追问weekly | 过去一周，脑科学领域有哪些新发现？Vol.38

长期以来，神经科学家认为记忆的形成和回忆主要由神经元主导。贝勒医学院的研究团队在这一背景下，探讨了星形胶质细胞在记忆存储和检索中的作用。他们发现，这种非神经元细胞不仅在记忆回忆中发挥重要作用，还可能在学习过程中形成特定的“星形胶质细胞群”（LAA），以支持特定的记忆检索。

研究团队首先利用小鼠实验，开发了新型实验工具，观察星形胶质细胞在记忆回忆中的作用。通过对小鼠进行恐惧条件反射实验，研究人员发现，当学习事件发生时，部分星形胶质细胞会表达c-Fos基因，并在该区域调控回路功能。这些c-Fos表达的星形胶质细胞群与特定的神经元群体紧密相邻，并具有双向的通信功能。研究进一步揭示，星形胶质细胞中NFIA蛋白的水平升高对记忆回忆至关重要；抑制NFIA基因的表达会导致小鼠无法回忆特定记忆，而不会影响其他记忆的回忆。该研究提供了有关星形胶质细胞作为记忆存储和回忆中活跃组成部分的证据，并为阿尔茨海默病等记忆相关疾病的研究提供了新的思路。研究发表在 Nature 上。

长期以来，科学界认为记忆一旦形成便会保持稳定。然而，西奈山医院的研究团队首次揭示，大脑会随着新经历不断更新记忆，使得我们的记忆能够动态应对不断变化的环境。

研究团队通过对小鼠的海马体活动进行观察，发现当小鼠在经历负面事件（如特定环境中的电击）后，离线状态下的大脑会重新激活不仅是最近的厌恶记忆，还包括几天前的中性记忆，从而将二者关联起来。这种“整体共同重新激活”现象使得大脑能够将当前的负面经历与过往的记忆联系在一起，形成跨时间的记忆整合。此外，研究发现记忆整合在清醒时更频繁地发生，这与之前的认为睡眠更有利于记忆的理论相悖。这一发现为理解大脑如何动态整合记忆提供了新见解。该研究发表在 Nature 上。

的西班牙基因组调控中心Juan Valcárcel教授、Malgorzata Rogalska博士等人，历时十年完成了人类剪接体的首次图谱绘制。剪接体在基因转录和蛋白质生成中具有关键作用，但其复杂的结构和多种调控机制使其成为人类生物学中的难解之谜。

研究团队采用系统性基因敲除技术，在癌细胞中逐一降低305个与剪接体相关的基因表达，分析了它们对RNA剪接过程的影响。结果发现，剪接体的不同组分具有独特的调控功能。例如，U4/U6.U5三小核核糖核蛋白（snRNP）复合物的精确结构能够调节剪接位点配对，U1 snRNP中不同蛋白质成分各司其职，决定外显子定义和5'剪接位点选择。这一图谱为科学家深入理解剪接调节的生理及病理机制提供了全新资源，尤其是在癌症、神经退行性疾病和遗传性疾病的治疗研究中具有潜在应用价值。研究结果发表在 Science 上。

触觉感知：16种神经元组成复杂感知系统

传统的观点认为，每种感觉由特定类型的神经细胞负责。然而，瑞典林雪平大学、卡罗林斯卡学院和美国宾夕法尼亚大学的研究团队通过合作，发现人类的触觉感知涉及16种不同的神经细胞类型，打破了单一神经细胞类型的传统认知。

研究团队采用深度RNA测序技术（RNA-seq），从单个背根神经节（DRG）神经元中分离体细胞，平均检测每个神经元超过9000种独特基因，并识别出16种不同类型的神经元。他们结合空间转录组学和RNAscope原位杂交技术验证了这些类型的存在，并发现了一些可能特有于人类的神经元类型。

研究还借助显微神经造影（microneurography），通过温度、触觉和化学刺激测试了不同神经元的反应。这项技术帮助研究人员观察了清醒参与者单个神经元的信号传递特性，发现某些触觉神经细胞在面对热量和辣椒素（capsaicin）等痛觉刺激时，表现出反应。此外，研究揭示了人类特有的快速传导疼痛神经元，这些神经元能够高效传递疼痛信号，以帮助人体及时避险。与小鼠相比，人类的神经细胞在速度上有显著差异，这种差异可能反映了人体对快速反应需求的适应性演化。这项研究成果已发表在Nature Neuroscience上。

密歇根大学医学院的研究团队近期在濒死大脑活动的领域展开研究，探索了心脏骤停期间大脑是否依旧保留活跃性。研究主要围绕死亡过程中的意识状态变化，观察了患者在生命支持撤除前后大脑的活动模式，提出濒死时大脑可能存在一定程度的意识。

研究团队选取了四位处于临终状态的患者，通过在撤除呼吸支持的前后使用19导联脑电图（EEG）记录脑电活动，频率分为δ（0-4Hz）、θ（4-8Hz）、α（8-13Hz）、β（13-25Hz）、γ1（25-55Hz）和γ2（80-150Hz）。使用离散傅里叶变换对各频段的功率进行分析，结果显示两位患者（Pt1和Pt3）在撤除生命支持后短时间内gamma功率显著增加，尤其是在temporo-parieto-occipital (TPO) 区域，这些区域被认为是与意识处理相关的“热点”。此外，gamma振荡与较慢频段的耦合（phase-amplitude coupling, PAC）显著增强，特别是在后皮质TPO区域和前额叶之间的远距离功能连接方面，显示出跨区域的信息传递增强。这些结果挑战了传统观念，指出了垂死的大脑仍可能保持活跃性，甚至具有某种意识状态。这项研究已发表在PNAS上。

