追问daily | 睡眠为什么会让人更聪明？女性性排斥的大脑回路；多巴胺与血清素的对立协作机制

多巴胺（dopamine）和血清素（serotonin）是大脑中影响情绪、学习和决策的两种关键神经递质。虽然长期研究表明它们在奖励学习中扮演重要角色，但两者如何交互作用一直未解。由斯坦福大学吴仔神经科学研究所的Robert Malenka教授领导，通过创新实验手段，揭示了这两种递质在学习与强化过程中的对立协作机制。

研究团队通过基因编辑，构建了一种能同步观察多巴胺与血清素活动的小鼠模型，并结合光遗传学技术操控这两种递质的信号。实验显示，多巴胺在奖励到来时发出“启动”（go）信号，促进冲动行为，而血清素则发出“等待”（wait）信号，抑制即刻反应。实验中，单独削弱或增强其中一种递质对小鼠学习影响有限，但两者同时操控可显著影响学习结果。研究还发现，模拟多巴胺增强与血清素下降的状态最有助于强化行为，这验证了多巴胺和血清素在学习中的对立协作模型。研究发表在 Nature 上。

周围神经系统的NPY作用机制揭示抗肥胖新路径

肥胖是全球范围内的主要健康问题之一，其治疗通常集中于控制饮食。牛津大学与巴西肥胖与合并症研究中心（OCRC）合作的研究，揭示了神经肽Y（NPY）在周围神经系统中对能量代谢的调控作用。这一研究由Ana Domingos领导。

研究团队利用小鼠模型，通过组织清晰化成像技术和单细胞RNA测序，发现NPY阳性交感神经主要作用于血管壁细胞（mural cells），这些细胞是棕色脂肪组织（BAT）的前体，对调节代谢和产热至关重要。研究表明，饮食引起的肥胖导致NPY阳性神经退化，壁细胞减少，从而削弱产热能力和能量消耗。进一步的基因实验发现，缺乏NPY的小鼠即使食量正常，也更容易肥胖。这一发现表明，NPY在周围神经系统中通过加速代谢独立于食物摄入对体重产生影响，与其在中枢神经系统中诱发饥饿感的功能相反。研究发表在 Nature 上。

霍华德休斯医学研究所的研究团队深入探索了果蝇在特定社会状态下的视觉感知调节机制。他们聚焦果蝇在攻击性互动中如何调整视觉处理，以理解内在状态与感知的关系。团队利用果蝇作为模型，结合遗传学和神经回路图谱研究，揭示了状态依赖的视觉注意力调节机制。

研究团队采用了细胞类型特异性遗传工具、行为实验和神经生理学分析方法，从神经连接图谱中识别出三种关键机制：

兴奋性输入的汇聚：来自特定视觉特征（如目标大小）和内部状态的兴奋性输入汇聚至小叶柱状神经元（Lobula Columnar neurons, LC），增强了视觉与状态信息的整合。

树突去抑制：通过解除对小叶 LC10组神经元的树突抑制，提升了对飞蝇大小移动目标的检测能力。

切换机制：在 LC10a和LC10c神经元两种视觉特征检测器间切换，使果蝇在攻击或求偶等不同社会情境中优先处理相关视觉信息。

研究还发现，这些机制在雄性果蝇求偶行为中表现出类似特征，表明不同性别的果蝇可能共享某些神经回路机制。研究发表于 Nature。

众所周知，睡眠对认知和行为表现有促进作用，但其背后的神经机制尚未完全揭示。由莱斯大学 Valentin Dragoi 教授领导的跨学科团队，包括休斯顿卫理公会神经系统恢复中心和威尔康奈尔医学院的研究人员，通过一系列神经活动和行为实验，揭示了睡眠提升脑力的具体机制。

研究在猕猴视觉任务实验中，通过多电极阵列记录了初级视觉皮层、中级视觉皮层和背外侧前额叶皮层中的神经元活动。实验显示，非快速动眼睡眠后神经元放电频率增加，同步性降低，这种变化显著提升了猕猴在区分旋转图像任务中的准确性。

