q-bio
04-16 00:00
本研究提出了一种解释基因共享网络结构的生成模型。该模型通过水平基因转移、新基因捕获、新基因组出现和基因丢失等基本进化过程，成功再现了网络中基因节点呈现幂律分布、基因组节点呈现指数衰减分布的典型特征。利用平均场近似推导出的解析解与数值模拟结果一致，仅用两个参数即可准确拟合双链DNA病毒、RNA病毒和原核生物泛基因组的经验数据。分析表明，当基因丢失率设为零时，模型与观测数据高度吻合，这支持了病毒进化主要由基因获取主导的观点。
基因共享网络生成模型病毒进化水平基因转移网络科学计算生物学
q-bio
04-16 00:00
本研究提出了一种名为STOMP的新型离线强化学习算法，旨在解决多目标对齐问题。传统线性标量化方法无法恢复帕累托前沿的非凸区域，而STOMP通过采用平滑切比雪夫标量化技术，将多目标强化学习本身构建为一个优化问题。该方法在蛋白质工程任务上进行了实证验证，通过对齐三个自回归蛋白质语言模型，在九个评估设置中的八个取得了最高的超体积指标，证明了其在多属性蛋白质优化等领域的强大性能。
离线强化学习多目标优化帕累托最优蛋白质工程语言模型对齐平滑切比雪夫标量化
q-bio
04-16 00:00
本研究探讨了在多任务动态环境中实现认知灵活性（兼顾稳定性与泛化性）的关键因素。研究者设计了一个由两个线索维度定义任务的多任务学习环境，并引入基于门控和拼接的注意力模型，使其能分解任务并顺序分配注意力。与多层感知机相比，注意力模型在任务间连通性更强的环境中表现更优。核心发现是：环境的丰富度与任务间的图论连通性显著影响学习效果，尤其能放大注意力模型的优势。这强调了在理解多任务学习时，必须同时考虑认知架构与环境结构及其相互作用。
认知灵活性多任务学习注意力机制环境结构图论连通性稳定性与泛化
q-bio
04-16 00:00
本文提出以“物理约束下的可执行性”作为统一视角，系统比较脑数字孪生构建方法。作者基于建模与仿真理论，构建了一个执行机制分类体系，涵盖从离线模型、协同仿真、基于在线数据同化的持续执行数字孪生，到生物与计算动态在共享物理约束下共同执行的神经-神经形态物理系统。该框架阐明仅追求模型精度是不够的，并推动了一个以语义互操作性、混合时间正确性、评估协议、可扩展可复现工作流及安全闭环验证为核心的研究议程。
脑数字孪生执行语义神经形态计算物理约束协同仿真计算神经科学
q-bio
04-16 00:00
本研究通过模拟包含200个神经元（160个兴奋性，40个抑制性）的循环网络，探索了生物物理基础网络模型中自维持神经活动的产生条件。网络整合了尖峰时序依赖可塑性（STDP）、内在随机性（概率性囊泡释放、突触形成、受体变异性）以及电压依赖性抑制。在仅对30个兴奋性神经元施加200毫秒的短暂初始化刺激后，网络在无持续外部输入的情况下，成功维持了长达1800秒的稀疏、不规则放电活动。群体平均放电率为$1.13 \pm 1.34$ Hz，67%的神经元平均放电率低于1 Hz，且群体平均Fano因子维持在1-2之间，表明放电时间具有高度随机性。研究结果表明，具有可塑性和随机性突触的循环霍奇金-赫胥黎网络能够在稀疏放电状态下维持长时间的自主活动。
计算神经科学自维持活动霍奇金-赫胥黎模型尖峰时序依赖可塑性神经网络模拟随机动力学
q-bio
04-16 00:00
本研究提出BOAT框架，通过结合不确定性感知的代理模型与遗传算法，实现对抗体多种药物属性（如亲和力、稳定性）的联合优化。该“即插即用”方法克服了传统顺序筛选流程的资源消耗问题，在序列空间中进行高效探索。系统基准测试表明，BOAT在多目标蛋白质优化任务中与先进方法性能相当，并明确了代理驱动优化相比昂贵生成式方法的优势区间及序列维度、评估成本带来的实际限制。
抗体优化贝叶斯优化多目标优化代理模型药物设计计算生物学
q-bio
04-16 00:00
本研究通过一个统一的微观模型，揭示了五种经典肿瘤生长定律（指数、径向、分形、广义逻辑和Gompertz生长）均源于细胞间的局部接触抑制效应。基于主体的模拟验证了该理论，并能解释体外癌细胞群体生长实验数据的差异。该框架为理解癌症或微生物生长动力学中看似无关的经验性平均场定律提供了可能的统一解释，强调了接触抑制与其他假设（如充分混合）的相互作用如何影响我们对癌细胞生长及其相互作用的定量理解。
接触抑制肿瘤生长模型生长定律细胞群体动力学统一理论基于主体模拟
q-bio
04-16 00:00
本研究提出了一种基于贝叶斯潜在块模型（LBM）的多层社区检测方法，用于从功能磁共振成像（fMRI）数据中稳健地估计功能脑网络的社区结构。该方法能够在个体和群体水平上，对具有未知社区数量的加权功能网络进行社区划分，同时保留个体网络间的变异性。通过模拟数据和来自人类连接组计划的真实工作记忆任务fMRI数据验证，该方法在准确性和可重复性上均优于常用的（多层）模块化模型。
脑网络分析社区检测贝叶斯推断功能磁共振成像分层模型计算神经科学
q-bio
04-16 00:00
