追问daily | 5分钟视听刺激可改善情绪；谷歌推出首款无限生成游戏；蛋白质定位错误是疾病的常见原因

蛋白质定位错误是疾病的常见原因

多伦多大学唐纳利细胞和生物分子研究中心的Mikko Taipale教授与Jessica Lacoste领导的国际研究团队，首次建立了一个公开的大规模蛋白质定位图谱，分析了基因突变对蛋白质在细胞中位置的影响。基因测序技术的进步使研究人员识别出大量致病突变，但其具体对细胞过程的影响仍不明确。本研究旨在填补这一知识空白。

研究团队建立了一个高通量成像平台，筛选了1,269个基因的3,448个错义变异，系统性分析突变对蛋白质定位的影响。结果表明，约16%的致病或可能致病变异会导致蛋白质错误定位，主要由于蛋白质稳定性的破坏及其膜整合能力的丧失，而非通常认为的蛋白质运输信号破坏或蛋白质相互作用的改变。

研究人员进一步发现，这些错误定位的模式与疾病的多效性及严重程度密切相关。例如，囊性纤维化的典型突变会导致蛋白质滞留在内质网中，影响其在细胞表面的正常定位。针对这一问题的药物疗法已经在临床应用，旨在促进突变蛋白的正确运输，改善患者症状。研究团队还将这一蛋白质错位数据库公开，希望有助于发现能矫正蛋白质定位的化合物，以治疗罕见疾病。这项研究成果发表在 Cell 期刊上。

5分钟视听刺激可改善情绪，媲美冥想效果

长期以来，光和声音的闪烁对大脑及情绪的影响备受关注，视听刺激（AVS）技术应运而生，并逐渐成为调节情绪的非药物手段。本研究由约翰·霍普金斯大学彭博公共卫生学院生物统计学系研究人员完成。他们通过名为“电子光阵列”（Electronic Light Array, ELA）的新型设备进行AVS效果测试，以期验证其在情绪改善方面的有效性。

在本项随机对照、双盲设计的实验中，262名参与者被分为三个体验组：带双耳节拍的AVS（ELA1），不带双耳节拍的AVS（ELA2），以及闭眼呼吸冥想组。每个组分别经历三种不同的体验时长（5.5分钟、11分钟和22分钟），实验前后分别进行情绪状态评估（焦虑、抑郁、紧张等）和认知任务测试（如Stroop任务和局部-全局任务），同时记录参与者的脑电活动。

实验结果显示，AVS显著改善了焦虑和抑郁等负面情绪，并提高了情绪敏感的认知任务表现，且在是否包含双耳节拍或体验时间长短方面，效果差异不大。尤其值得注意的是，短时间的AVS体验（约5分钟）即可在情绪改善上达到与11至22分钟冥想相似甚至更佳的效果。这一发现使AVS成为一种潜在的“即插即用”情绪调节替代方式，适合那些难以坚持传统冥想的用户，特别是青少年和偏爱技术的人群。研究发表在 Scientific Reports 上。

长期以来，运动员等人群的学习速度差异被认为是个体差异所致，但实际的神经基础未曾明确。筑波大学的研究团队近期的研究，揭示了背侧前运动皮层在运动技能的元学习功能上扮演着重要角色。

研究团队使用经颅磁刺激（TMS）分别作用于背侧前运动皮层（PMd）和背外侧前额叶皮层（DLPFC），以观察其对运动技能元学习的影响。实验参与者在一项任务中调节运动适应速率，以获得更高奖励。研究发现，刺激PMd 显著减弱了参与者调整运动记忆的能力，而 DLPFC 则没有产生相同效果。这意味着 PMd 在运动适应的元学习中发挥了重要作用，帮助个体根据环境和任务需求有效调控运动记忆的保留和遗忘。传统上，PMd 被认为负责运动规划，而本研究则揭示它还具有元学习的调控功能，能够帮助大脑“学会学习”。这些发现为运动技能的神经机制提供了新视角，可能对运动训练和康复有重要应用价值。研究发表在 PNAS 上。

