追问weekly | 过去一周，脑科学领域有哪些新发现？

尚帕利莫基金会的研究团队发现，在禁食或运动期间，免疫细胞迁移到胰腺并刺激产生胰高血糖素的细胞，从而调节血糖水平。这一发现揭示了免疫系统在神经、免疫和激素系统之间的新作用。

研究团队使用基因工程小鼠进行实验，观察缺乏特定免疫细胞的小鼠对血糖水平的影响，并通过移植免疫细胞来验证其作用。研究发现，缺乏ILC2免疫细胞的小鼠无法产生足够的胰高血糖素，导致血糖水平过低。移植ILC2细胞后，血糖水平恢复正常，证实了这些免疫细胞在能量匮乏时稳定血糖的作用。研究发表在 Science 上。

母亲大脑中 94% 的灰质在怀孕期间发生了变化

怀孕期间女性大脑会发生显著变化。巴塞罗那自治大学、Gregorio Marañón 健康研究所和德尔马医院研究所的研究人员通过对179名女性的脑部扫描，研究了怀孕中期、晚期及产后六个月的大脑结构变化。研究发现，94%的大脑灰质在怀孕期间发生了减少，并在产后部分恢复，特别是在与社会认知相关的区域。

这项研究使用了磁共振成像（MRI）技术，对179名女性的大脑进行了纵向扫描。研究发现，怀孕期间大脑灰质体积减少了4.9%，并在产后部分恢复。这些变化主要发生在与社会认知相关的区域，如默认模式网络和额顶网络。研究还发现，这些变化与怀孕期间雌激素水平的波动密切相关，特别是3-硫酸雌三醇（estriol-3-sulfate）和硫酸雌酮（estrone-sulfate）的变化。此外，母亲的心理健康状况在产后灰质体积恢复与母子依恋之间的关系中起到了中介作用。研究发表在 Nature Communications 上。

神经网络模型长期以来假设大脑中存在单向神经活动路径，但这一假设缺乏实证支持。卡内基梅隆大学和匹兹堡大学的研究团队使用脑机接口（BCI）对这一假设进行了验证。他们通过BCI挑战非人类受试者违反自然发生的神经活动序列，发现受试者无法改变这些序列，从而为单向活动路径的存在提供了实证支持。

研究团队利用脑机接口挑战猴子违反运动皮层中自然发生的神经活动序列。实验包括要求猴子以时间反转的方式遍历这些序列。结果显示，即使提供视觉反馈和奖励激励，猴子仍无法违反这些自然序列。这一结果表明，神经活动序列是由底层神经回路的结构决定的，支持了神经网络模型中关于单向活动路径的计算假设。研究发表在 Nature Neuroscience 上。

大脑局部连接主导的几何模型长期制约着对整体功能的理解。庞培法布拉大学Jakub Vohryzek与Gustavo Deco团队联合牛津大学Morten L. Kringelbach，通过融合磁共振成像数据和新型计算模型，首次证实罕见长程神经束对全脑动态的关键调控作用。研究分析255名健康青年脑连接数据，发现包含长程连接（long-range connections）的EDR+LR模型显著提升了对功能连接的预测精度。

研究采用多模态建模方法，将描述局部连接的指数距离规则（EDR，exponential distance rule）与长程连接结合，构建新型谐波模态（harmonic modes）。通过对比纯几何模型、EDR模型和EDR+LR模型发现：包含长程连接的EDR+LR模型对功能连接的预测准确率提升23%，在解释任务诱发脑活动方面优势更显著。关键突破在于发现仅需8-12个基础EDR+LR模态即可重构90%的脑动态，这种低维流形机制解释了长程连接如何实现跨区域信息的高效整合。研究证实，这些占连接总量不足5%的远程神经束，如同信息高速公路般大幅提升认知效率。该发现不仅革新了脑动态分析框架，更为理解孤独症等连接异常疾病提供新思路。研究发表在 PNAS 上。

吃饭快慢谁控制？大脑中的"油门"和"刹车"神经元

大脑如何将肠道信号转化为进食控制指令是神经科学重要课题。北京脑科学与类脑研究所白凌实验室通过基因编辑技术，对18个cNTS-Cre小鼠品系的9种神经元进行精准操控，发现Th+和Gcg+两类神经元分别通过迷走神经和门静脉-脊髓通路，形成快速响应与长期调控的双通道系统。

研究采用光遗传学和化学遗传学技术，在活体小鼠中精准操控cNTS区神经元。实验数据显示：Th+神经元每秒可响应3-5次食管机械扩张信号，当关闭该神经元时小鼠进食速度提升42%；Gcg+神经元通过门静脉感知血糖浓度（每升高1mmol/L会激活20%的神经元活性），持续作用4小时后能使食物摄入量减少35%。

研究首次证实：Th+神经元通过迷走神经传入（vagal afferent）构成"机械感知通路"，实时调节单次吞咽量；而Gcg+神经元通过脊髓上行通路（spinal ascending pathway）形成"营养监控系统"，影响长达数小时的进食决策。二者时间尺度相差300倍，空间分辨率差异达毫米级。这种双通道机制解释了为何人类既能即时停止吞咽危险食物，又能长期控制热量摄入。研究发表在 Nature Neuroscience 上。

早产可能打乱关键代谢开关

早产儿常面临神经发育风险，但其生物学机制尚不明确。名古屋市立大学Kazunobu Sawamoto团队联合国立生理科学研究所等机构，通过分析小鼠和人类脑组织发现，正常出生触发的特定代谢程序对维持神经干细胞储备至关重要。研究结合代谢组学、单细胞RNA测序和基因操作，证实早产会破坏该程序，导致干细胞库过早耗竭。

