N^2)$ 写入延迟和高令牌消耗问题。其核心是通过基于奖励预测误差（RPE）的“快/慢”路由机制，将短期交互与认知重构解耦。一个轻量级的评判路由器评估输入的“意外性”和“效用”。常规、低RPE的输入被旁路或缓存在 $O(1)$ 快速访问缓冲区中；而高RPE输入（如事实矛盾或偏好转变）则会触发“多巴胺”信号，激活 $O(N)$ 的记忆演化管道以重塑智能体的知识图谱。在包含可控对话噪声的LoCoMo-Noise基准测试中，D-MEM将令牌消耗降低了80%以上，消除了 $O(N^2)$ 瓶颈，并在多跳推理和对抗性鲁棒性方面优于基线模型。
智能体记忆奖励预测误差认知架构计算效率长期记忆多巴胺门控
q-bio
03-17 00:00
本文提出了NVIDIA BioNeMo Fold-CP，一种上下文并行框架，旨在解决AlphaFold 3等模型在预测大型生物分子组装体结构时面临的GPU内存限制问题。该框架通过在多GPU间分布共折叠模型的推理和训练流程，并利用定制的多维原语高效并行化密集三角更新和窗口批处理局部注意力，实现了内存的高效扩展。对于分布在P个GPU上的N个令牌输入，每个设备的内存需求可降至$O(N^2/P)$，从而在64个NVIDIA B300 GPU上成功预测了超过30,000个残基的组装体结构。该框架已成功应用于对哺乳动物蛋白质复合物数据库（CORUM）中超过90%的复合物进行评分，并完整折叠了与疾病相关的PI4KA脂质激酶复合物，为虚拟细胞建模提供了可扩展的途径。
生物分子建模并行计算结构预测alphafoldgpu加速内存优化
q-bio
03-17 00:00
本研究提出DECODE框架，旨在解决药物发现中化学结构筛选（可扩展但缺乏生物背景）与高内涵表型分析（生物洞察深但资源密集）之间的关键权衡。该框架利用有限的配对转录组和形态学数据作为训练监督信号，从化学结构中提取测量不变的生物指纹，并显式过滤实验噪声。评估表明，DECODE在零样本设置下检索功能相似药物的性能比化学基线相对提升超过20%，并在外部验证中将新型抗癌药物的命中率提高了6倍。
虚拟筛选药物发现生物信息学深度学习表型分析化学信息学
q-bio
03-17 00:00
本研究结合群落生态学与统计物理学，揭示了在复杂的微生物群落中，近缘菌株的共存机制。研究发现，群落中其他成员介导的间接相互作用与菌株间的直接作用同样重要。这些群落介导的反馈效应，使得同种菌株的生长速率表现出相关性并降低了竞争强度。根据现代共存理论，这对应着促进共存的均衡机制与稳定机制。这些机制还改变了菌株丰度相关性：在孤立状态下竞争激烈、呈负相关的菌株，在群落中反而表现出正相关，呈现出类似互利共生的表象。研究结果表明，菌株的动态是群落环境的涌现特性，且捕捉这些反馈效应无需完整的相互作用网络，仅需少数涌现参数。
微生物群落菌株共存群落生态学统计物理学涌现机制间接相互作用
q-bio
03-17 00:00
本研究提出了一个在基因型和表型空间均适用的广义协变进化动力学框架。通过最大熵原理，揭示了逆度量张量与协方差矩阵之间的基本等价关系，并将兰迪方程重新表述为协变梯度上升方程。这表明进化可被建模为适应度景观上的学习过程，具体的学习算法由度量张量与微观动力学产生的噪声协方差之间的函数关系决定。目前度量张量（或逆基因型协方差矩阵）已有大量经验研究，但噪声协方差及其相关可观测量（进化变化的协方差）尚未被直接测量，这构成了确定度量与噪声协方差函数关系的实验挑战。
进化动力学几何框架适应度景观协变描述最大熵原理学习过程
q-bio
03-17 00:00
本研究针对生物种群模型中常见的离散结构（如年龄、大小、表型），提出了一种多尺度离散-连续框架，以系统性地推导其连续近似。该方法结合多重尺度法和匹配渐近展开，识别了结构空间中适合连续表示的区域，并推导出相应的偏微分方程。主导动力学在主体区域表现为非线性平流方程，在波前和驻点附近的小内层则表现为平流-扩散过程。研究还针对不适用连续表示的区域，给出了离散边界层描述。该方法在一个简单的脂质结构动脉粥样硬化早期模型中得到了验证，确保了离散与连续描述的一致性。
多尺度建模种群模型离散连续渐近分析偏微分方程生物数学
q-bio
03-17 00:00