肥胖引起胰岛素抵抗的主要元凶：交感神经过度活跃

罗格斯大学罗伯特伍德约翰逊医学院及其合作团队通过研究发现，肥胖引起的胰岛素抵抗不完全依赖于细胞胰岛素信号传导的损伤。该研究展示了营养过剩可通过交感神经系统（SNS）的过度激活导致胰岛素抵抗，为理解肥胖引起的代谢紊乱提供了新的视角。

研究团队使用一种特别设计的小鼠模型（THΔper mice），该模型具有外周限制性缺失的酪氨酸羟化酶基因（tyrosine hydroxylase gene），以减少外周SNS中的儿茶酚胺（catecholamine, CA）释放，同时保留中枢神经系统的CA水平。研究通过高脂肪饮食（HFD）对比实验发现，在喂食高脂饮食后，野生型小鼠会出现体脂增加、血糖耐受性下降及胰岛素抵抗，但THΔper小鼠则没有出现这些问题。此外，THΔper小鼠的血浆去甲肾上腺素（norepinephrine, NE）显著降低，表现出较少的脂解作用和代谢紊乱。这一模型显示，减少SNS活性可有效阻止HFD诱导的胰岛素抵抗及代谢失调，尤其是在脂肪组织的脂解作用中。研究指出，交感神经系统的过度激活是营养过剩引起的代谢性疾病的关键驱动力，并非单纯依赖于细胞胰岛素信号传导。这项研究发表在 Cell Metabolism 上。

新墨西哥大学Mubarak Hussain Syed教授领导的研究团队，联合宾夕法尼亚大学的专家，致力于探讨神经干细胞在睡眠行为调控中的作用。研究旨在揭示果蝇神经干细胞在激素信号影响下如何塑造神经元类型，从而对睡眠行为产生影响。

团队使用果蝇作为模型，研究果蝇中23E10标记的背扇形体（dorsal fan-shaped body, dFB）神经元的发育过程。这些神经元起源于特定的II型神经干细胞，在蜕皮激素（ecdysone）的作用下形成。研究人员通过抑制E93蛋白或蜕皮激素信号，发现成年果蝇的睡眠稳态受到干扰，表现为碎片化的睡眠行为。这一发现揭示了特定激素信号在睡眠调控神经元生成中的关键作用，为理解睡眠障碍的发病机制提供了新的视角。研究成果发表在 Current Biology 上。

大脑“局部”的功能也可能是由分布式过程产生

神经科学家一直关注功能性大脑激活的生成机制，而视觉皮层的类别选择性是其中一个重要研究领域。本研究由哥伦比亚大学的研究团队完成，他们致力于探索分布式网络活动如何生成视觉皮层的局部化选择性反应。

研究团队分析了352名参与者的fMRI数据，聚焦于视觉皮层对面部、地点、身体部位和工具等类别刺激的选择性反应。他们提出了一种新方法，利用基于经验的分布式网络流动建模，模拟任务诱发的激活过程。研究发现，V1（视觉皮层的初级视觉输入区域）直接传输的网络流足以生成选择性反应，但全皮层的分布式网络流进一步增强了这种选择性。同时，通过替代网络模型验证了“连接指纹”（connectivity fingerprint，指某一脑区的独特连接模式）在选择性反应生成中的关键作用。这些结果适用于所有四种视觉类别，证实了大脑内在网络结构在生成功能相关的局部反应中的显著作用。该研究成果发表在 PLOS Computational Biology 上。

AMPA受体密度与精神疾病密切关联

精神分裂症、双相情感障碍、孤独症谱系障碍（ASD）等精神疾病的诊断和治疗极具挑战性。由横滨市立大学教授领导的团队开发了一种新型 PET 成像技术，利用[11C]K-2 示踪剂首次在活体人类大脑中观察到 AMPA 受体的密度分布，为理解这些疾病的生物学基础提供了新视角。

该研究对149名精神疾病患者（包括精神分裂症、双相情感障碍、抑郁症和孤独症谱系障碍）和70名健康对照组的 AMPA 受体密度进行了 PET 成像分析。结果显示，AMPA 受体的密度在不同精神疾病中有显著差异，并且特定疾病之间受影响的区域存在共性和差异。例如，孤独症谱系障碍患者中 AMPA 受体密度显著增加，可能导致信息处理过载的现象；而在精神分裂症中，与阳性症状相关的区域不总是与阴性症状的区域重叠。这些发现表明，不同精神疾病的生物学机制与特定的突触受体分布模式密切相关，突触特征有望成为未来精神疾病的诊断和治疗靶点。该研究成果发表在 Molecular Psychiatry 上。

海马体在记忆形成和空间导航等认知功能中发挥着关键作用，但其复杂的结构和功能一直是神经科学的研究重点。由Romani A等人领导的研究团队，结合多个学科的实验数据，开发了一个大鼠海马CA1区域的计算机模型，为研究这一区域的功能提供了一个整体视角。

该研究团队使用了广泛的实验数据，构建了一个整合大鼠海马CA1区域的全尺寸计算机模型，包含从突触到网络的多种数据。这一模型结合了电生理学、成像和分子生物学等多种实验数据，成功模拟了海马的主要传入神经结构Schaffer络脉，以及乙酰胆碱对该区域的影响。通过模拟体外和体内实验，研究展示了该模型的灵活性和有效性。特别是，该模型成功再现了海马的theta节律，为研究海马CA1区域在记忆和导航中的作用提供了理论依据。模型和数据公开在hippocampushub.eu门户，以促进研究人员进一步探索和验证。该研究发表于PLOS Biology。

