Developing a Knowledge Graph Framework for Pharmacokinetic Natural Product-Drug Interactions
专题命中 生物医学文本 ：biomedical(abstract,journal_ref)；分类 q-bio
Journal ref Journal of Biomedical Informatics 140 (2023) 104341
科学与医疗
医学 AI
医学智能、临床 AI、医学影像、病理、诊断和医疗健康大模型。
1. 生物医学文本 4507 篇
Probabilistic Broken-Stick Model: A Regression Algorithm for Irregularly Sampled Data with Application to eGFR
专题命中 生物医学文本 ：biomedical(abstract,comments)；分类 q-bio
Comments Preprint submitted to Journal of Biomedical Informatics
Structuring research methods and data with the Research Object model: genomics workflows as a case study
专题命中 生物医学文本 ：biomedical(abstract,comments)；分类 q-bio
Comments 35 pages, 10 figures, 1 table. Submitted to Journal of Biomedical Semantics on 2013-05-13, resubmitted after reviews 2013-11-09, 2014-06-27. Accepted in principle 2014-07-29. Published: 2014-09-18 http://www.jbiomedsem.com/content/5/1/41. Research Object homepage: http://www.researchobject.org/
In Silico Analysis of Tandem Repeats in GIF of Gastric Parietal Cells
专题命中 生物医学文本 ：biomedical(abstract,comments)；分类 q-bio
Comments Submitted to Journal of Biomedical Engineering Research
Estimating Parameter Fields in Multi-Physics PDEs from Scarce Measurements
从稀少测量中估计多物理PDEs中的参数场
机构 * Michigan State University（密歇根州立大学）
专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG
AI总结 本文提出Neptune方法，通过独立坐标神经网络有效估计多物理PDEs中的参数场，显著优于现有方法，在稀少测量下实现高精度参数估计和动态响应预测。
Concept-based explanation of gene expression prediction from H&E images
基于概念的H&E图像基因表达预测解释
机构 * Institute of Pathology – Charité Universitätsmedizin（夏里特医学院病理学研究所） ； Fraunhofer Heinrich-Hertz-Institute（弗劳恩霍夫海因里希·赫兹研究所） ； Center for Computational Biology (CBIO), Mines Paris, PSL University（巴黎矿业学院计算生物学中心（巴黎文理研究大学）） ； Institut Curie, PSL University（居里研究所（巴黎文理研究大学）） ； German Cancer Research Center (DKFZ)（德国癌症研究中心） ； Technological University Dublin（都柏林理工大学） ； Technische Universität Berlin（柏林工业大学） ； BIFOLD – Berlin Institute for the Foundations of Learning and Data（柏林学习与数据基础研究所）
专题命中 生物医学文本 ：pathology(abstract)；分类 cs.CV
AI总结 本研究提出结合相关性传播与概念发现的可解释ViT框架，用于从H&E图像预测空间转录组学，可关联分子表型与组织形态，能准确预测结直肠癌相关ST特征并分层患者结局。
Domain-Agnostic Neural Topic Modeling with Contextual Token-Level Semantic Graph Representation
基于上下文词级语义图表示的领域无关神经主题模型
机构 * TelePIX AI Center（TelePIX人工智能中心） ； Samsung Electronics（三星电子） ； School of Computing & Frontier AI Research Centre Macquarie University（麦考瑞大学计算与前沿人工智能研究中心）
专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG
AI总结 该研究提出领域无关框架DARTopic，通过构建词级语义图并联合训练GNN编码器与主题推理模块，在多领域基准测试中优于基线且效率更优。
One Score, Two Decisions: Selective Prediction on the Rare-Disease Tail
一个分数，两个决策：针对罕见疾病尾部的选择性预测
机构 * School of Health & Wellbeing, University of Glasgow（格拉斯哥大学健康与福祉学院） ； Shanghai Sixth People’s Hospital, Shanghai Jiao Tong University School of Medicine（上海交通大学医学院附属第六人民医院） ； School of Life Science and Technology, University of Electronic Science and Technology of China（电子科技大学生命科学与技术学院）
专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG
AI总结 针对罕见疾病尾部的选择性预测，研究发现现有小型开放权重LLM在超罕见疾病上表现受限，前两位边际可提升部分病例选择性准确率，且仅未标记分数无法确定边际切换是否有益。