本研究提出将Transformer的计算框架作为理解大脑皮层柱状结构微环路组织的类比模型。通过建立Transformer操作（如注意力机制、层间变换）与皮层分层特征之间的映射关系，该研究为分析皮层中的上下文选择、信息路由、循环整合等计算过程提供了新的理论框架。这一类比生成了关于皮层分层特化、树突整合、振荡协调及有效连接的一系列可实验验证的预测，旨在促进系统神经科学与现代人工智能之间的双向启发与交流。
计算神经科学transformer皮层微环路注意力机制脑启发ai神经计算模型
q-bio
03-17 00:00
本研究提出了一种名为MS2MetGAN的新框架，旨在提升基于数据库搜索的代谢物鉴定准确率。该框架首先利用自编码器分别学习代谢物结构和串联质谱（MS/MS）的潜在表示，将代谢物-质谱匹配问题转化为潜在向量匹配。随后，通过生成对抗网络（GAN）生成“诱饵”代谢物的潜在向量，并构建负样本用于模型训练。实验结果表明，MS2MetGAN在整体性能上优于现有的代谢物鉴定方法。
代谢组学质谱鉴定生成对抗网络自编码器数据库搜索机器学习
q-bio
03-17 00:00
本研究证明，对于包括常用的带减性重置的漏电积分发放模型在内的一大类脉冲神经元模型，单次脉冲神经元网络与多次脉冲神经元网络在通用机器学习任务的逼近能力上是等价的。具体而言，对于任何适用于多次脉冲网络的逼近界，都存在一个仅需线性增加神经元数量（相对于最大脉冲次数）的单次脉冲网络，使得该逼近界同样成立，反之亦然。这一发现表明，以往文献中针对单次脉冲网络的许多逼近结果同样适用于多次脉冲情况，澄清了单次脉冲限制并非理论上的严重局限。
脉冲神经网络逼近理论神经元模型机器学习计算神经科学
q-bio
03-17 00:00
研究发现蓝鲨的背腹颜色梯度并非由真皮色素细胞产生，而是源于覆盖皮肤的单个真皮齿内部牙髓腔中一种未被识别的光子结构。通过光谱学、显微CT和电镜分析，揭示了颜色变化由耦合的微米和纳米级结构组织调控：蓝色齿内，虹膜细胞和黑色素细胞在扩大的牙髓腔内形成密集的反射-吸收系统；白色齿则缺乏黑色素细胞，仅含反射细胞。纳米尺度上，有序的嘌呤晶体堆栈产生窄带蓝色反射，而无序组装则产生宽带白色散射。
结构色伪装机制鲨鱼皮肤光子晶体生物光学纳米结构
q-bio
03-17 00:00
本研究通过大规模心理物理学实验（超1000次判断）评估了自监督视觉模型与人类对象感知的匹配度。研究发现，基于Transformer架构、采用DINO目标训练的模型在预测人类反应时间上表现最佳。通过提出一种量化表征中“对象中心”结构的新指标，研究证实模型表征的对象中心化程度越高，其预测人类分割行为越准确。此外，通过蒸馏匹配监督模型与自监督模型的Gram矩阵（捕捉图像块间相似性结构），可提升模型与人类行为的对齐度，这为理解模型如何习得类人感知提供了新视角。
自监督学习视觉transformer对象感知心理物理学表征对齐gram矩阵
q-bio
03-17 00:00
本研究提出了一种基于p进数（$\mathbb{Z}_p$）超度量的数学框架，用于刻画基因调控网络（GRN）的多尺度层次结构。通过将N基因状态空间嵌入$\mathbb{Z}_p$，并在完备代数闭域$\mathbb{C}_p$上工作，证明了可解释离散动力学的有理函数的存在性，并构建了各分辨率层次的层次近似。该框架导出了一个稳定性度量$\mu$，用于聚合动力学在不同分辨率层次上的收缩或扩张行为，并将不动点的吸引/排斥/中性三分法从点推广到球。关键结果表明，$\mu$和分类完全由离散数据决定。通过最小化所有N!种基因排序的$\mu$，可以定义最优调控层次；在拟南芥花发育网络（N=13, p=2）的应用中，$\mu$最小化排序将已知的主调控因子（UFO, EMF1, LFY, TFL1）置于领先位置，无需额外生物学输入即恢复了公认的发育层次。
基因调控网络p进数层次结构稳定性分析非阿基米德动力学拟南芥
q-bio
03-17 00:00
本研究提出了深度概率模型合成（DPMS）框架，旨在解决跨多个同类系统实例（如不同个体的大脑）的数据整合建模难题。DPMS利用变分推断，学习一个连接所有系统实例的条件先验分布，以及捕捉每个实例独特结构的实例特定后验分布。该框架可应用于回归、分类和降维等多种模型，并在合成数据和斑马鱼幼虫全脑神经活动数据上证明，其性能优于传统的单实例模型。
概率建模变分推断神经科学跨个体分析统一模型脑活动
q-bio
03-17 00:00
