q-bio
04-01 00:00
本研究提出一种预训练-微调框架，利用静息态功能磁共振成像直接预测帕金森病患者对时间干涉刺激和深部脑刺激的临床反应。核心是构建了一个生成式虚拟脑基础模型，该模型在包含2707名受试者的数据集上预训练，以捕捉普遍的疾病模式，随后在特定治疗队列上微调，生成高度忠实于个体功能连接（r=0.935）的个性化虚拟脑。通过在模型中对比病理与健康神经状态，实现了对临床疗效的精准预测（AUPR分别达0.853和0.915），显著优于基线方法。外部和前瞻性验证支持了其临床转化潜力，并为理解疗效相关的神经机制提供了新见解。
帕金森病神经调控虚拟脑模型疗效预测功能磁共振人工智能
q-bio
04-01 00:00
通量采样是一种基于分布、从代谢模型解空间中随机选取大量有效点的分析方法。与大多数基于约束的分析不同，它无需优化目标函数，从而能够探索物种可能表现出的全部表型谱。采样也可被限制在所选目标至少达到其最优值特定比例的子空间内，这种针对性方法在研究特定功能的最优表型时具有价值。与仅返回单一解的通量平衡分析相比，采样利用统计能力揭示原本可能被掩盖的表型，这在改变物种生存条件（培养基）时尤为有用。本文重点介绍了在不同场景下对基因组尺度代谢模型应用通量采样的一些前沿方法，并展示了其应用实例。
通量采样代谢模型表型谱约束分析基因组尺度代谢环境
q-bio
04-01 00:00
本研究通过脑电图（EEG）实验，首次直接验证了人工神经网络语言模型对论元结构构式（ASCs）的表征预测在人脑中的存在。实验发现，当句子结构在句末完全明确时，人脑会产生特定于构式的神经特征，尤其在α波段最为显著。这些神经特征的出现时间和相似性结构与循环神经网络及Transformer模型中的表征模式高度一致。这表明，无论是生物还是人工系统，在处理语言时都趋向于发现并利用底层“柏拉图式表征空间”中稳定的、高效的语言抽象结构。
认知神经科学语言处理脑电图人工神经网络构式语法表征趋同
q-bio
04-01 00:00
FcsIT是一款基于Python开发的开源、跨平台软件，专门用于荧光相关光谱数据的相关计算与曲线拟合。该工具采用Dear PyGUI构建界面，支持读取和关联TTTR数据，并能对光子时间轨迹数据进行TCSPC滤波。其核心算法应用了循环块自助法来计算相关数据及其方差，所得数据质量可与商业软件相媲美。软件内置九个预定义数学模型用于拟合相关曲线，并允许用户以友好方式添加自定义模型。通过对模拟和真实FCS实验数据的验证，FcsIT展现了其强大的实用性，有望服务于广泛的FCS研究群体。
荧光相关光谱开源软件数据分析python工具生物物理学
q-bio
04-01 00:00
本研究提出了“复制-扩散-湮灭”动力学模型，用于模拟广播式通信中的信号传播。研究发现，信号寿命与网络的度相关性（同配性）呈非单调关系，在接近中性同配性时达到峰值。此时，枢纽节点驱动的信号放大效应显著，而由短环路导致的信号湮灭仍受到限制。将该框架应用于小鼠连接组数据，表明同配性是调控类脑及其他复杂网络中广播信号持久性的关键结构参数。
复杂网络信号传播度相关性动力学模型脑连接组
q-bio
04-01 00:00
