跳转至

2026-06-20 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
JanusMesh: 通过跨空间去噪实现快速零样本3D视错觉生成 Siang-Ling Zhang 2026-06-18 PDF 创建3D视觉错觉——一个从不同视角呈现完全不同语义的单一3D网格——是一个迷人但极具挑战性的难题。现有基于优化的方法速度缓慢且易产生过饱和色彩，而简单的拼接方法则无法生成几何一致的物体，导致出现明显的不自然接缝和语义泄露。本文提出了一种快速且无需训练的文本驱动3D视觉错觉生成框架。我们的方法将生成过程解耦为两个阶段：首先提出跨空间双分支去噪流程，该流程动态地将3D潜在编码解码至体素空间，用于CLIP引导的方向对齐和符号距离场融合，确保无缝几何整合；其次引入视角条件纹理合成模块，将特定视角的2D扩散先验投影并聚合到融合后的几何体上。大量实验表明，我们的方法仅需3-5分钟即可生成高度逼真的双语义3D错觉，在几何完整性、语义可识别性和效率上显著超越现有方法。项目页面：https://siang1105.github.io/JanusMesh.github.io/
TimeProVe：先提出，再验证，以实现日常活动长视频的高效时间推理 Arkaprava Sinha 2026-06-18 PDF 长视频问答（LVQA）需要在长达数小时的未剪辑视频中定位稀疏且与查询相关的证据。现有方法要么使用大型视觉语言模型（VLM）密集处理视频，导致计算成本过高，要么依赖基于稀疏字幕的推理，但常遗漏时间定位和运动中心证据。我们提出TimeProVe，一种面向长视频时间定位推理的高效混合框架。TimeProVe首先使用轻量模块生成基于动作的答案-证据假设，随后仅针对目标验证调用昂贵的VLM。框架核心在于基于动作的候选证据（ACE）模块，该模块通过轻量级LLM推理将时间定位的动作转化为查询条件化的候选答案及支撑证据窗口。我们进一步提出OpenTSUBench（OTB）基准，用于评估真实日常生活活动（ADL）场景中的时间定位推理能力。实验表明，TimeProVe在OTB上比最强基线提升7.3%，同时减少75%的VLM调用和93%的推理成本。此外，无需显式时间定位训练，TimeProVe在Charades-STA上即达到竞争性表现，结合定位VLM增强后更取得最优结果。
扩散Gemma的透明度如何？ Joshua Engels 2026-06-18 PDF LLM推理透明度对于理解模型决策、减少误用与对齐偏差、以及调试异常模型行为至关重要。然而，DiffusionGemma在连续潜在空间中完成大部分计算——这是否会降低其推理透明度？我们将透明度分解为两个维度展开研究：变量透明度（能否理解模型计算状态的中间快照）与算法透明度（能否通过这些快照重构模型输出结果的生成过程）。直观来看，DiffusionGemma的变量透明度较差：其不透明序列深度（可解释模型状态之间发生的序列计算量）最初似乎是相应自回归Gemma 4模型的28.6倍。但我们证明，通过可解释的token瓶颈映射去噪步骤间的信息流动，可在不降低下游性能的前提下，将不透明序列深度降至仅为Gemma 4的1.1倍。扩散模型的算法透明度比自回归模型更难实现，因为画布中所有token预测在每个去噪步骤都可能改变，这使模型具备在去噪过程中实施复杂分布式算法的能力。为弥合这一差距，我们开展了一系列可解释性案例研究，初步发现了非时序推理、token与序列模糊化、中间上下文推理等新型扩散模型特有现象。最后，我们测试了可监控性（透明度的重要应用场景，衡量模型输出对下游任务的效用），发现DiffusionGemma与Gemma 4具有相似的可监控性。