神经科学家希望揭示大脑如何在细胞层次生成复杂的行为序列，以便更好地理解计划与推理的生成机制。伦敦大学学院塞恩斯伯里威康中心和牛津大学的团队，利用硅探针记录了小鼠内侧额叶皮层的神经元活动，研究这些细胞如何实现目标进展的追踪。

研究人员为小鼠设置了一系列目标位置不同但结构相同的任务序列。实验表明，内侧额叶皮层中的“目标进度细胞”能够灵活调整其活动，适应不同目标的距离，帮助小鼠在新任务中进行准确的行为选择。个别神经元以特定的任务滞后激发，形成一个任务结构的内存缓冲区，能即时编码未来行为步骤。实验中观察到的这些神经元活动模式不仅限于任务执行期间，在小鼠的离线睡眠中也出现，支持了大脑构建行为坐标系统的假设。这些发现为理解精神分裂症等疾病提供了新的理论支持。研究发表在 Nature 上。

自然情境下大脑皮层功能网络的组织图谱

长期以来，神经科学家致力于揭示大脑在复杂环境下的响应机制。麻省理工学院（MIT）研究团队首次通过电影观看fMRI数据绘制出大脑皮层的功能性网络布局。团队成员包括Reza Rajimehr等神经科学家，他们利用自然观影条件探究大脑如何整合和处理多重视听刺激。

研究收集了176名年轻参与者观看60分钟电影片段时的全脑fMRI数据，平均计算每位参与者的大脑活动，并利用机器学习技术识别出24个不同的功能网络，专注于皮层的各个区域。这些网络各自对应特定的感觉或认知处理功能，如识别人脸或物体、动作、语音及社交互动等。例如，在易于理解的场景中（如清晰对话时），语言处理区域更为活跃；在更复杂的场景中（含多重上下文或语义），大脑则倾向于使用执行控制区域，从而进行高级的认知处理。研究结果为理解大脑皮层在自然情境下的功能性组织提供了新视角。该研究成果发表在 Neuron 上。

该研究由明斯特大学心理学家 Markus Lappe 教授领导，探讨了视觉系统如何应对动态视觉输入，以保持稳定的空间感知。视觉科学传统认为，快速眼球运动和平滑追踪可以应对各种运动信号，但该研究首次发现，在面对某些非刚性运动时，这一补偿机制会失效。

研究团队设计了一种新型的非刚性运动刺激，通过眼动追踪设备测试了15名受试者的反应。受试者被要求跟踪一个模拟的旋转涡流，但实验显示，当涡流运动时，受试者的眼睛无法连续平滑追踪，而是每400毫秒通过快速眼跳回到视网膜中心，导致涡流似乎在空间中跳跃。研究进一步表明，快速眼球运动和平滑追踪在功能上通过不同的神经路径独立控制。此外，实验中利用红外眼动仪精确记录了眼球位置和运动轨迹，验证了视觉稳定性依赖于与追踪类似的运动机制。研究结果为探索非刚性运动在神经退行性疾病诊断和研究中的潜在应用提供了基础。该研究发表在 Science Advances 上。

随着现代生活方式的改变，越来越多人的作息变得不规律，影响了身体的代谢节律。Lydia Lynch教授领导的研究团队来自都柏林三一学院生物化学与免疫学学院和普林斯顿大学路德维希癌症研究所，他们的研究首次揭示了脂肪组织中的免疫分子IL-17A在脂肪代谢调节中的作用。

该研究利用单细胞RNA测序和基因编辑技术，发现免疫细胞γδ T细胞中富含分子时钟基因，并在脂肪组织中表现出明显的昼夜节律，特别是产生IL-17A（调节免疫反应的分子）和RORγt（昼夜节律调控基因）。研究团队发现，缺少IL-17A的小鼠在脂肪生成上表现出缺陷，并且核心体温调节也受到影响。特别是CD45区室中的分子钟基因丢失会导致脂肪代谢紊乱，但并不影响其他免疫细胞的分子产物。这项研究表明，IL-17A对全身代谢稳态至关重要，未来可望成为治疗代谢相关疾病的新靶点。该研究发表在 Nature 上。

25 年研究揭示健康大脑老化和认知能力的关键因素

爱丁堡大学的Ian Deary教授和Simon Cox博士领导了一项为期25年的研究，揭示了健康大脑老化的关键因素。该研究基于洛锡安出生队列（Lothian Birth Cohorts），追踪了参与者从童年到80岁认知能力的变化。研究结果为认知发展和健康老化的关系提供了新的见解，挑战了关于大脑老化的传统观点。

研究团队使用了1932年和1947年苏格兰心理调查的数据，结合现代MRI成像技术，分析了同龄个体大脑结构的变化。他们发现老年期智力水平的一半差异可追溯至童年认知能力，DNA甲基化模式也能够预测死亡风险。较高的童年智力与更高的生存率呈正相关，且遗传因素在不同年龄阶段对智力的影响不同。此外，研究还显示同龄人之间的大脑健康差异显著，提示环境因素和生活方式可能影响大脑老化进程。这项研究结果发表在 Genomic Psychiatry 上。

本研究由冷泉港实验室的研究团队提出，重点在于探究复杂的先天行为如何由基因组编码的简单规则生成。研究人员包括 Sergey Shuvaev等。先天行为能力为许多动物提供了生存优势，但由于基因组信息容量有限，如何高效编码这些能力一直是神经科学和进化生物学中的一个难题。

研究通过人工神经网络（ANN）验证了“基因组瓶颈”假设，即通过压缩网络连接的复杂性来生成具备先天行为的网络。研究团队对比了几种标准网络架构，将权重矩阵压缩几个数量级，从而获得接近完全训练网络的预训练性能。此外，基因组瓶颈还提升了迁移学习效果，使网络更好地适应新任务和数据集。这一结果揭示了基因组瓶颈在信息压缩中的作用，不仅简化了神经计算，还促进了适应性提升。研究表明，基因组瓶颈的正则化作用可以帮助设计更加高效和适应性强的AI算法。该研究发表在 PLOS Computational Biology 上。

