q-bio
03-25 00:00
本研究提出了一种受黑洞视界启发的神经信号动力学模型，将脑电图（EEG）信号视为受有效边界（类似事件视界）约束的复杂波状表示的投影。该模型表明信号振幅遵循重整化群标度关系，而EEG谱熵则参数化了可观测模式的可访问性。由此产生的解生成振荡结构，其几何和频谱特征可通过信号分析与声化技术进行探索。这一基于熵的神经可观测量与波状信号表示之间的映射，为连接熵度量、尺度依赖动力学和可观测神经振荡提供了物理动机框架，并揭示了谱熵与EEG模式振幅标度之间的可检验联系。
脑电信号黑洞模型谱熵神经动力学重整化群信号分析
q-bio
03-25 00:00
本研究提出Astro-BEATS算法，将天文学中用于检测天文瞬变信号（如超新星）的背景估计与源提取技术，创新性地应用于神经科学领域的荧光钙成像视频分析。该算法专门针对强度微弱、信噪比低的微型突触钙瞬变（miniature Synaptic Calcium Transients）进行自动检测与分割，其性能优于传统的基于阈值的方法。Astro-BEATS运行快速，且无需针对新数据集重新优化参数，其产生的分割结果可作为高质量训练数据，用于训练监督式深度学习模型，从而进一步提升钙成像数据分析的准确性。
钙成像神经科学天文学算法信号检测图像分割跨学科应用
q-bio
03-25 00:00
本研究提出了CHANRG基准，包含17万余个结构非冗余RNA序列，用于严格评估预测模型的泛化能力。研究发现，尽管基于基础模型的方法在已知分布数据上表现最佳，但其在分布外数据上的优势大幅丧失，而结构化解码器和直接神经预测器则展现出更强的鲁棒性。该差距在控制序列长度后依然存在，反映了模型在结构覆盖和高级连接预测上的不足。CHANRG为开发具有可证明分布外鲁棒性的RNA结构预测器提供了更严格的评估框架。
rna结构预测基准测试泛化能力深度学习生物信息学非编码rna
q-bio
03-25 00:00
本文探讨了神经认知研究与语言技术的最新进展如何推动失语症的诊断与治疗。针对传统言语治疗中治疗师资源有限、缺乏个性化与文化适配工具等障碍，研究团队基于人种志实地调查，开发了两种能够反映当地语言多样性并提升患者参与度的数字治疗原型。研究表明，结合神经科学洞见与本地化情境指导的工具设计，能更好地满足患者与治疗师的需求。这项工作凸显了自适应、AI增强的辅助技术在补充传统疗法、扩大治疗可及性方面的潜力。
失语症康复神经科学人工智能数字疗法文化适配个性化医疗
q-bio
03-25 00:00
本研究提出SynLeaF框架，旨在解决合成致死（SL）预测中多源异构数据融合的挑战。该框架采用基于变分自编码器的交叉编码器融合四种组学数据，并结合关系图卷积网络从生物医学知识图谱中捕获基因结构信息。为克服多模态学习中常见的“模态惰性”问题，SynLeaF引入了基于特征级知识蒸馏的双阶段训练机制。在涵盖八种特定癌症类型和一个泛癌数据集的实验中，该模型在19个场景中的17个取得了最优性能。
合成致死预测多模态融合知识蒸馏癌症治疗组学数据图神经网络
q-bio
03-25 00:00
本研究采用“异常值分析”方法，对18名自闭症谱系障碍（ASD）成人和39名典型发育（TD）个体的平滑追踪眼动（SPEM）数据进行分析。通过主成分分析（PCA）优化特征向量，结合时间延迟（$\Delta t$）和空间偏差（$\Delta s$）计算马氏距离，定义个体“异常值分数”。结果显示，ASD组异常值比例（38.9%）显著高于TD组（5.1%），且平均异常值分数（3.00 ± 2.62）也显著更高。该方法突破了传统均值比较的局限，为捕捉ASD的高度异质性提供了敏感指标。
自闭症谱系障碍眼动追踪异常值分析马氏距离神经科学个体差异
q-bio
03-25 00:00
本文重新审视了决策中的分离效应，该效应常被用于论证经典全概率定律被违反，从而支持量子类模型。作者针对囚徒困境中的分离效应，提出了一个新的经典决策过程模型。该模型引入了一个连续的期望参数来表示参与者对对手背叛可能性的预期，并放松了传统模型中隐含的“确定性前提”。研究证明，该经典模型能够复现任何经验观察到的三种信息条件下的背叛率三元组（包括强分离效应模式），同时严格遵守经典全概率定律。进一步证明，对于任何由标准量子类模型产生的此类三元组，都存在一个经典实例能精确复现它。这表明，经典与量子类方法在可观测率的表达能力上是等价的，它们的实质性差异在于如何表示模糊性及其各自的事件语义，而非经典概率的失效。
分离效应决策模型经典概率量子类模型囚徒困境全概率定律
q-bio
