q-bio
03-18 00:00
本研究开发了一个温度驱动的过程模型，评估了西尼罗河病毒（WNV）的多种防控策略。模型结合了蚊媒控制、马匹疫苗接种以及基于模仿动力学的人类个人防护装备（PPE）使用行为。通过最优控制分析发现，在早春启动并于五月初强化的蚊媒控制措施，可有效降低八月感染鸟类数量的峰值。综合应用蚊媒控制、人类PPE采用及马匹疫苗接种的策略，在终端宿主中显示出最佳防控潜力。研究还提供了交互式应用，允许用户在不同气候情景（如SSP126、SSP245、SSP585）下探索干预策略的组合效果。
西尼罗河病毒蚊媒控制行为动力学最优控制温度驱动模型公共卫生干预
q-bio
03-18 00:00
研究团队构建了首个泛癌计算图谱HistoAtlas，从21种TCGA癌症类型的6745张H&E染色切片中提取了38个可解释的组织形态学特征。该图谱系统性地将每个特征与患者生存、基因表达、体细胞突变及免疫亚型进行关联分析，所有关联均经过协变量调整和多重检验校正。图谱不仅验证了已知生物学关联（如免疫浸润与预后），还揭示了具有不同预后的组织特异性免疫信号和形态学亚型。所有结果均可空间追溯至特定组织区域和单个细胞，为仅通过常规H&E切片进行大规模生物标志物发现提供了系统化工具。
计算病理学泛癌图谱组织形态学预后关联生物标志物h&e切片
q-bio
03-18 00:00
本研究针对超罕见病尿黑酸尿症（AKU）数据稀缺的问题，提出了一种基于PubTator3的文本挖掘方法，用于从生物医学文献中大规模提取关系。研究构建了两种不同规模的知识图谱，并利用现有生化知识进行验证。通过该计算框架，揭示了AKU的系统性相互作用、共病关系及潜在治疗靶点，为分析罕见代谢性疾病提供了有效工具。
知识图谱文本挖掘罕见病生物医学尿黑酸尿症计算框架
q-bio
03-18 00:00
本研究提出一种分阶段迁移学习框架，以解决临床前细胞系数据与患者肿瘤数据间的巨大生物学差异。该方法首先利用自编码器从大规模无标记药物基因组数据中独立学习细胞和药物表征，然后在细胞系数据上对齐药物反应标签，最后仅需少量患者样本即可将模型高效适配至临床场景。系统评估表明，在源域与目标域差异显著且临床标记数据极其有限的情况下，无监督预训练能带来显著性能提升，有效减少临床监督所需的数据量，为数据高效的临床前到临床转化提供了可行路径。
药物反应预测迁移学习无监督预训练精准肿瘤学样本高效学习领域适应
q-bio
03-18 00:00
本研究针对现有基于信号重建的脑电图（EEG）基础模型在迁移学习上效果有限的问题，提出了首个基于LeJEPA（潜在联合嵌入预测架构）的EEG基础模型Laya。Laya的核心创新在于采用预测潜在表征而非重建原始信号的自监督学习范式，旨在减少对高方差伪影的偏向，从而学习更具任务相关性和可迁移性的高层神经结构表征。实验表明，在一系列EEG基准测试中，Laya在线性探测评估下的性能优于基于重建的基线模型，为学习可迁移的EEG表征提供了新方向。
脑电图基础模型自监督学习表征学习潜在预测神经科学
q-bio
03-18 00:00
本研究提出了一种利用强化学习训练的虚拟鱼来引导和控制真实鱼群的方法。为克服实体机器人代理的耐久性和运动限制等技术挑战，研究采用在屏幕上显示的2D虚拟鱼作为刺激源。针对缺乏真实鱼详细行为模型的问题，采用了无模型强化学习策略。仿真结果表明，即使在模拟的真实鱼频繁忽略虚拟刺激的情况下，强化学习也能习得有效的运动策略。活鱼实验进一步证实，习得的策略能成功引导鱼群朝向指定的目标方向。统计分析显示，该方法在引导效果上显著优于无刺激和启发式“停留在边缘”等基线条件。本研究为利用人工智能代理影响动物群体行为提供了早期范例。