加速双重磁场疗法可显著缓解难治性抑郁症

来自剑桥大学与贵阳的研究团队联合开展了一项针对难治性抑郁症的新型TMS疗法研究。该研究由剑桥大学精神病学系的Valerie Voon教授领导，并得到了贵阳精神卫生中心的Yanping Shu的支持。该团队测试了双重磁场疗法的加速版，以应对传统疗法疗程长、见效慢的问题。

研究共招募了75名患者，并采用EEG 10-20系统引导双目标加速TMS疗法进行试验。实验中，双重治疗组接受了右侧眶额皮质（OFC，负责决策和负面情绪调节）抑制后，再对左侧背外侧前额皮质（dlPFC，负责情绪控制和认知功能）进行激活。实验为期5天，每天四次治疗，分别设立了双重TMS组、单侧TMS组和假手术对照组。

结果显示，双重TMS组在治疗结束后的抑郁症状明显减轻，近一半患者（47.8%）症状缓解超过50%，而单侧TMS组和假手术组的缓解率分别为18.2%和4.3%。四周后，双重TMS组和单侧TMS组的临床反应率分别达到61%和59%。该方法不仅在急性抑郁症病例中具有显著疗效，而且显示出快速减少自杀风险的潜力。研究发表在 Psychological Medicine 上。

传统的脑部疾病治疗方法多需要通过金属电极插入大脑，但此类手术风险较大，易引起出血和感染。针对这一问题，首尔国立大学工程学院航空航天工程系的Jai-ick Yoh教授团队，与医学院的Hyung-Jin Choi教授团队合作，研发了一种非侵入性的微冲击波疗法。此方法无需手术切口，可精准刺激脑部特定区域，激发细胞分化和神经再生。

研究团队使用冲击波深部脑调制（DBM）技术，以冲击波的高峰值强度（10–127 W/mm²）对大脑深部神经进行精确调节。通过优化压力分布，小鼠模型的实验结果显示，在下丘脑（hypothalamus）区域，神经元的活跃度显著提升，而在海马体（hippocampus），这种刺激引发了显著的神经生成效应，且未造成神经元损伤。行为学测试结果表明，接受该疗法的小鼠运动活动有所降低，但空间记忆未受到显著影响，显示出该疗法的安全性和稳定性。该研究建立的微冲击波刺激方案为开发安全有效的非侵入性脑部疾病治疗设备提供了可行的路径。研究发表在 Brain Stimulation 上。

抑制F-肌动蛋白积累延缓大脑衰老

随着年龄增长，F-肌动蛋白（F-actin）在果蝇大脑中积累，导致神经元功能下降和认知退化。为探究这一过程的因果关系，加州大学洛杉矶分校的David Walker实验室，由Edward Schmid等人领导，通过果蝇模型研究揭示了F-肌动蛋白积累对脑衰老的影响。

研究团队利用遗传干预手段，抑制果蝇衰老神经元中F-肌动蛋白的聚集，成功恢复了自噬功能。自噬（autophagy）是细胞清除受损成分的回收机制，对维持神经元健康至关重要。在实验中，降低衰老果蝇神经元中F-肌动蛋白水平有效防止了认知功能下降，延长了果蝇健康寿命约25-30%。此外，研究发现限制饮食和使用雷帕霉素等方法均有助于减少F-肌动蛋白的积累。

研究团队指出，尽管基因干预仅限于神经元，但对果蝇整体健康产生了积极影响。进一步分析表明，F-肌动蛋白的积累通过削弱自噬来加速脑衰老，而通过阻断其积累可以延缓这一进程。研究揭示了过量F-肌动蛋白聚合是脑衰老的标志，提出未来可以通过靶向该过程延缓大脑衰老。该研究成果已发表于 Nature Communications。