此外，研究通过 4 Hz 低频电刺激模拟了睡眠效应，进一步验证了其机制。计算建模表明，突触电导的不对称下降是这一神经去同步化的关键原因。这项研究为睡眠与认知之间的联系提供了新见解，并指出了通过人工神经刺激提升脑力的新可能性。研究发表在 Science 杂志。

卡罗林斯卡学院和卡罗林斯卡大学医院的研究人员合作开发了一种名为 TRISCO 的技术。这项技术由医学生物化学与生物物理学系教授 Per Uhlén 和实验室研究专家 Shigeaki Kanatani 主导。

TRISCO 方法通过一种创新的组织透明化技术，实现了对完整组织中 RNA 的三维成像。这种方法利用 Tris 缓冲液促进组织透明化，同时保持 RNA 的完整性和均匀标记，从而解决了传统切片方法难以在完整组织中进行 RNA 成像的局限性。研究人员以小鼠为模型，监测了服用抗肥胖药物索马鲁肽（semaglutide）后即刻早期基因（immediate early genes，IEGs，细胞活动的早期标志）在脑内的表达模式，发现药物引发了与肥胖相关的特定大脑区域的显著基因表达变化。

此外，研究中分析了三种不同 RNA 分子，未来计划通过多重 RNA 分析技术扩展到 100 种 RNA 分子，以深入研究更复杂的基因表达网络。这项技术还被验证适用于更大脑组织（如豚鼠）及其他器官（如肾、心、肺），展现了广泛的研究潜力。TRISCO 方法为深入理解大脑结构功能以及疾病机制提供了革命性工具。研究成果发表在 Science 期刊上。

传统脑神经信号记录设备因依赖电池和有线连接，无法满足长时间、隐蔽性实验需求。为解决这一问题，大邱庆北科学技术院（DGIST）机器人与机械电子系的Jang Kyung-in教授，与韩国生物科学与生物技术研究所（KRIBB）的Lee Young-jeon团队，合作开发了一种全新技术。

这项研究采用了一款新型无线脑神经信号记录仪。该设备无需电池，基于无线电力传输和通信技术，能够实时记录局部场电位和运动数据。设备设计包含柔性32电极神经探针、可生物降解插入工具和重复线圈供电系统。研究团队成功将设备植入一只实验猴子脑内，连续记录超过一个月的数据，同时猴子可自由活动。数据通过人工智能模型分析，能够精确识别进食行为。研究展示了设备对复杂自然环境中大脑深部活动的监测能力，为脑疾病如阿尔茨海默病的治疗研究提供了工具。研究成果发表在Nature Biomedical Engineering上。

预期驱动：场景变化如何影响我们的眼球运动

眼动行为受期望的显著影响，这是人类适应动态世界的重要方式。然而，以往研究大多基于静态图像，难以解析动态预期对注视行为的作用。为此，柏林工业大学“智能科学”（SCIoI）卓越集群的Nicolas Roth、Jasper McLaughlin、Klaus Obermayer 和 Martin Rolfs 通过实验揭示了这一现象，并首次提供了详细数据支持。

研究团队设计了一项包含动态场景的实验，参与者观看了两种条件下的图像：纯静态图像和冻结视频（前五秒静止后播放动态画面）。实验使用眼动追踪设备记录了参与者前五秒的注视行为，并通过“变化潜力”（Potential for Change, PfC，指场景中可能发生变化的区域）量化注视模式。

结果表明，参与者在观看冻结视频时，显著更多地注视 PfC 高的区域，且这种行为具有高一致性。与传统模型（如物体显著性和生命性）不同，研究首次证明了预期如何在视觉探索中起到主导作用。这一发现对认知科学和智能技术的研究具有重要启发意义。研究发表在 Psychological Science 上。

来自葡萄牙Champalimaud基金会的研究团队，通过一项创新实验，揭示了雌性性排斥行为的关键神经机制。这项研究由神经行为学实验室负责人Susana Lima领导，第一作者Nicolas Gutierrez-Castellanos和Basma Husain共同完成。