强化学习鱼群控制虚拟代理群体行为生物启发
q-bio
03-18 00:00
本研究提出了一种基于Transformer的深度学习模型，能够直接从化疗条件下癌细胞群体的长期活细胞成像视频序列中预测细胞命运（如凋亡或存活），无需依赖预定义的形态或分子特征。模型取得了0.94的平衡准确率和0.93的F1分数。通过引入可解释性框架，研究发现预测细胞命运的信号并非仅存在于轨迹的最终时刻，可靠预测可在事件发生前10小时做出。分析揭示了有丝分裂和凋亡序列中预测信息的独特时间分布，以及细胞形态和p53信号在决定细胞结局中的作用。
细胞命运预测时序注意力transformer模型可解释ai活细胞成像非遗传决定因素
q-bio
03-18 00:00
本研究提出了一种稀疏分层贝叶斯模型，用于从内隐联想测验（IAT）的神经与行为数据中推断心理健康相关的心理测量变量。该方法是对传统仅依赖反应时的D-score方法的泛化与改进，旨在克服后者预测性能有限（AUC通常低于0.7）的问题。在两个IAT变体（自杀意念相关E-IAT和精神病相关PSY-IAT）的数据集上，模型在最佳模态配置下分别达到0.73和0.76的AUC，显著优于接近随机水平的D-score方法（0.50-0.53 AUC）。结果表明，该框架有望增强基于IAT对心理困扰体验的评估，但需在更大独立队列中进一步验证其临床效用。
贝叶斯推断内隐联想测验心理健康评估心理测量学多模态数据
q-bio
03-18 00:00
本文针对不规则采样的患者轨迹数据，提出了一种保守的连续时间随机控制框架用于治疗优化。患者动态被建模为一个以治疗为连续时间控制的随机微分方程。为避免模型误差导致的控制方案外推风险，作者在路径空间上引入了一种基于签名的一致性最大均值差异正则化器，惩罚那些诱导轨迹分布偏离观测数据的治疗计划。该方法最小化了真实成本的一个可计算上界。在基准数据集上的实验表明，与非保守基线相比，该方法在鲁棒性和性能上均有提升。
治疗优化连续时间控制随机微分方程路径签名正则化保守学习
q-bio
03-18 00:00
本研究提出了一种低数据量、低成本且开源的工作流程，用于生成3D打印光刻文件，将复杂的显微镜图像（如壁虎脚趾刚毛、蝙蝠翅膀绒毛等微观非均匀结构）转化为触觉可感知的立体模型。该方案可在350美元的3D打印机上实现，单次打印成本仅0.75美元，文件大小低于100MB，旨在通过触觉图形促进科学知识的无障碍传播，并支持对生物结构的触觉探索。相关代码已在GitHub开源并持续更新。
3d打印科学可视化触觉辅助开源工作流显微镜图像无障碍设计
q-bio
03-18 00:00
本研究提出了一个统一的数学框架，揭示了蛋白质序列与人类语言文本共有的演化机制。核心发现是，自然选择可以通过信息熵和“最小努力原则”来量化，以此决定在演化中存续的序列变异。该模型还通过引入功能连接网络，解释了幂律行为的起源以及环境变化如何刺激新蛋白质和新词汇的出现。研究不仅展示了遗传学与语言学在不同层级上的对应关系，也为复杂适应系统的演化提供了新的基础物理解释。
演化机制蛋白质序列计算语言学复杂系统自然选择信息熵
q-bio
03-18 00:00