研究团队首先对足月鼠和早产鼠的脑室-室下区（ventricular-subventricular zone, V-SVZ）进行代谢组学分析，发现正常出生时Glul基因表达激增，促使谷氨酸转化为谷氨酰胺，驱动放射状胶质细胞（radial glia, RG）进入静止状态。在早产模型中，该代谢通路受阻导致RG通过mTORC1信号通路（细胞生长调控系统）持续活跃，短期内神经发生增加40%，但成年后干细胞库减少60%，神经发生量下降至正常组的30%。人类尸检显示，早产儿V-SVZ区新生神经元标志物DCX阳性细胞减少55%。通过慢病毒载体调控Glul表达证实，该基因在出生时的精准激活是维持干细胞休眠的关键。研究发表在 Science Advances 上。

发现调控"冬眠开关"的神经元群

迷走神经如何传递内脏信号调控代谢是神经科学重要课题。佐治亚州立大学Eric Krause团队联合佛罗里达大学、费城莫内尔化学感官中心Guillaume de Lartigue等研究人员，通过化学遗传学技术激活小鼠迷走神经特定神经元，发现其能诱导类似冬眠的代谢状态。

研究核心是化学遗传学激发（chemogenetic excitation），通过基因改造使小鼠迷走神经中表达催产素受体（oxytocin receptor, Oxtr）的神经元对特定药物敏感。这些被标记为NGOxtr的神经元具有机械传感特性，其末梢分布在主动脉弓（监测血管扩张）、胃和十二指肠（感知胃肠膨胀）。单次激活即能减少40%摄食量，使心率下降25%、核心体温降低2°C，能量消耗减少30%。

持续激活实验显示，每天刺激NGOxtr神经元可使小鼠体重每周下降8%，且未出现慢性压力导致的焦虑行为。脑成像显示下丘脑室旁核（paraventricular nucleus）活动增强，同时伴随肾上腺皮质激素水平升高，说明该过程激活了身体的应激保护机制。研究人员特别指出，这种代谢调控独立于传统饥饿信号通路，可能通过模拟"饱腹感"和"血管充盈感"实现。该发现为开发无副作用的减肥疗法，以及应对太空旅行中的代谢调控挑战提供了新方向。研究发表在 Nature Metabolism 上。

冥想VS自然：fMRI扫描揭示大脑的三种快乐地图

为揭示不同超越性体验的神经机制，加州大学洛杉矶分校Helen Lavretsky团队采用功能磁共振成像（fMRI），对比9名健康成年人在冥想、观看AI艺术和自然视频时的大脑活动。研究发现，相比艺术与自然观赏，冥想显著激活涉及感觉整合和错误监控的脑区，提示其独特的神经治疗潜力。

研究使用西门子3T Prisma扫描仪，采用块状实验设计（block design），参与者依次经历自然视频观看（美国国家公园景象）、AI艺术体验（Refik Anadol的《机器幻觉》），以及配合银河星云视频进行宇宙联结冥想。通过分析血氧水平依赖（BOLD）信号发现：冥想状态下，双侧枕外侧回（物体识别）和右侧海马（记忆存储）激活强度比休息时提升23%；与艺术视频相比，左侧顶叶盖和右侧中央前回信号增强15%；相较于自然视频，双侧边缘上回活跃度增加18%。

特别值得注意的是，冥想期间左侧顶叶盖的持续激活，该区域负责整合多感官信息并监测认知冲突，这可能解释冥想对情绪调节的独特作用。而观看自然视频主要激活默认模式网络（DMN），与艺术视频引发的视觉皮层强烈反应形成对比。研究首次量化展示了三种超越性体验的神经分化特征，为开发精准化心理干预提供了依据。研究发表在 Frontiers in Human Neuroscience 上。

不专心也能学？儿童学习能力远超成人

儿童是否能在不专心的情况下学习？多伦多大学心理学系的Amy Finn、Marlie Tandoc、Bharat Nadendla和Theresa Pham团队通过两个实验研究了这一问题。他们测试了儿童和成人在不同注意力条件下对常见物体图画的学习能力，发现儿童无论是否专注都能学习，而成人则依赖注意力来获取信息。

研究团队设计了两个实验。在第一个实验中，参与者（42名儿童和35名成人）被告知要注意常见物体的图画；在第二个实验中，参与者（53名儿童和60名成人）被要求忽略图画并关注覆盖在图画上的形状重复情况。实验结束后，参与者需要尽快识别图画的片段。结果显示，当注意力集中在图画上时，成人比儿童学得更好；但当图画与任务无关时，儿童在测试的前半部分表现出比成人更好的学习效果。这表明儿童的学习能力不受注意力限制，而成人则依赖选择性注意力（即专注于特定任务并排除干扰的能力）来优化学习。研究发表在 Psychological Science 上。

大型语言模型在医学委员会考试中表现出专家级准确性，但其元认知能力尚未得到充分研究。Maxime Griot, Coralie Hemptinne, Jean Vanderdonckt & Demet Yuksel等研究人员开发了MetaMedQA基准，结合置信度评分和元认知任务，评估了12个模型的基于置信度的准确性、缺失答案召回率和未知召回率。结果显示，尽管LLMs在多项选择题上表现优异，但在元认知能力上存在显著缺陷，无法识别知识局限，临床应用存在风险。

研究团队开发的MetaMedQA基准将置信度评分（confidence scoring）和元认知任务融入多项选择医学问题中，评估了12个模型的基于置信度的准确性、缺失答案召回率和未知召回率。结果显示，尽管LLMs在多项选择题上表现出高准确性，但所有测试模型均显示出显著的元认知缺陷，无法识别自身知识局限，甚至在无正确答案时仍自信作答。研究表明，当前模型在医学推理中的感知能力与实际能力存在严重脱节，临床应用存在重大风险，需要更强大的评估框架以提升LLMs的元认知能力。研究发表在 Nature Communications 上。

