追问daily | 首个跨物种生命基础大模型；睡眠剥夺对大脑发育的负面影响；OpenAI即将发布Orion

睡眠剥夺对早期大脑发育的长期负面影响

来自北卡罗来纳大学教堂山分校医学院的Graham Diering、Sean Gay等人分析了睡眠不足在早期大脑发育过程中如何加剧认知缺陷，并提出了新的干预可能。

研究通过观察小鼠模型的行为与分子变化，探讨睡眠剥夺对不同发育阶段小鼠的影响。实验中，幼年（P21至P28）和青少年（P42至P49）小鼠在急性睡眠剥夺后，明显缺乏适应性反应，导致新物体识别任务中的认知表现受损，而成年小鼠则表现出更强的恢复力。

蛋白质组和磷酸化蛋白质组分析揭示，年轻小鼠的神经元突触对睡眠剥夺极其敏感，突触密度在发育期间显著波动，表现出突触增强和突触发生的异常变化。研究进一步指出，睡眠剥夺的负面作用集中于ASD的遗传风险节点上。研究表明，睡眠在健康大脑发育中的角色不可忽视，尤其是年轻个体在遭遇睡眠剥夺时的显著脆弱性，强调了睡眠健康对早期神经发育的重要性。研究发表在 PNAS 上。

巴塞罗那大学的一项研究揭示了在大脑中精确诱导山中因子（Yamanaka factors）可以显著延缓神经元衰老过程。该研究由Daniel del Toro和Albert Giralt教授领导，来自医学与健康科学学院、神经科学研究所及先进疗法生产和验证中心（CREATIO），并与马克斯·普朗克生物智能研究所等机构合作。

研究通过控制小鼠大脑发育和成年阶段的山中因子（关键蛋白质群组，包括Oct4、Sox2、Klf4和c-Myc）表达，探讨了其对神经元衰老的逆转作用。在发育阶段，瞬时山中因子表达导致新皮质扩展，产生更多的上皮层神经元和神经胶质细胞，并增强成年小鼠的运动和社交行为。在成年阶段，通过间歇性山中因子表达干预5xFAD小鼠模型（阿尔茨海默病模型）发现，山中因子能有效延缓认知功能的衰退和其他疾病标记物的变化。

该团队还观察到，在受控的山中因子诱导下，大脑皮层和背侧海马区的神经元数量虽未增加，但表现出突触连接的增多、代谢的稳定及表观遗传特征的正常化。研究表明，山中因子在不同发育阶段对神经系统具有保护作用，有望成为神经退行性疾病治疗的新方向。研究发表在 Cell Stem Cell 上。

小鸡叫声揭示动物情绪的新窗口

密西西比大学的心理学和药理学教授Kenneth Sufka与英国普利茅斯大学的动物行为学副教授Sarah Collins及其团队合作，针对小鸡的叫声进行了一项情绪研究。该研究旨在通过分析小鸡在不同环境下的叫声特征，探讨其情绪反应模式，为家禽行业的动物福利及情绪药物的研发提供新的思路。

研究人员在实验中将小鸡分为两组，一组被单独隔离，另一组则通过镜子看到自己的倒影，从而产生“同伴”陪伴的效果。隔离条件下的小鸡发出高频、长时间的“遇险呼叫”（distress calls），声音比镜子条件下的小鸡更响亮、更“退化”（声学参数显示更高的熵值和较低的谐波噪声比），显示出较高的情绪唤醒度，且叫声参数与哺乳动物在负面情绪下的发声特点一致。此发现说明在家禽中，也可通过声学数据反映出焦虑和抑郁等情绪变化。

这种方法提供了一种非侵入性的情绪检测手段，未来可以为家禽业提供基于声学的自动化情绪监控系统。此外，研究显示，由于小鸡对许多抑郁症药物具有抗性，其情绪反应模型对药物研发具有重要参考价值。研究结果发表在 Applied Behaviour Science 上。