03-25 00:00
本研究提出了一种新型的风格化量子生成对抗网络（QGAN）架构，用于加速药物发现。该模型在量子电路的每个旋转门中实现噪声编码，并在损失函数中加入梯度惩罚以缓解模式崩溃问题。研究采用变分自编码器将分子结构编码到隐空间，再输入QGAN生成新分子。实验在15量子比特的模拟器和5量子比特的IBM Heron量子计算机上验证了架构的有效性，并与MOSES基准套件中的经典模型进行了性能对比。
量子生成对抗网络药物设计隐空间表示量子机器学习模式崩溃缓解
q-bio
03-25 00:00
本研究通过双视角信息素通路网络（DPPN）架构，揭示了神经网络实现持久结构记忆的两个独立必要条件：稳定的坐标系与优雅的迁移机制。实验发现，与模型联合学习的坐标系具有内在不稳定性，无法通过对比更新、多源蒸馏等方法解决。固定随机傅里叶特征提供了稳定但信息有限的“外源性”坐标，而仅靠坐标稳定性不足以保证记忆迁移。研究提出用学习率调制替代路由偏置，实现了正向迁移（相同任务族性能提升+0.003），并证明在稳定坐标系上学习结构补全函数可突破稳定性与信息量之间的两难困境。
持久记忆神经网络架构坐标系稳定性结构记忆信息素路由迁移学习
q-bio
03-25 00:00
本研究提出CDT-III模型，通过两阶段虚拟细胞嵌入器架构（VCE-N和VCE-C）模拟细胞核转录与细胞质翻译过程，实现了对DNA、RNA和蛋白质的全链条预测。在五个保留基因上，模型达到RNA预测相关系数$r=0.843$，蛋白质预测$r=0.969$。蛋白质监督任务提升了上游DNA表征的可解释性，使CTCF富集度增加30%。模型仅需未扰动基线数据即可进行梯度分析，成功预测CD52基因敲除的29个蛋白质变化，并识别出7个已知临床副作用中的5个。
生物ai可解释模型中央法则虚拟细胞多组学预测梯度分析
q-bio
03-25 00:00
本研究通过一个维度约简框架，统一描述了有限厚度、带表面电荷的生物膜在电解质中的电致失稳现象。理论推导了电压和电荷对膜有效表面张力与弯曲刚度的重正化作用，并给出了控制波状不稳定性的色散关系。研究发现，在生理离子强度下，跨膜厚度的牵引力矩贡献了超过70%的静电修正，而表面电荷能通过增加有效张力来稳定膜，并改变电穿孔阈值。该理论将多种先前结果统一为其极限情况。
生物膜电稳定性有限厚度效应电穿孔电静力学膜力学表面电荷
q-bio
03-25 00:00
本研究提出HD-Bind，一种基于超维计算（HDC）的新方法，用于高效预测分子性质与药物-蛋白质结合。该方法利用低精度二进制向量运算，无需依赖传统机器学习所需的梯度优化，显著降低了计算复杂度。研究引入了两种基于扩展连接性指纹（ECFP）的新型编码算法。实验表明，HD-Bind的推理效率可比复杂机器学习方法提升高达90倍，与分子对接方法相比加速了近9个数量级，为从数十亿分子库中进行超高效预筛选提供了新工具。
超维计算分子表示学习药物发现高效预筛选二进制编码ecfp指纹
q-bio
03-25 00:00
本研究提出了DART-Eval，一个专门用于评估DNA语言模型在调控DNA序列上性能的综合基准套件。该基准覆盖零样本、探针和微调三种评估场景，并针对功能序列特征发现、细胞类型特异性调控活性预测以及遗传变异影响的反事实预测等关键下游任务。研究发现，当前DNA语言模型在多数任务上表现不一致，且相较于传统从头计算方法并未展现出显著优势，同时消耗更多计算资源。研究为下一代模型的开发指明了在建模、数据构建和评估策略上的潜在方向。
dna语言模型评估基准调控dna基因组学生物信息学
q-bio
03-25 00:00
本研究提出将大脑功能状态概念化为一个空间，其中每个点代表一种连接组配置。通过引入“疾病算子”（Krankheit-Operator）模型，将大脑功能网络从健康状态到疾病状态（如帕金森病、精神分裂症、阿尔茨海默病）的演变，或疾病进展间的转变，表示为该空间中的路径。研究提供了该状态空间的正式表示与计算定义，为理解神经退行性与神经精神疾病的网络功能改变提供了新框架，并探讨了该方法的推广潜力。
大脑功能连接疾病算子连接组神经疾病状态空间计算模型
q-bio
03-25 00:00
本研究提出了一种新颖的子空间张量正交旋转模型（STORM），用于处理空间转录组数据分析中的关键挑战。该模型通过一种不规则张量分解技术，将多个空间维度与几何形状不同的切片整合到一个共享的潜在空间中，从而实现对批次效应的校正、混合细胞类型信号的解卷积以及未测量基因表达值的填补。与黑盒深度学习方法不同，STORM模型具有固有的可解释性。数值实验表明，该模型在批次整合、细胞类型解卷积和基因填补任务上均达到了最先进的性能。