本研究提出了一种基于拓扑信号处理（TSP）的多模态框架，将大脑建模为高阶拓扑域，并将功能交互视为离散向量场。通过整合扩散磁共振成像和静息态功能磁共振成像，构建了个体特异性的大脑胞腔复形，其中经统计验证的结构连接性定义了稀疏支架，而相位耦合功能边信号驱动了高阶交互（HOIs）的推断。利用霍奇理论工具、谱滤波和稀疏信号表示，该框架将大脑连接性解耦为散度（源-汇组织）、梯度（势驱动协调）和旋度（循环性HOIs），从而通过离散向量微积分的视角刻画时间动态。基于人类连接组计划100名健康年轻人的数据，研究发现节点级HOIs具有高度个体化特征，但在功能系统聚合下仍涌现出稳健的中尺度结构。研究识别出一个以默认模式网络为中心的梯度主干和以边缘系统为中心的旋转流；散度极化和旋度谱定义了具有深刻洞察力的占据率和驻留时间统计的循环机制。这些拓扑特征产生了显著的大脑-行为关联，揭示了基于边的模型所固有的高阶组织。通过使散度、循环和递归中尺度协调可直接测量，这项工作为脑功能提供了原则化且可解释的拓扑表型分析。
拓扑信号处理高阶脑网络霍奇理论多模态成像离散向量场脑连接组学
q-bio
04-01 00:00
本文介绍了ParetoEnsembles.jl，一个用于多目标参数估计的开源Julia软件包。该工具采用基于模拟退火的帕累托最优集成技术，无需梯度信息，即可生成能映射多个竞争目标间权衡关系的参数集合。实现中，算法将原始支配关系修正为严格帕累托支配，并通过增量更新方案将每次迭代的排序成本从$O(n^2 m)$降至$O(nm)$，同时支持多链并行执行以提升前沿覆盖度。该工具在无细胞基因表达模型和具有十个估计速率常数、三个目标的血液凝固级联模型上得到验证，即使在单个速率常数存在数倍偏差的情况下，模型预测仍能保持7%的准确度。
多目标优化参数估计帕累托最优julia语言不确定性量化系统生物学
q-bio
04-01 00:00
本研究采用结合范围综述与文献计量分析的方法，对2006-2025年间891篇文献进行分析，系统描绘了智能安全智慧医院生态系统的研究图景。研究发现，该领域已形成三个相互关联的核心集群：人工智能驱动的智能医疗系统、去中心化隐私保护数字健康生态系统以及可扩展的云边基础设施。研究揭示了这些集群正朝着智能、信任与基础设施相互强化的集成生态系统架构演进。尽管在AI、区块链和云计算方面取得进展，但在互操作性、实际部署、治理机制和跨层集成方面仍存在显著差距。研究通过PAGER框架，将文献计量发现的模式、进展、差距与研究空白，与基于证据的政策建议联系起来，为智慧医院的规划与发展提供了决策支持。
智慧医院文献计量分析人工智能医疗数据隐私生态系统政策研究
q-bio
04-01 00:00
本研究开发了一个数学模型，对新冠疫情中的群体检测策略进行回顾性经济评估。模型不仅考虑了检测试剂、人力等确定性成本，还首次整合了德国社会经济面板（SOEP）的收入数据，以量化因隔离和工作场所中断导致的生产力损失（收入型经济损失）。通过混合蒙特卡洛模拟实验发现，当纳入收入型经济损失后，最优群体检测算法的选择发生显著变化：隔离时间更短、阶段更少的算法（即使所需检测次数更多）总经济成本更低。结果表明，仅考虑确定性成本会系统性地低估真实总经济成本，凸显了在公共卫生决策模型中纳入社会经济因素的重要性。
群体检测经济评估新冠疫情蒙特卡洛模拟生产力损失公共卫生政策
q-bio
04-01 00:00
本研究采用统计力学框架，通过朗之万动力学在不同温度下采样Transformer模型的损失景观，以探究其在蛋白质结构预测中的优异性能机制。研究发现，与全连接网络不同，Transformer的损失函数不存在一阶相变，从而在中等温度范围内展现出良好的学习特性。当嵌入维度达到最优时，多数网络层的参数在此温度区间高度保守。研究还提供了确定最优嵌入维度的操作方法，并表明在高于学习最优温度及更高嵌入维度下，注意力矩阵对蛋白质接触图的预测能力更强。
蛋白质结构预测transformer模型统计力学损失景观朗之万动力学嵌入维度
q-bio
04-01 00:00
