Reward-Guided Discrete Diffusion via Clean-Sample Markov Chain for Molecule and Biological Sequence Design
本文提出 Clean-Sample Markov Chain 方法，通过清洁样本构建马尔可夫链，实现离散扩散模型的高效奖励引导采样，提升分子和生物序列生成效果。
2026-02-10 cs.LG q-bio.QM
A Bayesian Approach to Modelling Biological Pattern Formation with Limited Data
生物组织中的模式形成在生物体的发育中起着重要作用。自从阿兰·图灵的经典工作以来，一种杰出的建模方法就是通过反应扩散机制。最近，已经提出了替代模型，将扩散分子信号的动力学与组织力学联系起来。为了区分不同的模型，应该将它们与实验观察进行比较。然而，在许多实验情况下，只有有限的，稳定的模式形成过程的制度是可观察的，没有知识的瞬态行为或初态。所有替代模型中的基本动态的不稳定性质使模型和参数识别严重复杂化，因为初始条件的微小变化会导致不同的平稳模式。为了克服这个问题，可以将模型的初态随机化。在后一种情况下，模型参数的固定值对应于模式族而不是固定的静态解，并且标准方法直接将模式数据与模型输出进行比较，例如，在最小二乘意义上，是不合适的。相反，应该比较模式的统计特性，这在实际应用中通常有限的可用数据量的情况下是困难的。为了解决这个问题，我们扩展了最近开发的统计方法，使用模式数据，所谓的相关积分Likestive（CIL）方法的参数识别。我们建议修改，允许增加识别过程的准确性，而不需要重新配置数据集。所提出的方法进行了测试，使用不同类别的图案形成模型。对于所有考虑的方程，并行GPU为基础的实现的数值求解器与有效的时间步进计划。
2023-01-26 math.AP q-bio.QM
Effect of pooling samples on the efficiency of comparative studies using microarrays
许多生物医学实验是通过汇集单个生物样品来进行的。然而，合并样本可能会隐藏生物学方差，并给出关于数据显著性的错误置信度。在微阵列实验检测差异表达基因的背景下，最近的出版物已经解决了样品池的效率问题，并提供了一些近似公式的功率和样本量的计算。最好有精确的计算公式，并将近似结果与精确结果进行比较。我们表明，近似和精确的结果之间的差异可以很大。在这项研究中，我们的特点是定量的效果，合并样本的微阵列实验的效率检测两类之间的差异基因表达。我们提出了精确的公式来计算微阵列实验设计的功率，包括样本池和技术重复。该公式可用于确定实验中所需的阵列和生物对象的总数，以在给定的显著性水平下实现所需的功率。在给定与微阵列相关的单位成本和与生物学受试者相关的单位成本的情况下，可以推导出合并设计变得优于非合并设计的条件。因此，本文件旨在为样本汇集和成本效益提供指导。在本文中的配方进行微阵列比较研究的背景下，但其适用性并不限于微阵列实验。它也适用于广泛的生物医学比较研究，其中可能涉及样本池。
2005-10-13 q-bio.GN q-bio.QM
Point estimates, Simpson's paradox and nonergodicity in biological sciences
现代生物医学、行为学和心理学关于因果关系的推断都遵循遍历性假设，即代表性样本的平均响应允许对这些样本的个体成员进行预测。最近在所有相同领域的经验证据表明系统违反遍历假设。事实上，违反遍历性在生物医学，行为和心理原因正是我们的研究调查背后的灵感。在这里，我们回顾了这些领域科学进步的长期成本和实际的前进方向。具体来说，我们提倡使用统计措施，可以自己编码的程度和类型的非遍历测量。采取这些步骤将导致范式转变，使研究人员能够研究非平稳的，远离平衡的过程，这些过程是生物和心理行为的创造力和涌现的特征。
2020-09-02 q-bio.NC q-bio.QM
Sample-Efficient Adaptation of Drug-Response Models to Patient Tumors under Strong Biological Domain Shift
Université Grenoble Alpes（格勒诺布尔大学）
本文探讨了在强生物领域转移下，通过分离表征学习与任务监督来提高药物反应模型对患者肿瘤适应的样本效率，提出了一种分阶段迁移学习框架，通过无监督预训练提升临床数据的预测效果。
2026-03-17 cs.AI cs.LG q-bio.QM