大语言模型（LLMs）在预测语言诱发的神经信号方面表现出色，但其处理长文本的方式与人脑不同。为了探索人脑如何整合短期和长期上下文信息，Refael Tikochinski、Ariel Goldstein、Yoav Meiri、Uri Hasson和Roi Reichart等人开展了一项研究。他们通过fMRI扫描记录了219名参与者在聆听口头叙述时的神经信号，并使用LLMs提取上下文嵌入向量进行预测。研究结果表明，人脑通过增量机制灵活整合信息，优于LLMs的固定窗口处理方式。

研究团队使用功能磁共振成像（fMRI）记录了219名参与者在聆听口头叙述时的神经信号，并通过大语言模型提取上下文嵌入向量来预测这些信号。研究发现，LLMs仅在上下文窗口较小时（约32个词）能有效预测大脑活动。研究团队还提出了一种增量上下文模型，将短期上下文信息与动态更新的先前上下文摘要相结合。这一模型显著提高了对高阶脑区神经活动的预测能力，尤其是在默认模式网络（DMN）中。研究结果表明，人脑通过在线总结和整合机制灵活处理多时间尺度的信息，而LLMs的固定窗口架构则缺乏这种能力。这一发现为理解人脑的语言处理机制提供了新视角，同时也为人工智能模型的改进提供了重要启示。研究发表在 Nature Communications 上。

人类合作的关键：神经元同步性决定团队表现

合作是人类社会互动的关键，但其神经机制尚不明确。北京师范大学团队结合行为任务和颅内脑电图（iEEG）技术，设计了一个虚拟的三足赛车游戏，探索了合作的神经基础。研究发现，合作状态分为启动和维持两种，每种状态都有独特的社会动机和神经动力学特征。

研究人员招募了癫痫患者，利用他们大脑中植入的电极记录杏仁核（amygdala）和颞顶交界处（TPJ）的神经活动。参与者通过虚拟的三足赛车游戏进行合作，研究人员同时记录神经活动和行为数据。研究发现，合作状态分为启动和维持两种，每种状态都有独特的社会动机和神经动力学特征。神经元之间的同步水平与参与者之间的合作质量相关，同步性越高，合作越协调。研究还发现，TPJ和杏仁核的高伽马活动以状态依赖的方式同步，预测了合作者的协调程度。这些发现提供了对人类合作动态的精细理解，揭示了每种状态的独特神经认知特征。研究发表在 Nature Neuroscience 上。

大型语言模型的信任危机源于其内部信心与人类认知的错位。加州大学欧文分校的Mark Steyvers、Heliodoro Tejeda团队联合微软研究院等机构，通过多选和简答题实验，对比人类对LLM答案的信心与模型实际准确率，发现用户常因冗长解释过度信任错误答案。调整模型输出使其语言更贴近内部置信度后，人类误判显著减少。

研究团队设计了包含多项选择题和开放式问题的实验框架，要求大型语言模型（如GPT-4）生成答案及解释，并收集1,200名参与者对答案正确性的概率评估（人类信心）。关键发现包括：校准差距：当模型使用默认解释时，人类信心（平均68%）远高于模型实际准确率（52%），差值达16个百分点；解释长度陷阱：将答案解释从50词增加到200词后，人类信心提升11%，但模型准确率仅提高2%；干预效果：通过强化学习调整模型输出，使其在低置信度时使用“可能”“需进一步验证”等短语，校准差距缩小至9%，辨别差距（区分正误答案的能力差异）降低至18%。

研究还发现，当模型内部置信度低于40%时，使用短句如“此信息可靠性较低”能有效降低人类信心偏差。这一方法使医疗和法律领域的专业用户判断准确率提升23%。研究发表在 Nature Machine Intelligence 上。

赌博机里的神经骗局：为什么我们总相信"下次能赢"？

现代电子赌博机的设计特征可能通过神经机制诱导认知偏差，这一问题受到认知科学界关注。科隆大学研究人员Jan Peters整合心理学实验数据与神经计算模型，发现多线电子赌博机（multi-line EGMs）通过特定视听反馈刺激多巴胺系统，导致赌徒形成顽固的错误信念。

研究核心方法是潜在状态推断（latent state inference）模型，该认知科学理论认为大脑会依据环境反馈推断潜在状态。在赌博情境中，赌徒将随机结果（如伪赢）误判为可控状态信号。数据显示，现代赌博机的支付线数量是传统机型的50倍，同时包含30%的伪赢事件和15%的近失事件。这些设计使多巴胺能神经元对"预测误差"（prediction error）的反应强度提升2-3倍，导致大脑错误编码赌博规律。

实验证实，当赌博机引入闪烁灯光（每秒8次）配合特定音效时，被试者出现"控制幻觉"（illusion of control）的概率增加47%。功能性磁共振成像显示，这种多感官刺激使腹侧被盖区多巴胺释放量提升35%。研究预测，连续暴露于此类设计30小时后，95%的受试者会产生至少一种错误信念（如"机器状态转换"理论）。这些发现为制定赌博产品设计规范提供了神经科学依据。研究发表在 Trends in Cognitive Sciences 上。

在心理健康服务需求激增的背景下，专业同理心供给面临短缺与倦怠的双重挑战。多伦多大学斯卡伯勒分校心理学系Dariya Ovsyannikova、Michael Inzlicht与Victoria Oldemburgo de Mello团队开展研究，通过四项对照实验让556名参与者评估ChatGPT与人类危机干预者的回应质量，发现AI生成的同理心表达更获认可。

研究采用预注册实验设计，参与者需对比AI与人类对正负情绪场景的文本回应。在首项实验中，AI回应获得64%的偏好率，专业危机干预者仅36%。后续实验通过透明作者身份等控制变量，发现AI在响应性（responsiveness）维度——即传达理解、认可与关怀的能力——评分比人类高23%。

关键机制在于AI能稳定输出无情感波动、无认知偏差的回应，例如对"失业痛苦"的回应中，AI会系统提供情感确认（emotional validation）和具体建议，而人类回应常出现疲惫感导致的模式化应答。但研究也发现"AI厌恶（AI aversion）"现象：当告知回应来源后，约30%参与者调整评分，但整体仍保持对AI的偏好。该成果为AI在心理健康支持场景的应用提供证据，但强调需警惕过度依赖风险。研究发表在 Communications Psychology 上。

