2026-06-14 每日论文
| 来源 | 独立页面 |
|---|---|
| arXiv | arXiv |
| bioRxiv | bioRxiv |
| medRxiv | medRxiv |
arXiv
| 标题 | 作者 | 发布日期 | PDF链接 | 摘要 |
|---|---|---|---|---|
| EvoArena：在动态环境中追踪记忆演化以实现鲁棒的大语言模型智能体 | Jundong Xu | 2026-06-11 | 大型语言模型（LLM）智能体在多项基准测试中展现出强劲性能，但多数评估仍假设静态环境。相比之下，现实部署本质上是动态的，要求智能体持续调整其知识、技能和行为以适应不断变化的环境与更新的任务条件。为填补这一空白，我们提出EvoArena基准套件，将环境变化建模为终端、软件和社交领域中的渐进式更新序列。我们进一步提出基于补丁的记忆范式EvoMem，将记忆演化记录为结构化的更新历史，使智能体能够通过记忆变化推理环境演变。实验表明，当前智能体在EvoArena上表现不佳，在演化的终端、软件和社交偏好领域平均准确率仅为39.6%。EvoMem持续提升性能，在EvoArena上平均提升1.5%，同时在GAIA和LoCoMo等标准基准测试中分别提升6.1%和4.8%。除单个任务外，EvoMem在EvoArena上还将链级准确率提升3.7%，该场景要求成功完成一系列连续相关的演化子任务。机制分析显示，EvoMem改善了记忆中的证据捕获能力，表明能更完整地保留演化环境状态。我们的结果凸显了在评估和记忆中对演化建模对于智能体可靠部署的重要性。 | |
| 通过检索增强的强化微调学习类比推理 | Zilin Xiao | 2026-06-11 | 检索增强生成（RAG）已成为将语言模型锚定于外部知识的标准机制，但基于词汇或语义相似性的传统检索方法难以胜任复杂推理任务：语义相似的问题可能需要完全不同的解决策略，而表面不同的问题却可能共享相同的底层推理模式。我们提出检索增强强化微调（RA-RFT），这是一种通过类比推理训练语言模型的后训练框架。RA-RFT利用黄金相关性蒸馏训练检索器，使其根据预期推理收益而非语义重叠对上下文进行排序，随后通过强化微调方法结合检索到的类比演示对策略模型进行微调，使模型学会在可验证结果奖励下利用推理轨迹。我们进一步分析了检索上下文的多样性，发现推理感知检索能够呈现互补的解决策略，为不同问题提供独特的推理支架。在多个具有挑战性的数学推理基准测试中，RA-RFT始终优于标准强化微调方法。例如，在AIME 2025平均@32准确率上，RA-RFT相比GRPO对Qwen3-1.7B和Qwen3-4B分别提升7.1和2.8个百分点——这表明推理感知检索是独立于奖励设计或训练课程改进的互补优化维度。 | |
| InterleaveThinker：强化智能体交错生成 | Dian Zheng | 2026-06-11 | 近期图像生成器在单图生成与编辑中展现出惊人的照片级真实感与指令遵循能力。然而受限于架构设计，它们无法实现交错式生成（图文序列），而这一能力在视觉叙事、引导式交互及具身操作中具有关键应用。即便是最新的开源统一多模态模型（UMMs）在此方面表现也相当有限。本文提出InterleaveThinker——首个旨在赋予任意现有图像生成器交错式生成能力的多智能体流水线。具体而言，我们采用规划智能体组织图文输入序列，指导图像生成器执行每步所需操作；随后引入评判智能体评估生成器输出，识别偏离规划指令的样本并优化指令以重新生成。为实现该流水线，我们构建了Interleave-Planner-SFT-80k与Interleave-Critic-SFT-112k数据集进行格式冷启动，进而开发Interleave-Critic-RL-13k数据集，利用GRPO强化生成轨迹中逐步指令修正能力。