q-bio
04-14 00:00
本研究将心理学中的斯皮尔曼g因子概念引入人工智能领域，通过将39个大型语言模型（2019-2025）在14个基准测试上的表现视为认知测试数据，进行主成分分析。研究发现：早期模型在基准测试间呈现强正相关（PC1解释90%方差），体现“通用智能”；但2024年随着专门推理模型的出现，PC1解释率降至64%，表明AI智能结构正从“单一通用因子”向“专业智能分化”演变。这揭示了模型通过工具外包“推理”等能力时，其智能结构发生的根本性旋转。
通用人工智能心理测量学基准测试主成分分析智能分化大语言模型
q-bio
04-14 00:00
研究发现，景观破碎化通过降低物种间连接度，能够维持比连续景观更高的生物多样性水平。当破碎化景观重新连接时，会引发灭绝事件，优先淘汰连接度高的物种。一系列破碎化-融合的循环过程，会像棘轮一样将生态系统推向更高的多样性水平，这比景观始终保持连续状态所能达到的多样性更高。
景观破碎化生物多样性物种连接度灭绝动态生态系统演化
q-bio
04-14 00:00
本研究构建了一个星形胶质细胞-神经场耦合模型，首次在空间扩展的神经回路模型中引入了星形胶质细胞网络对突触效能的关键调控作用。模型假设突触效能受限于一个守恒的资源池，该资源池由扩散耦合的星形胶质细胞进行回收和空间再分布。通过理论分析和数值模拟，研究揭示了星形胶质细胞通过资源扩散平滑由神经活动不对称性引起的资源扰动，并通过突触补充将这种平滑效应反馈至突触资源池，从而形成一个两阶段的稳定机制。该机制能有效抑制神经活动斑块的漂移失稳，扩大了稳定持续活动存在的参数范围。
计算神经科学星形胶质细胞神经场模型持续活动工作记忆稳定性分析
q-bio
04-14 00:00
通过分析161篇文献中的935个消融实验，研究发现人工智能架构修改的适应度效应分布（DFE）呈现重尾的t分布，其中68%有害、19%中性、13%有益，比例介于病毒基因组与简单真核生物之间。其分布形状与果蝇和酵母高度相似（KS检验值分别为0.07和0.09）。13%的有益突变比例远高于生物界的1-6%，量化了定向搜索相对于盲目搜索的优势。架构创新遵循逻辑斯蒂动力学（R²=0.994），呈现间断平衡和适应性辐射，14个架构特征被独立发明3-5次，与生物趋同进化相似。结果表明，演化的统计结构具有基质无关性，由适应度景观的拓扑结构而非选择机制决定。
人工智能演化适应度效应分布架构消融进化统计基质无关性适应度景观
q-bio
04-14 00:00
研究首次在全球尺度上对文字系统进行定量演化分析。通过构建包含300种文字系统、50个结构特征的全球文字数据库，并应用系统发育学方法，发现文字演化存在可检测的分子钟（替换率 q = 0.226 字符/千年）。政治干预会打破这一时钟：干预强度与预期分化时间的偏差显著相关（Spearman ρ = 0.556, p < 10^{-4}），且干预会选择性改写深层结构特征。研究识别出30次主要的文字替代事件，并发现殖民接触是文字灭绝的强预测因子（Cox HR = 5.25）。西班牙帝国灭绝的书写系统最多（接触12种，灭绝6种）。
文化演化文字系统分子钟系统发育学帝国影响定量分析
q-bio
04-14 00:00
本研究提出了一种基于自回归流匹配（AFM）的生成式预测框架，用于建模神经动力学。该框架利用基于传输的生成建模最新进展，能够从多模态感官输入中大规模地概率性预测神经响应。具体而言，模型学习给定过去神经动态和当前感官输入下未来神经活动的条件分布，将神经活动显式建模为一个时间演化过程。在Algonauts项目2025挑战赛的功能磁共振成像数据集上，AFM在预测短期血氧水平依赖（BOLD）活动方面，显著优于非自回归流匹配基线和官方广义线性模型基线，表现出更好的泛化能力和广泛的皮层预测性能。消融分析表明，访问过去的BOLD动态是性能的主要驱动因素。
神经动力学预测自回归流匹配概率生成模型脑成像计算神经科学多模态输入
q-bio
04-14 00:00
