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尺度融合与计算驱动创新的趋势，从分子结构到生态系统均有涉及。
2026-03-31 共 22 条抓取，按综合热度排序
本研究提出PI-Mamba模型，用于高效生成几何结构有效的蛋白质骨架。该模型将可微的几何约束强制执行算子集成到流匹配框架中，并采用基于Mamba的状态空间架构，实现了线性时间推理。通过引入源自Rouse聚合物模型的谱初始化策略和辅助的顺式脯氨酸感知头，模型在优化稳定性和骨架真实性方面表现优异。实验表明，PI-Mamba在基准任务中实现了0.0%的局部几何违规率和高设计性（scTM = $0.91\pm 0.03$），并能在单块24GB A5000 GPU上扩展到超过2000个残基的蛋白质。
本文提出D2Bio框架，旨在从全切片图像中准确预测遗传生物标志物。该框架包含两个核心模块：1）基于字典的分层病理挖掘模块，能够不受斑块距离限制地挖掘细粒度的病理上下文交互；2）困难样本辅助分类器去偏模块，通过关注困难但任务相关的特征来学习去偏分类器，无需额外标注。在五个队列上的实验结果表明，该方法在TCGA-CRC-MSI队列上的AUROC比次优方法提升超过4%，并展现出良好的临床可解释性和在生存分析中的潜在应用价值。
本研究提出了一种自主代理编排的数字孪生（AADT）框架，旨在解决医疗数字孪生（MDT）在罕见遗传病管理中普遍存在的状态同步滞后问题。该框架利用OpenClaw的主动“心跳”机制和模块化代理技能，持续监控患者表型数据和外部知识库（如变异分类数据库）的更新，并自动执行数据摄取、归一化、状态更新及触发式分析的工作流。原型系统证明，该方法能有效同步MDT状态与纵向表型数据及不断演变的基因组知识，从而支持更早的诊断和更准确的疾病进展建模。
本研究通过整合泛癌RNA-seq数据，利用ANOVA和高斯混合模型进行表达谱过滤与聚类，识别出48个独特的免疫相关元基因簇。这些元基因能准确预测已知的免疫亚型，并揭示了免疫激活与调节因子的共表达、细胞周期调控与免疫逃逸的关联等新机制。生存分析表明，多个元基因对患者总生存期具有显著的预后价值，为开发超越单基因标记、广泛适用的免疫肿瘤学生物标志物奠定了基础。
本研究通过扩散理论和蒙特卡洛模拟，分析了在稳定选择和对称突变下，多基因性状的等位基因频率分布。研究发现，虽然上位性相互作用对表型均值与遗传方差的预测影响较小，但对等位基因频率分布的准确描述至关重要。当基因效应大小超过阈值时，频率分布会从单峰转变为双峰，这是确定性模型中双稳态的随机对应现象。
本研究提出，人类从他人行为中推断丰富社会信息的过程，并非简单的视觉模式匹配，而是植根于将直觉心理学与直觉物理学相结合的推理过程。为验证此假设，团队构建了PHASE数据集，包含大量程序生成的二维物理模拟动画，描绘了不同环境、目标与关系下的双智能体互动。同时提出了SIMPLE计算模型，这是一个基于物理的贝叶斯逆向规划模型，通过整合规划、概率推理与物理模拟，从智能体轨迹中推断其目标与关系。实验表明，SIMPLE模型在多样场景下达到了高精度，并与人类判断高度一致，而前馈基线模型（包括强大的视觉-语言模型）及忽略物理的逆向规划模型均未能达到人类水平。这为理解人类如何通过反演一个结合物理与智能体的生成模型来理解物理世界中的社交场景提供了计算解释。
本研究提出了体积时空图像相关光谱（vSTICS）框架，用于从三维荧光时间序列中定量恢复活细胞拥挤环境下的体素级流速、扩散系数和粒子密度。该方法通过场合成晶格光片显微镜对山茶花粉管成像，结合局部时空相关分析，成功绘制了线粒体等细胞器的运输图谱。验证实验表明，该方法能准确恢复预设的运输参数（如约3 μm/s的流速）。应用揭示了花粉管线粒体存在双向“反向喷泉”运输模式，并量化了其不对称的横向循环特征。