由于单次交错生成轨迹可能涉及超过25次生成器调用，优化完整轨迹在计算上不可行，因此我们提出准确率奖励与逐步奖励机制，使单步强化学习能有效引导整个生成轨迹。实验表明，InterleaveThinker能提升多种图像生成器的性能。在交错生成基准测试中，其表现可媲美Nano Banana与GPT-5。令人惊讶的是，该方法在基于推理的基准测试中也显著增强了基础模型——例如在4步FLUX.2-klein上，WISE与RISE指标均获得大幅提升。 | |
| Mana：灵巧操作关节工具 | Zhao-Heng Yin | 2026-06-11 | 关节式工具操作仍然是灵巧机器人领域的一项重大挑战，原因在于需要协调内部自由度与接触丰富的交互过程。尽管先前的研究主要集中于刚性物体，但关节式工具的使用因其物理复杂性以及学习功能性抓取和操作策略的难度，仍处于探索不足的状态。我们提出Mana（操作动画师），这是一个通用的仿真到现实框架，将灵巧操作重新诠释为动画问题。受计算机动画启发，Mana采用由粗到精的流水线，通过运动规划和强化学习，将程序化生成的抓取关键帧转化为操作轨迹。数据生成过程基本实现自动化，仅需几次鼠标点击即可指定功能可供性（每个工具耗时不到1分钟）。在涵盖不同尺度和关节类型的四种关节式工具上，Mana实现了抓取和手内操作的零样本仿真到现实迁移，展示了可扩展的灵巧关节式工具使用方法。 | |
| 面向可扩展空间生成的模态强制 | Bardienus Pieter Duisterhof | 2026-06-11 | 文本到图像（T2I）模型包含丰富的空间先验知识。合成逼真且杂乱的场景需要理解几何关系，包括透视和相对尺度。先前的研究通过适配T2I模型利用这种先验进行深度预测，但需要密集深度数据且涉及复杂的训练方案。我们提出模态强制（Modality Forcing）方法，这是一种简单可扩展的后训练方案，使用在稀疏深度数据上训练的单一DiT模型实现图像与深度的联合生成。通过为每个模态分配独立的噪声水平，模态强制支持图像和深度以任意排列进行条件生成和联合生成。基于各模态的解码器使我们能够使用稀疏的真实世界深度数据进行训练，并实现强泛化能力的深度预测。我们进一步证明模态强制继承了T2I预训练的可扩展性：通过从头训练一组T2I模型（参数规模从3.7亿到33亿），我们发现使用更多图像数据训练的更大模型能产生更精确的深度。我们的最强模型与最先进的单目深度估计器性能相当，相比现有图像-深度联合生成模型将绝对相对误差（AbsRel）降低了57%。这些结果有力证明图像生成是空间感知任务中可扩展的预训练目标。https://modality-forcing.github.io/ | |
| RepWAM：基于表征视觉-动作分词器的世界动作建模 | Junke Wang | 2026-06-11 | 本文提出RepWAM，一种基于表征视觉-动作分词器的表征中心世界动作模型。现有世界动作模型通常继承自预训练视频生成模型的重建导向型视频分词器。尽管这些分词器能保持视觉保真度，但仅靠像素重建对学习连接未来预测与机器人控制的指令跟随动态机制提供的指导有限。为此，我们探索了一种语义视觉-动作潜在空间用于表征中心的世界动作建模。具体而言，我们训练了一个表征视觉-动作分词器，将视觉输入映射为对齐的视觉与潜在动作标记。随后预训练世界动作模型，使其在语言指令下联合建模未来视觉状态及连接这些状态的潜在动作，并通过适配真实机器人轨迹实现闭环操作。在真实世界操作任务与仿真基准上的实验表明，RepWAM在多种操作场景中均展现出强劲性能，消融实验进一步凸显了语义视觉-动作分词相较于重建导向型方案的优势。这些结果确立了表征视觉-动作分词作为世界动作模型有前景的基础，并向通用机器人策略迈进一步。代码与权重将发布于https://github.com/wdrink/RepWAM。 | |