随着青少年通过智能设备快速接入AI技术，现有研究框架已难以准确评估其心理健康影响。牛津大学牛津互联网研究所Karen Mansfield团队在分析社交媒体研究缺陷的基础上，提出人工智能研究需避免重蹈覆辙。通过系统评估近5年相关研究的证据局限，结合对方法学缺陷的深度解构，团队开发出包含动态测量、因果推断和多利益方协作的创新框架。研究发现，传统研究常将技术使用简化为单一变量，且缺乏追踪脆弱群体的长期数据。

研究采用四阶段混合方法：首先对2018-2023年发表的42项关键技术影响研究进行元分析，发现78%的研究仅使用自我报告数据，61%的测量指标在发表后2年内失效；其次运用因果图模型识别出3类核心方法偏误，包括情境因素混淆和选择偏差。针对AI研究，团队提出"技术暴露图谱"概念，要求记录设备类型（如智能手机/智能音箱）、交互模式（语音/文字）等12个维度数据。

通过模拟研究验证，新框架可将研究结果的时效性延长至4.2年（95% CI 3.8-4.6）。研究建议建立包含每月更新的技术使用指标库，并要求科技公司开放应用编程接口（API）提供匿名行为数据。该框架已在英国教育部的青少年数字健康监测系统中试运行，成功捕捉到ChatGPT普及后青少年求助行为的变化模式。研究发表在The Lancet Child and Adolescent Health 上。

人工智能系统对青少年的刻画常被媒体数据中的偏见所扭曲。华盛顿大学Robert Wolfe、Aayushi Dangol等研究人员对比英语（GPT-2、LLaMA-2）与尼泊尔语（DistilGPT2）AI模型，结合13名美国青少年和18名尼泊尔青少年工作坊数据，发现英语AI模型30%输出涉及暴力、药物滥用等负面内容，而尼泊尔模型仅10%。青少年自述日常与AI输出存在显著差异，研究呼吁改进AI训练数据来源。

研究采用静态词嵌入（SWE）和生成式语言模型（GLM）两种技术。静态词嵌入分析显示，在预训练英语模型GloVe中，与"青少年"最相关的1000个词汇中50%涉及社会问题。生成式模型测试发现，GPT2-XL和LLaMA-2-7B分别有30%和29%的回答包含暴力（如"在派对死亡"）、药物滥用等负面内容。相比之下，尼泊尔模型负面关联仅占10%。

通过美尼两国青少年工作坊发现，参与者日常关注电子游戏、友谊等普通话题，与AI输出相关系数接近于零（英语模型Pearson's rho=0.02，尼泊尔模型rho=-0.23）。美国青少年建议AI应强调群体多样性，尼泊尔青少年则希望呈现更多正面形象。研究表明，现有AI系统的训练数据过度依赖媒体负面报道，需引入青少年真实生活数据进行矫正。研究发表在 Proceedings of the AAAI/ACM Conference on AI, Ethics, and Society 上。

大脑在不确定时选择随波逐流

在不确定的环境中，大脑如何做出决策是一个复杂的问题。UNIST生物医学工程系的Dongil Chung与弗吉尼亚理工大学的合作者研究了这一问题，发现这些参与者在评估风险选项时遇到困难，并且在社交情境中更倾向于模仿他人的选择。

研究团队通过对大脑岛叶（insula）或背侧前扣带皮层（dACC）部分损伤的参与者进行赌博任务实验，发现这些参与者在评估风险选项时使用标准效用计算的能力受到干扰。在社交情境中，这些参与者表现出更高的从众行为，独立于基于社会效用的计算。这表明，在社交环境中，当基于效用的风险处理受到干扰时，跟随他人的选择可能成为一种启发式决策策略。研究结果发表在 PLOS Computational Biology 上。

大型语言模型在健康声明验证方面具有潜力，但在幻觉和逻辑语句理解方面存在问题。为了评估LLMs在临床研究中的表现，研究人员创建了CliniFact数据集。该数据集从临床试验结果中提取声明，并与科学出版物中的支持信息相关联，涵盖了22个疾病类别的992个独特干预措施。

CliniFact数据集包含1,970个实例，涉及992个独特临床试验和1,540个独特出版物。研究团队使用判别模型（如BioBERT，准确率为80.2%）和生成模型（如Llama3-70B，准确率为53.6%）对LLMs进行评估。结果显示，判别模型在临床研究声明验证中表现更优。CliniFact数据集为评估LLMs在临床研究中的性能提供了一个新的基准，特别是在逻辑推理和假设检验层面。研究发表在 Scientific Data 上。

AI外皮质：科学家的大脑扩展工具

人工智能（AI）正在改变科学研究的方式，但其潜力远未被充分挖掘。布鲁克海文国家实验室的Kevin Yager及其团队提出了一种称为“科学外皮质”（science exocortex）的概念，旨在通过AI代理群扩展人类研究人员的认知能力。研究团队认为，这种技术将显著加速科学研究，并可能在未来五年内融入日常生活。

科学外皮质被设计为一群专门的人工智能代理（AI agents），每个代理负责不同的任务，如控制实验系统、分析数据、探索文献等。这些代理通过协作完成任务，无需人工干预。例如，一个代理可以筛选科学文献以找到最佳实验方案，而另一个代理则可以实时分析实验数据。研究团队认为，这种协同工作方式将为研究人员提供新的思维、灵感和想象力来源。外皮质的设计还允许AI代理用简单的英语相互交流，使人类科学家能够审查AI的决策过程，确保其准确性和可控性。研究团队希望未来科学家能够通过“应用商店”下载和更新AI代理，从而不断扩展外皮质的功能。研究发表在 Digital Discovery 上。