研究颠覆了传统认知，指出普遍存在的3/4代谢缩放指数（克莱伯定律）本质上是脉动波物理学的特征，而非静态分形网络的最小耗散结果。通过耦合局部分支优化与全局异速生长，推导出广义代谢指数公式 $\beta = d\alpha/(2d+\alpha)$，将局部输运微观物理映射到全局生物体缩放。研究表明，在三维空间中，近端血管系统的动态波阻抗匹配唯一地强制 $\beta = 3/4$，这是一个受动态保护的界限，静态粘性网络优化无法复现。该框架成功预测了从小型哺乳动物到无脊椎动物中观察到的、向更陡峭异速缩放（$\beta \approx 0.9$）转变的临界体重，且无需自由参数。
代谢缩放克莱伯定律异速生长脉动波物理生物输运网络动态优化
q-bio
04-14 00:00
针对高质量标注显微图像稀缺的难题，本研究提出DINOCell框架，通过自监督学习将DINOv2模型表征适配到显微图像领域。该方法在无标注细胞图像上进行持续自监督预训练，再进行监督微调，有效克服了自然图像模型（如SAM）在显微数据上的领域偏移问题。在LIVECell基准测试中，DINOCell的SEG分数达到0.784，比基于SAM的领先模型提升10.42%，并在三个分布外数据集上展现出强大的零样本性能。
细胞分割自监督学习显微图像领域适应实例分割
q-bio
04-14 00:00
本研究构建了一个结合流行病传播与个体防护行为观点的动力学模型。观点交换发生在由“图论”描述的社会网络中，模型考虑了有无意见领袖的两种情景。研究证明了系统在强$L^1$范数和齐次索伯列夫空间$\dot{H}^{-s}$（$s \in (\frac{1}{2},1)$）中收敛到平衡态。通过设计结构保持的数值格式，研究发现：支持防护行为的意见领袖能有效限制疾病传播，而易受影响的个体若转向反对观点则会加剧疫情。此外，研究引入了一个类似于基本再生数$R_0$的时变量，其振荡可在无外部强制干预下自发产生疫情波。相关MATLAB代码已公开。
流行病模型观点动力学图论社会网络数值模拟再生数
q-bio
04-14 00:00
本研究通过重复生成设计，评估了大型语言模型（Gemini 2.5 Flash）开具个性化运动处方的内部一致性。在6个临床场景下生成120份处方，从语义、结构（基于FITT原则）及安全性表达三个维度进行分析。结果显示，语义相似度高（平均余弦相似度0.879–0.939），但关键定量成分（如运动强度）存在显著变异性，10–25%的抗阻训练强度描述无法分类。安全性声明虽100%包含，但数量随场景差异显著（$H=86.18, p < 0.001$）。研究表明，提示词结构对输出可靠性影响重大，临床部署前需加强结构约束与专家验证。
人工智能运动处方大语言模型一致性评估临床验证fitt原则
q-bio
04-14 00:00
传统合作演化研究通常假设社会互动结果是确定的。本研究引入现实世界中的不确定性，探讨个体风险偏好（风险寻求或风险规避）如何影响网络中的合作演化。不确定性源于合作者对背叛者发起的随机惩罚。研究发现，在群体层面，风险规避行为能够促进甚至挽救合作；在节点层面，风险偏好的变化对高中心度的节点影响显著，而在相同中心度下，低介数中心性的节点对策略演化的影响更强。分析揭示了风险偏好与空间结构如何共同塑造并可能逆转合作的演化动态。
合作演化风险偏好网络博弈不确定性空间结构
q-bio
04-14 00:00
本研究提出CAGenMol，一种条件感知的离散扩散框架，用于解决目标导向的分子生成中多约束（如蛋白-配体亲和力与药物安全性）难以协同优化的问题。该模型将分子设计构建为受异质结构和属性信号引导的条件去噪过程，通过结合离散扩散与强化学习，在保持化学结构有效性和多样性的同时，使生成轨迹与非可微目标对齐。非自回归的扩散语言模型特性还支持在推理时对分子片段进行迭代优化。在结构、属性及双条件基准测试中，该模型在结合亲和力、类药性和成功率方面均优于现有方法。
分子生成扩散模型条件生成药物设计强化学习多目标优化
q-bio
04-14 00:00
本研究通过分析315名阿尔茨海默病（AD）、轻度认知障碍（MCI）及健康对照（HC）的静息态fMRI数据，对比了静态与动态功能脑网络。研究发现，AD患者在涉及杏仁核和海马体的连接中存在显著的时变差异，而白质区域与顶叶、体感皮层间的功能连接则表现出稳定的组间差异。基于静态与动态指标的随机森林模型实现了对三组人群的稳健分类，准确率高达$\text{AUC} > 0.85$，证明了时变连接特征在AD谱系疾病诊断中的潜力。
阿尔茨海默病动态功能连接脑网络分析fmri机器学习分类神经退行性疾病
q-bio
04-14 00:00