| SpatialClaw：重新思考智能体空间推理的动作接口 | Seokju Cho | 2026-06-11 | 空间推理——即确定物体位置、相互关系及三维运动的能力——仍是视觉语言模型（VLM）面临的根本性挑战。工具增强型智能体试图通过为VLM配备专业感知模块来解决这一问题，但其有效性受限于调用这些工具的动作接口。本研究探讨了该接口设计如何塑造智能体进行开放式空间推理的能力。现有空间智能体要么采用单次代码执行策略（在观察到任何中间结果前就确定完整分析方案），要么依赖结构化工具调用接口（这种接口通常缺乏自由组合操作或针对任务定制分析的灵活性）。这两种设计对开放式复杂三维/四维空间推理的灵活性均有限。为此我们提出SpatialClaw——一种以代码为动作接口的无训练空间推理框架。该框架维护着预载输入帧及感知与几何原语工具集的有状态Python内核，使基于VLM的智能体能够基于所有先前输出逐步骤编写可执行代码单元，从而灵活组合与操控感知结果，并根据中间文本/视觉观察及具体问题需求动态调整分析策略。在涵盖静态与动态三维/四维空间推理任务的20项基准测试中，SpatialClaw取得59.9%的平均准确率，较最新空间智能体提升11.2个百分点，且在两个模型家族的六种VLM骨干网络上均实现一致性提升，无需针对特定基准或模型进行适配。 | |
| $\texttt{WEAVER}$：更好、更快、更长——一种有效的机器人操作世界模型 | Arnav Kumar Jain | 2026-06-11 | 世界模型（WMs，即学习型模拟器）对机器人技术的潜在影响深远——包括策略评估、策略改进和测试时规划——所有这些都只需有限的真实世界交互。为解锁这些下游能力，世界模型需同时满足三个必要条件：$\textit{(i)}$ 保真度（即生成与真实世界相关的模拟轨迹）、$\textit{(ii)}$ 一致性（即生成在长时间跨度内连贯的模拟轨迹）以及$\textit{(iii)}$ 效率（即快速生成模拟轨迹）。我们提出$\texttt{WEAVER}$（面向具身推理的多视角世界估计）：一种同时实现这三个必要条件的世界模型架构，在机器人操作任务上取得了最先进成果。$\texttt{WEAVER}$是一种多视角世界模型，通过流匹配损失训练以预测未来潜在状态和奖励值。我们提炼了模型架构、记忆和预测目标中的关键设计决策，这些决策对于解锁此前世界建模方法难以应对的长期动态操作任务至关重要。我们将$\texttt{WEAVER}$应用于机器人硬件，展示了其在策略评估（与真实世界成功率的相关系数$ρ$=0.870）、策略改进（在$π_{0.5}$机器人基础模型基础上实现真实世界成功率提升$38\%$）和测试时规划（真实世界成功率提升$14\%$，且速度比先前世界模型快$5-10$倍）方面的有效性。在分布外场景评估中，$\texttt{WEAVER}$也展现出优于先前世界模型的性能。代码、模型和视频详见：https://arnavkj1995.github.io/WEAVER/。 | |
| 理解用于图神经网络的截断位置编码 | James Flora | 2026-06-11 | 位置编码(PEs)在理论和实证上均能增强图神经网络(GNNs)的能力。两类最主流的PEs——谱类(如拉普拉斯特征空间、有效电阻)和游走类(邻接矩阵的多项式)——在表达能力上理论等价，其表达力介于1-WL与3-WL测试之间。然而，这种等价性假设GNN使用这些PEs的"完整"版本，这需要$O(n^3)$的时间和空间复杂度。实际应用中，研究者通常使用这些编码的截断变体，例如前$k$个特征空间或邻接矩阵的幂次。但截断PEs的理论性质尚不明确。本研究首次系统探究这些截断PEs。理论上，我们证明在截断条件下，多类PEs的表达力存在根本性差异。作为推论，我们表明截断谱PEs不再强于1-WL测试。我们还研究了谱PEs中的$k$-调和距离族，以揭示即使密切相关的截断PEs在表达力上的差异。最后，实验证明在真实数据集上，混合使用截断PEs优于任何单一族类。 | |
