q-bio
03-26 00:00
针对RNA结构高度灵活、传统方法依赖单一预测结构导致信息丢失的难题，本研究提出ZeroFold模型。该模型利用生物分子基础模型Boltz-2，在结构解码步骤前提取蛋白质和RNA的“预结构嵌入”作为中间表征，这些嵌入隐式编码了构象集合信息。通过跨模态注意力机制融合两种分子的嵌入，ZeroFold可直接从序列预测结合亲和力。在构建的PRADB数据集（2,621个实验测定亲和力的蛋白质-RNA对）上，模型在严格测试条件下斯皮尔曼相关系数达0.65，接近实验噪声上限，且在控制训练集重叠的公平评估中优于现有基于结构和序列的领先方法。
蛋白质-rna结合亲和力预测预结构嵌入生物分子基础模型跨模态注意力
q-bio
03-26 00:00
本研究通过构建双层浮游生物时空生态模型，揭示了被动扩散耦合在环境噪声下的关键作用。研究发现，当层间耦合强度超过临界阈值时，系统会从独立的图灵斑图转变为完全同步的空间模式。该耦合机制显著增强了空间斑图对环境噪声的稳定性，使其持久性远超非耦合层。研究还发现营养级对噪声的敏感性存在层级差异，浮游动物比浮游植物更脆弱。这些结果表明，被动扩散耦合是促进空间同步和鲁棒性的统一机制。
浮游生物空间斑图扩散耦合环境噪声图灵斑图生态模型
q-bio
03-26 00:00
本研究将深度神经网络（DNN）引入步选择函数（SSF）框架，用于分析动物在异质景观中的运动路径。传统GLM-SSF和GAM-SSF模型在捕捉非线性效应、复杂交互作用及个体间变异性方面存在局限。DNN-SSF模型结合可解释AI技术，不仅能在线性效应上获得与传统GLM一致的效果量和p值，还能自动检测数据中存在的复杂交互效应（如 $f(x_1, x_2)$）、非线性响应及个体差异。研究提出了可视为非线性随机效应的新DNN结构，并通过'citoMove' R包提供了所有方法。
动物运动模型深度学习步选择函数生态统计可解释ai个体差异
q-bio
03-26 00:00
本研究提出了一种由脑电图（EEG）驱动的框架，用于从EEG信号重建高时空分辨率的动态功能磁共振成像（fMRI）序列。该方法利用EEG的毫秒级时间线索来补充fMRI的高空间分辨率，通过引入零空间中间帧重建技术，有效处理了实际fMRI采样的不规则性，实现了在皮层顶点级别上具有高空间保真度和强时间一致性的连续神经活动序列重建。在CineBrain数据集上的实验表明，该方法在全脑及特定功能区域均表现出优越的体素级重建质量和稳健的时间一致性，重建的fMRI能有效保留关键功能信息，支持下游视觉解码任务。
神经影像重建多模态融合脑电图功能磁共振成像动态建模计算神经科学
q-bio
03-26 00:00
本研究通过建立包含迁移和突变积累的集合种群模型，探讨了物种复合体（紧密相关种群群）的结构动态。模型引入了一个关键生态反馈机制：基因流成功率随遗传距离增加而降低，由函数 $h$ 描述。研究发现，集合种群规模越大，物种结构越趋向于形成连贯、可传递且均匀的实体。这表明，在大型物种中启动物种形成事件，需要存在特殊的（如地理或选择上的）基因流限制条件。
物种复合体集合种群模型基因流物种形成生态反馈种群遗传学
q-bio
03-26 00:00
传统博弈学习模型通常将个体的学习敏感度（即对策略成功程度的反应强度）视为固定参数。本研究突破这一限制，探讨了策略与学习敏感度如何协同演化。研究发现，演化终点高度依赖于博弈类型与学习规则：在囚徒困境中，敏感度倾向于无限增大；而在雪堆博弈和猎鹿博弈中，敏感度常收敛于有限值，甚至出现演化分支。这表明，噪声学习（低敏感度、更随机的学习）并非仅仅是认知局限的副产品，而可能是一种为获取策略优势而演化出来的适应性机制。
演化博弈论学习理论协同演化社会行为噪声学习策略互动
q-bio
03-26 00:00
本文介绍了BoolForge，一个专注于渠化性质的Python工具箱，用于随机生成和分析布尔函数与网络。该系统生物学中广泛使用的建模框架，用于研究基因调控等过程。该工具支持用户生成具有指定渠化深度、层结构等约束的随机布尔函数，构建具有可调拓扑和功能特性的布尔网络，并分析包括渠化度量、鲁棒性和吸引子结构在内的特征。通过实现可控生成与分析，BoolForge促进了基于集合的结构-动力学关系研究、理论预测的基准测试，以及为布尔网络研究构建基于生物学的零模型。
布尔网络系统生物学渠化性质随机生成动力学分析python工具
q-bio
03-26 00:00
本研究提出了FLOWR.root，一个SE(3)等变的流匹配基础模型，用于口袋感知的3D配体生成，并联合进行效价、结合亲和力预测及置信度估计。该模型支持从头生成、基于相互作用和药效团的采样、片段延伸与替换，以及多终点亲和力预测（pIC50, pKi等）。训练结合了大规模配体库和混合精度的蛋白质-配体复合物数据，并在精选的共晶数据集上进行了精调。模型在无条件3D分子生成和口袋条件配体生成任务上达到了最先进的性能。在亲和力预测方面，其在HiQBind和FEP+/OpenFE基准测试中超越了Boltz-2等近期方法，并具有显著的速度优势。研究表明，通过参数高效的LoRA微调可有效适应新领域数据。联合生成与预测能力支持通过重要性采样在推理时引导设计更高亲和力的化合物，在CK2α、ERα等靶点的案例研究中得到了验证。