本研究提出了一种具有分层和模块化结构的动态神经网络模型。该模型通过最小化一个基于两种不同时间常数神经元设计的能量函数推导得出，包含多个由神经参数张成的子空间，相邻子空间通过由前向子网和反向子网组成的层间网络连接。模型可在学习模式或关联模式下运行：在学习模式下，通过向所有子空间输入端口施加周期性信号（类似于重复神经元爆发），可在子空间之间的层间网络中形成与输入信号对应的映射关系；在关联模式下，网络状态变量在预先设计好的、对其有利的“扭曲空间”中各自松弛。特别地，在约束关联模式下，输入一个足够慢的周期性轨迹，会在每个子空间产生一个扭曲的输出轨迹，其效果如同存在具有逆映射关系的虚拟分层网络。这些结果表明输入轨迹与输出轨迹之间存在一种确定性/不确定性关系。
动态神经网络分层结构模块化能量函数扭曲空间映射学习
q-bio
04-14 00:00
本研究将非线性行为传播机制引入传染病模型，揭示了社会行为与疾病动态间的双向反馈。模型表明，当行为采纳率随周围采纳者数量非线性增长时，一次疫情爆发可能触发行为的自我维持性增长，最终导致疾病被消除。研究发现，在某些参数条件下，较高的基本再生数 $R_0$ 反而可能通过激发广泛的行为改变来消除疾病，而中等 $R_0$ 值则可能导致地方性流行。这一机制在有或没有感染后暂时免疫的情况下均可发生。
行为传播传染病模型非线性动力学社会传染疾病消除分岔分析
q-bio
04-14 00:00
本研究利用功能性磁共振成像（fMRI）数据，测试了先前开发的用于预测药物和食物渴望的神经生物学特征（NCS）是否同样适用于社交渴望。参与者在经历10小时食物禁食、10小时社交隔离或基线状态后，对食物、社交互动和花朵图像进行渴望评分。结果显示，NCS能显著预测对食物和社交线索的自我报告渴望，但对花朵线索无效。NCS对食物的反应在禁食后增强，对社交线索的反应在社交隔离后增强，表明其对两种剥夺状态均敏感。这些发现揭示了社交、食物和药物渴望存在共享的全脑神经回路，为研究孤独、隔离与过度饮食或药物使用之间的相互作用开辟了新途径。
神经生物学社交渴望功能磁共振成像神经特征社会隔离奖赏回路
q-bio
04-14 00:00
本研究提出了一种通过分析中和滴度的统计学特征，来定量预测多克隆抗体反应组成的新方法，绕过了传统测序和单克隆抗体表达的技术挑战。研究发现，针对流感的抗体反应在人群中呈现两种模式：一种是许多抗体共同作用的集体现象，另一种则由少数强结合抗体主导，导致个体间滴度分布广泛，可用极值理论中的Gumbel分布描述。研究者提出的平衡结合模型定量捕捉了滴度数据，阐明了多克隆反应的结构。该方法可推广至其他病原体的免疫反应研究。
中和滴度多克隆抗体gumbel分布免疫反应结构流感定量模型
q-bio
04-14 00:00
意识整合信息理论（IIT）试图用量化公式描述任何物理系统的意识程度，引发了广泛讨论。本文在总结其核心思想与实证成就后，重点剖析了五个关键议题：1）核心度量Φ并非等同于“更多意识”，未来可能需要多维表征；2）IIT蕴含的泛心论立场有其独特性，但并非理论缺陷；3）Φ在真实物理系统中尚未明确定义，也未被实际计算；4）现有研究仅计算了代理指标，而非近似值；5）为与基础物理学兼容，理论需转向连续场表述。
意识理论整合信息泛心论计算神经科学理论物理
q-bio
04-14 00:00
五十多年前，罗伯特·梅运用随机矩阵理论得出“生态系统规模越大，稳定性越低”的著名结论，引发了长达数十年的“复杂性-稳定性”之争。本文指出，对该结论的诸多批评并未完全终结这场辩论。作者采用一种在20世纪70年代尚未充分发展的数学方法，绕开随机矩阵技术，重新审视了这一经典问题。研究旨在更细致地揭示决定生态系统稳定性的内在机制，从而挑战梅的宽泛结论，为理解复杂系统的稳定性提供新的视角。
生态系统稳定性复杂性理论随机矩阵数学建模理论生态学
q-bio
04-14 00:00
本研究通过分析枯草芽孢杆菌tRNA的一级结构，构建了tRNA的谱系树，发现所有tRNA相互关联并按特定时间顺序出现。分析表明，该谱系树很可能反映了氨基酸进入通用密码子表的时间顺序，为遗传密码的起源提供了关键证据。这些结果支持tRNA在遗传密码形成中的核心作用，并提出了多tRNA理论来解释密码子表的逐步演化过程。
遗传密码起源trna演化生命起源密码子表谱系树