| 使用大型语言模型进行社会与行为科学的自动化可重复性评估 | Tobias Holtdirk | 2026-06-11 | 在社会科学与行为科学领域，可重复性通常由独立研究人员通过重新分析原始数据来评估，以判断已发表的研究结果能否复现。然而，这类方法资源消耗大且难以规模化。本研究证明，大型语言模型（LLMs）能够实现可重复性评估的自动化。我们选取了行为与社会科学领域已发表的76项研究（含预设结论），将LLM生成的分析结果与原始发现及人类重新分析的结果进行对比。其中7项研究中，LLM无法生成有效的效应量估计值。在其余研究中，采用Cohen's d ±0.05容差标准时，我们的LLM流程在41%的研究中成功复现了原始效应量。此外，在96%的案例中，LLM流程得出了与原始研究一致的定性结论（即重新分析是否支持原始主张）。作为对照，人类重新分析者在34%的研究中复现了原始效应量，并在74%的案例中得出相同定性结论。综合来看，这些结果表明LLM可作为自动化可重复性评估的可扩展工具，为社会科学与行为科学领域实证结果的系统性审计奠定基础。 |
bioRxiv
| 标题 | 作者 | 发布日期 | PDF链接 | 摘要 |
|---|---|---|---|---|
| 在毒蛙中，行为反应对季节性变化的缓冲作用强于内分泌和化学反应。 | Serrano-Rojas, S. J. | 2026-06-14 | 季节性降雨塑造了热带生态系统的生物响应模式，但热带生物如何整合行为与生理反应来应对季节性变化仍知之甚少。我们评估了四种具有对比性繁殖策略的箭毒蛙在旱季和雨季环境条件下的响应差异，量化了两种季节性繁殖物种（Allobates femoralis 和 Ameerega trivittata）与两种全年繁殖物种（Ameerega macero 和 Ameerega shihuemoy）的空间行为、微生境利用、激素释放速率及化学防御特征。季节性繁殖物种表现出显著的性别特异性空间利用变化：雄性在雨季扩大活动范围以追踪繁殖机会，而A. femoralis雌性在旱季增加空间利用，可能为应对猎物资源匮乏时的觅食需求。全年繁殖物种则维持跨季节相似的空间利用模式，这反映了其在相同空间内获取关键资源以实现全年繁殖的能力。微生境利用具有灵活性：季节性繁殖物种在旱季转向湿润庇护所，雨季则选择与繁殖相关的微生境；而全年繁殖物种始终选择利于持续繁殖的微生境。尽管存在这些行为响应，水溶性皮质酮与睾酮水平及化学防御特征均未呈现一致的季节性变化，提示行为响应可能与内分泌及化学防御系统的变化部分解耦。这些结果支持行为缓冲在应对季节性环境变化中发挥中介作用，但鉴于气候变化导致降雨时间与强度的不确定性增加，这些应对策略的长期有效性尚不明确。 | |
| 系统性给予mGluR2/3拮抗剂LY341495会破坏小鼠在摄食和社交领域的奖赏相关行为。 | Inoue, H. | 2026-06-14 | 代谢型谷氨酸2/3受体（mGluR2/3）与抑郁、焦虑、学习和记忆相关，但其在奖赏相关行为中的作用仍不清楚。本研究结合头部固定和自由活动行为范式，探究选择性mGluR2/3拮抗剂LY341495对小鼠奖赏相关行为的影响。在头部固定的时间条件任务中，小鼠在10%蔗糖溶液给予前出现预期性舔舐和瞳孔扩张，表明成功建立了对奖赏的时间预期。全身给予LY341495剂量依赖性地减少预期性和消耗性舔舐行为。