本文量化并理论化了一个自我强化的动态过程：大语言模型（LLM）的上下文窗口呈指数级扩张（从2017年的512个token增长至2026年的约200万个），而人类的有效上下文跨度（ECS）却在持续收缩（从2004年的约1.6万个token降至2026年的约1800个）。由此产生的“认知鸿沟”在质量调整后已达56-111倍。研究进一步提出“委托反馈循环”假说：随着AI能力增强，人类将任务委托给AI的认知阈值不断降低，甚至包括微不足道的任务，这种认知实践的减少可能进一步削弱本已衰退的人类认知能力。论文从统计学、神经生物学机制和实证证据多角度分析了这一趋势，并提出了未来的研究议程。
本研究首次从非平衡量子场论的第一性原理出发，严格推导出时空分数阶流行病动力学方程。通过Doi-Peliti形式将随机传染过程映射为规范场论，并超越静态平均场近似，计算了完整的单圈真空极化动力学。研究证明，积分掉动态涨落的宿主真空会产生异常的动量和频率标度行为，从而在坐标空间中导出了由抛物Riesz势和Riemann-Liouville时间导数控制的耦合时空分数阶积分-微分方程。在反常区域（$\alpha < 2$），局域Debye屏蔽被修正，促进了Lévy飞行超级传播和时间雪崩，导致有效再生数$R_{eff}$不再是标量，而转变为受紫外空间截断严格约束的谱色散关系。
本研究针对斑马鱼幼体脑图谱（MapZebrain）建立了一个可复现的隐式神经表示（INR）基准测试。通过统一的种子控制协议，比较了SIREN、傅里叶特征、哈尔位置编码和多分辨率网格在950幅灰度显微图像（包括图谱切片和单神经元投影）上的表现。图像使用非保留列中10%像素估计的（1,99）百分位数进行归一化，空间泛化能力通过沿X轴确定性保留40%列进行测试。结果表明，哈尔和傅里叶编码在保留列上实现了最强的宏观平均重建保真度（约26 dB），而网格方法稍逊。SIREN在宏观平均上表现较差，但在全合一场景的面积加权微观平均上仍具竞争力。SSIM和边缘聚焦误差进一步显示，哈尔和傅里叶能更准确地保留神经解剖边界。这些发现表明，显式的频谱和多尺度编码比平滑偏置的替代方法能更好地捕捉高频神经解剖细节。
本文提出了一种分层层谱嵌入（HSSE）框架，用于单细胞RNA-seq数据的表示学习。该方法通过构建多分辨率细胞邻域，为每个邻域定义数据驱动的细胞层，并计算持续层拉普拉斯算子，提取跨尺度的局部关系结构演化谱统计量。这些谱描述符被聚合成每个细胞的统一特征向量，可直接用于下游学习任务，无需额外训练。在12个基准数据集上的评估表明，HSSE在多种评价指标上均取得了有竞争力或更优的性能。
本研究提出了ImmSET（免疫突触编码Transformer），一种新颖的基于序列的架构，用于建模可变长度生物序列集合之间的相互作用。该模型专门针对T细胞受体（TCR）与主要组织相容性复合体呈递肽（pMHC）的特异性预测难题。研究通过系统测试训练数据规模对性能的影响，发现其表现随数据量增加而稳定提升，在相同数据集上微调后，性能优于预训练蛋白质语言模型ESM2。在提供足够训练数据时，ImmSET在TCR-pMHC特异性预测任务上甚至能超越基于AlphaFold2和AlphaFold3的流程。这项工作为多序列相互作用问题建立了一个可扩展的建模范式。
本研究针对耗散认知架构中因单元周期性随机重置而难以维持持久记忆的核心挑战，提出了一种名为“深度记忆”的非梯度记忆机制。该机制通过“记录专家内容中心点”、“用存储表征重新播种重置单元”和“持续再入稳定化”构成的三重循环巩固周期，实现了上下文特异性记忆的长期保存。实验表明，该机制在近千次模拟运行中显著优于无记忆基线及Hopfield网络等非梯度模型，为理解非梯度系统中的类海马体记忆巩固提供了可证伪的机制框架。
本文探讨了利用生态普查数据验证种群非线性动力学的可行性。研究采用了一个孤立的、基于恒化器的非线性模型，并考虑了种群规模有限性所产生的最小化噪声。通过严谨的手工计算分析，作者指出，生态学中著名的长序列数据（如Nicholson和Utida收集的数据）通常仅包含数百个数据点，这对于可靠地验证非线性动态可能仍显不足。研究重点不在于争论非线性动态是否存在，而在于评估现有数据在方法论上的局限性。
本文综述了在模拟细胞质拥挤环境方面最新的计算方法。研究通过使用蛋白质、惰性分子和小分子来模拟拥挤条件，并开发了新的模拟方法来研究细胞模型。尽管面临挑战，但针对细胞内生物现象的建模与模拟正成为一个快速发展的领域，有望显著提升我们对生命体内现象发生机制的理解。