AutoSchema: Live Schema Grounding for Agentic Text-to-Sparql over Heterogeneous Knowledge Graphs
AutoSchema：面向异构知识图谱的智能体文本转SPARQL的实时模式接地
机构 * The University of Tokyo（东京大学） ； National Institute for Materials Science（国立材料科学研究所） ； RIKEN Center for Advanced Intelligence Project（理化学研究所高级智能项目中心）
专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG
AI总结 提出无需训练的AutoSchema框架，用于异构知识图谱的智能体文本转SPARQL的实时模式接地，在多项生物医学KGQA等任务中优于TogoMCP，可支持未记录RDF图谱。
Novel Knowledge-Guided Generative Methods for Synthetic Transcriptomic Data
面向合成转录组数据的新型知识引导生成方法
机构 * Politecnico di Milano（米兰理工大学）
专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG
AI总结 该研究针对转录组数据的获取限制，提出并基准测试三种生成对抗网络变体，其中MK-TGAN模型结合图神经网络整合先验知识，生成的合成转录组数据真实性与实用性更优。
Class Geometry as Supervision for Sample-Efficient Open-World Detection
类别几何作为样本高效开放世界检测的监督信号
专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.CV
AI总结 该研究针对开放世界目标检测的数据稀缺挑战，提出类别几何监督（CGS）框架，通过保留类别间关系结构提升样本效率，在多任务场景中验证了其有效性。
Comments Under review. 12 Pages, 5 figures, 4 tables
SpinCastML an Open Decision-Making Application for Inverse Design of Electrospinning Manufacturing: A Machine Learning, Optimal Sampling and Inverse Monte Carlo Approach
SpinCastML：一种用于电纺制造逆向设计的开源决策应用：一种机器学习、最优采样和逆蒙特卡洛方法
专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG
AI总结 SpinCastML通过机器学习和逆蒙特卡洛方法实现电纺逆向设计，整合化学约束和分布感知，提高纤维直径预测精度和设计效率。
Comments Paper published at https://doi.org/10.1021/acsomega.6c07333. The associated software developed in this study is released under the GNU GPL 3.0 license and is openly available as a citable archive at https://doi. org/10.5281/zenodo.18557989
Journal ref Elisa Roldan, Tasneem Sabir; SpinCastML An Open Decision Making Application for Inverse Design of Electrospinning Manufacturing: A Machine Learning, Optimal Sampling, and Inverse Monte Carlo Approach. ACS Omega 2026
Conditional Independence Tests for Constraint-Based Causal Discovery: A Survey
基于约束的因果发现的条件独立性检验：综述
专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG
AI总结 该综述针对生物医学领域常见的高维混合类型场景，梳理六大类条件独立性检验方法，分析其优缺点，关联测试级与图级错误，对比主流库应用并总结开放挑战。
Comments 33 pages. Published in Transactions on Machine Learning Research (07/2026). https://openreview.net/forum?id=3jzafJK8Tz
Journal ref Transactions on Machine Learning Research (07/2026)
Demystifying Prediction Powered Inference
解开预测驱动推断之谜
机构 * Department of Biostatistics, Columbia Mailman School of Public Health（哥伦比亚大学生物统计学系、哥伦比亚大学马利曼公共卫生学院） ； Institute for Data, Systems, and Society, Massachusetts Institute of Technology（麻省理工学院数据、系统和社会研究所） ； Department of Biostatistics, Yale School of Public Health（耶鲁大学生物统计学系）
专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG
AI总结 本文通过整合PPI的理论基础和方法学扩展，提供统一的实用工作流程，帮助研究人员负责任地应用预测驱动推断。
Comments updated manuscript
Frequency demodulation with magnetoelectric coreshells: A novel approach to enhanced bio-stimulation
磁电核壳结构的频率解调：一种增强生物刺激的新方法
专题命中 生物医学文本 ：biomedical(abstract)；分类 eess.SP
AI总结 该研究提出利用磁电核壳器件的非线性特性实现频率解调与生物刺激，通过多物理场仿真和跨模型验证证实其可诱导神经细胞膜电位，有望开发为多功能局部化核壳用于生物医学领域。
Comments 6 pages, 7 figures, 1 table. CC BY 4.0. Supported by B-CRATOS project, Horizon 2020 FET-OPEN, grant 965044, and ERCIM Alain Bensoussan Fellowship Programme