归一化分析进一步表明，LY341495降低了舔舐行为的整体表达水平，但基本保留了其时间组织模式。LY341495还诱导瞳孔扩张，并减弱了与奖赏接近相关的瞳孔调节。为确定这些效应是否反映非特异性运动障碍，我们评估了旷场任务中的运动活性，并测量了求偶互动期间的超声发声（USVs）。LY341495未显著改变运动、排泄或USV产生，表明一般运动和口面部运动功能保持完整。相反，LY341495剂量依赖性地减少食物摄入并降低社会偏好，表明mGluR2/3拮抗作用的影响从摄食行为延伸至社会奖赏相关过程。这些发现证明mGluR2/3信号传导独立于一般运动功能障碍，参与多个奖赏领域的行为调节。这些结果为动机和奖赏处理背后的谷氨酸能机制提供了新见解，可能对以快感缺失和动机缺陷为特征的精神神经疾病具有启示意义。 | |
| 斑马鱼的神经发生引导早期发育。 | Wang, Z. | 2026-06-14 | 脊椎动物早期神经发生是一个高度保守的过程，对脑功能及智能涌现至关重要。然而，由于观测困难，连接原肠胚形成与器官发生的细胞动力学机制仍不明确。我们开发了一种用于转基因斑马鱼的活细胞成像平台，首次实现了从亚细胞到生物体尺度对早期神经发生的连续重建。分析表明，神经发生是一个精确调控的过程：神经元胞体最初聚集成离散的线性排列簇，从脑部沿脊髓延伸；轴突从这些枢纽向外辐射，支配中枢神经系统及外周组织（包括卵黄囊表面）。初级先锋神经元从脑部发出，沿体轴腹侧平行延伸；次级神经元随后相互连接形成广泛网络，并通过选择性轴突凋亡进行精细优化。仅在结构成熟后出现的频繁钙离子闪烁表明，功能依赖于已建立的支架。我们还观察到沿轴突的同步物质运输与缓慢定向钙流，提示存在互补的信号传导模式。此外，神经发生与组织发生（特别是侧线和血管发育）呈现精确的时空耦合。本研究通过精细化的时空分辨率，定义了早期神经发生的动力学路径，揭示了胚胎发生中子系统间的关键相互作用，为神经健康与仿生智能提供了基础性见解。 | |
| 应激相关的杏仁核-纹状体活动改变：分布、动态与计算特征的多层次分析 | Lin, F. | 2026-06-14 | 慢性应激与神经环路动力学的改变相关，但这些变化背后的计算原理尚未完全阐明。本研究采用三种互补的描述性方法，重新分析了BLA-DMS和CeA-DMS投射通路的在体GCaMP8s记录数据。首先，利用Kullback-Leibler散度量化应激相关活动分布的变化，揭示了群体水平神经反应中情境依赖性的改变。其次，采用现象学二阶回归框架表征局部恢复相关的动力学特征，在不预设机制识别的前提下提供通路活动的紧凑描述性表征。第三，构建简化人工神经网络作为假设生成的充分性检验。在非对称优化约束条件下，该模型生成了与实验观测特征定性相似的反应模式。鲁棒性分析表明，不同参数初始化条件下均涌现出类似的定性行为。综上，这些结果从统计、动力学和计算表征三个层面提供了应激相关神经活动改变的多层次描述性特征，同时明确避免在分析层级间预设统一的机制映射关系。 | |
| 使用稳定化纳米抗体纠正突变型CFTR揭示了一种新的通道活性构象 | Overtus, M. | 2026-06-14 | 蛋白质运输缺陷是许多遗传疾病的根源，包括囊性纤维化（CF）。在CF中，最常见的F508del突变会破坏囊性纤维化跨膜传导调节因子（CFTR）通道的稳定性，导致其被降解。为提供蛋白质特异性分子伴侣，我们利用脂质纳米颗粒递送编码T2a的mRNA——这是一种通过高亲和力结合核苷酸结合结构域1（NBD1）来热稳定CFTR的纳米抗体。当与临床获批的校正剂联用时，T2a显著改善了F508del-CFTR的成熟、质膜表达及通道活性。单通道记录显示，纳米抗体结合通过促进完全开放和亚电导门控状态，并保护F508del-CFTR免受热失活，从而维持通道活性。由于T2a与NBD1的结合阻断了驱动经典通道开放的ATP依赖性NBD1-NBD2结合，在纳米抗体存在下观察到通道活性表明CFTR采用了新型开放通道结构。这一推论通过T2a存在下CFTR的冷冻电镜分析得到证实：研究揭示了一种新型开放通道构象，其中NBD1与CFTR上另一个无法实现NBD二聚化的替代位点结合。我们的发现建立了通过靶向纳米抗体稳定错误折叠结构域来纠正蛋白质运输的新范式，并展示了治疗CF及相关蛋白质错误折叠疾病的广泛适用框架。 | |
