基于物理信息神经网络的大小结构种群模型功能推断：在鱼类卵子发生中的应用
PINN-based functional inference in size-structured population models: Application to fish oogenesis
该研究以幼鱼早期卵子发生为对象，构建包含未分化生殖细胞区室与生长卵母细胞种群的大小结构种群模型，并引入AMH对前体细胞更新的反馈调节。作者利用重复横断面卵母细胞大小分布数据，建立非线性反问题，用物理信息神经网络（PINN）推断卵母细胞生长率、AMH调控的净更新率和卵母细胞招募率，并结合辅助PINN处理非局部交互项。研究进一步评估函数与参数层面的可识别性，并用个体水平bootstrap分析采样与训练敏感性。结果显示该框架可恢复可解释的生长与更新动态，并推断未观测变量；但研究对象为鱼类，向人类ART的转化尚远。
推荐理由：方法学上较有新意，将PINN与非局部交互的大小结构种群模型结合，用于推断卵母细胞生长和AMH反馈动态；但物种为鱼类、数据为横断面观测，与临床ART和人类卵泡生物学距离较远，适合关注计算生殖生物学的读者浏览。