q-bio
03-27 00:00
本研究提出了一种多尺度融合学习框架MSFL，通过整合静息态功能磁共振成像信号中的振幅相关性（滑动窗口相关）与相位同步性两种动态功能连接特征，来提升脑部疾病的识别能力。该框架在自闭症谱系障碍和重度抑郁症两个公开数据集上的分类性能显著优于现有模型。SHAP模型解释分析表明，振幅与相位特征对疾病检测均有贡献。
动态功能连接多尺度融合学习fmri信号分析脑疾病分类相位同步
q-bio
03-27 00:00
本研究对15种单细胞RNA测序（scRNA-seq）数据填补方法进行了大规模基准测试，涵盖7个方法类别（包括传统统计模型与深度学习模型），在来自10种实验协议的30个数据集上评估了6种下游分析任务。结果显示，基于模型、平滑和低秩矩阵的传统方法在多数情况下优于基于扩散、GAN、GNN和自编码器的深度学习方法。研究还发现，基因表达数值恢复的准确性并不总能转化为下游分析的生物学可解释性提升，且方法性能在不同数据集、协议和分析任务间差异显著，没有一种方法在所有场景下均表现最优。
单细胞rna测序数据填补基准测试深度学习下游分析基因表达
q-bio
03-27 00:00
本研究提出一个基于网络的框架，将可塑性这一描述性概念操作化为系统规模与连接强度的比值。该框架表明，系统规模决定了可达状态空间的维度，而连接强度则调节系统的动力学状态。在中等连接强度下，系统在变化能力与维持一致性能力之间达到平衡，这一最优可塑性范围恰好与临界状态重合。由此定义的“有效可塑性”提供了一个标准化的度量单位，可用于预测系统在变化发生前的适应能力，并在心理病理学等领域得到验证。该框架将可塑性重塑为驱动临界性的结构性调节参数，而非伴随现象。
网络科学系统可塑性临界状态复杂系统动力学状态
q-bio
03-27 00:00
研究通过系统分析262,144条摩尔邻域外总和元胞自动机规则，绘制了自复制现象的相图。发现约7.69%的规则支持模式增殖，主要集中在规则密度λ≈0.15–0.25和背景稳定性F≈0.2–0.3的弱超临界区域。自复制规则表现出更强的近似质量守恒特性（质量平衡0.21 vs. 0.34），且自复制率随邻域尺寸单调增加。研究确定了背景稳定性和近似质量守恒是定义自复制相边界的主要维度。
元胞自动机自复制相图生命起源计算生物学复杂系统
q-bio
03-27 00:00
本研究提出了从核苷酸序列中高效提取“间隔k-mer”的新方法。该方法基于CPU级别的位操作指令，不仅实现更简单，而且比现有方法快一个数量级。研究还评估了k-mer处理中常见的性能陷阱。综合来看，该方法使得间隔k-mer能够应用于高性能生物信息学应用，而不会造成显著的性能下降，单核吞吐量可达每秒750MB序列数据。实现代码以C++20编写，采用MIT许可证开源。
生物信息学序列分析k-mer提取高性能计算算法优化
q-bio
03-27 00:00
研究提出“最小成本原理”，将经典力学定律（如引力和库仑力）视为一个优化问题的解。通过逆强化学习方法，从已知的动力学方程反推出一个隐含的“奖励函数”。该函数在粒子对具有高相对速度，且相对运动方向垂直于其连线时取值最高，表明自然界的中心力倾向于优化相对运动和准圆形轨道。这为从最优控制视角理解物理定律提供了新框架。
逆强化学习最小成本原理经典引力最优控制物理定律奖励函数
q-bio
03-27 00:00
本研究针对基因组中高度不稳定的极短串联重复序列（STRs，重复单元1-6 bp）的突变动力学进行建模。通过整合多个STR位点的长度变异信息，旨在构建一个适用于单细胞谱系追溯的快速“分子钟”。模型基于已知谱系结构的培养细胞数据集进行校准，发现STRs的突变动力学在同一细胞系内相对一致，但在不同细胞系间存在差异。这表明突变动态不完全由“看护基因”的突变解释，可能还受组织来源和分化状态等因素影响。
串联重复序列分子钟单细胞谱系突变动力学基因组不稳定性
q-bio
03-27 00:00
本研究提出“超微结构到动力学编译器”概念，旨在将高分辨率脑成像获取的、包含分子组成的突触超微结构数据，转化为可直接用于生物物理模拟的生理参数（如突触效能、局部电导）。其核心在于利用成对的训练数据——同时获取的超微结构图像和生理扰动实验的动态响应——来学习一个从结构到参数的映射模型。该方法有望将描述性的结构-功能研究转变为预测性研究，为理解神经计算和预测干预效果开辟新途径。
神经动力学超微结构生物物理模拟结构功能映射机器学习脑成像
q-bio
03-27 00:00