研究团队专注于下丘脑腹内侧区（ventromedial hypothalamus, VMH）前部的一类黄体酮敏感神经元（progesterone-responsive neurons, PR+），分析了这些神经元在不同交配行为中的活动。他们通过光纤光度测定（fiber photometry）记录了小鼠脑内这些神经元的实时信号，发现其在雌性性排斥行为中显著活跃，而在接受交配时活跃度降低。切片电生理学实验进一步揭示，这些神经元在接受性雌性中接收到更多抑制性突触输入，而在非接受性雌性中则接收到更多兴奋性输入。

通过光遗传学技术，研究团队激活了这些神经元，发现即使在接受性阶段，雌性小鼠也表现出排斥行为；而在非接受性阶段抑制这些神经元后，排斥行为显著减少。这些结果表明，aVMHvl PR+神经元通过调控交配行为，为非生育期提供了一个额外的保护机制，从而优化繁殖效率。研究发表在 Neuron 上。

MoPEDE方法：解析癫痫大脑的分子地图

FutureNeuro、爱尔兰转化脑科学研究中心与RCSI医学与健康科学大学的研究团队，与南丹麦大学及多家国际机构合作，开发了一个新的大脑基因活动分析技术。研究由David Henshall教授和Vijay Tiwari教授领导，涵盖从爱尔兰博蒙特医院到丹麦高等研究院的多领域合作。

研究团队提出了MoPEDE方法，通过从癫痫患者体内取出的SEEG电极，收集RNA、DNA甲基化数据，并将其与电生理记录相结合。SEEG（立体脑电图）电极用于精准定位癫痫病灶，结合基因分子数据后，能够生成活人大脑的高分辨率分子活动图谱。研究揭示了基因表达梯度与癫痫活动区域的神经生理学特征高度一致，同时检测到常规手段无法捕捉的癫痫传播区域。此外，还发现了多种新型基因及甲基化模式，这些数据为未来癫痫手术及其他神经疾病治疗提供了更精准的依据。研究结果发表在 JCI Insight 上。

睡眠障碍是全球普遍存在的健康问题，其背后机制尚未完全厘清。洛桑大学生物与医学学院基础神经科学系的 Anita Lüthi 教授团队，通过研究脑干区域的蓝斑（locus coeruleus, LC）神经活动，揭示了其在睡眠状态调控中的关键作用。

研究团队在小鼠模型中使用先进的神经调控技术，记录并操控蓝斑神经元的活动。研究发现，蓝斑的波动性活动以大约 50 秒为周期，将非快速眼动睡眠（NREMS）划分为两种不同的脑-自主神经状态：活动高峰期通过去甲肾上腺素（noradrenaline，一种促进警觉的激素）增强皮质下脑区的警觉性，触发微觉醒；活动低谷期则为快速眼动睡眠（REMS）的转换提供窗口。

实验进一步表明，蓝斑活动的异常波动（如压力引起）会导致睡眠周期紊乱，包括 NREMS 的破碎化和 REMS 的延迟。这一发现为压力与睡眠障碍之间的关联提供了新的神经机制解释，也为开发基于蓝斑活动的睡眠障碍治疗手段提供了可能性。这一成果发表在 Nature Neuroscience 上。

Anthropic近期发布了模型上下文协议（Model Context Protocol, MCP），这是一种旨在将AI助手与各种本地和远程数据源（如SQLite数据库、文件系统、Slack、GitHub API等）无缝连接的开放标准。该协议通过统一数据访问接口和支持双向交互，不仅大幅提升了AI助手的实用性，还确保了数据的安全性和隐私性。

MCP消除了为不同数据源编写特定代码的需求，提供了统一接口来连接本地和远程资源。例如，通过Claude Desktop（Anthropic的AI工具），MCP可以轻松实现与GitHub等工具的快速交互，仅需几分钟即可完成创建代码仓库等任务。