UNIEGO：代理作为中介的统一自我中心视频表示学习 Wenhao Chi 2026-06-18 PDF 自我中心视频理解本质上受限于可穿戴摄像头的狭窄视角：单一视角、单一模态、单一模型无法捕捉人类行为的全部丰富性。我们认为，真正富有表现力的自我中心表征必须整合跨视角、跨模态和基础模型表征的互补知识，同时仍需仅从自我中心视频中即可部署。为此，我们引入了一个层次化多教师蒸馏框架，生成了UNIEGO——一个统一的自我中心编码器，该编码器使用九位教师（涵盖自我-外部视角、RGB、深度和骨架模态）以及四个基础模型进行训练。我们的框架并非直接从异构教师处进行蒸馏（这些教师的不兼容架构和特征几何会导致梯度冲突），而是在其中插入一层特定表征的代理模型，将多样的教师知识转化为同质的自我中心空间。第二阶段蒸馏——选择性代理蒸馏（SPD）——随后针对每个训练样本自适应地选择既正确又自信的代理子集，仅从可靠监督中进行蒸馏，并抑制错误信号。SPD通过将UNIEGO初始化为代理参数的凸组合进一步稳定，使统一模型在蒸馏开始前处于损失景观的良好条件区域。UNIEGO在三个自我中心视频理解任务（动作识别、视频检索和动作分割）上达到了最先进性能，在三个具有挑战性的自我-外部基准测试中优于朴素的多教师蒸馏基线，并证明了结构化、代理介导的知识迁移能够产生更丰富、更具判别力的自我中心表征。
最优确定性多校准与全知预测 Georgy Noarov 2026-06-18 PDF 如果一个模型在群体权重集合 $G$ 上是多校准的，那么它不仅是整体上校准的（即预测条件无偏），而且在按每个 $g \in G$ 重新加权上下文后也是校准的。这一性质对许多下游应用非常有用，也是可信机器学习的基本要求。在此工作之前，所有已知能达到 $\varepsilon$-多校准的极小极大最优 $\widetilde O(\varepsilon^{-3})$ 样本复杂度率的预测器都是随机化的，而确定性预测器仅以显著更差的样本复杂度已知。随机化是否对多校准的最优样本复杂度必要，这一问题由 [CLNR26] 明确提出，并在多项先前工作中隐含提及。我们通过给出一个输出确定性预测器的极小极大最优多校准算法解决了这一开放问题。随后，我们将该算法推广，以生成满足关于有限或有限覆盖测试集合的结果不可区分性（OI）的最优确定性预测器。作为应用，这还给出了具有最优样本复杂度的确定性全能预测器和泛预测器，解决了 [OKK25] 和 [BHHLZ25] 提出的开放问题。
框内思考：真实图像中的3D编辑变得简单 Pradhaan S Bhat 2026-06-18 PDF 文本和2D条件化界面在图像编辑中只能提供对空间变换的弱控制与模糊引导，尤其在处理大范围物体运动及视角变化时表现不足。现有研究虽采用三维基元（如立方体）作为条件信号，但仅能指示物体大致位置而无法明确指定变换参数。我们创新性地将三维立方体作为结构化规范：用户提供编辑前后的立方体边界框，将图像编辑转化为具有明确几何约束的问题。这种"方框思维"界面通过为每个立方体面赋予颜色编码以传达三维朝向，能够精确控制真实图像中的平移、旋转、缩放及视角变化，同时保持场景与物体身份特征，并恢复先前不可见的物体区域。为将变换与场景外观建立关联，我们引入深度对齐的平面地板作为全局参考坐标系，并辅以深度感知的阴影渲染。基于该结构化条件，图像生成器可在大幅变换下保持输出一致性。通过两阶段训练（合成多物体场景与Objectron小规模真实视频数据集），该方法可泛化至复杂野外的真实图像。本方法直接作用于真实照片，在大幅三维编辑任务中显著超越当前最优方法。
为生成式推荐构建并标记化分布式用户兴趣上下文 Ruizhong Qiu 2026-06-18 PDF 生成式推荐是一种新兴范式，在工业推荐系统中展现出潜力，旨在从用户历史行为中预测其下一次交互。其核心在于物品标记化，该技术连接了物品语义与推荐模型。然而现有方法难以同时有效组织并注入复杂的用户行为与物品语义上下文。一方面，现有基于图的集成方法（如图序列化与图神经网络）存在可扩展性问题，或仅能利用局部图信息。另一方面，现有语义标记化方法通常依赖启发式规则且缺乏显式监督信号，可能导致不准确或次优的语义表征。为解决用户兴趣上下文建模中的这些局限，我们提出G2Rec——一个可扩展框架，将基于图的全局用户协同参与建模与语义标记化统一应用于工业级生成式推荐。总体而言，G2Rec使推荐模型无需真实用户兴趣标签即可捕获全局且语义化的用户兴趣原型，从而在工业序列推荐中实现更全面精准的用户行为上下文建模。跨产品表面的在线部署及公开数据集上的大量实验证明了G2Rec相较于现有方法的优越性。