本研究提出了一种贝叶斯模型选择框架，用于自动推断图神经网络（GNN）在图卷积（GC）层数（即深度）上的最优配置，以预测生物医学实体间的相互作用。该方法通过联合推断数据支持的最可能GC层数、应用Dropout正则化并学习网络参数，解决了传统依赖启发式或大量实验确定GNN深度的问题，避免了计算开销大和模型校准差（即对错误预测过度自信）的缺陷。在四个生物医学相互作用数据集上的实验表明，该方法性能优于现有方法，并能提供校准良好的预测，使GNN能自适应调整深度以适应不同生物医学网络中的相互作用信息。
图神经网络贝叶斯模型选择生物医学相互作用预测模型校准图卷积网络深度学习
q-bio
03-18 00:00
本研究通过计算模型揭示了去甲肾上腺素（NE）调控呼吸节律前包钦格复合体（preBötC）的双重机制。模型聚焦于NE对钙激活非选择性阳离子电流（$g_{\rm CAN}$）和肌醇三磷酸（$\rm IP_3$）的调节作用，成功复现了NE对不同神经元亚型（如NaP依赖型和CAN依赖型）放电模式的差异化影响。研究运用动力系统理论方法，阐明了NE如何条件性地诱导爆发式放电，并识别出特定参数下神经元保持静默的机制，为理解呼吸网络中细胞特异性的神经调制响应提供了新见解。
呼吸节律调控神经调制计算模型前包钦格复合体去甲肾上腺素动力系统
q-bio
03-18 00:00
本文介绍了一个新的QuPath扩展，使其能够直接访问存储在OMERO服务器上的图像像素和元数据。该扩展解决了传统桌面应用依赖本地文件系统的限制，使研究人员能够高效地分析和可视化远程存储的大型复杂生物图像（如全切片扫描图像）。这不仅增强了QuPath在大型研究中的实用性，也为开发者将QuPath连接到其他图像管理系统提供了模板。
生物图像分析开源软件远程图像访问omeroqupath数字病理
q-bio
03-18 00:00
本研究构建了一个针对首尔25个区的年龄结构SEIR元胞自动机模型，整合了手机信令数据，将出行按年龄（0-19、20-59、60+）和目的（居住H、学校/工作W、其他O）分层。通过模拟2024年基线及2020-2021年疫情期间的出行偏差，评估了不同针对性限制策略的效果。结果显示，针对20-59岁成年人的工作/学校（W）出行限制，在人均感染减少方面效果最佳。基于人口调整的W流入量进行空间聚类发现，高流入量的中央商务区与模拟中识别的快速传播区高度吻合。针对该集群内及流入该集群的W流动进行限制，能有效减少疫情规模，且包含工作日的限制方案优于仅限周末。研究表明，精准针对成年人常规通勤流动的策略，能在减少社会经济干扰的同时，带来显著的流行病学效益。
传染病模型移动大数据精准防控出行限制元胞自动机covid-19
q-bio
03-18 00:00
本研究提出了一种基于单个可穿戴惯性测量单元（IMU）的早期中风风险筛查框架。传感器置于骶骨区域，通过捕捉步态和站立时的骨盆运动，将其作为整体运动控制的生物力学代理。研究量化了步态变异性和姿势漂移，作为神经系统不稳定的数字生物标志物。从骨盆运动学中提取的变异性和非线性动态特征被用于训练机器学习模型，以在对照组、中风前组和中风组之间进行风险分层。模型取得了0.785的宏观平均AUC，显示出初步的区分能力。该方法为社区层面的连续、低成本、非侵入性筛查提供了概念验证。
中风早期筛查可穿戴传感器步态分析数字生物标志物机器学习运动控制
q-bio
03-18 00:00