临床基因组资源（ClinGen）是由美国国立卫生研究院资助的项目，旨在标准化基因和变异的临床相关性评估。该联盟由来自69个国家和地区的超过2500名专家组成，主要负责分析和验证与遗传疾病相关的基因。ClinGen项目的研究由贝勒医学院的Sharon Plon和Aleksandar Milosavljevic领导，研究成果为全球医疗和科研领域提供了重要的基因组信息。

ClinGen联盟通过标准化流程，评估了超过2700个基因的临床相关性，这些基因与癌症、心血管疾病和神经发育障碍等遗传性疾病密切相关。截至2024年1月，研究团队已经识别并验证了2420个基因-疾病关系，并对1557个基因进行了剂量敏感性分析。此外，他们还对447个基因-病症对进行了可操作性评估，确认了5161个致病变异。

所有数据都通过开放平台公开，包括Clinicalgenome.org和ClinVar数据库，推动基因检测与临床应用的发展。ClinGen的研究成果不仅帮助医疗团队解释复杂的基因变异，还为患者提供了个性化的基因组信息。研究团队还正在扩展对体细胞癌症、复杂疾病和药物基因组学的研究，进一步提升基因组医学的应用。研究发表在 Genetics in Medicine 上。

OpenAI 计划在2024年12月前发布其最新的人工智能模型——代号为Orion（猎户座）的前沿模型，恰逢ChatGPT推出两周年。据The Verge报道，Orion将首先向与OpenAI合作紧密的公司开放，用以支持其开发新产品和功能，而非像此前的GPT-4o和o1那样直接通过ChatGPT广泛发布。

微软（Microsoft）作为OpenAI主要的AI模型部署合作伙伴，计划最早在11月将Orion托管在Azure云服务上。虽然Orion被视为GPT-4的继任者，但目前尚不清楚是否会被命名为GPT-5。OpenAI高管曾暗示，Orion的运算能力可能比GPT-4强大100倍，公司目标是逐步整合其现有的大型语言模型（LLM），最终实现被称为通用人工智能（AGI）的目标。

OpenAI的资深研究员兼AGI Readiness团队高级顾问Miles Brundage。他在博客中详细回顾了在OpenAI的工作经历，并解释了离职原因。Brundage自2018年加入OpenAI，曾领导政策研究团队，推动公司在人工智能政策及安全方面的多个重要举措。然而，他决定离开OpenAI，转向独立的研究与政策推动，专注于AI政策研究和倡导，认为可以在行业外部更有效地影响AI的发展。

在他的公开信中，Brundage指出，AI行业内部的发表限制，以及长时间在单一机构工作带来的偏见是促使他离职的原因之一。他计划创立或加入一家非营利机构，研究AI进展预测、AI安全监管、计算治理等领域，并希望推动政策制定者加速应对AI带来的挑战。

由中国科学院多个研究机构组成的团队近日在顶级期刊 Cell Research 上发表了重要突破——世界首个知识与数据联合驱动的多物种生命基础大模型GeneCompass。该模型利用了人类和小鼠的1.26亿个单细胞数据，覆盖超过3.6万个基因，融合了四种生物学先验知识（promoter sequences、基因共表达关系、基因家族标注和基因调控关系），展示了AI在生命科学研究中的巨大潜力。

GeneCompass采用了基于Transformer的深度学习架构，通过整合多物种的基因表达数据，实现了对基因表达调控规律的全面理解，并且在单细胞状态预测、基因扰动预测、药物反应分析等下游任务中表现出色。研究表明，该模型通过跨物种预训练有效捕捉了生命的底层共性规律，提升了生命过程的分析精度，为复杂的生命科学问题提供了新的解决路径。

这一研究由中国科学院自动化研究所刘国乐、江洁与多个合作单位的研究人员共同完成，他们的工作有望推动生命科学领域的AI研究进入新的发展阶段。

Claude.ai 最近推出了一项全新内置功能——分析工具，使 Claude 具备编写和运行 JavaScript 代码的能力。这一更新将 Claude 的功能提升到新的高度，用户不仅能够获取实时数据洞察，还可以通过精确的数据处理和分析，得到更可靠的结果。目前，该工具已在功能预览阶段，面向所有用户开放。