本研究提出了一个名为 ScienceClaw + Infinite 的自主科学研究框架。该框架通过独立智能体在无中心协调的情况下进行研究，任何贡献者均可向共享生态系统部署新智能体。其核心由三部分组成：一个包含超过300种可互操作科学技能的可扩展注册表、一个以有向无环图（DAG）形式保存完整计算谱系的“工件层”，以及一个支持基于智能体的科学讨论和溯源治理的结构化平台。智能体根据其科学配置文件选择和链接工具，生成带有类型化元数据和父系谱系的不可变工件，并将未满足的信息需求广播到共享全局索引。通过“ArtifactReactor”实现无规划者协调：对等智能体通过基于压力的评分发现并满足开放需求，而模式重叠匹配则触发跨独立分析的多父合成。一个自主变异层主动修剪不断扩展的工件DAG，以解决冲突或冗余的工作流，而持久性内存允许智能体在多个周期内持续构建复杂的认知状态。Infinite 将这些输出通过结构化帖子、溯源视图和机器可读的讨论关系转换为可审计的科学记录，社区反馈引导后续的研究周期。该框架在四个自主研究案例中展示了异构工具链、独立操作智能体之间的涌现收敛性，以及从原始计算到发表成果的可追溯推理。
自主智能体科学发现分布式系统计算谱系涌现协调
q-bio
03-17 00:00
本研究提出了一个统一的变分原理，用于解释生物输运网络（如哺乳动物动脉树）的分支几何结构。传统理论中，阻抗匹配（α~2）与粘性-代谢最小化（α=3）两种结构吸引子均无法准确预测观测到的直径标度指数α_exp=2.70±0.20。通过将血管壁亚线性标度h(r)∝r^p（p=0.77）纳入三部分代谢成本模型，并利用柯西函数方程，研究严格打破了Murray立方定律，将静态最优解限定在α_t∈[2.90, 2.94]。研究进一步构建了一个网络层面的拉格朗日量，平衡波反射惩罚与输运-代谢成本。由于发育时间尺度上的运行占空比η不确定，优化问题被构建为网络架构与环境之间的零和博弈。应用冯·诺依曼极小极大定理，得到了一个满足精确等成本条件的唯一鞍点(α*, η*)。研究还证明N=2能最大化网络刚度比κ_eff(N)，从而推导出二分叉是该框架的结构性结果。对于猪冠状动脉树（G=11代），预测值α*=2.72与形态测量数据吻合（相差0.1σ）。敏感性分析表明，在生理代谢范围内|Δα*|<0.01，预测结果关键性地仅依赖于组织学指数p，实现了从基本标度原理出发的零参数推导。
生物输运网络变分原理标度指数代谢成本网络优化动脉树
q-bio
03-17 00:00
本研究提出了一种新的家庭社交泡泡合并策略，依据家庭中经济活跃（工作）成员的数量来配对家庭，而非传统的家庭规模或年龄构成标准。通过使用全球多地区真实人口数据构建数学模型，并模拟封锁场景（仅工作者可外出），研究发现，基于工作成员数量的策略能将疫情风险控制在基于家庭规模策略的相似水平。更重要的是，该策略允许显著更多的人口（在某些国家超过40%）形成更大的社交泡泡，其中合并最多只有一名工作者的家庭在控制疫情风险与满足社会连接需求之间取得了最佳平衡。
流行病模型社交泡泡家庭网络疫情控制社会连接生成函数
q-bio
03-17 00:00
本研究针对生物医学知识分散于Reactome、STRING、ClinicalTrials.gov等数十个孤立数据库的现状，提出了基于Rust高性能图数据库Samyama的解决方案。贡献包括：1）设计了一套可复现的ETL流程，构建了两个开源知识图谱（Pathways KG与Clinical Trials KG），包含总计约790万节点和2780万条边；2）实现了跨图谱联合查询，例如可回答“哪些生物通路被乳腺癌III期试验药物所干扰？”这类单一图谱无法解决的问题；3）通过自动生成符合Model Context Protocol的MCP服务器，为LLM智能体提供了无需手动编程的自然语言图谱查询接口。所有数据、代码与配置均已开源，在普通硬件上联合图谱加载仅需76秒，典型跨库查询响应时间为2.1秒。
知识图谱生物医学图数据库数据集成人工智能代理开源数据
q-bio
03-17 00:00
本研究揭示了团藻科绿藻胚胎发育中细胞片“翻面”过程的演化受机械分岔约束。通过建立连续介质弹性模型，发现驱动翻面的细胞形状变化可表征为曲面内禀曲率的改变。模型预测，翻面仅在特定参数空间内可行。对64细胞的Pleodorina californica的参数估计落入可行域，而根据异速生长规律外推至256细胞或更多时则落入不可行域。这解释了为何自然界中不存在中等细胞数（256细胞）的物种，并表明Volvox（400-50000细胞）演化出更复杂的翻面程序是为了规避此机械限制。