本研究提出TPMM（三组分后验混合模型），用于从低测序深度的宏基因组数据中稳健检测细菌DNA倒位（invertons）。该模型将测序深度纳入概率框架，将候选位点分类为噪声、低概率或高概率倒位信号，并分配后验概率作为软标签，最后应用累积贝叶斯错误发现率控制来识别真实倒位。在真实肠道宏基因组数据上，TPMM在高深度下与现有工具结果一致，但在数据稀疏条件下能检测到更多倒位，表现出优越性能。研究还探讨了病毒基因组中潜在的逆转录元件，暗示了倒位介导的调控具有更广泛的作用范围。
宏基因组学dna倒位检测概率模型细菌相变计算生物学病毒基因组
q-bio
03-18 00:00
本研究通过fMRI和多层次中介分析，揭示了概念学习如何影响疼痛体验的神经机制。实验发现，当参与者对与高疼痛线索概念相关的新刺激产生明确预期时，会报告更强的疼痛感，这体现了疼痛调节的概念泛化。海马体活动的增强是这一效应的关键中介，其活动强度与个体预期差异相关。此外，默认模式网络和纹状体等脑区也参与了概念泛化过程，而杏仁核等威胁相关区域虽对泛化刺激有反应，但不直接影响疼痛评分。该发现为理解安慰剂效应和慢性疼痛中的适应不良学习提供了新视角。
疼痛调节概念泛化海马体fmri预期学习神经机制
q-bio
03-18 00:00
本研究通过同步双脑电图记录，首次系统评估了袋鼠式护理对早产儿脑功能及母婴脑间同步性的即时影响。研究发现，首次实施袋鼠式护理时，早产儿的θ、α、β频段脑电功率显著增强，同时母婴间所有频段的脑间同步性均显著提升（p < .001）。更重要的是，α频段的脑间同步强度与婴儿脑网络的局部效率、聚类系数呈正相关，β频段则与小世界属性正相关。这表明袋鼠式护理可能通过增强母婴脑间同步性，进而促进早产儿大脑内部的网络组织发育。
袋鼠式护理早产儿脑间同步脑电图神经发育母婴互动
q-bio
03-18 00:00
本研究开发了名为Garnet的图神经网络模型，通过连续原子分型方法，为多样化的分子自动分配全部力场参数。该模型完全基于量子力学、凝聚相和蛋白质核磁共振数据进行训练，未使用任何现有参数。结果表明，Garnet力场在小分子、折叠蛋白质、蛋白质复合物及无序蛋白质体系上的表现与当前主流力场相当，在相对结合自由能预测方面也取得相似精度。研究还发现，双指数势能函数是Lennard-Jones势能的一种灵活且准确的替代方案。Garnet为自动化、可复现的力场开发提供了新平台，将机器学习优势引入经典力场领域。
分子力场图神经网络蛋白质模拟机器学习分子动力学自由能计算
q-bio
03-18 00:00
本研究提出了一种分析媒介传播传染病报告病例年龄分布的新方法。通过对登革热、寨卡、基孔肯雅热、疟疾和利什曼病等疾病在不同地区和时期的官方报告数据进行处理，将其转化为年龄依赖的密度分布并拟合连续函数。研究发现，由伊蚊传播的三种疾病（登革热、寨卡、基孔肯雅热）的病例年龄比例分布高度相似，且不受疫情规模、地理区域、发生时间或研究人群规模的影响。这表明病例的年龄分布主要由媒介与宿主之间的生态相互作用决定。
媒介传播疾病年龄分布伊蚊流行病学分析生态相互作用
q-bio
03-18 00:00
本研究通过观察坛紫菜二维多边形细胞网络，发现边缘细胞的平均边数约为5，这一特征由特定分裂模式维持。研究证实边缘细胞与内部细胞均遵循Lewis定律和Aboav-Weaire定律的趋势，但需各自独立的相关系数描述其拓扑几何特征。边界效应还体现在内角与边长分布的差异上。边缘细胞分裂倾向于横切边缘边，这一发现为生物二维细胞网络的边界条件建模算法提供了新思路。
细胞网络边界效应拓扑几何红藻五边形细胞分裂