Binding Free Energies without Alchemy
该论文提出了一种无需计算炼金中间态的隐式溶剂端态绝对结合自由能（DBFE）方法，其在基准测试中表现优异，并因仅需单次复合物模拟而显著提升了虚拟筛选的效率。
🧬 Category
q-bio.QM
60 篇论文
Forecasting and predicting stochastic agent-based model data with biologically-informed neural networks
该研究提出利用生物信息神经网络（BINN）训练可解释的偏微分方程模型，以克服传统平均场方程在预测随机基于代理模型（ABM）集体迁移行为时的局限性，从而实现了对未见空间数据及未探索参数值的高效准确预测。
AI-Driven Hybrid Ecological Model for Predicting Oncolytic Viral Therapy Dynamics
本研究提出了一种结合时间延迟广义 Lotka-Volterra 方程与先进优化算法的 AI 驱动混合生态模型，成功实现了对溶瘤病毒疗法动态的精准预测并识别出关键生物标志物，从而推动了个性化精准肿瘤治疗的发展。
SSRCA: a novel machine learning pipeline to perform sensitivity analysis for agent-based models
本文提出了一种名为 SSRCA 的新型机器学习流程，通过模拟、汇总、降维、聚类和分析五个步骤，有效解决了代理基模型（ABM）敏感性分析的计算难题，能够识别敏感参数、揭示输出模式并确定生成这些模式的参数区域，且相比传统的 Sobol 法具有更强的鲁棒性。
Expectation-maximization for structure determination directly from cryo-EM micrographs
该论文提出了一种近似期望最大化算法，旨在直接从信噪比极低的冷冻电镜显微图像中重建三维分子结构，从而克服了传统流程因低信噪比导致难以准确定位投影图像而失效的难题。
UNISEP: A Unified Sensor Placement Framework for Human Motion Capture and Wearables
本文提出了 UNISEP 统一传感器放置框架，旨在通过基于解剖标志的坐标系统和放置协议描述方法，解决跨模态可穿戴传感器缺乏标准化协议的问题，从而提升人体运动捕捉与生理数据在临床及日常监测中的可重复性、一致性和互操作性。
CAN-STRESS: A Real-World Multimodal Dataset for Understanding Cannabis Use, Stress, and Physiological Responses
本文介绍了名为 CAN-STRESS 的真实世界多模态数据集，该数据集通过 Empatica E4 腕带收集了 82 名参与者的生理指标及自我报告数据，旨在填补公开资源空白，以研究大麻使用、压力与生理反应之间的关系。
Label-free pathological subtyping of non-small cell lung cancer using deep classification and virtual immunohistochemical staining
该研究提出了一种结合无标记自发荧光成像与深度学习技术的创新方法，能够无需传统染色即可快速、准确地区分非小细胞肺癌的病理亚型并生成虚拟免疫组化染色，从而显著优化肺癌诊断流程。
CITS: Nonparametric Statistical Causal Modeling for High-Resolution Neural Time Series
本文提出了名为 CITS 的非参数统计因果建模框架，通过结合任意马尔可夫阶的结构因果模型与滞后条件独立性检验，有效克服了现有方法在处理高分辨率神经时间序列数据时的局限性，并在模拟基准及小鼠大脑大规模记录中验证了其在识别刺激特异性因果通路和区域层级结构方面的卓越性能。
A Modelling Assessment of the Impact of Control Measures on Simulated Foot-and-Mouth Disease Spread in Mato Grosso do Sul, Brazil
该研究通过模拟巴西马托格罗索州南部的口蹄疫传播，证明单纯依靠疫苗接种效果最差，而结合高扑杀能力与有限疫苗接种的混合策略能最有效地在 10 至 15 天内控制 100% 的疫情爆发。
GWAS Summary Statistic Tool: A Meta-Analysis and Parsing Tool for Polygenic Risk Score Calculation
GWASPoker 是一款基于 Python 开发的免费工具，它通过部分下载和表头检测技术，无需完整传输文件即可从 GWAS 目录中高效筛选并解析适用于多基因风险评分计算的汇总统计数据。
Modeling Metabolic State Transitions in Obesity Using a Time-Varying Lambda-Omega Framework
本文利用具有时变参数的 Lambda-Omega 动力学框架，通过模拟代谢调节系数在长期环境压力下的渐进演变，揭示了肥胖状态下代谢设定点的偏移及体重变化中不对称的生理适应机制。
An AI Implementation Science Study to Improve Trustworthy Data in a Large Healthcare System
本研究以 Shriners Childrens 医疗系统为例，通过将研究数据仓库现代化至 OMOP 标准、开发基于 Python 的数据质量评估工具并整合 METRIC 框架的可信 AI 原则，展示了在混合实施策略下提升医疗数据可信度并促进 AI 临床落地的实践路径。
Enhancing Morpho-Kinematic analysis for Plant Water Stress Classification through Leaf Movements
该研究通过优化基于叶片运动的形态 - 运动学分析框架，结合非线性描述符与灌溉上下文变量，并利用自适应线性意见池集成方法，显著提升了植物水分胁迫分类的准确性与鲁棒性，为低成本、可推广的表型分析奠定了坚实基础。
Gradient-based optimization of exact stochastic kinetic models
本文提出了一种基于直通 Gumbel-Softmax 估计的梯度优化方法，该方法通过在反向传播中引入连续松弛来近似离散反应事件的梯度，同时在前向传播中保持精确的随机模拟，从而实现了随机动力学模型的高效参数推断与逆设计。
AbAffinity: A Large Language Model for Predicting Antibody Binding Affinity against SARS-CoV-2
本文介绍了一种名为 Ab-Affinity 的新型大语言模型，该模型能够利用人工智能技术准确预测抗体（特别是针对 SARS-CoV-2 刺突蛋白）的结合亲和力，从而助力传染病中和抗体的设计。
INTENSE: Detecting and disentangling neuronal selectivity in calcium imaging data
本文介绍了 INTENSE 这一开源框架，它利用互信息和循环置换检验，有效克服了钙成像数据中的时间自相关与动力学延迟问题，从而能够从高噪声数据中准确检测并解耦神经元对多种行为变量的真实选择性。
Spinverse: Differentiable Physics for Permeability-Aware Microstructure Reconstruction from Diffusion MRI
本文提出了 Spinverse，一种基于全可微 Bloch-Torrey 模拟器的可渗透性感知重建方法，通过在固定四面体网格上优化面渗透率参数并结合几何先验与多序列优化课程，实现了从扩散 MRI 信号中恢复具有明确界面的微观结构。
ERDES: A Benchmark Video Dataset for Retinal Detachment and Macular Status Classification in Ocular Ultrasound
本文介绍了首个开源的眼部超声视频数据集 ERDES，该数据集标注了视网膜脱离及其是否累及黄斑的状态，并建立了多种深度学习架构的基线基准，旨在推动视网膜脱离的自动化检测与手术优先级评估。
Automated Measurement of Geniohyoid Muscle Thickness During Speech Using Deep Learning and Ultrasound
本文提出了一种名为 SMMA 的深度学习自动化框架，通过结合分割与骨架化技术实现了对言语过程中舌骨下肌群（geniohyoid）厚度的精准测量，不仅达到了接近人工标注的准确度，还揭示了粤语元音发音中的肌肉激活模式及性别差异，为大规模言语运动控制研究及吞咽障碍评估提供了可扩展的客观工具。