形态发生机械分岔细胞力学演化约束连续介质模型团藻科
q-bio
03-17 00:00
本讲义为数学流行病学领域的研究生和学者提供了一份关于贝叶斯推断和马尔可夫链蒙特卡洛（MCMC）方法的自包含入门指南。以经典的易感-感染-恢复（SIR）仓室模型为例，从基本原理推导似然函数，为传播和恢复参数指定先验分布，并实现Metropolis-Hastings算法从后验分布中采样。内容旨在帮助缺乏贝叶斯统计背景的研究者掌握参数估计的核心方法。
贝叶斯推断流行病模型mcmc方法参数估计sir模型
q-bio
03-17 00:00
本文提出了Hecate，一个模块化的无损基因组压缩框架。它将压缩视为对耦合的FASTA/FASTQ数据流（如控制、头信息、核苷酸序列、质量值等）的条件编码问题，采用分流的编码器。核心技术包括：针对字母表的打包编码、带有自定义算术编码的辅助索引Burrows-Wheeler流水线，以及带有显式模型竞争信号的块状马尔可夫混合编码器。该架构实现了高吞吐量、精确的随机访问切片以及通过流式二进制差分实现的参考模式。在综合基准测试中，Hecate在压缩率与速度的权衡上优于现有工具（如MFCompress、NAF），在相同压缩率下快2-10倍，或在相同时间内获得5%-10%的更高压缩率。
基因组压缩无损压缩模块化框架条件编码fastq处理生物信息学工具
q-bio
03-17 00:00
本研究提出了一种将脉冲神经元直接作为控制器的可扩展方法，避免了传统脉冲控制中依赖信号滤波的局限。通过结合最优控制与神经科学理论，作者定义了仅在脉冲能使动态系统更接近目标时才触发的脉冲规则，并推导出脉冲神经网络（SNN）实现线性系统控制所需的连接性。研究表明，对于物理受限系统，预测控制是必要的，控制信号会利用下游系统的被动动力学来达成目标。该方法可扩展至高维网络与系统，并保持了网络连接性、动力学及控制目标的闭式数学推导，为理解真实神经元的控制机制及神经形态硬件设计提供了新见解。
脉冲神经网络预测控制生物启发控制线性系统神经形态计算最优控制
q-bio
03-17 00:00
本研究首次在波兰全国范围内对64家医疗机构的污水进行大规模调查，重点监测碳青霉烯耐药铜绿假单胞菌（CRPA）和鲍曼不动杆菌（CRAB）。结果显示，CRPA在所有地区占主导地位，而CRAB虽检出率较低但基因型更多样。统计分析发现耐药菌数量与污水理化参数、抗生素浓度显著相关，且污水中存在大量抗生素抗性基因（ARGs）和可移动遗传元件（MGEs），表明医院污水是耐药性传播的重要环境储库。研究强调需加强对医院污水的监测与管理，以降低公共卫生风险。
抗生素耐药性医院污水环境监测碳青霉烯耐药公共卫生基因传播
q-bio
03-17 00:00
本研究通过基于脑电交叉信息熵构建的动态高阶网络模型，量化了音乐辅助模拟驾驶过程中大脑网络的动态协调性。与静态网络分析相比，该方法揭示了音乐刺激如何调节复杂任务下脑区间的相互作用。结果显示，音乐刺激下的驾驶表现出更强的三阶连接性和高阶信息熵。监督机器学习（如支持向量机）表明，模型准确率与脑网络特征的层次结构高度相关，凸显了高阶特征在解码大脑运动控制状态中的重要性。这些发现为开发新型脑-机-音乐接口和自适应人机系统提供了见解。
脑电信号高阶网络机器学习运动控制音乐认知人机交互
q-bio
03-17 00:00
本研究提出了一种谐振循环神经网络（RRN）框架，其核心创新在于将具有明确阻尼振荡动力学的节点引入神经网络。与传统非振荡节点不同，RRN通过两个历史依赖项表达振荡动态，并将其与标准循环神经网络（RNN）公式关联。研究应用了来自观测到的大脑动态的物理约束来选择振荡频率，并利用平稳性约束减少自由参数数量。在手写数字分类和模拟神经元脉冲序列活动分类任务中，RRN仅用少量可训练参数即可实现高精度分类。特别地，当振荡频率配置遵循一种已提出的脑节律理论时，其分类准确率优于其他频率配置及参数数量相当的标准RNN。RRN不仅作为标准RNN的直接扩展易于实现，还能为分类任务生成可解释的特征，有望成为实现生物与人工神经网络复杂目标的高效、受生物启发的构建模块。
谐振神经网络脑启发计算振荡动力学可解释ai循环神经网络生物神经网络