多读一年书，也无法保护大脑结构

教育通常被认为对健康和认知能力有积极影响，但教育是否能带来大脑结构的长期变化并预防衰老一直不确定。拉德堡德大学医学中心的Rogier Kievit、Nicholas Judd等人，利用英国1972年义务教育年限从15岁提升至16岁的政策变化进行分析，旨在评估额外一年教育对大脑老化的保护作用。

研究团队使用了约30,000名英国生物银行的样本数据，采用回归不连续性分析方法，以考察延长教育年限对长期大脑结构的影响。分析包括皮质表面积、皮层厚度等MRI影像，结果显示延长的教育年限并未对大脑结构产生显著影响，且在多个成像模式和区域分析中结果一致。此发现挑战了“认知储备”理论的观点，即教育可以保护大脑免于衰老。研究指出，虽然教育与认知能力、健康状况存在关联，但并未在大脑结构中观测到由教育引起的持续变化。该研究成果作为经过审查的预印本发表在 eLife 上。

威斯康星大学麦迪逊分校的研究团队在人工智能日益普及于基因组和医学领域的背景下，提出了AI辅助的基因组关联研究（GWAS）可能存在假阳性风险的警告。团队由威斯康星大学麦迪逊分校生物统计学和医学信息学系的Qiongshi Lu教授领导，旨在确保AI辅助研究的准确性。

研究团队通过分析352名参与者的fMRI数据，系统验证了AI工具在GWAS研究中引发假阳性的潜在风险。传统的GWAS利用大规模数据库探索基因与特定特征的联系，AI的引入在数据不足时起到了补充作用，但研究表明，这可能会引入偏差，错误地关联特定基因变异与疾病风险（如糖尿病）。

为此，研究团队开发了“预测后GWAS”（POP-GWAS）统计框架。POP-GWAS利用已发表的GWAS摘要统计数据，通过模型调整减少了假阳性关联的出现。在骨矿密度的GWAS分析中，POP-GWAS揭示了骨骼部位特异的遗传结构，识别了89个新遗传位点。研究表明，该框架可作为未来AI辅助GWAS分析的有效工具。研究成果发表在 Nature Genetics 上。

东北大学的Laurel Gabard-Durnam教授带领其团队研究早期护理人员的行为预测性对婴儿大脑学习能力的影响。团队发现，护理人员的日常互动可对婴儿大脑的学习模式产生重要影响，并可能成为促进健康发育的重要机制。

研究招募了262名护理人员与婴儿进行两阶段研究。第一阶段在婴儿4个月时观察护理人员与婴儿的日常互动，通过记录护理人员的言语、动作等行为数据，并使用“熵”（entropy）计算出护理行为的预测性。第二阶段在婴儿9个月时，通过脑电图（EEG）进行听觉统计学习任务测试，监测婴儿对可预测信息的学习能力。

结果发现，护理行为更具预测性的婴儿在学习任务中对可预测信息的反应显著更强，表明这些婴儿对新信息的学习能力较高。研究首次揭示，早期互动的预测性能够帮助强化婴儿大脑中核心学习与记忆系统的发育。此发现支持了在关键发育期内，护理人员的行为预测性对婴儿神经发育的重要性。研究发表在 Developmental Science 上。

耶鲁大学医学院的研究团队开展了一项关于大脑行为预测模型的研究，以解决目前模型在不同数据集间泛化能力不足的问题。研究团队由博士生Brendan Adkinson带领，在副教授Dustin Scheinost实验室指导下进行。研究的目标是通过在多个具有显著差异的人群数据上训练模型，为心理健康和神经系统疾病的个性化治疗奠定基础。

研究人员从费城神经发育队列（PNC）、健康大脑网络（HBN）和发展人类连接组项目（HCPD）三个大型数据集中选取数据，这些数据集中包括不同的年龄、性别、种族、地域和临床症状表现。研究团队构建了三个预测模型，用于预测语言能力和执行功能。每个模型在训练后在其他两个数据集上进行了测试，结果显示，这些模型在不同数据集上的表现优异。研究表明，利用不同特征的数据进行训练，有助于提升模型的普适性。这一发现表明，通过多样化的数据集训练，模型在不同环境中也能取得较好预测效果，推进了大脑行为预测模型的实际应用。研究发表在 Developmental Cognitive Neuroscience 上。

在信息爆炸的互联网时代，假新闻的传播愈发普遍，给社会带来误导。为应对这一问题，国立阳明交通大学、中华大学和国立宜兰大学的研究团队，包括 Szu-Yin Lin 和 Yen-Chiu Chen 等人，致力于开发一种结合文本和视觉特征的多模态模型，旨在快速、精准地检测假新闻。

这项研究提出了一种基于多模态融合的模型，用于识别假新闻。该模型能够将文本信息和视觉信息通过数据清理和特征提取相结合，进而利用早期融合、联合融合和后期融合三种策略对数据进行综合分析。研究团队将此模型在 Gossipcop 和 Fakeddit 数据集上进行了测试，结果显示该模型的准确率分别达到了 85% 和 90%，同时 F1 分数也达到了 90% 和 88%，显著优于传统的单模态方法如 BERT 等。这表明，融合多种数据模式（如文本和图像）的多模态方法能够更全面地捕捉不同维度的信息，从而有效提升假新闻检测的准确性与稳定性。研究团队指出，这一成果为未来的假新闻检测提供了一个有力的技术支持，能够有效减少网络错误信息的传播。研究发表在 Science Progress 上。

