检索

研究者测试了一种动态调幅（dAM）包络跟随反应（EFR），用单一简短刺激扫过整个调制频谱，在组织学证实存在耳蜗神经退化（CND）的蒙古沙鼠中显示出快速调制速率下的选择性缺陷而无阈值升高，并用机器学习分类器高准确度区分年轻与中年动物，其最具信息量的特征（约400-500 Hz功率）与突触计数相关；该沙鼠训练的模型未经再训练即应用于56名人类听者，以高于随机的水平区分年龄组。

该 OEMC 项目用例提出一套开放工作流，利用 LST、NIRv 等其他遥感数据与半经验方法（数据驱动结合物理约束），将基于 Sentinel-5P TROPOMI 的 SIF 估算空间分辨率从约 5 公里提升到约 1 公里，并生成 2018-2025 年 0.05 度、8 天频率的网格化数据集，同时将工具移植到 Copernicus Data Space Ecosystem 的 OpenEO 框架以支持用户按需降尺度，并尝试将卫星像元与涡度协方差通量站 GPP 地面观测匹配以评估空间异质性影响。

该研究合并两个多模态qMRI-PET数据集（n=74，含阿尔茨海默病、主观认知下降与健康对照），以[18F]UCB-H PET经Logan图分析得到的分布容积VT作为突触密度参考，用ComBat做跨数据集协调，比较经典机器学习（SVR、PLS、Elastic Net、随机森林）与深度学习（U-Net、ResUNet++、Pix2Pix类条件GAN）从R1、R2*、MTsat、PD等qMRI图预测PET样突触密度图像的能力，结果显示Elastic Net在经典模型中最佳（R²=0.50，RMSE=0.448，MAE=0.331），深度学习整体更优且3D U-Net最稳定，在灰质区z-score数据上预测

该研究在生理条件（pH=7.4、37°C、0.1 mM）下用紫外-可见光谱追踪抗癌药5-氟尿嘧啶（5-FU）与阴离子胶束SDS和阳离子胶束TBAB的相互作用，发现两者均生成分子复合物并可按一级可逆平衡处理：TBAB体系表观速率常数k*=17×10⁻³ min⁻¹、半衰期40.76 min、Keq=17.72，SDS体系k*=7.60×10⁻³ min⁻¹、半衰期91.20 min、Keq=12.38，且SDS因两个反应物均带负电而涉及弛豫平衡过程，两种复合物的ΔG⁰均为负值（SDS为−6486.62 J/mol，TBAB为−7409.98 J/mol），提示自发结合并由范德华力或氢键驱动。

研究者将Aldh1l1-Cre小鼠与CD9-tGFP报告小鼠杂交，建立星形胶质细胞特异性EV报告小鼠，在脑组织中13.2%±1.6%的EV为CD9-tGFP阳性，体外培养星形胶质细胞来源EV中89.3%±2.2%为阳性，并在皮层、海马和小脑的星形胶质细胞突起、毛细血管及神经元内检测到该信号，STED与AI辅助邻近分析显示EV货物在体外富集于神经元线粒体，体内分离线粒体显示突触线粒体上CD9-tGFP斑点密度为非突触线粒体的3倍。

该研究利用一个覆盖受精卵到终末体细胞身份的396节点人类细胞谱系树，检验器官水平标准代谢率（SMR）究竟由发育时间（谱系深度）还是终末命运身份（解剖区室）更好预测，发现谱系深度几乎不解释细胞代谢层级的变异（r=0.11，R2约1.2%），而区室身份解释约75%，且器官终末细胞类型的平均线粒体体积分数与文献来源的器官SMR在五个经典参考人体器官组中相关达r=0.90，并据此提出五层可计算框架与代谢承诺视界模型。

该研究提出Forest-Weighted S-map（FORWS）与Forest-Weighted Causal Inference（FORWC），用随机森林集成导出的自适应“森林权重”取代欧氏度量，在模拟与实证生态数据集上展示出与常规工具相当或更好的预测能力、对动态过程噪声的较强韧性以及对维度灾难的缓解，并在蜂巢监测中实现高维声学向量与标量温度之间的多模态有向因果推断。

该研究整合血浆代谢组学、孟德尔随机化与机器学习，在55种血浆代谢物中确认苯丙氨酸与胰腺癌存在因果关联（IVW OR=1.641，95% CI 1.052–2.562，p=0.029），据此筛选出8个相关差异基因并用12种算法共113种组合构建随机森林诊断模型（训练集AUC 0.994，三个外部验证集AUC 0.918、0.983、0.923），再以SHAP锁定SLC6A14为核心基因，通过单细胞测序、模拟基因敲除、分子对接与动力学模拟提示染料木素（genistein）可稳定结合SLC6A14，并在BxPC-3与HPDE6-C7细胞对中用RT-qPCR验证了5个建模基因的高表达。

该研究用PTR-ToF-MS采集白牡丹白茶顶空挥发物指纹、用HPLC与氨基酸分析等定量非挥发代谢物，构建双流Transformer分别编码两种模态再融合做四分类，在120个样本（每等级30个，训练96、独立预测24）上取得独立预测集95.8%准确率（23/24）与0.958宏平均F1，仅1个特级样本被误判为一级，训练集内重复分层五折交叉验证平均准确率0.979±0.026，SHAP与注意力分析显示高等级茶与花香/甜香挥发物离子及较高氨基酸、可溶性糖相关，低等级茶与青草/木香挥发物离子及山奈酚相关标记相关。

该综述针对近似计算高层次综合（AHLS）领域缺乏系统性综述与最新方法深入分析的问题，汇总了该领域的最新技术，重点覆盖误差估计、近似技术和设计空间探索（DSE）三个方面，并分析了当前的研究空白，旨在为研究者、工程师和学者提供AHLS的理论与实践框架。

该研究在五个生物与人工序列的二分类任务上刻画了核苷酸级基础基因组语言模型 Evo 2 的上下文学习工作区间，发现短自然序列上表现稳健（miRNA 的 F1=0.902，毒素为 0.785），随序列长度增加而退化并在千碱基尺度崩溃，模型规模扩大无收益（7B 系统性优于 40B），困惑度难以预测准确率，并通过 logit-lens 与 Jacobian Scope 的机制可解释性分析提示存在预测—泛化权衡、模型可能追踪提示结构而非承载信号的序列内容。

作者提出Delaunay加权两样本检验：在低维流形假设下用Delaunay三角剖分定义同时包含测地距离与相对方向的Delaunay权重，以组内Delaunay权重均值作为检验统计量并用置换法计算p值，理论上证明原假设下渐近正态、备择假设下相合，模拟显示在两分布协方差主方向不同时功效显著优于k-NN、k-MST、核检验、e-distance、协方差检验与回归检验，并在小鼠蛋白表达数据上以p=0.011检出药物治疗组差异。