MCP支持双向安全连接，允许数据源和AI助手之间安全地共享信息并实现闭环交互。此外，MCP的上下文感知能力使AI助手能够根据数据源提供的背景信息生成更相关的响应。例如，在代码开发中，AI助手可以分析当前项目的代码结构，以提供更精确的建议。

MCP采用灵活的模块化架构，包括MCP服务器和客户端，并支持开发者自定义扩展。此外，Anthropic还开放了丰富的开源资源，如MCP开发工具包（SDK）和服务器库，为开发者快速上手提供支持。

MCP适用于企业内部复杂系统、开发者工具集成和文档协作等多个场景。Anthropic的Claude桌面应用程序已率先支持MCP，通过本地服务器实现企业数据快速接入，而无需暴露数据源。

Runway近日推出其最新图像生成模型Frames，凭借卓越的风格一致性和灵活的视觉控制，成为创意设计领域的新利器。Frames不仅能够生成高保真的多样化图像，还特别适合构建完整的视觉世界，适用于电影、游戏、广告等多场景创作。

传统模型如DALL-E和Stable Diffusion虽能生成高质量图像，但在风格一致性上有所欠缺。而Frames允许用户设定项目的特定视觉风格，并确保生成的所有变体忠实于此设定。例如，用于品牌设计或影视制作时，所有图像都可呈现统一的艺术设计感。这种能力让创作者既能自由探索多种风格，又能保持整体的创作统一性。

Frames的优势不仅在于生成单一图像，而是为复杂项目提供全方位支持。用户可通过Frames设计包括场景、氛围、情感表达在内的完整视觉世界。例如，它能为一部电影创建统一的森林场景、复古房间或未来都市氛围，甚至传递恐怖、浪漫或科技感等情绪。这一功能使得Frames在电影叙事、游戏设计和广告制作中具备显著优势。

Frames提供了丰富的艺术模板，如经典电影美学、复古设计风格和动态物体表现。此外，它还展现了对细节的极致追求，真实再现人物纹理、自然光影和色彩。无论是胶片质感的复古景观，还是现代风格的数码肖像，Frames均能呈现高保真的视觉效果，为创作者提供全新可能。

2024年11月23日，著名数学家陶哲轩宣布，他发起的“等式理论计划”成功完成。该项目历时57天，通过人类与AI协作，验证了2200多万个数学蕴含关系，仅剩162个未决问题，进度几乎完成100%。

“等式理论计划”旨在研究代数结构中的“原群（magma）”等式间的蕴含关系。项目初期定义了4694个magma等式，这些等式之间可能存在超过2200万个蕴含关系需要验证或证伪。为完成这一复杂任务，项目引入了数学家、AI工具（如ChatGPT、Claude、GitHub Copilot）以及证明辅助语言Lean的协作。

项目起步迅猛，仅9天完成99.866%的进度，第57天解决最后一批主要问题。AI工具在代码编写、可视化工具生成等方面表现出色，例如GitHub Copilot极大加速了Lean代码的撰写和转化。然而，陶哲轩坦言，部分AI工具表现未达预期，关键任务仍依赖人类智慧与经典AI系统，如自动定理证明器Vampire。

这一开创性研究不仅探索了大型数学项目的AI协作模式，也为未来AI数学工具的基准测试提供了重要素材。据悉，论文撰写工作已启动，将由数十位研究人员共同署名。除了主项目外，团队还在研究蕴含图的数据分析与其他衍生课题。

由威尔康奈尔医学院的 Emre Aksay 博士领导，加州大学戴维斯分校的 Mark Goldman 博士和普林斯顿大学的 Sebastian Seung 博士参与的研究团队，探索了斑马鱼幼虫脑干神经回路的功能与结构关系。这项研究选择斑马鱼作为模型，因为其脑结构简单，同时其控制眼球运动的脑区域与哺乳动物具有相似性。