利兹大学的研究团队结合全球多家机构的研究成果，通过对多种动物的社交行为进行长期追踪，探讨了不同物种在衰老过程中如何调整社交网络，以适应衰老带来的健康风险。

研究分析了16项关于老龄化和社交行为的研究，涵盖了鸟类、哺乳动物和无脊椎动物。数据显示，不同物种在衰老过程中会减少社交活动，以降低疾病感染的风险。例如，长期跟踪苏格兰朗姆岛红鹿种群的研究发现，年长雌鹿减少社交，以减少寄生虫感染的风险。伦迪岛的麻雀研究则表明，年长的麻雀因同伴数量减少而缩小社交网络，显示出“社交老龄化”（social ageing）的适应性调整。

此外，研究还揭示了果蝇等无脊椎动物在社交环境对寿命的影响，并提出了性别差异和社交伙伴年龄在社交老龄化中的重要性。特刊的研究表明，跨学科的多物种研究有助于深刻理解衰老过程中的社交动态，为人类健康衰老提供新的借鉴和干预思路。研究发表在Philosophical Transactions of the Royal Society特刊中。

一家总部位于加州的脑机接口公司Science Corporation，创始人Max Hodak（Neuralink前总裁）率团队开发出「Prima」芯片技术，让视力受损的患者有望重新看见世界。这款2平方毫米的芯片植入患者视网膜后，配合带有摄像头的眼镜和口袋处理器，能将光信号转换成电信号传递给大脑，让患者感受到形状、图案等视觉元素。

在PRIMAvera临床试验中，32位患有地图样萎缩（GA）的患者在植入Prima后视力显著改善，部分患者能够从20/450的法定失明状态提升至20/160，甚至有患者在视力表上辨认出更多字母，达到了接近20/63的清晰度。这项技术的突破对因年龄相关性黄斑变性（AMD）导致视力衰退的人群带来了新的希望。据美国眼科学会的Sunir Garg表示，当前的医疗技术尚无法修复这种病症导致的中心视力丧失，Prima芯片技术的出现有望填补这一空白。

不同于Neuralink专注的视觉皮层刺激，Prima采取了视网膜植入物模式，通过378个光电像素将光信号转化为电刺激，从而在大脑中形成影像。目前，Science Corporation正加速发展这项技术，期望在未来造福更多人群，尤其是数百万因黄斑变性等病症而失明的患者。

谷歌（Google）正计划推出代号为「Project Jarvis」的全新AI项目，以Gemini 2.0作为技术核心，为Chrome浏览器用户提供更高效的自动化操作服务。该项目被视为向科幻电影《钢铁侠》中的智能助手J.A.R.V.I.S致敬，旨在通过AI实现人机互动的创新突破。

据悉，Project Jarvis具备截屏、解析、点击操作等多重功能，能够自动化执行包括信息收集、购物预订等多种日常任务。它的核心算法允许智能体自主操控电脑屏幕，通过屏幕内容分析并执行相应指令。

OmniParser的技术亮点在于其可交互区域检测和OCR（光学字符识别）模块，能够解析复杂的界面元素，为未来智能体提供精确指引。研究人员发现，分解任务步骤、加入局部语义等方法有效提升了OmniParser的操作准确性，使其在跨设备与跨平台任务中表现优异。OmniParser不仅助力AI智能体在移动设备上精准识别操作元素，还在多个测试中超越了传统的图形用户界面解析模型，展示了AI在屏幕交互领域的潜力。

谷歌和北卡罗来纳大学教堂山分校的研究团队基于生成模型的最新进展，开发出一款无限人生模拟游戏 Unbounded，旨在打破传统游戏的限制。该游戏受到 James P. Carse 提出的“有限游戏”与“无限游戏”理念的启发，融合了角色扮演和沙盒模拟游戏的特性，创造了一个无边界的虚拟世界，玩家可以在其中自由定制角色并与环境互动。

