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多模态数据融合与计算模型创新两大趋势，旨在解决生物医学中的复杂预测与机制问题。
2026-03-20 共 15 条抓取，按综合热度排序
本研究提出了一种名为CADGL的新型上下文感知深度图学习框架，旨在解决药物相互作用（DDI）预测中存在的泛化能力、特征提取鲁棒性及实际应用等挑战。该框架基于定制的变分图自编码器（VGAE），通过局部邻域和分子上下文两个预处理器，从异构图结构中提取关键的结构与物理化学信息。CADGL在预测具有临床价值的新型DDI方面超越了现有先进模型，其有效性得到了严谨案例研究的支持。
本研究提出MIPHEI-ViT模型，利用基于ViT的病理基础模型作为编码器，从常规获取的H&E染色病理图像中预测成本高昂的多重免疫荧光（mIF）信号。该模型采用U-Net架构，能够预测包括核内容物、免疫细胞谱系、上皮、基质、血管和增殖在内的多种分子标记物。在OrionCRC数据集上训练，并在五个独立数据集上验证，结果显示模型仅从H&E图像即可实现准确的细胞类型分类，例如Pan-CK的F1分数达到0.93，显著优于现有基线方法。这为利用大规模H&E数据集进行细胞类型感知分析，探索空间细胞组织与患者预后关系提供了新工具。
本研究提出了一种名为生成式副本交换（GREX）的新框架，旨在解决传统副本交换（REX）模拟因需要大量中间温度副本而效率受限的问题。GREX将深度生成模型（归一化流）集成到REX框架中，无需中间温度梯度和目标温度的训练数据，即可按需生成高温构型，并通过势能约束将其直接映射到目标分布。该方法将生产模拟简化为单一目标温度副本，同时通过Metropolis交换准则保持热力学严谨性。在三个复杂度递增的基准系统上的验证表明，GREX具有更高的效率和实际应用潜力。
本研究评估了自动语音识别（ASR）质量对基于自发语音的阿尔茨海默病（AD）检测的影响。研究使用ADReSSo 2021数据集，对比了Whisper-base与Whisper-small两种ASR模型生成的转录本。通过TF-IDF特征与逻辑回归、线性支持向量机等可解释模型，在5x5分层交叉验证下进行测试。结果显示，基于高质量转录本（Whisper-small）的模型性能显著更优（平衡准确率>0.785），且ASR质量对性能的影响大于分类器复杂度。特征分析表明，认知正常者的语言更具体（描述物体与场景），而AD患者的语言更模糊、充满话语标记和犹豫。研究表明，高质量ASR可使简单的词汇模型达到有竞争力的检测性能，无需复杂的声学建模。
RAFT-UP 是一种用于空间转录组学（ST）数据对齐的新工具，旨在解决整合不同组织切片时面临的空间形变控制与生物学合理性匹配两大挑战。该方法基于融合监督的 Gromov-Wasserstein（FsGW）最优运输框架，通过结合基因表达和空间信息，并引入点对点约束和成对距离一致性约束，在允许非刚性对齐的同时，防止空间邻近关系被过度扭曲。基准测试表明，RAFT-UP 在保持与先进方法相当的斑点标签匹配精度的同时，显著提升了空间距离的保持能力。该工具已应用于小鼠中脑发育的时空图谱构建和跨切片的细胞间通讯比较分析等下游任务。
本研究提出了一种从稀疏、非同步的神经元观测数据中推断完整神经网络连接性的新方法。该方法通过整合多轮实验中不同神经元子集的成对协方差估计，重建出完整的连接权重矩阵，无需同时记录所有神经元。研究通过格兰杰因果约束下的投影梯度下降法施加生物学约束，并在模拟小脑回路的合成网络上进行了系统实验。研究发现，刺激有助于可识别性但会干扰内在动态，存在一个取决于测量密度的最优平衡点。一个关键发现是，使用“错误”的线性近似充当了隐式正则化器，在所有操作机制下均优于已知非线性特性的“预言机”估计器，并通过Stein-Price恒等式给出了精确表征。
本文介绍了BSTModelKit.jl，一个用于构建、求解和分析生化网络生化系统理论模型的开源Julia软件包。该包实现了S-系统表示法，这是一种用于建模代谢和调控网络的规范幂律形式。它提供了声明式模型规范格式、通过常微分方程积分的动态模拟、稳态计算以及使用Morris和Sobol方法的全局敏感性分析。该工具包利用Julia科学计算生态系统，特别是SciML微分方程求解器套件，提供高效灵活的分析工具。