研究通过电子显微镜重建了斑马鱼幼虫脑干神经元的突触连接图谱，重点分析其神经回路结构对功能的影响。研究发现眼球运动模块由两个三块反馈回路组成，这些回路支持低维吸引子动力学。团队基于重建图谱构建了计算模型，预测了细胞层级的神经动力学及眼位编码。使用钙成像技术记录神经活动，验证了模型预测的准确性。结果显示，回路的解剖结构（如突触连接数量和强度）在短期记忆和运动控制中起关键作用。研究成果不仅揭示了短期记忆的神经机制，还为眼动障碍的治疗提供了新思路。研究发表在 Nature Neuroscience 上。

佐治亚州立大学的研究团队开发了一种新的fMRI分析方法，旨在识别精神分裂症患者的隐藏脑功能特征。这项研究由Vince Calhoun教授领导，Spencer Kinsey和Armin Iraji为主要研究人员。研究在佐治亚理工学院和埃默里大学参与的TReNDS中心完成，旨在通过尖端技术探索脑部健康。

研究利用非线性分析方法，重新审视功能磁共振成像（fMRI）数据中的大脑连接模式。传统研究通常侧重于大脑区域间的线性连接，而忽略了非线性关系。通过新方法，研究发现核心脑区的非线性权重（nonlinear weight）更高，提示线性分析低估了这些区域的实际连接强度。同时，包括默认模式网络、带状盖网络和中央执行网络在精神分裂症患者中表现出显著的低连接性。这些网络的低效整合可能与患者的认知功能障碍有关。此外，涉及听觉和语言处理的网络对精神分裂症的诊断显示出更高的敏感性。研究团队认为，这种方法有助于揭示隐藏的脑功能特征，为早期诊断和治疗提供支持。研究发表在 Nature Mental Health。

法国里昂的研究团队致力于探索气味引发的大脑激活模式，并特别关注个体差异。这项研究由Maëlle Moranges等人领导，研究成果发表于 Intelligent Computing 杂志。团队采用数据挖掘技术，弥补了以往气味研究中脑区激活模式不一致的缺陷，为理解大脑处理愉悦度提供了新视角。

研究招募了42名志愿者，分为不同年龄组，利用功能性磁共振成像（fMRI）技术分析他们闻到六种气味时的大脑激活模式。实验中，参与者通过特制装置闻到含气味的空气，并对气味的愉悦度、类型和强度进行评分。

研究采用了“特殊模型挖掘”，这是一种数据挖掘方法，能识别数据中显著不同的模式。通过六步流程，包括预处理、建模、激活区域识别、统计过滤、Shapley值（显示个体贡献的算法）计算及结果可视化，研究揭示了愉快和不愉快气味分别激活的特定脑区。发现不愉快气味主要激活左前梨状皮层，而愉快气味则与更复杂的激活模式相关。

此外，数据挖掘技术揭示了杏仁核和梨状皮层的激活模式如何因个体差异而变化，这种方法为未来疾病状态下的大脑研究提供了新工具。

癌症分期是指导临床治疗和试验筛选的重要依据，但传统的肿瘤登记方法费时且依赖人工操作，存在显著延迟。雪松西奈医疗中心的研究团队，领导者为 Nicholas Tatonetti 博士，开发了一种新型人工智能模型，显著缩短了这一过程。这一创新扩展了人工智能在医疗保健领域的应用。

研究团队开发的人工智能模型 BB-TEN（Big Bird—TNM staging Extracted from Notes，基于病理报告文本提取癌症分期），使用 BERT 技术，从患者病理报告中自动分类其癌症分期。模型的训练数据包括癌症基因组图谱中的 7000 例患者报告，涵盖 23 种癌症类型。研究人员在哥伦比亚大学医学中心的近 8000 例病理报告上测试模型，结果显示其 AU-ROC（判别准确度的标准统计指标）范围为 0.815–0.942，体现了极高的准确性和广泛适用性。

该研究表明，BB-TEN 模型不仅可以加速癌症患者的筛选，还能辅助观察性研究、数据回顾和个性化治疗的开展。这项研究成果已在 Nature Communications 上发表。

