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聚焦于从单细胞到宏观表型的多层次机制解析与算法创新。
2026-04-06 共 11 条抓取，按综合热度排序
本研究提出了一种名为VeloTree的新方法，用于从单细胞RNA速度场数据中推断细胞分化轨迹树。该方法的核心是引入了一种基于变分距离的细胞间差异度量，该度量通过计算RNA速度场积分曲线之间的平方变分距离来定义，被证明是目标分化树上路径距离的稳健估计。研究还实现了全面的RNA速度场预处理与整合流程。在多个模拟和真实数据集上的测试表明，该方法能够高精度地重建分化树，性能优于现有技术。
本研究系统评估了86种SNP遗传率估计配置对多基因风险评分性能的影响。使用六类工具在10个UK Biobank表型上获得844个估计值，发现遗传率估计值范围从-0.862到2.735，算法选择和GRM标准化对估计值影响最大。然而，下游PRS测试性能与遗传率大小仅微弱相关（GCTA-SBLUP的$r = -0.023$，LDpred2-lassosum2的$r = +0.014$），表明PRS性能对遗传率输入的适度变化相对稳健。
本研究以金星蕨科为对象，整合叶绿体系统发育组学、密码子使用降维分析和形态学数据，发现叶绿体同义密码子使用偏好模式与物种系统发育关系显著不符，却与叶片基部结构这一关键形态性状的趋同进化强烈相关。这种趋同分子信号主要由光合作用相关基因驱动，表明密码子使用偏好可作为适应性历史的量化指标，揭示了与蛋白质合成调控相关的隐性分子趋同层。
本研究对公共单细胞扰动图谱数据集（人类TF Atlas）进行了重新分析。针对该数据集缺乏内部阴性对照的问题，研究团队开发了一套可重复的分析流程，利用胚胎体细胞作为外部基线，并通过背景扣除法去除批次效应和转导假象。该方法成功从77,018个细胞中为87个转录因子（TF）中的59个恢复了TF特异性表达特征，显著优于传统方法（仅检测到27个）。研究识别出HOPX、MAZ、PAX6等关键转录重塑因子，并将特定TF（如FEZF2、EGR1）与分化调控、Hippo通路等生物学过程相关联。分析表明，即使缺少池内对照，通过严谨的外部控制和计算策略，仍能获得可靠的TF水平信号。
本文提出了一种高维多对多对多（MMM）中介分析方法，用于研究暴露变量、中介变量和结局变量均为多元且可能高维的复杂通路。该方法能同时进行高维暴露和中介变量的选择，估计间接效应矩阵（即连接暴露-中介和中介-结局通路的系数矩阵），并预测多元结局。理论证明估计的间接效应矩阵具有一致性和渐近正态性。模拟研究验证了其有限样本性能，并在阿尔茨海默病神经影像学计划（ADNI）数据中应用，分析了688个全基因组显著SNP通过202个脑区皮层厚度影响11个认知行为与诊断结局的通路，识别出具有生物学解释性的基因-神经-认知通路，并提升了样本外分类与预测性能。
本研究提出了一种集成多种表征相似性度量的新方法，以更全面地比较不同大脑区域或人工神经网络模型的表征结构。传统方法通常依赖单一度量，而本研究整合了捕捉几何结构、单元调谐和线性可解码性等不同侧面的度量。研究发现，几何和调谐结构（如RSA、Soft Matching）能更强地区分不同大脑区域或模型家族，而线性可解码信息则更普遍地共享。通过采用最初为多组学数据设计的相似性网络融合（SNF）框架，研究成功整合了这些互补信息，实现了比任何单一度量都更清晰的大脑区域和模型家族分离，并揭示了与视觉皮层已知解剖和功能层次更吻合的层次结构。
本研究提出了一种基于随机鞅周转的替代框架，用于解释生物系统（如肠道免疫）中的适应性控制。在该框架下，细胞通过相互竞争进行增殖，并以非细胞类型特异性的方式衰亡。通过随机模拟和数学分析，研究发现该过程能自主产生与低衰亡概率相关的平衡种群组成。其组成动力学可描述为步长在低衰亡区域减小的随机游走。衰亡减少导致总种群规模增大和兼容微观状态数量增加，进而在波动条件下塑造了组成分布。更一般地，该动力学遵循一个修正的朗之万方程，其中恒定质量被一个与总种群规模成正比的、依赖于适应度的有效质量所取代。这表明生物系统在塑造其宏观行为时，不仅调控变化方向，还调控对变化的抵抗力。
本研究探讨了内部变量（如基因表达水平）波动驱动的细胞生长模型，该模型可概括多种表型异质性种群模型。研究发现，在特定条件下，内部变量可与细胞尺寸解耦，并通过Feynman-Kac公式建立了谱系动力学与种群分布之间的联系。研究推导了谱系和种群整体中解耦发生的条件，并证明当两者均解耦时，尺寸动力学可通过随机时间变换转化为均匀生长过程，期望值可通过指数倾斜方法计算。此外，研究还区分了仅在单一整体中成立的较弱解耦形式，并对质量加权表型分布中的倾斜期望给出了更广义的解释。
本研究提出了ViraHinter，一个用于精确预测病毒-宿主蛋白质相互作用（PPI）的双模态深度学习框架。该框架耦合结构生成与序列表征分支，整合结构信息对表示与ESM衍生嵌入，以学习跨未知病毒的可泛化相互作用规则。在致病性冠状病毒和甲型流感病毒的基准测试中，ViraHinter在严重类别不平衡和不同界面状态下，均持续优于RoseTTAFold2-PPI、AlphaFold 3和RoseTTAFold2-Lite。通过交叉分析多个流感亚型的预测结果，该框架揭示了33个共享宿主因子，为广谱抗病毒药物发现提供了路线图。
本研究通过植入两名患者运动皮层和额下回的8个64微电极阵列，记录了约两万个句子的语音产生过程。研究发现，大多数小范围皮层区域（3.2×3.2 mm）都能稳健编码语音、音节和词汇等多层级语言特征，而非先前预期的宏观区域分工。关键发现是，每个皮层区域采用多路复用编码方案，且编码方式随时间动态变化，使得连续的音素、音节和单词能够同时表征而不相互干扰。这种机制类似于Transformer模型中的位置编码，揭示了语言产生过程中皮层如何组织语音层级结构的动态展开。
本文综述了人类颅内记录在探索感知意识神经关联（NCC）中的关键作用。传统非侵入性方法因时空分辨率有限，难以区分真正的NCC与并发认知过程。颅内记录凭借其高时空分辨率、高信号灵敏度及广泛的皮层/皮层下覆盖，为在单神经元及群体神经元水平上研究NCC提供了独特优势。文章回顾了相关研究，并探讨了其对意识的感觉理论与认知理论之争的启示，同时指出了当前技术的局限性与未来基于新兴技术和实验范式的发展方向。