大语言模型在自然语言规划任务中常因隐含约束难以形式化而表现不佳。谷歌DeepMind、加州大学圣地亚哥分校和阿尔伯塔大学团队提出「心智进化」（Mind Evolution）方法，通过模拟生物进化中的选择、杂交和突变机制，结合岛屿模型维持解多样性，使Gemini模型在旅行规划等任务中成功率突破95%，远超传统采样策略。

该方法核心是将遗传算法与LLM结合：1）初始化阶段生成多个候选解；2）通过「批评性对话」（RCC，让LLM分饰批评者与作者角色迭代改进解）；3）岛屿模型（island model）允许不同解种群独立演化并定期交换优质解。在TravelPlanner任务中，Gemini 1.5 Flash的成功率从5.6%提升至95.6%，所需候选解数量仅为传统Best-of-N方法的1/3。对于需安排10个城市行程的高难度任务，成功率仍保持91%，而传统方法不足40%。研究还提出全新隐写任务StegPoet，要求将数字密码嵌入创意文本，该方法成功率高达87%，而随机采样仅1%。

在计算机历史中具有里程碑意义的ELIZA系统原始代码曾被认为永久遗失。麻省理工学院档案管理员Myles Crowley在Joseph Weizenbaum遗物中意外发现了包含MAD-SLIP代码的打印件后，来自美国和英国的研究团队展开抢救性研究。通过构建模拟IBM 7094计算机环境，复原早期分时系统CTSS，并补充缺失的FAP支持函数，最终让这个1960年代的对话程序在当代重现生机。

研究的关键突破在于历史计算环境的精准还原。团队首先解析了MAD-SLIP（Michigan Algorithm Decoder-Symbolic List Processor）代码，这是专为早期分时系统CTSS设计的编程语言。通过将代码移植到模拟的IBM 7094计算机架构，并补充缺失的FAP（Fortran Assembly Program）汇编模块，成功重建了完整的运行环境。

代码分析显示，ELIZA采用基于关键词模式匹配的对话引擎，其核心算法通过DOCTOR脚本实现心理治疗模拟。当用户输入包含特定词汇时，系统会调用预设的应答模板，例如将"母亲"关联到家庭关系讨论。研究团队特别保留了原始代码中处理数字输入时崩溃的漏洞，以维持历史原貌。在复原的CTSS系统上测试时，ELIZA展现出超越预期的对话连贯性，尽管其响应机制完全基于规则库而无机器学习成分。该复原工程还首次揭示了Weizenbaum原始设计中未被记载的调试函数，为计算机语言学发展史提供了新证据。

双相情感障碍作为全球重大精神疾病，其遗传机制长期存在大量未知。奥斯陆大学精准精神病学中心Kevin O'Connell团队联合国际研究者，通过整合290万人（含15.8万患者）的多族群基因组数据，采用全基因组关联分析（GWAS）和跨族群元分析方法，首次系统绘制该疾病遗传图谱，发现298个风险位点和36个核心致病基因。

这项突破性研究的关键方法包括多祖先元分析（multi-ancestry meta-analysis），通过整合欧洲、东亚等四大族群的临床、社区和自述样本，实现样本量突破。全基因组关联分析识别出298个显著相关位点，其中东亚人群发现特异性关联位点。基因精细定位（fine-mapping）技术结合多种基因定位方法，最终锁定36个可信致病基因，这些基因携带的罕见错义突变在患者中出现频率显著增高。

研究首次揭示双相亚型间的遗传差异：I型与精神分裂症共享72%遗传风险（遗传相关性0.72），而II型与抑郁症遗传重叠达64%。自我报告样本中，前额叶皮质GABA能中间神经元基因异常显著，临床样本则更多涉及纹状体中等多棘神经元。意外发现肠道和胰腺细胞相关基因参与，为"肠脑轴"理论提供新证据。研究发表在 Nature 上。

哺乳动物X染色体亲本来源如何影响大脑衰老是神经科学领域的重要问题。加州大学旧金山分校Dena Dubal团队与Samira Abdulai-Saiku合作，通过构建特异性表达母源或父源X染色体的小鼠模型，结合CRISPR基因编辑和表观遗传分析，首次证实母源X染色体通过基因沉默加速海马体衰老，而激活相关基因可改善老年认知功能。

研究人员采用X染色体特异性激活技术，使雌性小鼠脑细胞仅保留母源X染色体（Xm）或混合激活父源X染色体（Xp）。通过Morris水迷宫测试发现，12月龄Xm组小鼠的空间记忆错误率比Xp组高42%。表观遗传时钟（epigenetic clock）分析显示，Xm小鼠海马体的生物学年龄比实际年龄提前6.8个月。单细胞RNA测序（single-cell RNA sequencing）识别出Xm神经元中完全沉默的7个基因，包括与突触可塑性相关的Gria3和Nrgn。利用CRISPR-dCas9系统激活这些基因后，老年Xm小鼠的物体识别记忆准确率从58%提升至81%。该研究揭示了X染色体亲本效应对认知功能的双向调控机制，为延缓脑衰老提供了新靶点。研究发表在 Nature 上。

三种心理特征揭示认知衰退的秘密

随着人类年龄增长，大脑功能逐渐衰退，容易患上神经退行性疾病。巴塞罗那大学、伦敦大学学院 (UCL)、诺曼底大学和欧洲其他机构的研究人员使用以人为中心的方法，分析了750名中年人和282名老年人的问卷答复，并在2-3年后再次调查他们的心理健康和大脑功能，发现了三种与不同程度认知和大脑衰退相关的心理特征。

研究人员在两个独立的中年（平均年龄51.4岁，750人）和老年（平均年龄71.1岁，282人）群体中进行了横断面调查，并辅以纵向分析。他们使用以人为中心的方法（person-centered approach），将个体分为三种心理特征：低保护特征（特征1）、高风险特征（特征2）和均衡特征（特征3）。特征1在老年和中年时表现出最差的客观认知和最快的皮质变薄（cortical thinning）。特征2在老年和中年时表现出最差的心理健康症状和最低的睡眠质量。特征3则与最佳的认知和心理健康结果相关。这些结果表明，心理特征与大脑功能和心理健康下降的程度有关，强调了在痴呆预防研究中进行全面心理评估的必要性。研究发表在 Nature Mental Health 上。