令牌是群元素：论矩阵李群上的李代数注意力机制 Przemyslaw Musialski 2026-06-18 PDF 我们将注意力令牌置于群上：令牌是矩阵李群$G$中的元素$g_i$——一种纯粹的变换，没有特征载荷，也没有外部作用$\rho(g)$来承载它。据我们所知，这是首个以纯矩阵李群元素作为令牌的注意力结构：其分数是相对位姿的闭式代数范数，而非学习核函数，并且它能够覆盖仿射全帧群——这是所有基于不可约表示或满射指数方法必须排除的。我们称之为李代数注意力。一旦令牌成为群元素，后续过程便无需任何常规表示论工具。一对元素的相对几何是规范化的，即$g_i^{-1} g_j$，因此成对不变量$w_{ij} = \log(g_i^{-1} g_j)$是内在的而非人为设计的；对角$G$作用下的等变性是自明的，且余循环条件自动成立。注意力分数为负的平方代数范数，即$s_{ij} = -\
可预测性作为隐私的细粒度度量 Linda Lu 2026-06-18 PDF 差分隐私（DP）即便面对最强大的攻击者也能提供严格的个体级隐私保障，但其最坏情况特性可能导致隐私与准确性之间代价高昂的权衡。我们提出"基于可预测性的隐私"这一细粒度框架，该框架明确纳入攻击者的核心知识（由随机过程生成的数据集中被攻破的部分）以及指定的查询族。可预测性将隐私泄露量化为：攻击者在观察算法输出后，对未知个体敏感信息的预测能力相较于仅凭已泄露数据所能推断的信息所获得的增量增益。研究表明，可预测性与差分隐私通常不可比较：两者可能一方极小而另一方极大。但在仅剩一个个体未被攻破且所有二元查询均被视为敏感的最坏情况下，可预测性可推导出互信息差分隐私。更一般地，可预测性提供了针对特定敏感信息和特定攻击者模型的细粒度隐私度量。我们提出基于广义矩估计（GMM）的通用框架，用于分析当被攻破数据由平稳遍历混合过程生成时的渐近可预测性。基于该分析，我们为经验风险最小化（ERM）推导出可预测性校准的输出扰动方案。该方法与差分隐私互补，可与之协同实现细粒度隐私控制。
当前世界模型缺乏持久状态核心 Jinpeng Lu 2026-06-18 PDF 世界模型正被越来越多地视为通向通用人工智能的关键一步，但物理世界的建模远不止于按需生成令人信服的画面：它需要一个随时间持续演化的内部世界状态，该状态独立于观测而存在，使得物体能够持久存在、事件能够自然完成——无论是否有摄像头在记录，就像月亮在无人注视时依然遵循轨道运行一样。这一要求是现有基准测试的盲区，它们只奖励保真度、运动效果和相机可控性等表面特性，却从不追问一个生成的世界在未被观测时是否仍在持续演化。我们提出\textbf{WRBench}，这是首个将相机运动视为对可观测性干预的系统性诊断基准，它将评估分解为一条经人类校准的链条：相机是否执行了要求的交互操作、场景在视野内是否保持连续可辨识、以及返回的目标是否与已启动的事件保持一致。在涵盖四种控制范式的23个模型生成的9600个视频中，一个发现始终成立：当前系统将观测到的世界维持为跟踪镜头，返回的目标停留在被遗弃时的状态，而非在未被观测期间推进事件。由于这一失败跨越控制范式、模型家族和规模增量，稳健的世界状态演化并不来自更清晰的图像、更精确的控制、更丰富的几何先验或单纯的参数数量。因此我们认为，物理状态核的稳定性以及视角干预下世界线的一致性应成为世界模型设计的首要目标，使世界模型捕捉世界将如何展开，而非下一帧画面如何呈现。

bioRxiv

标题 作者 发布日期 PDF链接 摘要