边缘计算因能够在数据源附近进行实时信息处理而受到关注，但边缘设备在运行深度神经网络时面临功耗和资源限制。南加州大学的Han Wang、西北大学的Mark Hersam以及香港大学的Jiangbin Wu等研究人员，为解决这一问题，开发了一种基于二硫化钼和石墨烯异质结构的新型晶体管。

研究团队设计的多栅极范德华界面结晶体管（vdW-IJT）基于二硫化钼（MoS₂）和石墨烯的异质结构，能够在单一设备中生成高斯形和π形隶属函数。相比传统的CMOS技术需要几十个晶体管来实现隶属函数，这一创新设计使得模糊逻辑硬件变得更紧凑和节能。研究团队将vdW-IJT晶体管与外围电路结合，形成了一种可重构的模糊逻辑硬件，能够控制非线性系统，并结合卷积神经网络实现图像分割任务，取得了显著的精确度。未来，研究团队计划实现基于vdW-IJT的模糊逻辑系统的大规模制造，以推动边缘设备在低功耗的智能应用中发展。该研究成果发表在 Nature Electronics 上。

随着大型语言模型（LLMs）在语言生成和计算任务中展现出强大能力，研究人员开始关注这些模型是否能形成连贯的世界模型。麻省理工学院和哈佛大学的研究团队通过开发新评估指标，对此进行了系统性测试。该研究由麻省理工学院的Ashesh Rambachan教授带领。

研究团队提出了两种新指标：序列区分（sequence distinction）和序列压缩（sequence compression），用于测试模型的连贯性世界模型。首先，他们让模型处理纽约市的导航和黑白棋（Othello）游戏，在任务中关闭部分街道或添加绕行路径以测试模型的适应性。结果显示，即使模型在未干扰的情况下能生成近乎完美的导航指引，一旦环境发生微小改变（如添加绕道），其性能迅速下降。研究发现，在黑白棋中，随机训练的模型比使用策略训练的模型表现更佳，这可能是由于其在训练过程中见到了更多种可能情况。研究结果表明，虽然LLMs在一定任务上表现良好，但这并不意味着它们具备真实的连贯性世界模型。

液体活检技术实现帕金森病的早期诊断

帕金森病（PD）等脑部疾病往往在首次症状出现前数年便已发展，早期检测可为延缓疾病进展提供可能。传统脑部疾病诊断依赖于死亡后的脑活检，现有技术难以捕捉到早期的生物标志物。哈佛大学维斯研究所和波士顿布莱根妇女医院的David Walt博士团队，利用细胞外囊泡（EV）研究推动了这一领域的进展。

研究团队通过改进的尺寸排阻色谱法（SEC）和超灵敏单分子阵列检测法（Simoa assay），在血浆中分离并分析了细胞外囊泡（EV）内外的帕金森病关键蛋白——⍺-突触核蛋白（⍺-synuclein）。为了克服EV分离中的蛋白质污染问题，研究人员引入了蛋白酶保护测定法（proteinase protection assay），有效去除了囊泡表面的非特异性结合蛋白质，从而精确测量EV内部的⍺-突触核蛋白及其在帕金森病进程中的磷酸化形式。

实验结果表明，在帕金森病患者的EV中，磷酸化⍺-突触核蛋白相对于总⍺-突触核蛋白的比例显著高于血浆整体中的水平，表明EV可以保护这种磷酸化标记免受循环磷酸酶的影响，从而保存疾病进程的关键信息。研究进一步验证了该技术的诊断潜力，为帕金森病和路易体痴呆等脑部疾病的早期诊断带来新的可能。研究结果已发表在 PNAS 上。

精神分裂症患者在冲突条件下的独特大脑反应模式

塔夫茨大学医学院和范德比尔特大学医学院的研究团队联合进行了一项研究，以揭示精神分裂症患者在面对冲突信息时大脑的独特反应。该团队由Michael Halassa和Neil Woodward领导，他们致力于通过理解内侧丘脑和前额皮质的连接模式为精神分裂症诊断和治疗提供新的工具。

该研究招募了约40名参与者，包含精神分裂症患者和健康对照，使用功能磁共振成像（fMRI）测量内侧丘脑和背外侧前额皮层之间的功能连接。研究开发了一项基于冲突输入的任务，用于考察患者在不同程度的冲突条件下的表现。结果显示，当面对较高冲突条件时，精神分裂症患者表现出显著的错误率，与内侧丘脑和前额皮质之间的连接缺陷密切相关。这一发现不仅提供了评估精神分裂症执行功能障碍的生物标志物，还为未来的诊断和治疗提供了新的方向。研究发表在 Cell Reports Medicine 上。

脑萎缩和认知能力下降是衰老的常见问题。本研究由内盖夫本古里安大学的研究团队牵头，哈佛大学、莱比锡大学等机构参与，旨在探索血糖控制和特定饮食成分在减缓脑萎缩方面的作用。

研究团队在DIRECT PLUS试验中，将约300名参与者分为健康饮食、地中海饮食和绿色地中海饮食组。通过脑部MRI扫描，研究人员跟踪了参与者脑健康的变化，重点关注海马占用评分（HOC）作为脑龄的替代指标。结果表明，血糖水平的改善，尤其是HbA1c的下降，与脑龄的显著改善有关；特别是在丘脑和尾状核等脑区，HbA1c下降带来的正向变化明显。

此外，绿色地中海饮食中的绿茶和Mankai植物多酚成分也被发现对脑健康有保护作用。与单纯减肥相比，这些饮食成分对大脑衰老的影响更大。该研究进一步强调了血糖控制在大脑健康中的重要性，同时建议增加富含多酚的植物性食物摄入有助于保持较低的脑龄。研究发表在 The American Journal of Clinical Nutrition 上。