耶鲁大学医学院的研究团队发表了一项关于医疗人工智能偏见的研究，揭示AI开发过程中的多种偏见及其对医疗决策的深远影响。研究由 John Onofrey 领导，团队成员包括 Michael Choma 和 James L. Cross 等。

研究从医疗AI开发的四个阶段——训练数据、模型开发、发布与实施——分析偏见来源及其对医疗决策的影响。例如，研究指出，某些种族在肾功能评估中面临不平等，这可能延长特定群体等待移植名单的时间。团队建议未来的AI算法引入更精确的社会经济因素以减少偏见。

研究强调，不同患者群体样本不足会导致模型性能不均，并提出改进措施，如扩大数据集覆盖面、使用去偏方法、优化模型评估方式并强化解释性。此外，在投入临床前，模型需通过严格的临床试验验证公平性，确保对所有患者公平应用。研究呼吁医疗AI开发者从数据收集到决策过程均需注重透明性和偏见缓解。研究发表在 PLOS Digital Health 上。

帕金森病是一种不可治愈的神经退行性疾病，其早期症状包括言语障碍，但传统诊断方法复杂且耗时，限制了及时诊断的可能性。伊拉克中等技术大学与南澳大利亚大学的研究团队，由Ali Al-Naji副教授领导，基于人工智能技术开展了此项研究。

研究者使用基于机器学习与深度学习的人工智能模型，通过分析帕金森病患者与健康个体的语音特征，如音高（pitch，声音高低）、抖动（jitter，声音稳定性）等，来分类语音数据。模型在实验中的分类准确率高达99%，显示出显著的诊断能力。该技术不仅有助于早期检测，还可用于远程患者监测，从而减少患者的诊疗负担。研究团队指出，该方法通过检测微妙的声学变化，为早期干预提供了新的可能性。但进一步研究需要涵盖更大范围和更多样化的人群，以确保推广适用性。研究结果发表在 Scientific Conference for Electrical Engineering Techniques Research 上。

动物天生具有丰富的本能行为，这些行为源于基因组编码的神经回路。然而，基因组信息容量有限，如何形成复杂回路的机制长期以来是未解之谜。冷泉港实验室的教授Anthony Zador和Alexei Koulakov，与博士后Divyansha Lachi和Sergey Shuvaev，利用人工智能技术对此进行了创新性研究。

研究团队提出了一种基于“基因组瓶颈”的有损压缩算法（lossy compression algorithm），用以模拟基因组如何高效编码信息形成复杂的神经回路。通过压缩神经网络的权重矩阵（weight matrix），他们在实验中发现，该算法在未经训练的情况下，能够在任务（如图像识别）中表现出接近完全训练模型的效果，甚至在复杂任务中展现出优异的迁移学习能力。此外，这种方法在功能上类似正则化器（regularizer），允许网络在保持高适应性的同时降低复杂性。这些发现表明，基因组瓶颈为AI算法设计提供了一种新颖且高效的框架，有望推动人工智能技术的发展。研究发表在 Proceedings of the National Academy of Sciences 上。

人工智能在心脏病和自然灾害等紧急事件的预测中有重要作用，而实现这一点需要快速处理复杂时序数据的技术。东京理科大学先进工程研究生院的Takashi Ikuno副教授团队，包括Hiroaki Komatsu和Norika Hosoda，开发了一种基于染料敏化太阳能电池的光电突触设备，以应对这一挑战。

研究团队的设备以染料敏化太阳能电池为核心，通过调整光强度控制时间常数，模拟了生物突触的成对脉冲促进（PPF）和抑制（PPD）行为。设备表现出高效的时间序列数据处理能力，并能准确分类人体动作如弯曲、跳跃、跑步和行走，分类准确率超过90%。同时，设备的功耗仅为传统系统的1%，显著减少碳排放。潜在应用包括监控摄像头、汽车摄像头和健康监测设备，特别是在低功耗边缘AI场景中展现出广泛前景。研究发表在 ACS Applied Materials & Interfaces 上。