追问daily | 地中海饮食减缓脑衰老；多读一年书，也无法保护大脑结构；大脑“局部”功能也由分布式过程产生

免疫分子IL-17A助力脂肪代谢调节

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。

#认知科学 #昼夜节律 #代谢稳态 #脂肪储存 #免疫调节

耗时十年，人类剪接体图谱首次发表

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。

#神经科学 #RNA剪接 #剪接体 #癌症 #遗传疾病

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。

#神经科学 #视觉皮层 #分布式网络 #功能激活 #连接指纹

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。

#神经科学 #精神疾病 #AMPA受体 #正电子发射成像 #突触生理

地中海饮食减缓脑衰老：血糖控制是关键

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。

#大脑健康 #血糖控制 #地中海饮食 #多酚 #脑萎缩

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。

#认知科学 #大脑结构 #教育影响 #脑储备 #回归不连续性

干细胞疗法首现阿尔茨海默病改善迹象，Regenesis Biomedical 提出新希望

上周，干细胞治疗公司Regenesis Biomedical在马德里举办的阿尔茨海默病临床试验会议（CTAD）上展示了其针对轻中度阿尔茨海默病的干细胞疗法1期临床试验首批数据。该疗法将公司专有的脂肪来源干细胞（RB-ADSCs）直接输送到患者大脑中，以修复和替换受损的神经元。

这项由美国食品药品监督管理局（FDA）批准的小规模试验涉及9名患者，主要评估RB-ADSCs的安全性及初步疗效。试验中，前三名患者通过“Ommaya储库”设备将RB-ADSCs注入大脑侧脑室，以绕过治疗阿尔茨海默病的关键障碍——血脑屏障。12周后，生物标志物分析显示，与阿尔茨海默病相关的p-Tau蛋白和淀粉样蛋白减少，其中p-Tau水准回归正常，淀粉样PET扫描也显示出淀粉样蛋白积累减少。

此外，Regenesis Biomedical报告称，三名患者中的两人表现出认知改善，其简易精神状态检查（MMSE）得分有所提升。公司创始人Christopher Duma博士在会上指出，这些数据与他们的假设一致，即通过将Wnt激活的干细胞注入大脑，可能逆转该疾病的一些病理进程。

Duma补充道，该疗法的安全性在可接受范围内，只有少量轻微不良反应，如采脂带来的不适和储库植入的轻微切口疼痛。注射过程约需八分钟，无需麻醉，未引发不良反应。试验仍在进行中，患者的后续随访最长达52个月，以进一步评估安全性和长期效果。

#干细胞疗法 #阿尔茨海默病 #认知改善 #RegenesisBiomedical #临床试验

腾讯发布全球最大开源MoE模型“混元大模型”

腾讯近日推出了一款业内规模最大的开源专家模型——腾讯混元大模型（Hunyuan-Large），这款模型基于Mixture of Experts（MoE）架构，拥有高达3890亿的参数，其中520亿为活跃参数。该模型专为提升自然语言处理、计算机视觉和科学任务的处理能力而设计，在长文本处理、常识推理和数学能力等方面表现优异。

在模型训练过程中，腾讯利用了大量的合成数据，以提升混元大模型在语言表达与长文本理解上的泛化能力。此外，模型集成了多个创新技术，如KV缓存压缩、分组查询注意力（Grouped Query Attention, GQA）和跨层注意力（Cross-Layer Attention, CLA），显著优化了内存和计算效率，使其在大规模任务中的表现更加出色。

腾讯混元大模型支持处理256K的上下文窗口，而Instruct模型优化后的版本支持128K的长文本输入，在CommonsenseQA、PIQA等常识推理任务中展现了卓越的性能。同时，该模型在中文测试（如C-Eval和CMMLU）中表现出色，尤其在中文常识和数学推理（如CMATH）方面的准确率显著提升。

通过与Dense模型和其他MoE模型的基准测试对比，混元大模型在MMLU、BBH等多个数据集上均超过了LLama3.1等同类模型，突显其在复杂任务上的理解和推理优势。这款开源模型的发布标志着腾讯在全球人工智能研究中的进一步突破，为各类复杂任务提供了更强的技术支持。

#腾讯 #混元大模型 #开源MoE模型 #自然语言处理 #科学计算

海马CA1区域综合模型揭示神经网络的动态特性

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 #海马 #计算模型 #突触 #网络振荡

基于AI的语音分析技术实现痴呆症风险评估突破

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。

#大脑健康 #痴呆症 #人工智能 #自动语音识别 #早期诊断

AI模型在基因组研究中潜藏误导性风险

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。

#神经科学 #机器学习 #基因组关联研究 #假阳性 #预测后GWAS

求助外部工具，可以提升LLM准确性

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。

#神经技术 #语言模型 #智能工具 #科学问题 #模型优化

人工智能系统实现有毒气体的实时监测

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。

#神经技术 #有毒气体检测 #人工嗅觉 #信赖域优化 #石墨烯传感器

生成式人工智能对世界没有连贯理解

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。

#认知科学 #生成模型 #世界模型 #评估指标 #语言模型

基于规则的奖励机制提升语言模型的安全性

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。

#神经技术 #基于规则奖励 #AI安全 #语言模型 #强化学习

整理｜ChatGPT

编辑｜丹雀、1900、存源