韩国国家科学技术研究委员会的电子电信研究所（ETRI）开发了一种基于人工智能的痴呆症预测技术，旨在通过分析老年人语音来检测轻度认知障碍及痴呆症的高危人群。此研究不仅开创了LLM技术在痴呆症筛查中的应用，还得到了广泛关注，预计在全球的数字治疗市场中将产生重要影响。

研究团队采用了自动语音识别（ASR）和大语言模型（LLM）技术，通过对352名老年人的语音进行分析，识别出轻度认知障碍和痴呆症的高危个体。该技术在爱丁堡大学与卡内基梅隆大学主办的ADReSSo挑战赛中，以87.3%的准确率刷新了先前记录。该方法不仅克服了老年人方言和发音不准的问题，还结合多模态AI技术，开发了基于平板电脑的应用程序，以方便高危人群的早期监测。该成果已发表在ETRI Journal上，并获得多个公司商业化合作的关注。

该项研究由西北大学的生物电子学专家 John A. Rogers 团队领导，旨在利用微型机电结构将复杂的触觉传递到皮肤表面，以实现感觉替代并提高视障人群的生活质量。

研究团队设计了一个六角形阵列的微型执行器系统，封装在柔性硅胶材料中。设备利用双稳态设计，仅在执行器位置发生变化时使用电量，使其在单次充电下具备长时间工作能力。通过蓝牙连接至智能手机，设备从3D成像功能（如LiDAR）获取用户周围环境的信息，并将其转换为触觉反馈。实验中，健康受试者在接受短期训练后，能够通过触觉反馈在复杂路径上导航。结果表明，设备能够模拟类似于视觉的触觉感知，帮助视障者和假肢使用者更好地感知周围环境。这项研究成果发表在 Nature 杂志上。

随着人工智能和数据密集型应用的快速发展，神经形态计算成为应对庞大计算需求的一种有效途径。武汉大学的研究人员发表了一项最新研究，介绍了他们开发的高效模拟忆阻器。这一创新设计为神经形态计算的发展带来了新机遇。

研究团队采用二维范德华金属材料（graphene或platinum ditelluride）作为忆阻器的阴极，银作为阳极，并使用磷硫化铟（indium phosphorus sulfide）作为交换介质，实现了模拟电阻开关。该忆阻器设计具有多个电导状态和高达10^8的开/关比，同时具备低功耗。通过芯片级卷积神经网络（CNN）测试，研究验证了其在图像识别中的优异表现，准确率高达91%。与传统方法相比，此设计利用了高扩散势垒来控制银离子运动，提高了开关效率和精度。这一创新在未来或将应用于人工智能计算和其他高性能需求领域。研究发表在 Nature Electronics 上。

随着多部位疾病在临床实践中的增多，如何在人体内部难以到达的部位进行精准的多点治疗成为亟需解决的问题。德国斯图加特的马克斯·普朗克智能系统研究所的物理智能团队开发了一种3D磁力导航机器人系统，以便在复杂的流明网络中独立控制多个机器人，实现局部治疗。

研究团队提出了一种形状自适应软体机器人系统，可在3D管腔中通过磁场控制实现多机器人独立导航和功能执行。他们首先设计了形状自适应的软体机器人，利用流明的异质阻力增强导航性能。通过路径规划算法生成的磁场轨迹，该系统能够自动部署并独立控制多达5个机器人。使用医学成像验证了这一系统的有效性，研究展示了多机器人系统在多部位货物输送和流量分流中的应用潜力。该技术不仅适用于血管网络，也在其他复杂的人体结构中具有广泛的医疗应用前景。研究发表在 Science Advances 上。

该研究由 Nik Dennler及其团队完成，主要目标是开发一种微型电子鼻，能在低功耗条件下以极高的时间分辨率识别气味。该团队希望通过这一装置在气味识别、灾难救援及环境监测等领域发挥重要作用。

研究团队利用新型电子鼻设备，通过金属氧化物气体传感器，结合温度和湿度传感器，探索了气味识别的高效性和灵敏度。该设备在实验中表现出色，能够在短至50毫秒的时间内识别气味，并解码每秒高达40次的气味切换模式。特别之处在于，它通过频繁调整传感器温度（150°C至400°C），实现了高度稳定和快速的气味检测。这种设备被认为可媲美小鼠的嗅觉能力，并能够应用于灾难现场的人类气味搜索、森林火灾的早期检测等。研究结果证明，该电子鼻在移动机器人和其他场景中有广阔的应用潜力。研究成果发表在 Science Advances 上。

据世界卫生组织报告，室外空气污染每年导致约420万人的过早死亡，主要原因是呼吸系统疾病，如哮喘和慢性阻塞性肺病。弗吉尼亚大学工程与应用科学学院的研究团队，结合人工智能和先进的传感器技术，开发了一种模仿人类嗅觉的系统，用于实时监测有毒气体，为环境保护和公众健康提供有效支持。

研究团队采用一种创新的人工嗅觉系统，通过嵌入石墨烯表面的金属催化剂纳米岛，实现对 NO₂气体的精确检测。NO₂分子与石墨烯结合时会导致传感器电导率变化，使系统能够快速检测气体浓度的微小变化。通过信赖域贝叶斯优化算法，研究团队优化了传感器的布置，实现了高效的气体流动监测，并在紧凑型微处理器上集成了人工神经网络，以提供实时气流预测。研究结果表明，该系统能够在复杂环境中实现快速、准确的气体泄漏检测，为预防长期健康风险提供了重要支持。该研究发表在 Science Advances 上。