| COMPASS 实现了独立于队列的数字生物标志物发现与通路量化。 | Sinha, S. | 2026-06-14 | 在精准医学中，可重复且临床可转化的通路活性量化仍是一大障碍，因为生物标志物的表现常依赖于队列组成和标准化策略。本文提出COMPASS（复合活性评分系统），这是一种基于确定性阈值的框架，无需依赖参考队列即可将基因表达转化为定量通路活性评分。COMPASS直接从数据中推导基因特异性激活阈值，标准化与阈值的偏差，并将方向相反的基因整合为单一复合评分。这实现了无需编程的透明活性评分、统计比较和生存分析。在多种生物学和临床数据集中，COMPASS稳健地量化了细胞状态，评估了新方法学的人类相关性和疾病关联性，并实现了结果分层。与GSVA和ssGSEA相比，COMPASS在跨数据集间展现出更高的一致性，并在自举分析中表现出更强的稳健性，尤其针对双向程序（包括经监管批准的脓毒症基因特征）。因此，COMPASS解决了在多样化生物学和临床场景中，对精确、可解释且临床可转化的生物标志物发现及结果建模的关键未满足需求。 | |
| TopoMIL：拓扑改进诊断显微图像中的多实例学习 | Kazeminia, S. | 2026-06-14 | 细胞和组织的显微图像是疾病诊断的核心。在计算病理学中，多实例学习已成为分析单个患者样本中大量图像的关键范式。尽管样本中细胞的代表性分布对诊断至关重要，但现有MIL框架普遍忽视了这一点。我们提出TopoMIL框架，该框架提取样本的代表性拓扑结构并将其整合到MIL分类器中。研究评估了三种拓扑表示方法，每种方法具有不同的优势与计算成本。我们在四个组织病理学和细胞形态学数据集上评估TopoMIL，每个数据集均呈现独特挑战。将样本拓扑信息整合到MIL中可增强平均池化、最大池化、注意力池化和Transformer池化的分类性能，分别获得3.3%、4.2%、5.9%和0.5%的AUCROC提升，且计算成本适中。本工作凸显了TopoMIL作为计算病理学中现有形态学模型可扩展扩展的潜力。 | |
| 一种新型机器学习分类模型检测脑瘫兔模型中的氧化性纤维类型转变 | Kramer, C. A. | 2026-06-14 | 骨骼肌中慢肌与快肌纤维类型的分布对其生理功能具有重要影响。肌肉活检研究表明，脑瘫患儿的肌纤维类型组成异常且纤维尺寸存在差异，但由于受试者治疗史各异且受累肌肉种类多样，相关结论仍存在不确定性。本研究开发了一种新型机器学习分类模型，可对完整肌肉横截面进行高通量纤维分型。基于XGBoost算法的预测模型取得了0.89的平衡准确率和0.89的宏F1分数，表明其能通过肌球蛋白重链亚型免疫荧光强度及形态学特征稳健预测肌纤维类型。这是首个能识别混合型肌纤维的分类模型，考虑到至少20%的肌纤维属于混合型却因检测困难常被忽视，该成果具有重要突破意义。我们应用该模型分析了宫内缺氧缺血损伤（模拟脑瘫）兔及正常发育假手术兔的屈伸肌对中超过700万条肌纤维的纤维类型。结果显示，缺氧缺血兔在出生后第14-20天及断奶期（P30-32P31）的屈肌（肱二头肌和胫骨前肌）出现氧化型纤维类型转变。这种改变的纤维类型组成会降低收缩力但有利于维持持续肌肉活动，可能反映慢性低频运动单位激活。该研究支持了既往临床报告关于脑瘫中肌纤维发育轨迹被破坏的结论。 | |