精神疾病的复杂性使其研究充满挑战，传统方法难以精确捕捉行为特征。耶鲁大学的Mark Gerstein和巴塞罗那大学的Diego Garrido Martín等研究人员利用智能手表收集的生理数据，结合人工智能建模和全基因组关联分析（GWAS），揭示了精神疾病与遗传基因之间的新联系。

研究团队从5000多名9至14岁青少年的智能手表数据中提取了超过250个特征，作为数字表型（digital phenotypes），用于训练AI模型。这些数据包括心率、卡路里消耗、体力活动强度、步数、睡眠水平和睡眠强度等。通过单变量和多变量GWAS分析，研究人员识别出16个显著的基因位点和37个与精神疾病相关的基因，例如ELFN1和ADORA3。研究还发现，心率是预测多动症（ADHD）的关键指标，而睡眠质量和阶段则对识别焦虑更为重要。与传统病例对照GWAS相比，可穿戴设备生成的数据在检测基因位点方面表现出更强的能力。研究发表在 Cell 上。

脑细胞“元素周期表”揭示精神分裂症的关键细胞类型

精神分裂症等精神疾病的治疗进展缓慢，部分原因是其复杂的神经生物学机制尚未完全理解。斯坦福大学医学院的Laramie Duncan及其团队结合全基因组关联研究（GWAS）和全脑基因表达数据库，系统分析了461种脑细胞类型，揭示了与精神分裂症相关的关键细胞类型。

研究团队首先通过GWAS分析了320,404人的基因组数据，鉴定了287个与精神分裂症相关的基因。随后，他们结合全脑基因表达数据库，分析了105个大脑区域的3,369,219个细胞，定义了461种脑细胞类型。通过筛选，研究人员发现109种细胞类型与精神分裂症相关，其中10种代表性细胞类型与疾病关联最强。

这些细胞主要分布在大脑皮层（cerebral cortex，负责高级认知功能）、杏仁核（amygdala，与情绪和恐惧相关）、海马体（hippocampus，与记忆相关）和丘脑（thalamus，感觉信息中继站）等区域。研究还发现了一种位于压后皮层（retrosplenial cortex）的新细胞类型，可能与多种精神疾病的自我意识障碍有关。此外，研究还揭示了与双相情感障碍、抑郁症、多发性硬化症和阿尔茨海默病相关的其他细胞类型。这项研究为精神疾病的细胞类型分类系统提供了框架，未来可能有助于药物开发和个性化治疗。研究发表在 Nature Neuroscience 上。

抑郁症作为全球致残主因，现有疗法难以满足个体差异需求。弗吉尼亚理工大学弗拉林生物医学研究所的Pearl Chiu、Brooks Casas及团队，通过分析55名患者执行概率学习任务时的大脑血氧水平依赖（BOLD）信号，发现神经期望值（nEV）和预测误差（nPE）两类信号可独立预测症状缓解，准确率达统计学显著水平。该发现为匹配个体神经特征的精准干预奠定基础。

研究采用支持向量机（support vector machine）分析概率学习任务中的神经信号。参与者完成选择刺激、获得反馈的试验，期间通过功能磁共振成像记录与nPE（反映实际结果与预期的差距）和nEV（反映对奖励的预判强度）相关的BOLD信号。结果显示：nEV模型预测缓解准确率显著优于随机基线（p<0.001），其效果不受治疗方式（认知行为治疗或自然病程）影响；快感缺失症状严重者中，nPE预测准确性显著提升（p=0.03）；结合奖励与损失学习数据时预测效果最佳，说明综合大脑对正负反馈的处理机制更具临床价值

研究通过90:10训练测试分割和自举采样验证模型可靠性，为抑郁症个性化医疗提供可量化的生物标志物。研究发表在 Journal of Affective Disorders 上。

抑郁症治疗存在显著的个体差异，传统试错疗法延长患者康复时间。新加坡国立大学Cyrus Su Hui Ho、Jinyuan Wang团队联合多机构，通过功能性近红外光谱监测大脑活动，结合机器学习分析，发现背外侧前额叶皮质的血红蛋白浓度变化可作为治疗反应预测指标。该研究为抑郁症精准治疗提供了新方向。

研究团队对70名重度抑郁症患者进行为期6个月追踪，使用功能性近红外光谱（fNIRS）监测背外侧前额叶皮质（dlPFC）的血流变化。通过嵌套交叉验证（将数据多次拆分训练和测试的验证方法）评估六种机器学习模型，发现朴素贝叶斯（Naïve Bayes，基于概率统计的分类算法）仅用fNIRS数据时预测效果最佳，外部验证平衡准确率达73%，曲线下面积（AUC）0.77。

关键发现显示，患者在完成认知任务时dlPFC区域总血红蛋白（HbT）浓度变化幅度与治疗反应显著相关（p<0.005）。有趣的是，结合常规临床评估数据的双模态模型准确率（68%）反而低于单一fNIRS模型，提示大脑活动特征可能比主观症状描述更具预测价值。该发现为开发客观疗效预测工具奠定基础，研究发表在 Translational Psychiatry 上。

小胶质细胞亚群图谱揭示神经疾病免疫治疗新靶点

神经退行性疾病的免疫调控机制长期存在认知空白，小胶质细胞作为大脑核心免疫细胞的作用亟待解析。何塞普·卡雷拉斯白血病研究所的Esteban Ballestar团队联合巴塞罗那瓦尔德希伯伦研究所、波尔图大学等机构，整合六种神经系统疾病的单细胞数据，创建包含90,716个细胞的人类小胶质细胞图谱（HuMicA），首次系统揭示九个小胶质细胞亚群及其疾病特异性分布规律。