本研究提出一个多模态机器学习框架，旨在利用诊断前六个月的电子健康记录数据，提前一个月预测癌症患者的转移风险。研究分析了来自卡罗林斯卡大学医院的四个癌种队列（乳腺癌、结肠癌、肺癌、前列腺癌），整合了人口统计学、合并症、实验室结果、用药和临床文本等多模态数据。通过比较不同融合策略和模型，研究发现中间融合策略在多数癌种上取得了最佳性能（F1分数最高达0.845），且深度学习模型普遍优于传统模型。SHAP分析揭示了不同癌种中各类数据模态的重要性存在差异。
多模态机器学习癌症转移预测电子健康记录深度学习临床决策支持预后模型
q-bio
04-01 00:00
本研究为描述稳态时间序列生成的增长率分布提供了新的分析框架。研究发现，增长率分布偏离正态并非异常现象，而是可由清晰的统计原理解释；严格的正态性反而是特定模型选择的结果。研究表明，具有稳态伽马分布或重尾丰度分布的系统，其对数增长率分布可由广义逻辑分布很好地描述，该分布可作为描述钟形或近正态数据的有用零模型。分析证实，对于足够大的时间滞后，增长率分布实际上不再具有时间依赖性，并表现出有限方差。基于此，研究识别出一些关键的宏观生态学模式，并引入了在这些模型之间进行启发式选择的实用工作流程。
增长率分布稳态时间序列广义逻辑分布宏观生态学随机微分方程统计建模
q-bio
04-01 00:00
本研究将基于Shapley交互指数的InterSHAP方法从分类任务扩展到Cox比例风险模型，以量化多模态深度学习在胶质瘤生存预测中的交叉模态交互作用。通过对TCGA-GBM和TCGA-LGG数据（n=575）的分析，评估了结合全切片图像（WSI）和RNA-seq特征的四种融合架构。核心发现是预测性能与测得的交互作用呈负相关：性能更优的架构（C指数从0.64提升至0.82）表现出等效或更低的交叉模态交互（从4.8%降至3.0%）。方差分解显示所有架构中模态贡献稳定（WSI≈40%，RNA≈55%，交互≈4%），表明性能提升源于互补信号的加性聚合，而非学习到的协同效应。
多模态学习生存预测可解释ai胶质瘤模型融合shapley值
q-bio
04-01 00:00
本研究探讨了具有质量作用动力学的生化反应网络扩散近似模型（SDE）的可识别性问题。研究推导了扩散近似模型分布可识别的条件，并提供了验证可识别性的实用定理。关键发现表明，即使对应随机过程的分布完全已知，某些反应网络的反应速率参数仍不可识别。此外，不同图结构的反应网络在特定反应速率选择下，可能产生完全相同的扩散分布。研究还对比了确定性ODE模型和离散连续时间马尔可夫链模型中的可识别性结果。
反应网络可识别性扩散近似随机微分方程质量作用动力学参数辨识
q-bio
04-01 00:00
本研究提出SNNDeep，首个针对肝脏CT特征二分类任务优化的定制化脉冲神经网络。模型基于医学分割十项全能（MSD）的Task03\Liver数据集开发，对比了替代梯度学习、Tempotron规则和生物启发主动学习三种算法在三种架构（定制低层模型、snnTorch与SpikingJelly框架）上的表现。经Optuna超参数优化后，定制SNNDeep在验证集上达到98.35%的最高准确率，显著优于框架实现，且训练开销更低，为数据有限、时效性强的精准医疗场景提供了新的神经启发式AI路径。
脉冲神经网络肝脏疾病诊断医学影像分析生物启发学习超参数优化精准医疗
q-bio
04-01 00:00
本研究构建了一个统一的理论模型，整合了竞争-拓殖权衡、中度干扰假说和空间异质性三种经典共存机制，并创新性地将生境自相关引入微分方程系统。模型模拟发现，不同机制间的交互作用对物种共存至关重要：随着生境破碎化加剧，沿干扰梯度会出现双峰等非单峰生物多样性模式；在高干扰下，生境丧失的影响超过自相关，而在低干扰下，自相关能显著塑造物种共存格局。这强调了在生物多样性管理中整合时空机制的必要性。
