математическое моделирование

В данном исследовании проводится сравнительный анализ трех математических подходов для оценки биологического возраста (BA) на основе показателей вариабельности сердечного ритма (HRV). Исследователи проанализировали данные 343 участников (193 женщины и 150 мужчин в возрасте от 20 до 90 лет), используя девять временных и частотных индексов HRV, таких как lnSDNN, lnRMSSD и lnHF. Основная цель заключалась в сравнении точности метода множественной линейной регрессии (MLR), метода Дубины (коррекция MLR) и метода Клемера-Дубаля (KDM). Результаты показали, что метод KDM обеспечивает наиболее стабильную и точную оценку с минимальной средней абсолютной ошибкой (MAE) — 4,34 года для женщин и 3,67 года для мужчин. В то время как классическая регрессия MLR продемонстрировала наибольшую погрешность (до 7,47 лет), применение коррекции Дубины улучшило точность, однако этот метод ограничен зависимостью от хронологического возраста. Работа подчеркивает потенциал использования алгоритмов обработки биосигналов для неинвазивного мониторинга биологического старения организма.

Статья критикует процесс «магизации» математических методов в биомедицинских исследованиях, когда сложные алгоритмы и ИИ превращаются в непрозрачные «черные ящики». Авторы подчеркивают необходимость возвращения к интерпретируемости методов для обеспечения связи между количественными данными и биологическими механизмами.

Исследование представляет новый подход к анализу сложных пространственно-временных систем, используя локальные нейронные операторы в сочетании с методами «equation-free» и техниками подпространства Крылова. Вместо ресурсоемкого прямого моделирования (brute-force simulations), авторы предлагают метод, позволяющий проводить системный анализ стабильности и бифуркаций непосредственно на основе имеющихся данных. Данная методология позволяет обходить необходимость явного математического описания динамики системы, что критически важно для сложных биологических и физических процессов. Ключевым преимуществом является возможность масштабирования анализа до уровня всей системы без колоссальных вычислительных затрат. Несмотря на математическую сложность, метод имеет высокий потенциал применения в моделировании динамики популяций, распространения патогенов или сложных физиологических процессов в организме. Результаты демонстрируют переход от простого предсказания состояний к глубокому пониманию структурной устойчивости сложных систем.

В исследовании представлен новый математический фреймворк — иерархия миноров Лапласа, предназначенный для количественной оценки сложных многочастичных взаимодействий, определяющих аллостерию в белковых сетях. Авторы разработали систему топологических мер, где миноры низшего порядка дают стандартные метрики, а миноры высших порядков позволяют вычислять индексы кооперации (от 0 до 1). Третий порядок минора определяет корреляцию аллостерических путей, а четвертый — степень коммуникации между путями через промежуточные остатки. На примере домена PSD95pdz3 была проанализирована эволюционная адаптация специфичности лигандов при мутациях G330T и H372A. Результаты показали, что мутация G330T создает распределенные связи, которые затем использует мутация H372A, при этом четвертый порядок анализа выявил His317 как критический узел, связывающий пути переключения классов. Данный метод позволяет не просто предсказывать механизмы, а объяснять, как именно аллостерические зависимости возникают в процессе эволюции белков.

В статье исследуется проблема применения нейронных операторов к задачам со свободной границей, к которым относятся такие сложные процессы, как моделирование таяния ледников. Традиционные методы нейросетевого моделирования часто сталкиваются с трудностями при описании динамически изменяющихся геометрий. Авторы предлагают инновационный математический фреймворк, основанный на принципе топологической сопряженности, для преодоления этого барьера. Данный подход позволяет более точно описывать эволюцию границ раздела сред в физических системах. Исследование имеет важное значение для развития методов машинного обучения в прикладной физике и биомедицинской инженерии, где моделирование процессов с подвижными границами (например, рост опухолей или динамика жидкостей) является критически важным. Результаты работы закладывают фундамент для создания более устойчивых нейросетевых моделей физических процессов.

Представлена новая библиотека с открытым исходным кодом на языке Python под названием mantis-delta, предназначенная для анализа химических реакционных сетей (CRNT). Библиотека позволяет автоматизировать структурный анализ систем, используя теорию масс-действия, и определяет применимость теорем о дефиците нуля (DZT) и дефиците один (D1T). Инструмент способен без проведения симуляций подтверждать существование, уникальность и асимптотическую стабильность положительных стационарных состояний. Для сложных систем, не подпадающих под структурные теоремы, mantis-delta генерирует символьные обыкновенные дифференциальные уравнения (ODE) и использует гибридный численный решатель для поиска как стабильных, так и нестабильных фиксированных точек, включая центры бифуркации Хопфа. В ходе тестирования на шести бенчмарках, включая механизм Михаэлиса-Ментен и биосенсор miR-21, библиотека показала высокую точность: остаточные значения составили менее 10⁻⁶ М·с⁻¹. Данная разработка представляет интерес для биоинформатики и системной биологии, так как позволяет моделировать динамику сложных биохимических процессов и сенсоров.

В данной работе представлен инновационный математический подход к анализу биологических сетей, основанный на использовании строк подпространства Крылова матрицы смежности. Авторы предлагают метод вычисления матрицы подпространства Крылова через итерации степеней с использованием неслучайного, потенциально неоднородного начального вектора, который отражает конкретное биологическое состояние или возмущение системы. Такой подход позволяет извлекать функциональную информацию о узлах сети в контексте заданного биологического сценария. В качестве практического подтверждения эффективности метода авторы провели эксперименты на нейронной сети C. Elegans (круглого червя). Результаты продемонстрировали высокую эффективность метода как для обнаружения сообществ (community detection), так и для анализа влияния возмущений на структуру сети. Исследование открывает новые возможности для интерпретации сложных биологических взаимодействий через призму линейной алгебры.