条件操纵揭示了在具有性特征夸张的物种——长腹果蝇中，性别特异性加性遗传方差增加，以及两性间遗传协方差降低。 Audet, T. 2026-06-20 PDF 长期以来，性别间的性状遗传相关性被认为是两性异形演化的制约因素。实证与理论研究表明，这种制约受到基因型-性别-环境相互作用的影响。本研究以长足果蝇（Drosophila prolongata）的性夸张足与非夸张足为对象，探究基因型-性别-环境相互作用，分析生物体条件对极端性状演化能力的影响。采用嵌套式全同胞-半同胞交配设计，对每个子代群体分别提供充足食物或限制幼虫期食物供给。在充足食物条件下，性别间性状遗传相关性呈高度正相关；而在食物限制条件下，该相关性显著减弱，并呈现适度负相关。同样，食物限制条件下性别间G矩阵的相似性降低。本文结合学界对促进性别特异性演化因素日益深入的认识，对这些结果进行了讨论。
群体特异性选择性清除有助于维持莱茵衣藻的遗传结构。 Issa, J. 2026-06-20 PDF 微生物真核生物通常具有较大的有效种群规模和广泛的扩散能力，但其种群结构的程度及塑造该结构的驱动力仍知之甚少。尽管生物地理结构常被归因于扩散限制，但自然选择在维持分化中的作用受到的关注较少。我们研究了全球性土壤藻类莱茵衣藻的种群结构和适应性进化。除了已有的35个北美基因组序列外，我们新增测序了38个来自加拿大安大略省的分离株。种群遗传结构分析表明，这些安大略省的新分离株代表了一个被充分采样的、遗传上独特的第二类群，且该结构在近期存在迁移个体的背景下仍持续存在。利用该数据集，我们得以在全基因组范围内扫描该物种及每个种群中的选择性清除信号。结果保守地识别出151个物种范围的选择性清除和325个种群特异性信号，表明正选择广泛且普遍存在。两个遗传上独特的类群以及受差异选择的位点持续存在，证明尽管存在持续的基因流，局部适应仍得以维持。综合来看，我们的研究结果表明，在这种高扩散能力的微生物中，选择在强化地理结构中发挥着核心作用。
性状与隐藏状态：自交是否与交配及性系统的多样化速率相关？ Meyer, E. M. 2026-06-20 PDF 生殖生物学是适应性的关键决定因素。状态依赖的物种形成-灭绝方法（SSEs）常被用于将性状与多样化模式相关联。此前，SSEs被用于科内研究，以验证自交是进化"死胡同"的假说。据作者所知，尚无研究跨科开展分析——而跨科研究能增强检验该假说的普适性。本研究考察了1）交配系统和2）性系统对18个系统发育多样性科级类群多样化模式的影响。我们还探讨了SSE模型的最新进展（即"隐藏状态"模型和仅系统发育树模型）如何影响我们对这些模式的解读，并评估如何利用交配系统与性系统之间的关系，深入理解生殖生物学对进化结果的影响。本研究发现，与零模型相比，交配系统作为性状并不能更好地解释多样化模式，但性系统往往能。此外，研究结果存在科级异质性，这表明基于单个科的研究结论可能与更广泛的趋势不一致。
杂交与草食作用推动了亚马逊树木的辐射演化。 Schley, R. J. 2026-06-20 PDF 热带雨林，尤其是亚马逊地区，拥有比任何地方都更多的树种，其中大多数通过快速进化辐射形成。快速辐射通常由生态机会催化，而在雨林树木中，这种机会表现为强烈的昆虫食草压力，促使植物进化出新的化学防御机制以逃避侵害。然而，我们尚不清楚长寿树木如何能迅速适应以跟上快速进化的昆虫食草动物。本研究显示，曾被认为罕见的雨林树木杂交现象，允许用于化学防御食草动物攻击的基因簇进行交换，从而促进快速适应和多样化。通过对亚马逊典型树木辐射属——印加属（Inga）的461个个体进行基因组测序，我们发现区域树木群落形成了“合种网”——由基因流连接的近缘共存物种网络。将这些基因组与来自热带美洲相同群落的食草动物丰度数据整合，我们表明食草动物组成的更替与局部、反复发生的防御基因簇种间转移相吻合，这些基因簇通过平衡选择得以保留，这与食草动物群落变化施加的波动选择压力一致。综合来看，我们的研究结果表明，杂交使长寿的热带树木能够快速进化化学防御，从而推动对持续昆虫食草行为的适应，这种食草行为塑造了世界上物种最丰富的森林。