空间转录组学批次校正细胞类型解卷积张量分解基因填补可解释模型
q-bio
03-25 00:00
本研究构建了一个包含未识别感染者、有限免疫时间和疫苗接种的SEIRS模型，用于模拟COVID-19疫情。通过分析模型，确定了无病和流行病的稳定状态，并探讨了基本再生数与隔离、疫苗接种措施的关系。研究还采用异步元胞自动机算法实现模型，通过调整邻域大小模拟社交距离的影响，并尝试量化隔离与疫苗接种的效果。
流行病模型seirs模型疫苗接种元胞自动机免疫时效疫情控制
q-bio
03-25 00:00
本研究通过建立骨骼适应与损伤的数学模型，分析了不同训练方案对纯血赛马骨骼损伤风险的影响。研究发现，包含高速训练但总体负荷较低的训练方案，能在实现充分骨骼适应的同时减少骨骼损伤积累，从而降低骨折风险。此外，每年至少安排两次休息，且每次休息期不少于六周，能有效促进骨骼损伤的修复。该模型为设计平衡骨骼适应与长期骨骼健康的训练方案提供了科学依据。
赛马训练骨骼损伤数学模型负荷管理动物福利运动医学
q-bio
03-25 00:00
本研究发布了一个开放获取的多模态数据集，旨在弥补现有神经影像数据在真实世界多任务交互研究上的不足。该数据集采集了30名健康参与者在三个会话中的神经生理（EEG、fNIRS）、生理（ECG）、行为及主观测量数据，包含从单一认知（如N-back、心算）和运动任务，到模拟现实场景的认知-运动组合任务共七个层级任务。该原始数据集为开发先进的预处理方法和分析流程提供了资源，有望推动脑机接口、神经康复等领域对多任务大脑动态的理解。
多模态数据集神经影像认知-运动交互脑机接口神经康复eeg/fnirs
q-bio
03-25 00:00
阿尔茨海默病（AD）在出现明显认知症状前存在漫长的临床前期，此阶段神经病理变化已开始累积。研究表明，空间导航能力（特别是路径整合与寻路）的下降是临床前AD的敏感认知标志，其表现与血浆和脑脊液中的AD生物标志物（如p-tau）显著相关。该能力依赖于AD病理最早累及的神经回路。因此，评估空间导航有望成为一种敏感且可扩展的早期筛查方法，有助于识别无症状风险个体，并为早期干预提供依据。
阿尔茨海默病空间导航临床前期生物标志物早期检测认知功能
q-bio
03-25 00:00
本研究将关节软骨的组织学结构转化为计算模型，以预测其电动力学行为。通过分析组织切片构建孔隙网络图，模拟压力驱动下的流体流动，并基于压力梯度与离子位移的电动力学耦合估算电势。模拟发现，与健康软骨相比，退行性软骨的网络连通性更差，预测信号幅度更低；而健康结构能产生更连贯的传输轨迹和更强的电响应。模型预测了信号随软骨深度的变化及其相对于胶原取向的各向异性，为整合微观结构成像与带电多孔生物材料计算模型提供了新途径。
软骨生物力学电动力学耦合孔隙网络模型关节退行性变计算生物力学多孔材料
q-bio
03-25 00:00
本研究提出了一种结合同步脑电（EEG）与功能性近红外光谱（fNIRS）的多模态框架，并引入神经元雪崩分析，旨在识别阿尔茨海默病的早期网络功能障碍。该方法利用互补的神经信号，在交互式任务环境中考察运动执行与想象任务时的网络动力学。对一个小型试点队列（N=4，含一名轻度认知障碍患者）的初步分析验证了该多模态框架的技术可行性，并揭示了网络组织中可观察到的、依赖于任务条件的模式。主要发现包括：MCI参与者的运动执行与想象状态间的神经对比度降低，以及网络组织的试次间变异性增加。这些初步结果成功验证了技术流程，并为未来具有统计效力的研究提供了假设生成的观察。多模态发现的趋同性表明，对网络灵活性的多模态评估可能有助于检测阿尔茨海默病早期连续体的功能变化，支持将此受脑机接口启发的框架发展为一种有吸引力的诊断工具。
脑机接口多模态神经成像阿尔茨海默病神经元雪崩运动认知轻度认知障碍
q-bio
03-25 00:00
本研究提出了一种新颖的双年龄结构模型，通过同时追踪个体的“免疫力年龄”（自上次康复后的时间）和“感染年龄”（自感染开始的时间），来分析免疫力衰减和再感染条件下的流行病动态。模型采用年龄结构偏微分方程组描述易感和感染人群，并推导了基本再生数。数值模拟显示，接触率越高，疫情振荡幅度越大、间隔期越长。疫苗接种效率高度依赖于病毒载量在双年龄维度的分布，且最有效的策略并非仅针对完全易感者，而是从具有中等免疫力年龄的个体开始。该框架为分析再感染动态和评估基于免疫史的靶向疫苗接种策略提供了灵活工具。
流行病模型免疫力衰减再感染年龄结构疫苗接种策略偏微分方程