Framing local structural identifiability and observability in terms of parameter-state symmetries
该论文引入了一种作用于参数和状态且保持观测输出不变的“参数 - 状态对称性”子群，证明了局部结构可辨识的参数组合与局部结构可观测的状态分别对应于这些对称性的通用不变量，从而为分析动力学系统的结构性质提供了一种统一的对称性框架。
🧬 Category
q-bio
108 篇论文
Miniaturized microscopes to study neural dynamics in freely-behaving animals
这篇综述文章回顾了头戴式微型显微镜（miniscopes）在过去二十年的快速发展，重点探讨了一光子和多光子技术的最新进展、其在自由活动动物神经科学研究中的独特优势、当前面临的技术挑战以及未来的发展方向。
Leveraging Phytolith Research using Artificial Intelligence
该论文提出了名为 Sorometry 的端到端人工智能管道，通过融合 ConvNeXt 与 PointNet++ 模型处理 2D 图像和 3D 点云数据，并结合贝叶斯混合建模，实现了植物硅酸体（phytoliths）的高通量自动化分类与群落组成分析，从而将传统耗时的显微分析转变为可规模化、标准化的“组学”级研究范式。
Neural network-based encoding in free-viewing fMRI with gaze-aware models
该研究提出了一种结合眼动追踪数据的新型神经编码模型，通过在自然自由观看条件下仅采样与注视点相关的 CNN 特征，以远少于传统模型的参数量实现了对大脑视觉活动的高效预测，从而推动了更具生态效度的神经影像研究。
Scalable DNA Ternary Full Adder Enabled by a Competitive Blocking Circuit
该论文提出了一种基于竞争性阻断电路和动态浓度调整策略的可扩展 DNA 三进制全加器架构，通过双协同优化显著提升了单比特计算能力，成功实现了 10 位并有望扩展至 17 位的分子加法运算，为大规模 DNA 数字计算提供了新的方法基础。
Scaling Laws and Paradoxical Metastable States in Nanofilament Entropic Separation
该研究通过建立精确解析理论并辅以模拟，揭示了在纳米丝束的熵分离过程中，仅由排除体积半径与系绳长度之比这一无量纲参数决定其是相互排斥还是出现反常的吸引亚稳态，从而挑战了熵力必然导致解聚的传统观点。
ELISA: An Interpretable Hybrid Generative AI Agent for Expression-Grounded Discovery in Single-Cell Genomics
本文提出了 ELISA，一种可解释的混合生成式 AI 代理，它通过统一 scGPT 表达嵌入、BioBERT 语义检索和 LLM 解释，实现了无需原始计数矩阵即可直接在嵌入数据上进行交互式单细胞发现，并在细胞类型检索和生物学假设生成方面显著优于现有方法。
Nyxus: A Next Generation Image Feature Extraction Library for the Big Data and AI Era
本文介绍了 Nyxus，这是一个专为处理海量 2D 和 3D 图像数据而设计的下一代特征提取库，它通过支持 CPU/GPU 可扩展计算、提供多种用户接口（如 Python 包、命令行工具、Napari 插件及容器化部署）以及覆盖生物医学多领域的全面特征集，旨在解决大规模图像分析中的效率瓶颈并提升特征提取的标准化与灵活性。
Topological Enhancement of Protein Kinetic Stability
该研究通过蒙特卡洛模拟证实，蛋白质中的拓扑结能显著提升其动力学稳定性（即抗去折叠能力），且这种稳定性随结的深度和序列复杂性增加而增强，表明动力学稳定性可能是驱动结蛋白在进化中得以保留的关键功能优势。
A Multi-Label Temporal Convolutional Framework for Transcription Factor Binding Characterization
该论文提出了一种基于时序卷积网络（TCN）的多标签深度学习框架，通过同时预测多个转录因子在 DNA 序列上的结合位点，有效捕捉了转录因子间的协同调控机制并揭示了具有生物学意义的共结合模式。
Social Distancing Equilibria in Games under Conventional SI Dynamics
该论文通过引入新的变量变换，在经典 SI 流行病动力学框架下显式构建了社会距离博弈的纳什均衡，证明在特定条件下唯一的最优策略是“先观望后封锁”的 bang-bang 策略，且该策略在受限策略空间中构成演化稳定策略并与最优公共政策完全一致。
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。
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。
Mathematical modeling of glioma invasion and therapy approaches via kinetic theory of active particles
本文提出了一种基于活性粒子动力学理论的多尺度模型，结合弥散张量成像（DTI）数据和真实患者病例，在考虑血管化影响的同时，评估并比较了放疗、化疗及抗血管生成疗法单独或联合治疗胶质瘤侵袭的效果。
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。
Physics-based signal analysis of genome sequences: GenomeBits overview
本文全面介绍了受物理学启发的基因组分析工具 GenomeBits，该方法通过将核苷酸映射为类自旋数值序列并利用离散傅里叶变换等信号处理技术，成功揭示了 SARS-CoV-2 和猴痘病毒等基因组序列的内在信号组织特征、突变模式以及独特的“有序 - 无序”相变现象。
A hybrid discrete-continuum modelling approach for the interactions of the immune system with oncolytic viral infections
本文提出了一种结合随机个体基模型与连续偏微分方程的混合建模方法，用于研究免疫系统与溶瘤病毒在肿瘤中的相互作用，揭示了免疫反应时机对疗法疗效的关键影响，并强调了根据肿瘤特征和患者免疫能力进行临床免疫调节的重要性。
Inferring the dynamics of quasi-reaction systems via nonlinear local mean-field approximations
该论文提出了一种基于反应速率一阶泰勒展开的非线性局部平均场近似方法，通过构建具有显式解的常微分方程系统，有效解决了准反应系统在观测时间间隔较大时的动力学推断与动力学参数估计难题，并在计算效率、抗刚性及参数估计精度上优于现有的随机微分方程和常微分方程方法。