基于随机PK/PD细菌模型，在不同药物与突变模式下治疗期间产生抗生素耐药性的概率 Izuazu, C. 2026-06-20 PDF 数学模型（如微分方程和随机过程）在理解抗生素耐药性演化方面已获得广泛关注。然而，现有模型大多假定遗传变异持续存在，未考虑参考菌株发生随机突变或药物诱导突变的可能性。为此，我们提出一种基于药代动力学/药效学（PK/PD）的连续时间马尔可夫链模型，该模型在治疗过程中考虑了感染宿主内敏感菌与耐药菌之间的竞争与突变。所提出的模型可近似为带迁入的广义生灭过程，从而能够显式推导出治疗期间耐药菌群建立的概率。除捕捉耐药菌株从头产生的随机性外，我们还探讨了不同抗生素作用模式、水平基因转移、营养可利用性及药物药代动力学对耐药性的影响。研究发现，靶向复制（抑菌型）药物比靶向死亡（杀菌型）药物更能抑制耐药性。与既往研究一致，我们在中等药物浓度下观察到耐药性最大化现象，但考虑从头突变后，更高剂量在预防耐药性产生方面的优势被进一步放大。
进化形态：基于遗传距离数据的持续同调作为病原体与植物基因组网状过程的可观测指标 Feged-Rivadeneira, A. 2026-06-20 PDF 进化生物学长期以来从理论上探讨了重组、谱系分化、耐药性扫荡、基因渗入和避难所持续存在等过程，这些过程在基因组数据中的特征与树状结构不相容。我们认为，通过单纯复形形式化并通过持续同调量化的遗传距离数据形状，是这些过程的直接可观测指标。遗传距离矩阵的Vietoris-Rips滤流产生贝蒂数{beta}0（连通分量）、{beta}1（环）和{beta}2（空洞）；我们将{beta}1解读为并非重组事件的字面计数，而是有效重组率在采样依赖的几何基线之上的单调量，并将所得形状组织为四种拓扑基元的字母表（K1克隆型、K2分化型、K3网状型、K4高阶网状型）。溯祖和Wright-Fisher模拟确立了两个关键主张：{beta}1在六个数量级范围内随重组率单调上升，且持续同调特征以98-100%的召回率区分网状与非网状历史（剩余混淆完全发生在{beta}1无法区分的非网状K1/K2对中）。随后我们将该流程应用于四个实证系统。（i）在MalariaGEN Pf7恶性疟原虫数据集（n=20,864，33个国家）中，各人群的{beta}1跨越两个数量级，且显著偏离标签置换零假设（中位数20.5，范围8-32）；排序与重组率相反——自由重组的非洲人群最低，克隆/扫荡的东南亚和巴布亚人群最高，因为在人群尺度上{beta}1受人口结构主导而非重组率，这一点我们通过受控剂量反应明确调和。（ii）哥伦比亚考卡省SP耐药样本的{beta}1=12，而近乎克隆的SP敏感基线为{beta}1=5（总持续同调量高出两个数量级），高{beta}1、多起源的K3条带与耐药性存在于多个基因组背景上的情况一致。（iii）柬埔寨青蒿素扫荡（2008-2018年）呈现K3→K1轨迹，{beta}1在扫荡中期升至峰值45，固定时降至13——据我们所知，这是首次在拓扑坐标中直接观测选择性扫荡瞬态，但需注意每箱值为三个子样本的中位数且置信区间较宽。（iv）在拟南芥1001基因组数据中，伊比利亚避难种群（西班牙，{beta}1/n=0.64）超过冰期后扩张种群（瑞典0.54；英国0），将该框架推广至病原体之外。恶性疟原虫线粒体阴性对照在所有子样本中恢复{beta}1=0，确立了流程特异性。在1-骨架之上，{beta}2在克隆/扩张极限处为零，在网状系统中为正；受控的两方与三方混合模拟证实{beta}2可区分共享{beta}1谱系的模式，而比值{beta}2/{beta}1可区分微进化与宏进化时间尺度的进一步建议，鉴于系统数量较少且缺乏{beta}2零假设，仅作为待检验假说提出。这些结果共同表明，遗传距离数据的拓扑结构是一种进化可观测指标，对恶性疟原虫耐药性监测具有直接意义。