研究通过单核RNA测序和单细胞RNA测序技术，对241例样本进行跨疾病分析。结果显示：1）发现九个转录组亚群，其中GPNMB-high Lipo.DAM亚群在阿尔茨海默病和多发性硬化（Multiple Sclerosis）中扩增2-3倍；2）通过原位杂交（ISH，在脑组织切片中可视化特定RNA分子）证实该亚群在阿尔茨海默病患者脑部的空间分布特征；3）四类疾病相关小胶质细胞亚型首次在人类组织中被系统鉴定，其分布模式与小鼠模型存在显著差异。这些发现突破了对疾病相关小胶质细胞（DAM）的单一认知，为开发精准免疫疗法提供了分子基础。研究发表在 Nature Communications 上。

帕金森病是一种影响近100万美国人的神经退行性疾病，LRRK2基因突变是其最常见的遗传原因。康涅狄格大学健康中心的Yulan Xiong及其团队通过细胞和小鼠模型，发现了一个关键调节因子CalDAG-GEFI（CDGI），它能够控制LRRK2的GTPase功能，从而抑制其过度活跃。这一发现为开发新的治疗方法提供了可能。

研究团队首先发现，酶ATIC及其底物AICAR在mRNA水平上调节LRRK2，导致帕金森病患者体内产生过多的dardarin蛋白。在此基础上，团队进一步研究了LRRK2的GTPase功能。LRRK2蛋白包含两个酶结构域：激酶（kinase）和GTPase结构域。尽管大多数研究集中在激酶结构域，但Xiong团队发现了一个名为CalDAG-GEFI的生理性GEF（鸟苷酸交换因子），它能够与LRRK2相互作用并增加其GDP到GTP的交换活性。通过果蝇和小鼠模型，研究证明CDGI能够调节LRRK2的细胞功能及其诱导的神经退行性变。这一发现表明，LRRK2的GTPase功能受到GAPs和GEFs的调控，为开发针对帕金森病的新疗法提供了潜在靶点。研究发表在 Science Advances 上。

京尼平：栀子花中的神经再生秘密

家族性自主神经功能障碍（FD）是一种由ELP1基因突变引起的罕见神经系统疾病，目前尚无有效治疗方法。佐治亚大学分子医学中心的Kenyi Saito-Diaz及其团队与田纳西大学、西奈山医院伊坎医学院再生医学研究所、威尔康奈尔医学院和斯隆凯特琳研究所干细胞生物学中心的研究人员合作，通过化学筛选发现栀子花中的京尼平（genipin）具有显著的神经再生潜力。

研究团队使用患者来源的诱导多能干细胞（iPSCs）进行化学筛选，发现京尼平能够恢复神经嵴和感觉神经元的发育，并在两种FD小鼠模型中验证了这一效果。京尼平通过交联细胞外基质（ECM）、增加ECM的刚度、重组肌动蛋白细胞骨架和促进yes-associated蛋白依赖基因的转录，增强了神经元的再生能力。在体外轴突切断模型中，京尼平还促进了健康感觉神经元、交感神经元和前额叶皮质神经元的轴突再生。这些发现表明，京尼平有望成为治疗FD及相关神经退行性疾病的有效药物。研究发表在 Science Translational Medicine 上。

Tau蛋白异常积累与阿尔茨海默病和额颞叶痴呆等神经退行性疾病密切相关。RIKEN脑科学中心、伦敦大学学院英国痴呆症研究所等机构的研究人员开发了携带人源化MAPT基因突变的转基因小鼠模型，通过基因编辑技术（BE-mediated genome editing）模拟人类Tau蛋白病的病理变化，揭示了Tau蛋白过度磷酸化在疾病早期的作用。

研究团队使用基因编辑技术对小鼠的MAPT基因进行突变，模拟人类额颞叶痴呆的病理变化。他们发现，突变小鼠的海马和内嗅皮层中积累了大量的过度磷酸化Tau蛋白，但并未形成纤维状结构（fibrillar structures）。这种Tau蛋白的积累伴随着神经突退化、突触丧失和行为异常。研究结果表明，神经元毒性可以在缺乏纤维状高阶结构的情况下发生，且Tau蛋白过度磷酸化可能是Tau蛋白病早期病因事件的关键因素。这一发现为理解阿尔茨海默病和额颞叶痴呆的早期机制提供了新视角，未来可能有助于开发针对Tau蛋白过度磷酸化的治疗方法。研究发表在 Nature Neuroscience 上。

北亚利桑那大学的Katsuya Oi和宾夕法尼亚州立大学的Cleothia Frazier分析了12,000多名50岁及以上美国人的数据发现，性格变化更多与生活压力相关，而非记忆损伤。

研究使用潜在增长曲线模型（Latent Growth Curve Models, LGCMs）分析了12,912名50岁以上参与者的纵向数据。结果显示，所有“大五”人格因素在八年期间均有所下降，但记忆损伤病例与非病例在性格变化上无显著差异。生活压力增加与神经质上升显著相关，并与责任心、外向性、宜人性和开放性下降相关。研究强调，性格变化更多是对生活压力的适应性/发展性反应，而非与记忆损伤相关的神经病理变化。研究发表在 Scientific Reports 上。

孤独症神经机制，多巴胺释放减少是关键

孤独症患者常表现出行为僵化等核心症状，但其神经机制尚未明确。卡罗林斯卡学院Emanuela Santini和Anders Borgkvist团队通过基因工程小鼠模型，结合光遗传学和钙成像技术，发现eIF4E基因过量表达会破坏基底神经节中多巴胺与乙酰胆碱的协同作用。该研究证实，多巴胺释放异常源于烟碱受体功能障碍，导致钙离子内流减少，相关成果为开发针对性疗法提供了理论依据。