本文提出了一种新的博弈论解概念——演化稳定斯塔克尔伯格均衡（SESS）。该模型研究存在单一领导者与对称追随者群体的斯塔克尔伯格演化博弈。领导者选择最优混合策略，并预期追随者群体将在诱导子博弈中采取演化稳定策略（ESS），且可能满足额外的生态条件。该框架涵盖了领导者最优与追随者最优的ESS选择。与以往通过演化动态或理性最优反应来定义追随者行为的方法不同，SESS明确要求策略能够抵抗突变入侵。研究提供了离散与连续博弈中计算SESS的算法，并进行了实证验证。该模型可自然应用于生物场景，例如在癌症治疗中，领导者代表医生，追随者对应相互竞争的癌细胞表型。
本研究提出了CAPSUL基准数据集，旨在解决亚细胞定位任务中缺乏整合3D结构信息与精细标注数据的问题。该数据集集成了多种蛋白质3D结构表征与专家标注的亚细胞定位信息。评估表明，引入结构特征能显著提升模型性能。研究还探索了重加权和单标签分类策略，并通过案例研究展示了基于结构模型的可解释性潜力，例如在高尔基体定位中发现了关键的$\alpha$-螺旋模式。
本文提出了HOLMES模型，一个通过在线推理进行层次化潜在结构学习的计算框架。该模型结合了嵌套中国餐馆过程先验与序列蒙特卡洛推理，能够在无需对潜在结构进行显式监督的情况下，逐次对层次化潜在表征进行可处理的推理。在模拟中，HOLMES在保持与扁平模型相当的预测性能的同时，学习了更紧凑的表征，并能一次性迁移到更高层次的潜在类别。在具有嵌套时间结构的上下文相关任务中，HOLMES也提高了结果预测的准确性。
本研究挑战了传统将脑结构连接中弱连接视为噪声的观点，提出弱连接通过非线性放大机制支持人类认知能力。基于HCP数据集（n=999）和多算法分析，研究发现弱连接具有高个体变异性，对预测一般认知能力和记忆至关重要，并显著影响功能连接模拟与结构-功能耦合。通过融合两种后处理过滤方法，团队生成了更可靠且保留弱连接的网络。网络层面分析表明，弱连接扩展了脑网络的操作容量，增强全局整合与精细分离的功能平衡。研究还识别出一种主要连接视觉/运动与边缘系统的特殊弱连接类型，其基因共表达为负值但功能影响巨大。
本研究提出了一种功能主义的情感建模方法，通过引入一组生物学上合理的假设（ansatz），构建了一个理论上的强化学习框架。该框架的核心是从这些假设出发，数学地推导出一个基于功能主义原则的效用函数，并探讨该函数如何与生物系统中的情感效价（valence）相对应。研究重点在于通过概念网络来结构化功能主义视角，特别是效用函数的构建过程，而非对情感进行全面解释。最后，作者将该框架应用于幽默、精神病态和广告等心理学现象，展示了其广泛的解释力。
研究团队基于159例正常发育胎儿的MRI数据，构建了首个覆盖孕21至37周的4D胎儿脑MRI图谱——CRL-2025。该图谱采用结合核回归的微分同胚形变配准框架，不仅提供了详细的脑组织分割和瞬时白质分区，还将大脑精细划分为126个解剖区域，在解剖细节上显著超越了前代CRL-2017图谱。团队同时开源了用于生成图谱的匿名处理数据，并发布了基于深度学习的自动分割工具FetalSEG，旨在为胎儿脑MRI的规模化分析及神经发育研究提供标准化参考与工具支持。
本研究首次在群养自由采食的生长大白猪中，探索了采食量昼夜节律的遗传决定因素及其与饲料效率的关系。通过对2297头猪的电子饲喂站数据进行时频分析，研究者定义了三个反映节律一致性（DayCR）和建立早熟性（IndexCR, gCR）的新性状。结果表明，这三个节律性状具有中等遗传力（$h^2$: 0.24-0.35），且与高遗传力的剩余采食量（RFI, $h^2$=0.41）之间存在有利但较低的遗传相关（绝对值0.18-0.27）。这表明采食节律更稳定、建立更早的猪只，往往饲料效率也更高。
传统SIR模型假设病原体特性不变，忽略了病毒演化。本研究提出一个允许传染性演化的最小扩展模型，发现演化可导致疫情早期超指数增长、引发突发性流行转变，并削弱控制政策的有效性。分析表明，过早解除干预可能导致比不采取行动更糟糕的流行情景。研究推导了决定此行为的关键突变率和干预时间的解析表达式，并揭示了控制策略间的不对称性：缩短传染期仅阻碍传播，而降低传播率既能减少病例又能减缓病毒演化。