博物馆标本揭示了哺乳动物口腔微生物组的进化驱动因素与功能。 Moraitou, M. 2026-06-20 PDF 野生动物的微生物组尽管对宿主生存至关重要，但大部分仍未被探索，尤其是肠道以外的部分。本研究利用来自34个生态和系统发育多样性哺乳动物物种（其中多数此前未被研究）的450余份博物馆保存的牙结石样本，确定了口腔微生物组进化的主要驱动因素。我们发现，与肠道类似，口腔微生物组受宿主生态（尤其是饮食）影响，而宿主系统发育关系的影响较小。它可能通过合成必需微量营养素和降解潜在有害化合物，促进宿主适应。我们还发现，某些口腔微生物在进化时间尺度上与哺乳动物持续关联，并提供了部分瘤胃类群可能起源于口腔的证据。这些发现共同揭示了这一长期被忽视的微生物群落对哺乳动物生物学的重要性。
recount3 Python 包，用于以编程方式访问统一处理的 RNA-seq 数据 Alsalihi, A. 2026-06-20 PDF recount3在线资源提供了数万个经过统一处理的RNA-seq样本，涵盖人类和小鼠，数据来自Sequence Read Archive等主要测序数据库。虽然这些数据集传统上主要通过R/Bioconductor生态系统访问，但Python在生物信息学和机器学习领域的日益普及，使得为Python用户提供原生、高效的工具成为必要。因此，我们推出了recount3 Python包，配备强大的应用程序编程接口（API）和命令行界面（CLI），用于发现、下载和具体化recount3资源。该软件协调统一资源定位符（URL）解析、持久化磁盘缓存，并自动将数据解析为可直接用于分析的数据结构，包括Pandas DataFrames和BiocPy RangedSummarizedExperiment对象。recount3 Python包大幅降低了在基于Python的计算流程中大规模利用RNA-seq数据的门槛，弥合了海量公共转录组数据与现代机器学习生态系统之间的鸿沟。
血管空间分析（VeSpA）：用于全切片图像分割、形态测量及QuPath扩展的工具。 Grion, G. 2026-06-20 PDF 在组织学全切片图像中量化血管结构，对于研究组织构成、肿瘤微环境生物学以及疾病相关的血管重塑至关重要。然而，常规免疫组化中的血管分析仍具挑战性。现有工作流程通常依赖人工操作、需要编程专业知识，或缺乏与数字病理平台的直接集成。我们开发了VeSpA（血管空间分析），这是一个开源流程和QuPath扩展工具，用于在CD31染色的全切片图像中实现自动化血管分割和形态计量量化。VeSpA结合了可配置的信号提取（默认使用CMYK黄色通道提取，并可选H-DAB图像的DAB染色反卷积）、自动或基于百分位数的阈值分割、形态学优化、轮廓过滤及管腔填充，从而从标准DAB染色切片生成血管掩膜。其QuPath扩展包含图形界面，支持选择注释区域、组织芯片核心或全幅图像，配置分割参数，运行Python后端，并将血管对象直接导入QuPath层级结构。对于每个检测到的血管，VeSpA提取面积、长轴长度、短轴长度、偏心率、质心和方向角，同时将汇总测量值附加到父级注释和组织芯片核心中。与独立病理学家标注的验证结果显示，VeSpA的分割性能接近评估者间一致性，且在测试数据集的基于重叠的指标上优于基于黄色通道提示的SAM和零样本YOLOv8-seg。VeSpA将血管分割、形态特征提取和基于QuPath的可视化整合为单一可重复工作流程，适用于计算病理学中的血管量化及组织学组织结构的空间分析。