Journal ref Proceedings of the 10th ACM International Conference on Nanoscale Computing and Communication (NANOCOM 2023), September 20-22, 2023, Coventry, UK, pp. 59-64
SynCoTrain: A Dual Classifier PU-learning Framework for Synthesizability Prediction
专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG
A Scale-adaptive Vision Model Links C. elegans Neuronal Morphology to Behavior for Neurotoxicity Assessment
一种尺度自适应视觉模型将秀丽隐杆线虫神经元形态与行为联系起来用于神经毒性评估
专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.CV
AI总结 研究针对神经毒性评估难题，引入专用自监督视觉模型及多粒度共聚焦基准，提出尺度自适应掩码图像建模策略，在多任务中超越基础模型，融合特征可预测行为缺陷，筛选化学品发现新神经毒性决定因素，为评估和药物发现提供新方法。
Local Causal Structure Learning in the Presence of Latent Variables and Selection Bias
存在潜在变量和选择偏差时的局部因果结构学习
专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG
AI总结 研究存在潜在变量和选择偏差时的局部因果结构学习，提出LoCaLS算法，刻画局部区域并建立理论桥梁，该算法在标准假设下合理完备，实验证明其结构精度高于局部方法且计算量小于全局方法，在生物数据分析中有实际应用。
One-Shot Generative Design for Disordered Metamaterials via Self-Organizing Neural Cellular Automata
通过自组织神经细胞自动机实现无序超材料的一次性生成设计
机构 * Department of Mechanical Engineering, Carnegie Mellon University（机械工程系，卡内基梅隆大学）
专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG
AI总结 研究针对无序超材料设计难题，提出基于神经细胞自动机的生成设计框架，仅需单个训练模板，能生成多样微观结构并适应不同域，通过操纵局部规则实现特定性能控制，在多尺度机械隐身设计中验证了其有效性，为相关领域提供了新方法。
Quantifying the complexity of trajectory ensembles with clustering-weighted multivariate multiscale sample entropy
用聚类加权多元多尺度样本熵量化轨迹集合的复杂性
专题命中 生物医学文本 ：biomedical(abstract)；分类 eess.SP
AI总结 研究针对轨迹集合数据，提出聚类加权多元多尺度样本熵（CWMMSE），可分组轨迹并加权其动态复杂性，分离个体复杂性和总体多样性，通过多系统验证其排序与平均法不同，表明应测量总体复杂性而非求平均。
ROOFS: RObust biOmarker Feature Selection
ROOFS：稳健的生物标志物特征选择
机构 * Inria（法国国家信息与自动化技术研究院） ； Inserm（法国国家健康与医学研究中心） ； Centre Inria Sophia Antipolis - Méditerranée（Inria 南法地中海研究中心） ； Centre de Recherches en Cancérologie de Marseille（马赛癌症研究中心） ； Inserm U1068 ； CNRS UMR7258（国家科学研究中心UMR7258） ； Institut Paoli-Calmettes（Paoli-Calmettes研究所） ； Pharmacy faculty, Aix-Marseille University（阿维尼翁-马赛大学药学院） ； Veracyte SAS（Veracyte SAS公司） ； Assistance Publique-Hôpitaux de Marseille (APHM)（马赛公共医院 (APHM)） ； Gustave Roussy（Gustave Roussy研究所）
专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG
AI总结 针对生物医学数据特征选择难题，提出ROOFS Python包，在肺癌抗PD-(L)1免疫治疗耐药预测数据上对多种特征选择方法基准测试，评估23种方法与11种分类器组合，确定最优方法，可提高特征选择可重复性与临床模型转化价值。
Comparison of Dimension Reduction Methods for EEG Seizure Detection Using Autonomous AI-Driven Optimization
使用自主人工智能驱动优化的脑电图癫痫检测降维方法比较
专题命中 生物医学文本 ：biomedical(abstract)；分类 eess.SP
AI总结 研究比较PCA、DyCA、DMD、AVD四种降维方法用于脑电图癫痫检测，通过自主人工智能驱动框架优化架构和超参数，结果显示基于方差的方法性能更优，最佳分类器架构因表示而异，突出输入表示重要性及自主实验的可行性。
Comments Accepted to BMT 2026
Exploring the Reversal Curse and Other Deductive Logical Reasoning in BERT and GPT-Based Large Language Models
探索BERT和GPT类大语言模型中的反向诅咒及其他演绎逻辑推理
专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG
AI总结 本研究发现BERT对反向诅咒免疫，而GPT在处理多集合逻辑推理时存在困难，揭示了两种模型在简单与复杂逻辑推理中的差异。
Comments Final revision. To appear in Patterns
A Nearable Soft Mat Based on Distributed Optical Fiber Sensing for Physiological Monitoring
基于分布式光纤传感的近距软垫用于生理监测