| 免疫细胞中翻转酶亚基TMEM30A缺失导致的细胞表面重塑 | Gurdap, C. O. | 2026-06-14 | 质膜脂质不对称性受到严格调控，是哺乳动物细胞生理功能的基础。TMEM30A是P4-ATP酶（翻转酶）的β亚基，这类酶通过将磷脂酰丝氨酸（PS）从质膜外层泵入胞质侧来维持严格的PS不对称性。TMEM30A功能缺失会导致PS持续外翻，并与弥漫性大B细胞淋巴瘤及肿瘤免疫逃逸等疾病相关。本研究系统解析了免疫细胞中TMEM30A缺失引发的生物物理与分子效应。通过活细胞脂质报告系统、膜有序性探针及表面蛋白质组图谱分析，我们发现TMEM30A敲除细胞呈现显著的PS外翻现象，伴随膜组分侧向扩散加速及质膜有序性降低。表面蛋白质组重组包括四跨膜蛋白和CD47丰度增加。此外，TMEM30A缺失通过ADAM10依赖性剪切触发糖萼重塑，清除包括CD43和CD162在内的主要跨膜黏蛋白。这些数据揭示了TMEM30A缺失后脂质、聚糖与蛋白质的协同重组，提示翻转酶功能障碍与质膜动力学增强及免疫治疗敏感性之间的机制关联。本研究构建的综合表面组框架，或可阐明TMEM30A表达与癌症临床结局的关系。 | |
| 玉米幼苗根系性状在低温下的遗传分析凸显了其对早期田间发育的重要性。 | Guffanti, F. | 2026-06-14 | 解析根系构型的遗传基础及其在植物早期发育中的作用，对于培育在温带地区具有更强养分吸收能力、更高早期活力和产量潜力的玉米品种至关重要。地方品种作为等位基因多样性的宝贵来源，可用于丰富现代育种材料的遗传基础。本研究利用高通量表型平台，在低温胁迫条件下（与温带地区早期建植相关）对两个欧洲玉米地方品种衍生的双单倍体（DH）群体进行幼苗根系性状遗传变异分析。通过基于单倍型的全基因组关联研究，我们解析了12个幼苗根系性状的数量遗传结构，鉴定出地方品种特异性的大效应单倍型以及两个品种共有的多个小效应单倍型。在双亲群体中验证了4个QTL的效应，证明其在不同遗传背景下的稳定性。研究发现，表型平台评估的幼苗根系性状单倍型效应与多环境田间试验评估的早期株高存在极显著相关性，证实了幼苗根系构型对早期建植的重要性。其中，与种子根和侧根长度相关的单倍型是田间条件下早期株高的主要决定因素。多个增加幼苗根系长度的单倍型在硬粒型育种品系中缺失，凸显其作为改良温带生长条件下早期建植能力的渗入靶标潜力。 |
medRxiv
| 标题 | 作者 | 发布日期 | PDF链接 | 摘要 |
|---|---|---|---|---|
| MyeGPT：一种用于多发性骨髓瘤的AI智能体 | Chang, J. G. | 2026-06-14 | 如今，我们对癌症生物学理解的进步日益归功于大规模临床分子数据集。以多发性骨髓瘤（第二常见的血液恶性肿瘤）为例，CoMMpass研究提供了包含1143名患者配对临床与测序数据的数据集。由于其复杂性，CoMMpass的多组学数据需要编程技能，这对希望基于人群数据验证假设的实验性骨髓瘤研究者构成了障碍。过去几年中，智能体AI的兴起为弥合这一技术鸿沟提供了前所未有的机遇。我们提出MyeGPT（骨髓瘤生成式预训练Transformer），这是一种以CoMMpass数据集为真实依据的多发性骨髓瘤AI生物信息学家。MyeGPT可将自然语言查询（如"诱导治疗后复发的患者有何特征"或"比较高表达与正常表达NSD2患者的总体生存率"）转化为基于真实数据的新分析，并主动生成可视化结果的图表。我们基于CoMMpass开发了一套评估问题及评分标准，通过基准测试确定大语言模型和文本嵌入模型的最佳选择。我们将MyeGPT封装为即用型浏览器应用，支持通过智能手机进行基于CoMMpass的假设验证。 |