药物设计分子生成亲和力预测深度学习结构生物学流匹配
q-bio
03-26 00:00
本研究提出KINESIS，一种无模型的运动模仿框架，旨在解决传统扭矩控制人形模型在模拟人体运动控制关键方面的不足，如生物力学关节约束和非线性、过度驱动的肌肉肌腱控制。该框架在1.8小时的运动数据上训练，在未见轨迹上实现了强大的运动模仿性能。通过负样本挖掘方法，KINESIS学习了鲁棒的运动先验知识，并成功应用于文本到控制、目标点到达和足球点球等下游任务。重要的是，该模型生成的肌肉活动模式与人类肌电图（EMG）活动高度相关，且其生理合理性使其成为解决人体运动控制挑战性问题的有前景的模型。
运动模仿强化学习肌肉骨骼模型生物力学人体控制
q-bio
03-26 00:00
本研究提出SigmaDock，一种创新的分子对接方法。它通过引入基于结构化学先验的配体片段化方案，将配体分解为刚性片段，并利用SE(3)黎曼扩散模型学习在结合口袋内重新组装这些片段。该方法避免了复杂扩散过程和不稳定的训练动态，同时充分利用了几何先验。实验表明，在PoseBusters测试集上，SigmaDock的Top-1成功率（RMSD<2Å且PB有效）达到79.9%以上，显著优于近期深度学习方法（12.7%-30.8%），并首次在PB划分下超越了经典物理对接方法，展示了深度学习在分子建模中可靠性与可行性的重大突破。
分子对接扩散模型药物发现深度学习结构化学se(3)
q-bio
03-26 00:00
本文提出了ContagionRL，一个与Gymnasium兼容的强化学习平台，专门用于在空间流行病模拟中进行系统的奖励工程研究。该平台将空间SIRS+D流行病学模型与可配置的环境参数相结合，允许研究者在不同条件下（如有限观测性、不同移动模式和异质群体动态）对奖励函数设计进行压力测试。研究评估了从稀疏生存奖励到新颖势场方法在内的五种不同奖励设计，发现方向性引导和明确的依从性激励是稳健策略学习的关键。结果表明，奖励函数的选择显著影响智能体行为和生存结果，采用势场奖励训练的智能体能够学习最大程度地遵守非药物干预措施，并发展出复杂的空间规避策略。
强化学习流行病模拟奖励工程行为建模智能体学习sirs模型
q-bio
03-26 00:00
本研究提出并定义了一种名为“界面电位转导”的新型标准化电学信号转导模式，旨在解决床边诊断中光学方法依赖仪器、电化学方法易受基质干扰的难题。该模式通过一个识别关键样本基质参数的机制框架，实现了对生物体液干扰的有效控制。研究在侧向层析免疫分析平台上，成功对人血浆中的雌二醇、孕酮和黄体生成素进行了定量检测，结果与临床分析仪高度相关（r² > 0.97）。其更广泛的适用性在生化分析（葡萄糖检测，LOD = 0.92 µg/dL）、免疫分析（HIV p24蛋白，LOD = 44.8 fg/mL）和分子诊断（5分钟内检测乙肝病毒）中均得到验证，展示了其作为超越现有光学和电化学方法的统一诊断范式的潜力。
床边诊断信号转导电学检测免疫分析分子诊断生物传感器
q-bio
03-26 00:00
研究通过分析503张校准自然图像的锥体细胞响应，发现三维颜色空间呈现非高斯分布，具有不对称的重尾方向。采用稀疏编码模型对数据进行拟合，以最小化表示数据所需基向量的系数总和。模型收敛至六个基向量，对应红、绿、蓝、黄四种独特色调以及黑、白。模型中的非线性推断产生了潜在变量间的兴奋性与抑制性相互作用：前者促进相邻独特色调组合以编码中间色调，后者则强制对立色调（如红-绿、蓝-黄）互斥。这为自然环境的颜色统计分布与颜色知觉现象学之间建立了联系原则。
颜色知觉稀疏编码自然场景统计计算神经科学独特色调视觉系统
q-bio
03-26 00:00
本研究从视觉通路神经群体编码的Fisher信息出发，推导出三维颜色空间上的黎曼度量。该模型将光感受器适应、视网膜拮抗通道和皮层群体编码分别映射到几何结构上，产生一个其分量对应可测量神经量的度量张量。所建立的17参数模型被联合拟合到四个独立的颜色辨别阈值数据集：MacAdam色度椭圆、Koenderink等人的三维椭球、Wright波长辨别函数以及Huang等人的阈值色差椭圆，共涵盖96种不同色度和亮度下的独立测量条件。联合拟合的STRESS误差分别为：MacAdam数据23.9，Koenderink数据20.8，Wright数据30.1，Huang数据30.8。
颜色辨别神经编码fisher信息黎曼几何视觉科学计算模型
q-bio
03-26 00:00
本研究发布了首个公开的超声鼻胃管（UNGT）数据集，包含来自110名患者的493张图像，并对肝脏、胃、鼻胃管及胰腺四类结构进行了精确标注。为解决数据稀缺与类别不平衡问题，论文提出了一种半监督自适应权重聚合医学分割器（AAMS）。该模型通过自适应权重方法动态调整不同类别的损失，并利用多尺度注意力聚合块融合局部与全局上下文信息，从而增强了对稀疏或小尺寸结构的特征表示能力。实验表明，AAMS在UNGT数据集上的分割性能优于现有先进方法。
医学影像数据集图像分割半监督学习超声成像鼻胃管