研究团队开发了名为“PhotoScan”的智能手机图像分析方法，用于评估身体成分。该方法基于UK Biobank数据预训练，并在包含677名不同种族、年龄和体脂分布参与者的临床队列中微调，针对全身脂肪百分比（BF%）、躯干-臀部脂肪比（A/G）和内脏-皮下脂肪面积比（V/S）的预测，与金标准双能X射线吸收法（DXA）相比，平均绝对误差（MAE）分别低至2.15%、0.11和0.09。在独立队列中验证后，将PhotoScan指标加入基线模型（年龄、性别、BMI）能显著提升胰岛素抵抗分类的预测性能（AUROC从69.2%提升至76.0%），其效果接近使用临床级DXA数据。这表明基于智能手机的表型分析能捕捉BMI遗漏的临床风险信号，为心血管代谢风险分层提供了可扩展的替代方案。
本研究首次将三个关键要素整合到一个心理物理学上真实的早期视觉网络模型中：1）一个包含自上而下反馈的通用且合理的循环网络；2）每一层都经过调谐以复现心理测量函数的精确噪声；3）经过验证的可靠信息度量方法。该模型允许可靠地研究信息流如何依赖于不同的连接方案、噪声源和刺激。结果表明，反馈在两方面有益：在稳定状态下，V1→LGN的循环减少了数据处理不等式沿通路的信息损失；并且通过庞加莱分析发现，存在一个使从皮层表征重建信号精度最优的反馈值。
本研究首次系统探讨了基因组基础模型的训练数据投毒威胁。研究展示两种互补攻击方式：1）通过植入对抗性DNA序列（累计1%暴露量即可完全植入），可选择性破坏模型在特定基因组上下文中的生成行为，后门激活呈现S型剂量反应关系；2）通过污染下游训练数据的标签，可针对性破坏临床相关变异分类（如BRCA1变异效应预测）。结果表明基因组基础模型对靶向数据投毒攻击具有脆弱性，凸显了在开发流程中加强数据溯源、完整性验证和对抗鲁棒性评估的必要性。
本研究提出了一种量化情绪状态下大脑网络动态稳定性的新框架。研究者利用高密度脑电图（EEG）记录被试处理快乐与悲伤面部表情时的数据，通过加权相位滞后指数构建功能连接矩阵，并将其作为连续Hopfield能量模型的耦合权重，计算每次试验的标量能量值。结果显示，悲伤情绪处理与显著更低的能量值（更负）相关，尤其在alpha频段效应最强（Cohen's d = 0.83）。能量值与全局效率呈强负相关（r = -0.72），表明高连接效率的网络对应更稳定的状态。此外，悲伤试验中alpha频段能量与反应时呈正相关（r = 0.61），表明更深的网络稳定性与更高的认知努力相关。这些发现证明情绪效价对应大脑功能景观中不同的吸引子盆地，悲伤占据比快乐更深、更稳定的构型。
本研究整合了841名美国参与者的连续可穿戴设备数据与临床血液标志物，系统评估了心血管-肾脏-代谢综合征的亚临床损害。研究发现，代谢与心血管功能紊乱显著相关（r=0.26， p<0.001），但早期肾脏损害独立发生。通过归一化偏差评分，29.0%的参与者被识别出显著健康损害，其中心血管偏差最常见（13.3%）。特征消融分析表明，步数、有效运动时长和静息心率是可穿戴设备中预测心血管与代谢衰退的最有效指标。这为利用可穿戴设备进行早期、精准干预提供了依据。
本研究通过三个数学证明，揭示了基于地标和认知地图的空间导航架构在计算上是通用的。证明分别通过模拟两计数器机、单带图灵机以及仅依赖局部邻接信息的二维地标场来实现。这些构造在数学上接近经典的图灵等价模型，但首次在认知地图和离线导航的框架内，系统地重构了通用性证明。该工作将已知的可计算性理论思想重新表述，表明以空间导航为核心的表征和计算原语足以支撑通用计算。
本文提出了情境扩散决策模型（CDDM），作为经典扩散决策模型（DDM）的形式化推广。CDDM基于贝叶斯推理，为多源信息下的决策提供了一个计算理论框架。该模型不仅能解释多种经典心理学任务（如Flanker、AX-CPT、停止信号等）中的情境依赖决策行为，还支持对最优反应和记忆分配策略进行规范性理性分析。研究表明，使用统一的CDDM参数可以在不同任务中复现一致的数据模式。