一个用于热性能曲线演化的通用模型及其在实时序列数据中的应用 Min, J. 2026-06-20 PDF 热性能曲线（TPCs）被广泛用于研究体温变化对生物体性能的影响。尽管有实证证据表明温度依赖性性能在生物分类中普遍存在，但该领域缺乏关于热性能如何在现实时间序列、遗传结构和生理约束下进化的模型。我们通过将数学模型与基于个体的定量群体遗传模拟相结合来填补这一空白。我们的模型能够预测任何给定热环境下TPCs的进化轨迹和形状。该模型再现了先前研究中TPC进化的核心特性，例如在多变环境中泛化物种的出现，同时也解释了为何生物可能进化出与其历史体温范围不匹配的TPCs。我们发现了适应性追踪的新动态，最显著的是温度与TPC参数之间的多代滞后，这可能导致两者之间出现意外相关性。我们的模型预测了入侵性害虫斑翅果蝇（Drosophila suzukii）临界热最小值适应性追踪的实证观察模式，包括个体水平变异和随温度变化的多代滞后。我们的结果还突显了忽略影响TPC进化和个体变异因素的模型的局限性，例如温度时间序列的自相关、有效种群规模、TPC参数加性遗传相关性的进化、遗传结构和生理约束。我们灵活的模拟模型能够整合这些因素，并有助于生成关于物种如何响应全球气候变化的可实证检验的假说。

medRxiv

标题 作者 发布日期 PDF链接 摘要
EpiLink：一种基于模拟的基因组传播聚类兼容性模型，用于传染病监测 Arthur, D. 2026-06-20 PDF 从病原体基因组序列中识别近期关联感染是传染病监测的核心任务，但现有聚类方法多依赖固定的遗传距离阈值，其与传播关联的对应关系往往不明确。这一局限在快速增长的疫情和超级传播事件中尤为突出——此时大量病例可能在相近时间被采样，共享极少的遗传变异，导致真实传播链难以与其他密切相关的感染区分。监督模型虽能提升判别能力，但需要标注传播数据，这在疫情应对期间通常难以获取。我们开发了EpiLink这一无阈值方法，通过评估两个病例是否与近期传播兼容来判定关联性。这里的兼容性指：两个病例间观测到的遗传距离与采样时间差，是否符合特定近期传播场景下的预期模式。EpiLink通过模拟合理的近期传播历史（考虑感染时间不确定性、检测延迟和突变累积），将观测差异与模拟结果高度匹配的病例对赋予更高评分。研究采用2020年波士顿疫情中合成数据与真实SARS-CoV-2暴发数据进行评估，将两种EpiLink变体与基于标注传播数据训练的Logistic回归模型进行对比：一种变体假设确定性突变累积（遗传差异与进化时间成正比），另一种通过泊松分布采样突变计数来纳入随机性。Logistic回归模型在区分关联/非关联病例对时表现更优，但EpiLink达到了相当的聚类精度。在波士顿数据中，EpiLink成功识别出与已知会议及专业护理机构暴发事件高度相关的聚集性病例。因此，当固定阈值难以确立且标注传播数据不可获取时，EpiLink提供了一种可解释的、基于模拟的近期传播簇识别方法。
一个基于TAD的多模态和细胞类型解析调控变异的老化大脑xQTL图谱 Cifello, J. 2026-06-20 PDF 理解衰老人类大脑中遗传变异的调控后果，需要跨越脑区、细胞类型和调控模式的分子图谱。我们提出阿尔茨海默病测序项目功能基因组学（FunGen-AD）xQTL图谱，这是一个整合了四个死后脑部研究（ROSMAP、MSBB、Knight-ADRC和MiGA）分子数量性状位点的协调资源。该图谱整合了14个脑区、7种主要细胞类型和17,566个样本中的组蛋白乙酰化、DNA甲基化、基因表达、剪接和蛋白质丰度QTL，并提供标准化关联分析、显著性过滤和精细定位输出。为突破传统1 Mb顺式窗口的发现限制，我们在适当时纳入拓扑关联结构域（TAD）及其边界内的变异，每个数据集平均识别出21%更多的变异-分子性状关联。统计精细定位将广泛关联集缩减95%，形成候选调控变异的可信集。通过NIAGADS xQTL门户和批量下载服务分发，该图谱为解读阿尔茨海默病和衰老脑研究中的遗传风险变异提供了全面的功能基因组基础。
跨诊断连接组模型中持续注意力与自闭症症状的特征重叠 Horien, C. 2026-06-20 PDF 持续注意力是一个重要的神经生物学过程。注意力困难在神经发育障碍（如注意缺陷/多动障碍和自闭症）中起着关键作用。本研究跨数据集、参与者群体及fMRI扫描类型，识别出与持续注意力稳定相关的功能连接。我们检验了五个跨诊断的、先前发表的基于连接组模型，这些模型可预测注意力与自闭症表型。所有模型均与持续注意力相关，包括包含自闭症参与者的样本。正如预期，我们观察到预测注意力表型的模型之间共享的特征比预测自闭症症状的模型更为相似。有趣的是，在考虑年龄、功能扫描类型或诊断等因素时，未发现显著的模型相似性。这表明预测行为个体差异的功能连接模式倾向于具有表型特异性，不受年龄或临床诊断影响。我们的结果强调了在神经发育状况中寻找跨诊断持续注意力表型一致性标记的重要性。