Unbounded 游戏通过精炼的大语言模型（LLM）生成开放式的游戏机制和互动内容，并利用区域图像提示适配器（IP-Adapter）实现角色在不同场景中的一致性。研究团队利用潜在一致性模型（LCM）确保了游戏的高交互性，游戏反应速度达到接近一秒的刷新率。实验数据显示，该方法在角色一致性和环境一致性方面表现优异。在测试中，研究团队评估了 5000 组数据，包含 5 种不同角色和 100 种场景，结果表明使用 IP-Adapter 技术可显著提升角色一致性和环境一致性。

天桥脑科学研究院和普林斯顿大学的研究团队提出AI模型可以利用长期记忆（Long-Term Memory, LTM）实现自我进化。这项研究在探索AI模型的个性化和自我适应能力上取得了显著进展，为推动智能体长期学习和优化奠定了基础。

研究团队提出，LTM为AI模型在推理阶段的自我进化提供了有效的路径。受到人类大脑皮层结构的启发，团队假设模型可以通过长期互动数据建立内部认知模型。为验证这一点，团队开发了基于LTM的多智能体框架Omne。在GAIA基准测试中，Omne框架以40.53%的准确率夺得第一，展示了其在多任务应对和个性化处理上的潜力。

Omne框架通过动态权重调整和局部参数更新，允许模型在接收到新信息时进行权重自适应，这与人类的持续学习能力相似。此外，LTM帮助模型在应对复杂推理任务时能够自我修正，以提高准确性。这种长期的记忆集成让模型在不同的环境中积累个性化数据，支持在处理个体化任务和实时学习时的自我调整。

在全球日益严重的精神健康危机背景下，生成式人工智能正在成为一种新兴的心理健康支持工具。过去十年间，数字心理健康干预（DMHIs）在移动应用和网站上逐渐普及，但传统基于规则的AI聊天机器人在长期效果和用户参与度方面存在局限性。本研究由一支心理健康与AI技术跨学科团队主导，旨在通过半结构化访谈，深入探索用户在生成式AI聊天机器人上的使用体验。

研究团队对19位生成式AI聊天机器人的用户进行了半结构化访谈，分析他们的实际使用体验。这些受访者描述了生成式AI在心理健康支持方面的四个主要主题：1）“情感避难所”的感觉，许多用户认为AI提供了可以安全表达情绪的空间；2）“有洞察力的指导”，尤其在亲密关系问题上；3）“联系的乐趣”，这种互动带来的社交支持被视为情绪上的慰藉；4）生成式AI和人类治疗师的对比，部分用户认为AI虽然缺乏人类的情感共鸣，但能够以不同的方式给予帮助。

研究发现生成式AI的互动性和情绪支持优势明显，但参与者也指出需要加强安全性，尤其是建立更好的情境记忆和更贴近人类的交互能力。研究表明生成式AI在心理健康支持方面具有独特的潜力，但也需在安全和有效性上做进一步探索。研究发表在 Npj Mental Health Research 上。

单被试解码模型因个体差异和数据量限制，难以在多被试场景下泛化，而多被试解码模型通常无法有效地提取全局特征。针对这一问题，中科院自动化所的周琼怡、杜长德和何晖光团队提出了一种创新的CLIP引导多被试解码方法CLIP-MUSED，通过整合视觉-语言模型的表征空间引导学习，解决了多被试神经响应对齐难题。

CLIP-MUSED方法在多被试解码中采用基于Transformer的特征提取器，使其能够高效建模全局神经响应。通过加入被试特异的Token来编码个体差异，本方法在保持模型参数不随被试数量线性增长的同时，提升了数据的泛化性。为了精准刻画不同被试对刺激的神经响应关系，研究团队引入了表征相似性分析（RSA），利用视觉刺激在CLIP特征空间的拓扑关系引导Token学习。