复旦大学冯建峰教授团队自2018年起开展了数字孪生脑的研究，致力于开发一个基于神经科学、数学和计算机科学的跨学科研究平台。该团队汇集了20多名专家，旨在通过模拟860亿个神经元和百万亿突触的结构，为脑科学研究和医学应用提供支持。

研究团队基于体素同化方法建立了计算人脑模型，通过个体结构和功能成像数据，确保模型在规模和结构上尽可能接近真实大脑。研究显示，模型在规模和结构越接近生物大脑，其在静息状态和任务执行期间的表现也越相似，模拟信号与人脑静息状态信号的相似度达93%以上。

实验中，研究人员移除了初级视觉皮层（V1，primary visual cortex）到下游视觉路径的连接，发现这大大降低了海马体的相似性，但对全脑的影响较小。DTB的计算框架为探索大脑结构与功能关系、测试各种认知和医学方法提供了新平台。研究还指出，在信息传递量巨大的情况下，团队使用了14012张图形处理器（GPU）进行计算，使模拟过程稳定可靠。此项研究展示了DTB平台在脑疾病诊疗、减少生物实验伤害以及类脑人工智能发展中的潜力。相关论文发表在 National Science Review 上。

随着神经科学技术的进步，能够同时记录成千上万神经元活动的设备得以广泛应用。然而，面对如此庞大的数据集，研究人员一直难以有效地可视化和分析这些信息。霍华德休斯医学研究所（HHMI）Janelia 研究园区的 Marius Pachitariu 等人开发了 Rastermap 技术，旨在帮助科学家更好地理解神经元集体活动的模式。这一技术为观察神经元在不同刺激下的表现提供了新手段。

研究团队首先通过计算机模拟对Rastermap（光栅图）算法进行了基准测试，随后将其应用于从小鼠皮层、斑马鱼大脑、大鼠海马体、猴子额叶皮层以及多个人工神经网络中采集的数据。Rastermap 的核心是将神经元活动数据沿一维轴排序，按活动模式分类并在光栅图中展示。该方法通过迭代算法不断调整神经元的排列顺序，使得具有相似活动模式的神经元能够在图像中邻近排列。这一排序技术尤其适用于在复杂的大规模神经数据中识别特定的活动模式，例如某些神经元对外界刺激的反应或与行为相关的模式。

在实验中，Rastermap成功地将数万个神经元的复杂活动记录简化为清晰的二维图像，使得研究人员能够快速定位和分析关键神经元组的活动特征。这种可视化方法不仅展示了神经元活动的空间关联性，还使得以往难以处理的高维数据得以形象化地呈现。研究团队相信，随着神经元记录的进一步扩展，Rastermap 将在未来的神经科学研究中发挥更大的作用。研究成果发表在 Nature Neuroscience 上。

由里海大学计算机科学与工程助理教授Lichao Sun领导的研究团队，与马萨诸塞州总医院合作开发BiomedGPT，这是一款开源的轻量级通用生物医学AI模型。该团队还联合了宾夕法尼亚大学、乔治亚大学等多家机构的研究人员，意在构建一个适用于多种生物医学任务的AI平台，推动AI在医学领域的应用。

BiomedGPT的核心在于其通用性和多模态数据处理能力。这款模型能够处理图像、文本和表格数据，满足多样化的临床需求。BiomedGPT在25项实验中表现优异，在影像学问答方面错误率仅为3.8%，复杂放射学报告生成的误差率为8.3%。同时，其生成摘要的能力接近人类专家水平。模型的轻量化设计使其具备更广泛的应用潜力，无需为特定任务定制，便可满足多种需求。此外，BiomedGPT的开放源代码库为其他研究人员提供了进一步开发的基础。里海大学研究团队通过和马萨诸塞州总医院的合作，在真实医疗场景中验证了该模型的准确性与实用性。该研究发表于 Nature Medicine 。

耶鲁大学医学院的Dustin Scheinost实验室及其博士生Brendan Adkinson等人开展了一项研究，探讨了大脑活动与行为关联模型的广泛适用性。该研究意在弥补传统神经影像模型在多元数据环境下泛化不足的问题，期望通过更全面的数据训练，提高模型的临床应用价值，特别是在欠服务的农村地区中。

研究团队选取了三个具有显著人口异质性的大脑成像数据集——费城神经发育队列（PNC，包含1291名样本）、健康大脑网络（HBN，1110人）和人类连接组项目（HCPD，428人）进行验证。这些数据集在年龄、性别、种族、地理位置等方面存在显著差异。研究人员在每个数据集上分别训练了三个模型，然后在其他数据集上进行外部验证，发现模型在跨数据集测试中表现出色。特别是在HBN和HCPD数据集中，跨数据集训练优于同一数据集的交叉验证，进一步证明多样性训练对模型泛化的重要性。这一研究为未来神经影像预测模型在实际应用中的普适性提供了重要的基础，展示了功能连接组模型在面对不同特征数据时的鲁棒性。研究结果已发表在 Developmental Cognitive Neuroscience 期刊上。

陕西商洛大学艺术学院的研究团队，开发了基于人工智能的工具，以解决在线音乐教育中乐谱符号识别和解释的难题。传统在线音乐教学受限于平台能力，无法充分帮助学生掌握乐理。张婷的团队利用深度学习的图像处理和模式识别方法，使学习者能够更加准确地理解音乐概念。