From Steady-State to Ultrafast: Resonance Raman Approaches for Biological Samples
Université Paris-Saclay, CEA, CNRS, Institute for Integrative Biology of the Cell (I2BC)（巴黎萨克雷大学，法国原子能和替代能源委员会，法国国家科学研究中心，细胞整合生物学研究所）
该研究针对生物体系中目标生色团振动信号被基质掩盖的问题，介绍共振拉曼（RR）光谱的原理，并扩展出飞秒受激共振拉曼光谱（FSRRS），实现复杂体系中瞬态物种的分离。
2026-08-25 physics.bio-ph physics.chem-ph q-bio.BM
SAM-dPCR: Real-Time and High-throughput Absolute Quantification of Biological Samples Using Zero-Shot Segment Anything Model
本文提出SAM-dPCR，首次将零样本SAM模型应用于数字PCR核酸检测，实现生物样本的实时高通量绝对定量，准确率超97.7%且无需标注训练数据。
2024-01-22 cs.SY eess.IV eess.SY
Domain adaptation in small-scale and heterogeneous biological datasets
University of California Irvine（加州大学尔湾分校）；CIFAR（加拿大高等研究院）
本综述探讨了在小规模且高度异构的生物数据集中应用领域自适应的挑战与机遇，批判性分析了代表性方法的目标、优缺点，并主张将其纳入计算生物学工具包及开发定制化方法。
2024-05-29 cs.LG q-bio.QM
Physical model simulator-trained neural network for computational 3D phase imaging of multiple-scattering samples
Boston University（波士顿大学）
恢复复杂的、多次散射的生物样本的3D相位特征传统上牺牲了计算效率和处理时间以获得物理模型精度和重建质量。这种权衡阻碍了对生物研究最感兴趣的活的、动态的生物样品的快速分析。在这里，我们通过将环形强度衍射断层扫描（aIDT）与近似引导的深度学习框架相结合来克服这一瓶颈。使用一种全新的基于物理模型模拟器的学习策略，完全在自然图像数据集上训练，我们证明了我们的网络可以鲁棒地重建任意大小和结构的复杂3D生物样本。这种方法强调了可以利用大规模多次散射模型来代替获取实验数据集，以实现高度概括的深度学习模型。我们设计了一个新的基于模型的数据归一化预处理过程，以提高样本对比度，并实现统一的预测质量，而不管散射强度。为了实现高效的训练和预测，我们实现了一个轻量级的2D网络结构，该结构利用多通道输入对轴向信息进行编码。我们证明了这个框架的实验测量上皮颊细胞和秀丽隐杆线虫蠕虫的能力。我们强调了这种方法的鲁棒性，通过评估动态样本的活蠕虫视频，我们强调我们的方法的普遍性，通过恢复藻类样品评估与不同的实验设置。为了评估预测质量，我们开发了一种新的定量评价指标，并表明我们的预测与我们的实验测量和多重散射物理是一致的。
2021-03-29 cs.LG eess.IV physics.comp-ph
Transparent Single-Cell Set Classification with Kernel Mean Embeddings
UNC-Chapel Hill（北卡罗来纳大学教堂山分校）
现代单细胞流式细胞术和质谱技术测量血液或组织样品中单个细胞的几种蛋白质的表达。因此，每个剖析的生物样品由一组数十万个多维细胞特征向量表示，这导致用机器学习模型预测每个生物样品的相关表型的高计算成本。如此大的集合基数也限制了机器学习模型的可解释性，因为难以跟踪每个单独的细胞如何影响最终的预测。我们建议使用核均值嵌入来编码每个轮廓生物样品的细胞景观。虽然我们的首要目标是建立一个更透明的模型，但我们发现，通过一个简单的线性分类器，我们的方法可以达到与最先进的无门控方法相当或更好的精度。因此，我们的模型包含很少的参数，但仍然与具有数百万参数的深度学习模型相似。与深度学习方法相比，我们模型的线性和子选择步骤使得解释分类结果变得容易。分析进一步表明，我们的方法承认丰富的生物学解释性连接细胞异质性的临床表型。
2022-06-28 cs.LG q-bio.QM