脑控硬膜外脊髓刺激改善四肢瘫后上肢运动功能 Sasaki, A. 2026-06-20 PDF 脊髓损伤（SCI）会破坏下行运动通路，导致四肢瘫痪患者只能依赖残余神经连接产生自主运动，即使经过广泛康复训练，功能恢复仍十分有限。硬膜外脊髓电刺激（ESCS）作为一种前景广阔的神经调控策略，能够增强脊髓感觉运动通路，使残余神经回路对自主运动指令产生更有效的响应。然而，现有方法多采用持续性刺激而非基于运动意图的触发模式，这限制了皮层指令与脊髓激活的整合——而这种整合可能同时提升神经假体功能与康复潜力。本研究为一名慢性运动完全性颈髓损伤患者植入脑机接口（BCI），通过解码皮层脑电图信号中的运动意图，在上肢运动任务中触发颈段ESCS。结果显示，与无刺激状态相比，BCI驱动和持续ESCS均能即时增强运动功能，其中BCI-ESCS在握力和抓取精度方面的改善更为显著。在辅助效应之外，单次BCI-ESCS即可促进皮质脊髓束和脊髓兴奋性，而持续刺激未观察到该效应，提示BCI驱动的神经调控具有促进活动依赖性可塑性的潜力。经过四周BCI-ESCS训练，患者手部运动功能获得超越临床改善阈值的显著提升，部分改善在随访一个月后仍持续存在。这些发现为植入式BCI-ESCS系统提供了转化医学概念验证，证实意图驱动型神经调控作为修复策略的可行性——既能提供神经假体辅助功能，又能为慢性完全性四肢瘫痪患者带来治疗性获益。
骨科医学教育中早期临床与研究培训（ECART）的整合机制：一项定性单案例研究 Lou, Y. 2026-06-20 PDF 背景 早期临床接触和学生参与研究是医学培训的重要组成部分，有助于激发学习动机、培养循证素养和自主学习能力。然而，在许多课程中，临床培训与研究培训仍相互分离。很少有研究在真实教学团队中解释学习者如何将临床现象转化为可研究的问题，以及研究参与如何重塑其临床认知。早期临床与研究培训（ECART）是由山东大学第二医院骨科团队开发的一种临床-研究整合方法。 方法 我们开展了一项基于理论、阐释主义性质的单案例定性研究。案例为山东大学第二医院骨科临床-研究团队。参与者包括医学本科生、学术学位研究生、专业学位研究生、临床教师及研究平台负责人。我们采用目的性抽样，追求最大变异。数据通过半结构化访谈和去标识化教学文件收集，采用框架法分析，并以情境-活动-机制-结果（CAMO）逻辑进行阐释。 结果 分析显示，ECART并非简单的早期进入临床或早期进入实验室，而是以真实医疗问题为核心的团队学习过程。研究识别出四个主题：第一，早期临床接触帮助学习者发现并命名真实问题，而非仅增加暴露量；第二，临床-研究连接遵循不同路径——专业学位研究生通常从住院医师培训和病例管理中的临床不确定性出发，转向循证小项目；学术学位研究生则常从文献空白、实验发现和机制假设入手，再通过临床反馈校准意义；第三，研究培训通过文献阅读、组会、实验设计、数据审查和导师提问，帮助学习者从完成任务转向解释问题；第四，持续的ECART依赖于由临床教师、研究导师、研究平台和高年级同伴构成的分层团队生态。基于这些发现，我们完善了ECART项目理论：真实医疗问题通过解释、搜索、实验化和基于反馈的重新阐释，转化为学习者能够理解、讨论和检验的研究问题。这一过程有助于问题形成、循证意识、机制推理、转化判断和职业明晰化。 结论 ECART最好被理解为一种源于真实团队实践的临床-研究整合学习生态，而非固定的标准化课程。其教育价值在于真实问题、研究转化、多源反馈和临床重新阐释的循环往复。该框架可为医学教育中临床-研究整合路径的设计、评估和情境适应提供参考。