本研究通过动力学平均场理论，将群落生态学整合到经典群体遗传学模型中，揭示了生态相互作用会导致亲本与突变体之间产生一种涌现的频率依赖性选择。该选择强度由衡量生态反馈强度的单一参数表征。研究推导出了一个扩展金村公式的固定概率解析表达式，表明生态相互作用会强烈抑制中等有益突变的固定。这是因为频率依赖性选择导致亲本与突变谱系长期共存，形成了固定的障碍。这种抑制效应随着有效种群规模和生态系统中开放生态位数量的增加而增强。该框架表明，即使在存在复杂群落反馈的情况下，也能使用简单模型预测进化结果。
生态进化动力学群体遗传学频率依赖性选择突变固定群落生态学动力学平均场理论
q-bio
04-16 00:00
本研究提出“幽灵机制”来解释循环神经网络（RNN）在工作记忆任务训练中常见的突跃学习现象。该机制描述了动力系统在鞍结分岔残余附近发生瞬态减速的过程。通过将高维动力学简化为由单一尺度参数控制的一维规范形式，研究从解析角度捕捉了学习过程。分析发现存在一个与学习计算时间尺度成反比幂律关系的临界学习率，超过该速率，学习会因梯度消失和最小值附近的振荡梯度两种模式相互作用而崩溃，导致系统陷入高置信度但错误的预测中。理论在低秩和全秩RNN中得到验证，并提出了增加可训练秩或降低输出置信度两种解决方案。
循环神经网络突跃学习幽灵机制动力系统梯度消失工作记忆
q-bio
04-16 00:00
本研究提出一种基于全光谱建模的比色传感新方法。传统方法通常依赖单一波长的信号强度，而本研究通过前向特征选择策略处理归一化透射光谱，结合线性回归与十倍交叉验证，显著提升了预测精度。在食品染料稀释模型实验中，均方误差从单波长时的超过22,000降至使用12个特征时的3.87，实现了超过5700倍的性能提升。该方法无需改变传感硬件，即可实现精确的浓度预测，可广泛应用于医疗诊断、环境监测和工业分析中的比色检测，为提升现有平台的灵敏度和可靠性提供了可扩展的路径。
比色传感机器学习光谱分析特征选择浓度预测线性回归
q-bio
04-16 00:00
本研究基于广义Lotka-Volterra竞争模型，提出了一个生态群落的最小模型，揭示了物种在生态位空间中仅通过共同竞争强度与邻居相互作用时，会自发形成多种尺寸和组合的自组织集群。模型不依赖相互作用的随机异质性，仅通过调节单一参数（共同作用强度），即可产生指数级数量的稳态，并展现出丰富的集群模式。研究发现系统存在明显的相变进入集群形成阶段，且不同集群模式集合之间存在多重相变，许多相变点聚集在少数临界点附近。通过数值和解析方法（包括统计力学中的转移矩阵法）分析了相结构，为理解中性理论与生态位理论之间的相互作用提供了新视角。
生态群落自组织集群相变lotka-volterra模型统计力学临界行为
q-bio
04-16 00:00
传统观点认为血糖调节是围绕一个稳定基线进行的。本研究通过分析正常血糖个体在重复相同餐食挑战下的连续血糖监测数据，发现餐前血糖基线并非固定不变，而是在重复扰动中发生系统性变化。关键发现是，每次基线位移的幅度与前一餐的餐后血糖反应大小呈正相关，且这种关联经置换检验证实非随机产生。这表明血糖动态无法完全用围绕固定基线的独立波动来描述，而是通过历史依赖性的调整进行演化，每次扰动都会影响后续的系统状态。
血糖动态基线变化历史依赖性连续血糖监测餐后反应系统演化
q-bio
04-16 00:00
本研究提出了一种具有异构突触延迟的循环脉冲神经网络（SNN），用于解决工作记忆的挑战。网络将每个突触建模为一个包含41个延迟的权重张量 $\mathbf{W} \in \mathbb{R}^{N \times N \times D}$，并通过代理梯度随时间反向传播进行端到端训练。该方法将目标脉冲模式表示为连续的“脉冲基序”链，实现了对16个任意目标脉冲模式的完美存储与回忆（F1分数达1.0）。结果表明，异构延迟为SNN提供了高效的工作记忆基质，有助于推动低功耗神经形态边缘计算的发展。
脉冲神经网络工作记忆突触延迟神经形态计算代理梯度
q-bio
04-16 00:00
本研究提出了一种分层模块化的动态神经网络模型，其架构旨在最小化特定设计的能量函数并定义其时序特性。模型包含一个内部空间和一个外部空间，通过一个由静态神经元（具有瞬时时间过程）构成的前向和后向子网络组成的层间网络连接。内部空间中具有大时间常数的动态神经元决定了整体时间过程。该模型提供了一个框架，其中网络的状态变量在动态神经元和静态神经元的协作下，在一个“扭曲”的空间中弛豫。模型可在学习模式（存在反馈路径和输入端口）或关联模式（无反馈路径）下运行。在学习模式中，层间网络的突触权重可通过对应于重复神经元爆发的强输入进行修改，这代表了神经冲动短期平均密度或膜电位中的正弦或准正弦波。基于与李萨如图形相同的机制，可以利用不同频率的信号形成二维映射关系。在关联模式中，收敛到目标点的速度随先前训练好的层间网络的映射关系而变化，因此，在具有非线性映射层间网络的二维模型中，收敛轨迹无法直线前进，而必须弯曲。研究还引入了具有给定目标轨迹的约束关联模式，并阐明在内部空间中，会根据前向子网络映射关系的逆映射，从外部空间生成输出轨迹。
动态神经网络分层模块化扭曲空间弛豫学习与关联模式非线性映射神经动力学