生物多样性物种共存生境破碎化理论模型中度干扰假说空间异质性
q-bio
04-01 00:00
本研究构建了一个结合传播网络与突变网络的共演化框架，以探究传染病传播与抗原多样性演化间的反馈机制。模型将交叉免疫编码为潜在扩散几何空间中的相似性，揭示了由灭绝、复发和长期地方性流行构成的动力学相变区域。研究推导了描述菌株组成的类复制-突变方程，并发现宿主异质性可通过连接菌株空间中原本孤立的组分，非单调地改变总体流行率，同时增加长期的地方性多样性。
共演化动力学病原体多样性网络模型交叉免疫多尺度系统
q-bio
04-01 00:00
本研究针对储层计算中，为增强非线性而增大连接权重易导致网络自发饱和、性能骤降的问题，提出了两种抑制失控激发的策略。第一种是结构策略，在不改变权重整体分布 $p(w)$ 的前提下，引入非均匀结构，例如创建一小部分输入连接较弱的神经元子集，使其在主体网络饱和时仍能保持温和的非线性动态供读出层利用。第二种是动态策略，通过一个专用控制单元实现自动增益控制，动态调节储层的全局平均激活至最优设定点，从而大幅扩展了有利于计算的动态范围，并使性能对底层连接统计的依赖性降低。
储层计算失控激发非线性动态自动增益控制网络结构神经网络
q-bio
04-01 00:00
本研究提出了Latent-Y，一个能够从文本提示开始，自主执行完整抗体设计流程的AI智能体。它覆盖了文献综述、靶点分析、表位识别、候选抗体生成、计算验证直至筛选出可进入实验室测试的序列。该智能体基于前沿的生成模型Latent-X2进行抗体设计。在针对九个不同靶点的实验中，Latent-Y成功设计出针对其中六个靶点的纳米抗体，靶点成功率高达67%，且结合亲和力达到纳摩尔级别，全程无需人工干预。用户研究表明，专家借助Latent-Y可将原本需要数周的设计工作压缩至数小时内完成，效率提升约56倍。该智能体架构可扩展至大环肽和迷你结合剂的设计，有望推动生物药研发的自动化进程。
ai药物设计自主智能体抗体生成计算生物学纳米抗体生物药研发
q-bio
04-01 00:00
传统脑网络因果推断方法（如格兰杰因果、结构方程建模）多为描述性且依赖无环假设，难以回答干预性问题。本研究引入一个统一的反事实因果分析框架，将病理破坏或治疗干预建模为网络流上的能量扰动问题。该方法基于Hodge理论，将定向通信分解为耗散分量和持久（调和）分量，从而系统分析因果组织在假设扰动下的重构方式。该框架为量化复杂脑系统的网络韧性、代偿能力和控制特性提供了理论基础。
脑网络因果推断反事实分析hodge理论网络扰动系统韧性
q-bio
04-01 00:00
本研究通过数学建模整合了拟南芥根毛图式化调控网络的实验数据。研究发现，现有认知不足以解释实验数据，因此假设了一个额外的负反馈回路。该假设得到候选调控因子序列分析的支持。模型揭示了图式化所必需的关键相互作用、机制和约束条件，并阐明了网络中一个重新定义的反应如何在突变体中产生数据，同时在野生型中增强网络鲁棒性。综合分析表明，拟南芥表皮细胞命运由一个包含激活-抑制和底物消耗机制的自发图式化反应扩散网络控制。
拟南芥根毛图式化反应扩散网络数学建模细胞命运转录因子网络
q-bio
04-01 00:00
本研究通过分析乌干达基巴莱国家公园26年的嫩叶物候数据，发现热带树木的嫩叶生产高峰出现在两个雨季，季节性变化主要与太阳辐射、云量（影响漫射光）、降雨和最低温度相关。长期变化则主要与大气CO₂浓度、太阳辐射和云量的长期趋势有关。研究支持CO₂施肥效应，但近期太阳周期结束导致的太阳辐射减弱可能减缓了这一效应。结果强调，在解释全球绿化趋势时，必须同时考虑太阳辐射和CO₂水平。
物候学气候变化热带森林co₂施肥太阳辐射长期观测