Claude.ai 的分析工具相当于一个内置的代码沙箱，研究人员可以在其中执行复杂的数学运算、分析数据，并根据不同的思路进行反复迭代。得益于 Claude 3.5 Sonnet 的先进编码和数据处理能力，用户可以获得更加精确且可验证的分析结果。

此外，该工具还能直接处理 CSV 文件中的数据，不再仅依赖抽象的分析。用户上传数据后，Claude 可以逐步清理、探索和分析，直至得出正确的结果。无论是营销人员、销售团队，还是产品经理、工程师与财务团队，都可以利用该工具为各自的工作流程带来实际的帮助。例如，Claude 可以帮助营销人员提升转化率，或者为财务团队生成反映关键趋势的财务仪表板。

南洋理工大学的机械与航空航天工程学院研究团队在软体机器人领域取得了重大突破。该团队由助理教授 Lum Guo Zhan 领导，灵感源自科幻电影《奇幻之旅》，他们致力于开发用于靶向药物输送的微型机器人。

该研究提出了一种基于磁场控制的毫米级软体机器人，用于靶向组合药物治疗。该机器人由智能磁性复合材料制成，能够携带四种不同的药物，并以可编程的顺序和剂量释放药物。实验中，机器人以每秒0.30毫米至16.5毫米的速度移动，成功完成了在多个目标区域释放不同药物的任务，释放速率为每小时0.0992至0.231微升。与现有的微型机器人相比，这款机器人在多种药物的精确输送上具有显著优势。

研究人员还通过模拟复杂的人体环境测试了该机器人的导航能力和药物输送效果，结果显示其药物泄漏极少，且能在8小时内持续释放药物。研究表明，这种灵活、精确的药物输送系统有望在癌症等复杂疾病的治疗中发挥重要作用。未来，该团队计划继续缩小机器人的尺寸，并进一步评估其在体外器官芯片和动物模型中的应用潜力。研究成果发表在 Advanced Materials 上。

伦敦帝国理工学院和帝国理工学院医疗保健 NHS 信托基金的研究团队开发了一种名为 AIRE 的人工智能心电图模型。此研究旨在通过心电图（ECG）分析预测患者未来的健康风险，包括心脏病发作、心力衰竭等，并能准确评估患者的死亡风险。

研究团队使用了来自贝斯以色列女执事医疗中心的 1,163,401 份心电图数据，结合深度学习和离散时间生存模型开发了 AIRE 平台。AIRE 不仅能够预测全因死亡风险，还能提供特定患者的生存曲线。通过对来自美国、巴西和英国的多国患者队列进行验证，AIRE 模型展示了其准确性：在全因死亡风险的预测中，BIDMC 的 C 指数为 0.775，未来室性心律失常的 C 指数为 0.760。此外，研究还通过表型和基因组关联研究，发现了与心脏结构、生物衰老和代谢综合征相关的候选生物途径，这使得 AIRE 平台具备生物学合理性。结果发表在 The Lancet Digital Health 上。

人工智能在帮助医生借助成像数据诊断疾病方面展现出巨大潜力，但由于AI模型的训练主要基于常见疾病的数据，导致罕见疾病的诊断困难。为了应对这一挑战，慕尼黑路德维希马克西米利安大学的Frederick Klauschen教授与柏林工业大学的Klaus-Robert Müller教授团队及柏林夏里特医学大学的同事合作，开发了一种新型异常检测模型。

该研究使用了两个包含5423个病例、1700万张胃肠道活检显微图像的数据集，开发出一种基于深度异常检测（AD）的AI模型。通过仅使用常见疾病的训练数据，模型能够以95%（胃）和91%（结肠）的受试者工作特征曲线（AUROC）准确检测罕见病理，包括罕见的原发性或转移性癌症。癌症的检测率分别为97.7%（胃）和96.9%（结肠）。研究中的AI工具利用热图标记异常区域，为病理学家提供指导。这项研究显著提高了罕见病理的诊断准确性，同时减轻了医生的工作量，并有助于减少漏诊。研究结果显示，该模型能够在不同扫描仪和医院之间泛化，是首个能够实现零样本泛癌症检测的AI工具。研究发表在 NEJM AI 上。