BioCode: A Data-Driven Procedure to Learn the Growth of Biological Networks
BioCode是一个数据驱动框架，通过基本指令和遗传算法自动发现生物网络增长模型，在合作、基因调控、代谢和蛋白质网络中生成与真实特征匹配的模型。
2021-09-05 q-bio.MN q-bio.QM
A note on promotion time cure models with a new biological consideration
本文基于新生物学考量提出广义促进时间治愈模型，可灵活建模异质性生存数据（尤其样本内异质性），还适用于可靠性分析中多子系统串并联系统的建模。
2025-02-14 cs.SY eess.SY q-bio.GN
Asymptotic analysis of conversion-limited phase separation
本文针对生物凝聚物粗化减慢现象，在奇异扰动扩散框架下用匹配渐近分析转化受限相分离，推导凝聚物生长/收缩动力学并修正平均场理论。
2023-09-30 cond-mat.soft math.AP q-bio.QM
Digital Twin Calibration for Biological System-of-Systems: Cell Culture Manufacturing Process
Northeastern University（东北大学）
针对生物制造中传统实验设计缺乏可解释性和样本效率的问题，本文提出一种面向Bio-SoS数字孪生校准的最优学习方法，通过量化子模型参数误差对预测精度的影响来指导高效实验设计。
2024-06-28 cs.LG q-bio.QM stat.ML
Density Estimation via Measure Transport: Outlook for Applications in the Biological Sciences
Brookhaven National Laboratory（布鲁克海文国家实验室）；Stony Brook University（石溪大学）；Meta
该研究评估测度传输技术尤其是三角传输映射在生物科学中的应用潜力，发现在有限样本下自适应传输映射密度估计更具优势，可通过统计量揭示隐藏信息，为放射生物学中基因关联及辐射动态的假设生成提供工具。
2024-05-13 cs.LG physics.bio-ph q-bio.QM
Deep Learning Approach for Large-Scale, Real-Time Quantification of Green Fluorescent Protein-Labeled Biological Samples in Microreactors
本研究提出深度学习流水线Deep-dGFP，实现GFP标记微反应器的自动分割分类与实时绝对定量，2.5秒内分析超2000个微反应器，泛化适用于多种数字PCR场景。
2023-09-04 cs.SY eess.IV eess.SY
Enhanced reaction kinetics in biological cells
细胞骨架是由ATP水解驱动的“活性”介质失衡的突出例子。这种活动最近已被证明有一个惊人的影响，对细胞介质的机械和流变学性质，以及其运输性能：一个通用的示踪剂颗粒自由扩散，在一个标准的平衡介质，但也间歇性地结合随机相互作用时间的马达蛋白，它执行积极的弹道漂移沿细胞骨架丝。在这里，我们首次提出了一个分析模型的运输限制反应在活性介质中，并定量显示如何主动运输可以提高反应性足够大的示踪剂，如囊泡。我们推导出解析的平均相互作用时间与马达蛋白优化的反应速率，并揭示了显着的最佳配置的通用功能。我们讨论了为什么主动运输可能是有益的，在各种生物学的例子：细胞骨架，膜和板状伪足，和管状结构，如轴突。
2008-02-11 cond-mat.stat-mech q-bio.CB q-bio.QM
Learning to refine domain knowledge for biological network inference
Shenzhen International Graduate School（深圳国际研究生院）；Tsinghua University（清华大学）；Massachusetts Institute of Technology（麻省理工学院）
本文提出一种基于数据观测的摊销算法来精炼领域知识，在有限干预数据下比基线方法更准确地恢复因果图并识别先验知识错误。
2024-10-18 cs.AI cs.LG q-bio.QM