本研究提出的OpenCap Monocular算法，仅需一部智能手机拍摄的视频，即可估算人体的3D骨骼运动学（如关节角度）和动力学（如肌肉骨骼受力）。该方法通过优化单目姿态估计模型（WHAM）的3D姿态，结合生物力学约束的骨骼模型计算运动学，并利用基于物理的仿真和机器学习估算动力学。验证显示，其在行走、深蹲、坐站等任务中，旋转自由度平均绝对误差为4.8°，骨盆平移误差为3.4厘米，优于纯回归的计算机视觉基线。该算法能准确估算与衰弱和膝骨关节炎相关的关键动力学指标（如膝关节伸展力矩），并通过云端平台免费提供，有望实现大规模、便捷的生物力学评估。
生物力学单目视觉运动分析动力学仿真智能手机应用临床评估
q-bio
03-27 00:00
本文提出了一种针对依赖混合数据的因果发现框架，解决了传统方法要求数据独立同分布且难以处理连续与离散变量混合的难题。该方法通过构建含潜变量的结构方程模型，允许样本间存在相关的高斯误差，并利用EM算法估算离散观测背后的潜变量。通过去相关变换，可将处理后的数据应用于标准因果发现算法。模拟实验表明，该方法显著提升了因果图恢复的准确性。在单细胞RNA测序数据上的应用，成功推断出胚胎干细胞分化相关的基因调控网络，其预测似然性显著优于传统方法，且许多高置信度边得到文献中已知调控关系的支持。
因果发现混合数据基因调控网络结构方程模型单细胞测序去相关
q-bio
03-27 00:00
本研究针对具有更新边界条件和耦合底物动力学的年龄结构恒化器模型，在恒定稀释率下，分析了其平衡点的稳定性。该模型是一个复杂的无限维反馈系统，包含一个由PDE零龄边界繁殖产生的正静态反馈环，以及一个由底物动力学主导的负动态反馈环。通过构造一个合适的李雅普诺夫泛函，研究推导出了保证全局稳定性的显式充分条件，并获得了全局指数衰减估计和关于该泛函度量的全局一致渐近稳定性。从生物学角度看，稳定性源于繁殖受底物可用性限制，而稀释、死亡率和底物消耗在年龄结构效应放大之前抑制了生物量的瞬时增加。研究结果应用于文献中的一个恒化器模型，并将导出的稳定性条件与基于（局部）线性化方法的现有结果进行了比较。
恒化器模型年龄结构全局稳定性李雅普诺夫泛函底物动力学反馈系统
q-bio
03-27 00:00
本研究开发了一个基于3,414名深度表型成年人的步态基础模型，利用深度摄像头记录的五项运动任务中的3D骨骼运动数据。模型学习到的嵌入特征优于传统工程特征，能有效预测年龄（Pearson r = 0.69）、BMI（r = 0.90）和内脏脂肪面积（r = 0.82）。在调整年龄、BMI、内脏脂肪和身高后，步态信息仍能独立提升对18个身体系统中（男性全部，女性17个）表型的预测能力，并改善临床诊断和用药情况的预测。解剖学消融实验显示，腿部运动主导代谢和衰弱预测，而躯干则编码睡眠和生活方式表型。这些发现确立了步态作为一种独立的多系统生物信号。
步态分析基础模型健康表型3d骨骼运动生物信号人工智能
q-bio
03-27 00:00
本研究提出了一种理论与实验相结合的新框架，用于量化生物分子凝聚体的界面传输特性。通过扩展半荧光漂白恢复（half-FRAP）方法，并利用谱分解求解具有半透界面的球形扩散问题，研究证明积分恢复曲线包含了足够信息来反演界面参数。将框架应用于由聚赖氨酸和透明质酸组成的可调谐凝聚体，发现其界面表现出强烈的偏向性反射和显著的阻力，两者共同驱动了优先的内部混合。这些参数依赖于盐浓度，从而将界面传输与分子间相互作用强度及相图中的位置联系起来。
生物分子凝聚体界面传输半frap相分离扩散模型共凝聚体
q-bio
03-27 00:00
本研究基于423名接受根治性前列腺切除术的局部前列腺癌患者数据，开发了一种贝叶斯伽马幂混合生存回归模型，用于预测术后生化复发时间。模型通过计算表观香农信息（ASI）评估预测效能，发现仅使用年龄和术前血液检测（PSA及生物标志物）即可获得0.232纳特的ASI，是先前模型的两倍以上。研究进一步表明，术前Gleason分级或MRI结果对预测的贡献远低于血液生物标志物，其中TGFβ1、VCAM1、IL6sR和uPA被确定为关键预测因子。
生存分析贝叶斯模型前列腺癌生物标志物预测模型
q-bio
03-27 00:00
本研究构建了一个基于双稳态磷酸化的核质运输与细胞生长模型，通过分岔分析发现，磷酸化阈值、时间尺度参数和运输速率可诱导系统发生Hopf分岔，从而产生振荡。进一步引入加性噪声后，研究发现随机共振和Bautin分岔现象能够显著增强振荡的鲁棒性，揭示了噪声在生物节律调控中的建设性作用。
双稳态磷酸化随机共振hopf分岔核质运输生物振荡系统动力学
q-bio
03-27 00:00