专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.CV
AI总结 研究基于分布式光纤传感提出用于生理监测的软垫，将单模光纤嵌入柔性硅树脂基质呈蛇形布局，经实验在标准办公椅靠背上对志愿者测试，实现大面积分布式传感、空间映射及定量心肺监测，验证了该方法的可行性。
Deceptive Grounding: Entity Attribution Failure in Clinical Retrieval-Augmented Generation
欺骗性基础：临床检索增强生成中的实体归因失败
机构 * Lunit（鲁尼特）
专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG
AI总结 研究临床检索增强生成中的欺骗性基础问题，通过对13个模型测试发现DG率8%-87%，医学等微调模型高达86.7%。控制消融确定机制，实体归因验证可检测DG，现有框架未实施，为该领域研究提供新视角和方法。
Comments 24 pages, 7 figures, 12 tables
Transformer-Based Inverse Microrheology for Experimental Mechanics at Ultra-High Strain Rates
基于Transformer的超高应变率下实验力学的逆微流变学
机构 * Materials Science Graduate Program, Texas Materials Institute, The University of Texas at Austin（材料科学研究生项目，德克萨斯材料研究所，德克萨斯大学奥斯汀分校） ； Department of Mechanical Engineering, Michigan State University（机械工程系，密歇根州立大学） ； Department of Aerospace Engineering and Engineering Mechanics, The University of Texas at Austin（航空航天工程与工程力学系，德克萨斯大学奥斯汀分校） ； The Oden Institute of Computational Science and Engineering, University of Texas at Austin（奥登计算科学与工程研究所，德克萨斯大学奥斯汀分校） ； Department of Mechanical Engineering, University of Wisconsin-Madison（机械工程系，威斯康星大学麦迪逊分校）
专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG
AI总结 研究针对传统流变工具在超高应变率下表征软材料的局限，提出基于Transformer的气泡动力学框架BDT，集成物理模拟与神经网络，从气泡动力学快速逆表征软材料粘弹性，无需迭代优化，加速参数推断并能表征多种材料行为。
DeepPySR -- A Symbolic Regression Framework with Dynamic Pruning, Pareto Selection, and Hierarchical Composition for Real-World Scientific Discovery
DeepPySR——一个用于现实世界科学发现的具有动态剪枝、帕累托选择和分层组合的符号回归框架
机构 * International Centre for Radio Astronomy Research (ICRAR), University of Western Australia（国际射电天文学研究中心（ICRAR），西澳大利亚大学） ； The Raine Study, University of Western Australia（雷恩研究中心，西澳大利亚大学） ； Menzies Institute for Medical Research, University of Tasmania（孟席斯医学研究所，塔斯马尼亚大学） ； Nutrition & Health Innovation Research Institute, School of Medical and Health Sciences, Edith Cowan University（营养与健康创新研究所，伊迪斯科文大学医学与健康科学学院）
专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG
AI总结 针对符号回归面临的高维输入等挑战，DeepPySR通过动态变量剪枝、指数帕累托选择标准和分层符号组合架构来解决，在多个数据集上表现出色，能产生与领域风险因素一致的可解释公式。
Canopy: A Heterograph Foundation Model for Metabolic Engineering
Canopy：用于代谢工程的异构图基础模型
机构 * an in-house laboratory information management system (LIMS)（一个内部实验室信息管理系统（LIMS））
专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG
AI总结 代谢工程中设计高产微生物菌株有挑战，Canopy异构图基础模型集成多数据源成知识图谱，用特定模型编码特征，经自监督目标预训练，在发酵滴度预测任务中表现优于基线。
Comments Accepted at ICML GenBio Workshop 2026 https://openreview.net/forum?id=H8bvgKoT7j
Variational Learning of Disentangled Representations
解缠表示的变分学习
机构 * Department of Computer Science, Columbia University, New York City, USA（哥伦比亚大学计算机科学系）
专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG
AI总结 研究如何实现解缠表示，引入DisCoVR变分框架，其目标与数据生成概率结构一致，含对抗项防止特定条件信息编码，在多类数据集上比以前方法实现更强解缠。
KARMA: Knowledge graph-based Automated Reasoning Materialization and Alignment
KARMA：基于知识图谱的自动推理实例化与对齐
机构 * Sejong University（世宗大学）
专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG
AI总结 研究针对基于模板对比合成的问题，提出KARMA方法，通过枚举知识图谱路径生成对比候选，用解耦槽级目标进行偏好监督，在多领域基准测试中表现优于基线。
Comments First version, 20 pages