在两个fMRI数据集（HCP和NSD）上的实验结果显示，CLIP-MUSED相较于传统单被试和多被试方法在分类准确性上具有明显优势。此外，该方法的可视化分析还展示了初级和高级Token分别在视皮层和顶叶、额叶的注意力分布，有效反映了视觉刺激的初级和高级特征响应。此研究成果展示了CLIP引导的Transformer模型在多被试神经解码应用中的潜力，适用于神经解码的多样化场景。研究发表在 International Conference on Learning Representations (ICLR) 上。

本项研究由明尼苏达大学医学院、斯坦福大学、贝斯以色列女执事医疗中心和弗吉尼亚大学的研究人员组成的合作团队进行，研究探讨了 GPT-4 在医生诊断过程中的表现。50 名美国家庭医学、内科和急诊医学的医生参与了实验，以评估该 AI 模型作为诊断辅助手段的效果。

在研究中，医生被随机分配为两组，一组可以使用 GPT-4 作为辅助，另一组仅依赖传统的诊断资源。每位医生在 60 分钟内分析 6 个临床案例，使用标准化的诊断评分量表对表现进行评估。结果显示，使用 GPT-4 辅助的医生与传统资源组的医生在诊断评分上的差距不显著，分别为 76% 和 74%。然而，GPT-4 单独使用时的表现显著优于仅使用传统资源的医生组，得分高出 16 个百分点（P = 0.03）。研究表明，虽然 GPT-4 在独立诊断上具有潜力，但与医生协同时的实际效果尚不理想，未来需要进一步研究如何有效整合 AI 与临床实践。研究发表于 JAMA Network Open。

临床试验是科学发现的关键，但癌症试验中面临招募难题，其中一个主要障碍是医生需要手动匹配患者和试验标准。研究团队来自哥伦比亚大学和梅奥诊所，他们开发了PRISM管道，通过大模型（LLMs）简化了这一匹配过程。

研究团队提出了PRISM管道，利用非结构化患者记录和试验标准直接输入大模型，以简化临床试验匹配。该方法依赖于新开发的OncoLLM模型，该模型经过微调后显示出优于GPT-3.5并与GPT-4效果相当的性能。相比传统NLP方法，PRISM无需基于规则的匹配过程，能够有效缩短从数据输入到匹配的时间。在实验中，OncoLLM实现了与医学医生几乎相同的临床试验匹配效果。

该模型尤其适合隐私敏感的医疗环境，因为其可在私有基础设施上运行，并显著小于GPT-3.5和GPT-4。此外，该团队开发了一种新的排名算法，将相关试验的位置显著提前，显著优化了患者-试验的匹配流程。研究显示OncoLLM模型可支持以患者为中心和以试验为中心的双向匹配搜索，进一步证实了大模型在临床应用中的潜力。研究发表在 Npj Digital Medicine 上。

本研究由一支跨学科团队完成，研究人员来自法国的巴黎高等师范学院及美国的约翰·霍普金斯大学。研究着眼于情景自传记忆（EAM）在自然条件下的形成机制，尤其探讨了情绪和自我参照对记忆保留的影响。

该实验利用虚拟现实技术构建了一个真实感极高的虚拟城市，参与者在其中以第一人称视角漫步，经历包含不同情绪效价的动态事件，部分事件需要参与者主动互动（actor），部分仅需观察（observer）。在整个体验过程中，记录参与者的心率（HR）、呼吸频率及皮肤电活动（EDA）。在实验后立即、一周及一个月内，研究人员对参与者进行三次意外回忆测试，评分项目包含“事件-地点-时间”要素及主观细节。

结果表明，在事件的主观评分中，与记忆感（sense of remembering）及事件在现实生活中罕见性相关的特征在回忆中作用明显，但情绪和心理意象等因素会在不同时间点产生不同影响。此项研究揭示了记忆预测因子的动态性及其与时间的依赖关系，挑战了传统的编码因素对记忆统一影响的观点。该研究发表在 Scientific Reports 上。