本研究提出全细胞表达解码（WCED）方法，通过单个CLS令牌嵌入重构整个基因词汇表，形成信息瓶颈，显著提升了转录组基础模型在下游任务中的表现。与传统的掩码语言建模（MLM）相比，WCED在所有下游评估指标上均表现更优，尽管其训练重构误差更高。分析表明，模型优先学习表达受稳定转录程序调控的基因。此外，研究引入利用细胞本体论结构的层次交叉熵损失，实现了多粒度级别的零样本细胞类型注释。该方法在CZI基准测试中，于零样本批次整合和线性探测细胞类型注释任务上取得了最佳综合性能。
转录组学基础模型全细胞解码零样本学习细胞类型注释生物信息学
q-bio
03-27 00:00
本研究提出了一种用于结构引导蛋白质设计的约束扩散框架，解决了现有方法在功能设计需要精确约束时的关键失效问题。该方法将邻近可行性更新与ADMM分解集成到生成过程中，确保严格遵循功能要求，同时保持精确的立体化学和几何可行性。在具有挑战性的蛋白质设计任务（如基序支架和空位约束口袋设计）上进行了评估，并引入了PDZ域基序支架的新型基准数据集。该方法实现了最先进的性能，完美满足键合和几何约束，且结构多样性无衰减。
蛋白质设计扩散模型结构约束生成模型计算生物学
q-bio
03-27 00:00
本研究提出了一种名为“关联信息最大化”的生物启发式框架，用于替代传统反向传播算法。该框架通过最大化神经网络层间激活的关联信息，同时优化前向与后向信号传播路径，从而避免了反向传播中权重对称的生物学不合理性。结合均方误差损失函数，该方法自然地推导出具有树突处理和多室锥体神经元结构的生物更可信的网络模型，为解决监督学习在生物神经网络中的实现机制提供了新的理论途径。
生物启发学习关联信息最大化权重对称问题监督学习神经网络反向传播
q-bio
03-27 00:00
本研究提出使用图神经网络（GNN）整合流行病学数据和病原体全基因组测序数据，以更准确地推断传染病传播路径。方法将感染者视为图节点，并用基因距离为边赋权，构建模型预测已知宿主与未测序宿主间的遗传距离。相比传统方法，GNN在性能上具有优势，但计算成本更高。该模型有助于识别关键传播风险因素和集群，为制定防控策略提供依据。
图神经网络传染病传播基因组学流行病学建模数据整合
q-bio
03-27 00:00
本研究提出了Lingshu-Cell，一种基于掩码离散扩散的生成模型，旨在解决单细胞转录组学中细胞状态建模与扰动响应预测的核心挑战。该模型直接在离散标记空间中运行，无需依赖基因筛选（如高变基因或表达水平排序），即可捕获约18,000个基因间复杂的全转录组表达依赖关系。实验表明，Lingshu-Cell能准确再现多种组织和物种的转录组分布、标记基因表达模式及细胞亚型比例，并在虚拟细胞挑战赛H1遗传扰动基准和预测人类PBMCs细胞因子诱导反应中取得领先性能。这为生物发现和扰动筛选提供了新的计算范式。
单细胞转录组生成模型虚拟细胞扰动预测扩散模型计算生物学
q-bio
03-27 00:00
针对罕见黑色素瘤（肢端、黏膜、葡萄膜）对免疫疗法响应率低的问题，研究团队利用犬类黑色素瘤作为比较肿瘤学模型，结合其RNA测序数据与文献信息，构建了一个新颖的黑色素瘤-免疫动力学机制数学模型。通过对模型进行敏感性分析，识别出在肿瘤免疫动态中具有关键影响的信号通路，为发现潜在的新治疗靶点及未来联合疗法提供了理论支持。该研究展示了一种在可用数据稀缺的罕见疾病背景下进行概念验证的工作流程。
罕见黑色素瘤比较肿瘤学数学模型免疫治疗犬类模型靶点发现
q-bio
03-27 00:00
本文主张在态度理论研究中，应结合数学分析与计算模拟，以产生更精确的理论预测。作者以因果态度网络模型为例，说明两者的互补性，并引入图动力系统作为态度网络模型的通用理论框架。通过态度作为约束满足理论的具体应用，展示了GDS如何生成定量预测。文章最后指出，完善的态度理论有助于应对心理学领域的可重复性危机。
态度理论数学分析图动力系统计算模拟网络模型心理学
q-bio
03-27 00:00
本研究在生态学与流行病学背景下，系统比较了贝叶斯与频率主义统计推断框架的性能。通过将两种方法应用于三个经典生物模型（Lotka-Volterra捕食者-猎物模型、广义逻辑增长模型、SEIUR传染病模型）和四个真实数据集，并采用均方误差（MSE）、预测区间覆盖率等统一指标进行评估。研究发现，当数据丰富且状态变量完全可观测时，频率主义方法表现更优；而在数据稀疏、存在潜在状态不确定性（如SEIUR COVID-19模型）时，贝叶斯方法凭借其处理不确定性的能力更具优势。结构可识别性分析为理解这些性能差异提供了理论依据。
统计推断比较贝叶斯方法频率主义方法模型可识别性生物数学建模不确定性量化