克利夫兰诊所与康奈尔大学的科学家团队合作开发了一款名为PIONEER的人工智能工具。该工具专门预测蛋白质-蛋白质相互作用的突变，以帮助药物开发人员更高效地识别致病基因相关的蛋白质相互作用靶点。研究的共同主要作者Feixiong Cheng和Haiyuan Yu表示，该工具整合了大量基因组和蛋白质结构数据，并已通过实验验证其有效性。

PIONEER采用集成深度学习框架，预测人类及其他模型生物体中的所有已知蛋白质相互作用的特定结合界面。通过对近11,000个癌症样本的基因组数据分析，研究团队识别出586个富含体细胞突变的显著蛋白质相互作用（oncoPPI）。这些相互作用不仅与多种癌症的患者生存率密切相关，还影响药物的反应性。

PIONEER的实验结果表明，与疾病相关的突变常集中在蛋白质相互作用界面中，尤其是在癌症相关的突变中。这一工具为科研人员提供了全新的视角，通过它，他们可以有效缩短从基因组发现到临床试验的时间。PIONEER目前作为网络平台和软件包公开发布，帮助科研人员在广泛的疾病类别中识别新的治疗靶点。研究已发表在 Nature Biotechnology 上。

卡罗林斯卡学院的 Quang Thinh Trac 及其团队通过结合组学数据和药物反应预测，为精准医学的个性化治疗提供了新的解决方案。组学数据为现代医学提供了更深层次的生物学信息，特别是在疾病如急性髓性白血病（AML）和肌萎缩侧索硬化症（ALS）中的应用。

研究团队开发了多种统计和计算方法来应对多组学数据的分析和复杂疾病的个性化治疗预测。首先，他们提出了通路激活评分（PAS），通过分析 23 种癌症的 4794 个药物靶点，验证了其在药物反应预测中的有效性，特别是在 AML 中表现出较强的药物反应。随后，研究开发了 MDREAM 模型，用于 AML 患者的药物反应预测，并在多个数据集中展示了其稳健的性能。

除此之外，研究 III 实现了 DIPx 机器学习模型，用于基于 PAS 的个性化药物协同作用预测，准确性超过挑战赛中的最佳方法。最后，研究 IV 中，团队开发了 MegaFun 方法，通过从宏基因组数据中分析微生物组功能，显著优于现有方法，特别是在 ALS 患者的数据分析中。研究发表在 Nature Communications上。

莫纳什大学信息技术学院学习分析中心（CoLAM）的一项研究聚焦于生成式人工智能在教育领域的应用。由 Dragan Gasevic 教授和严立翔博士领导的团队强调，虽然 GenAI 能够增强学习体验，但必须确保其是对人类学习的辅助，而不是替代。这项研究还得到了卢森堡大学和法兰克福歌德大学的研究者的参与支持。

研究通过整合学习科学、教育技术和人机交互等学科的见解，全面分析了GenAI在教育中的作用。研究发现，GenAI可以通过提供个性化支持、丰富学习材料、提供及时反馈以及创新评估方式来提升学习效果。比如，学生可以与数字化的历史人物互动，或者通过虚拟现实技术学习复杂的物理理论。

然而，研究也指出了GenAI技术的一些问题，包括模型的不完美、道德上的挑战（如隐私和公平性）以及传统评估系统的扰乱。此外，研究特别强调了提高教师和学生的AI素养的重要性，只有当教育者和学生都具备与AI有效合作的能力时，GenAI 才能最大程度发挥其潜力。研究还提出了一项新项目，旨在开发工具以评估人类与 AI 的协作写作，并改善工作场所学习的效果。这项研究发表于 Nature Human Behaviour。