研究团队采用了脉冲耦合神经网络（PCNN），结合了两尺度下降法进行光谱倾斜校正，优化后的系统可将乐谱图像进行分割，从而精确识别不同符号。为了进一步提高准确率，张婷团队还优化了卷积神经网络（CNN），通过双通道特征融合识别网络，有效提升了图像预处理的精度。最终，图像分割方法的精度接近98%，光谱倾斜校正的精度为98.4%，整体乐理符号识别的平均精度达97%。该系统显著提高了学生对音高和节奏的理解，使音乐专业学生的最高得分提升了16分。此技术能在在线音乐教育中模拟面对面教学，即使在没有导师的情况下，学生也能获得实时反馈，大幅提高学习效果。该研究发表在 International Journal of Wireless and Mobile Computing 上。

虚拟人类角色的动作生成对游戏、动画、VR等领域具有广泛应用，但现有技术往往需要复杂的用户输入。为解决这一难题，北京大学、BIGAI 和北京邮电大学的研究团队开发了一个新框架，通过简单指令生成符合环境的自然动作，并展示了其在自动化和流畅性上的优势。

该框架利用自回归扩散模型生成角色的连续动作序列，自动调度程序则用于预测动作阶段之间的过渡点，从而实现无缝衔接的动作生成。通过使用文本指令和目标位置输入，系统能够生成多阶段的环境感知动作，适用于不同的3D场景。研究团队还提供了 LINGO 数据集，包括16小时的运动捕捉数据和120个室内场景，支持模型的训练和验证。实验表明，该框架生成的动作不仅视觉上真实，而且符合环境和用户的文本输入，与其他现有方法相比，表现出更高的精确度和连贯性。

过去，LLM的研究集中在模型规模的扩展上，但研究人员发现，通过增加智能工具使用的功能，可以提升小规模模型的表现。本研究由加州大学圣地亚哥分校的计算机科学家和清华大学的研究人员合作完成，提出了一种基于智能工具使用的LLM优化策略。

研究团队开发了一种两部分的微调方法来提升LLM的回答准确性。首先，在“世界知识蒸馏”（World Knowledge Distillation，WKD）阶段，模型通过使用工具解决方案来学习领域知识；其次，在“工具使用适应”（Tool Usage Adaptation，TUA）阶段，模型将问题分为简单和困难类别，并根据置信度选择是否需要外部帮助。在六个基准数据集（涵盖数学、气候科学和流行病学）上的测试中，使用该方法的模型在仅有80亿参数的条件下，答案准确性提升了28.18%，工具使用精度提升13.89%，优于GPT-4o和Claude-3.5等先进模型。这表明，通过优化工具使用而非单纯增加参数数量，可以显著提高LLM模型的智能表现。

OpenAI 的安全团队领导人Lilian Weng，希望通过规则系统优化 AI 安全性。这项研究借鉴了阿西莫夫的“机器人三定律”概念，通过自然语言规则限制模型行为，目的是弥补当前 AI 模型中存在的幻觉等问题，保障其在高安全领域中的应用。

本研究提出了基于规则的奖励机制（Rule Based Rewards, RBR），旨在提升语言模型的安全性。RBR 方法将模型行为规范分解为一系列具体规则，如拒绝请求时需道歉且不评判用户。与传统 AI 和人类反馈方式不同，RBR 利用细粒度的少样本提示对模型响应进行评分和奖励，并直接在强化学习训练中应用。团队在实验中发现，RBR 在控制模型响应的准确性和易于更新方面表现尤为突出，在安全性和有用性之间达到平衡，取得了 97.1 的 F1 分数，优于人类反馈基线的 91.7。研究表明，RBR 可以减少模型过度谨慎行为，适用于多种奖励模型，并在多个实验中验证了其对大模型安全表现的积极作用。

在神经外科领域，清醒开颅手术常用于测试复杂的大脑功能，以确保患者在手术中保持脑功能的正常运作。然而，传统的开颅手术需要使用机械仪器移除颅骨部分，过程中产生的强烈震动和噪音给患者带来极大的心理压力。

位于亚琛的弗劳恩霍夫激光技术研究所开发了一种创新的机器人辅助激光手术技术，通过短脉冲激光温和地去除颅骨组织，手术过程几乎无声无振动，极大地减轻了患者的心理负担。这项技术在精确光学监控下进行，确保了激光只作用于骨组织，不会损伤脑膜等下层结构。

这种技术特别适用于脑肿瘤切除等需要大范围开颅的手术，允许研究人员在手术中与患者互动，实时评估其脑功能是否受到影响，从而使手术更加安全和有效。激光过程由OCT（光学相干断层扫描）系统监控，通过传感器精确控制切割深度，有效保护周围组织。核心部件为一款CO2固态激光器，短脉冲技术防止热损伤，切口平滑且无碳化。

该系统还通过虚拟化技术进行开发测试，提升了系统的效率与可靠性，为未来在脊柱手术等高风险操作中应用奠定了基础。随着这项技术的进一步成熟，清醒开颅手术将能更频繁地实施，并显著提高患者的预后。

为了加速科研创新，上海人工智能实验室推出了名为 VirSci（Virtual Scientists）的多智能体协作系统。该系统由多个基于大语言模型的智能体组成，旨在模拟科学家团队的协作过程。此项目的团队汇集了来自上海人工智能实验室的研究人员，致力于通过跨学科团队合作来促进科学创新。

VirSci系统采用多智能体协作模式，核心流程包括团队成员选择、主题讨论、创意生成、创新性评估和摘要生成。每个智能体拥有独立的科研背景，通过跨领域团队互动激发出更多创新想法。实验对比显示，VirSci生成的研究摘要在“新颖性（CD）”和“影响力（CI）”两方面均显著优于单智能体系统 AI Scientist，说明其多智能体协作机制有效促进了科研创新。研究还发现，团队规模与讨论轮次适中、团队新鲜度维持在50%、成员背景多样性在50%-75%时，创新性表现最佳。实验进一步表明，这种多智能体系统能够有效模拟科学家协作，为自主科学发现提供强大支持。