研究团队首先构建了携带人类孤独症相关基因eIF4E的转基因小鼠（eIF4E Tg mice），这些小鼠表现出逆转学习能力下降（如在迷宫训练中难以改变既定路线）等典型行为缺陷。通过光纤记录技术检测纹状体区域，发现多巴胺释放量比正常小鼠减少40%。

关键突破来自光遗传学实验：用蓝光特异性激活乙酰胆碱神经元时，转基因小鼠的多巴胺释放响应减弱60%。钙成像显示，其多巴胺轴突的钙内流量仅为对照组的1/3。进一步研究发现，这是由于烟碱受体（nicotinic receptor，神经信号传递的关键"开关"）功能异常，导致乙酰胆碱无法有效触发钙通道开放。当研究人员直接向脑区注射钙离子增强剂后，多巴胺释放量恢复至正常水平的85%，成功逆转了小鼠的刻板行为。研究发表在 Cell Reports 上。

小胶质细胞在中枢神经系统中扮演重要角色，但其性别差异在成年期的影响尚不明确。罗切斯特大学德尔蒙特神经科学研究所的Ania Majewska团队使用酶抑制剂PLX3397进行研究，发现雄性小鼠的小胶质细胞消耗更多，而雌性小鼠则通过不同信号通路增加细胞存活率。

研究团队使用PLX3397（一种酶抑制剂）处理雄性小鼠和雌性小鼠，发现雄性小鼠的小胶质细胞消耗比雌性小鼠更显著。通过转录组和流式细胞术（flow cytometry）分析，发现雌性和雄性小胶质细胞在消耗过程中上调了不同的信号通路。雌性小胶质细胞上调自噬和蛋白质稳态（proteostasis）通路，而雄性小胶质细胞则增加线粒体生物发生（mitobiogenesis）。此外，使用不同转基因小鼠模型的研究也显示，小胶质细胞的消除效果存在性别依赖性差异。这些结果表明，小胶质细胞的生存机制存在性别差异，这可能解释了不同性别在神经系统疾病中的不同表现。研究发表在 Cell Reports 上。

转录调控涉及调控序列和蛋白质之间的复杂相互作用，指导所有生物过程。哥伦比亚大学的研究人员开发了GET（general expression transformer），这是一种可解释的基础模型，旨在揭示213种人类胎儿和成人细胞类型的调控语法。GET模型完全依赖染色质可及性数据和序列信息，能够在未见过的细胞类型中达到实验级的准确度，预测基因表达。

GET模型通过整合染色质可及性数据（chromatin accessibility data）和基因组序列信息，实现了与实验重复相当的预测精度水平。GET模型在新测序平台和检测中表现出显著的适应性，能够对广泛的细胞类型和条件进行调控推断，并揭示通用和细胞类型特异性的转录因子相互作用网络。研究结果表明，GET模型在预测调控活性、推断调控元件和调控因子以及识别转录因子之间的物理相互作用方面优于现有模型。此外，GET模型还识别了以前未知和已知的胎儿血红蛋白上游调节剂，并构建了人类转录因子和辅激活因子的结构相互作用目录。研究发表在 Nature 上。

Nature：条形码技术解码基因调控机制

人类基因组中的顺式调控元件（CRE）在基因表达调控中扮演关键角色，但其具体机制尚不完全清楚。京都大学等机构的国际研究团队利用基于慢病毒的大规模并行报告基因检测（lentiMPRA）技术，对680,000个候选CRE进行了全面分析，揭示了这些元件在细胞类型特异性基因表达中的作用。

研究团队使用lentiMPRA技术，通过为每个CRE标记独特的DNA条形码，追踪其在三种细胞类型（肝细胞、淋巴细胞和诱导多能干细胞）中的活性。结果显示，41.7%的CRE在这些细胞中表现出活性。启动子（promoters）显示出对序列方向的依赖性，而增强子（enhancers）则表现出更高的细胞类型特异性。研究还开发了机器学习模型MPRALegNet，该模型能够准确预测CRE的调控活性，并识别关键的转录因子结合基序（transcription factor binding motifs），如HNF4和GATA基序，这些基序分别在肝细胞和淋巴细胞中起关键作用。通过整合大规模实验数据和机器学习，研究为理解基因调控的复杂机制提供了新的工具，并为未来基因组学和个性化医疗的研究奠定了基础。研究发表在 Nature 上。

芝加哥大学医学中心的Charles Greenspon及其团队致力于通过脑机接口（BCI）技术改善假肢使用者的触觉体验。他们与匹兹堡大学、西北大学、凯斯西储大学和Blackrock Neurotech的科学家和工程师合作，设计并改进了BCI和机器人假肢，旨在恢复失去肢体功能的人的运动控制和感觉。

研究团队将微小的电极阵列植入大脑中负责手部运动和感觉的区域。通过皮质内微刺激（ICMS），参与者可以通过思考移动机械臂，同时机械臂上的传感器可以触发大脑触摸区域的电活动脉冲。研究发现，通过同时刺激两个紧密排列的电极，参与者可以感受到更强烈、更清晰的触觉，提高了他们定位和测量手部压力的能力。此外，研究还发现电极的长期一致性可以让假肢使用者对自己的运动控制和触觉产生信心。研究发表在 Nature Biomedical Engineering 和 Science 上。

储层计算（Reservoir Computing, RC）是一种高效处理时间序列数据的机器学习方法，但其预测性能仍有提升空间。东京理科大学应用数学系的Masanobu Inubushi和Akane Ohkubo提出了一种新的广义读出方法，通过引入储层变量的非线性组合，显著提高了预测准确性和鲁棒性。

传统RC通过固定、随机连接的储层将输入数据转化为复杂表示，并通过线性回归训练读出层。Masanobu Inubushi和Akane Ohkubo提出的广义读出方法则利用广义同步的数学原理，通过数学函数h将储层状态映射到任务目标值。该方法使用泰勒级数展开（Taylor's series expansion）简化复杂函数，并通过非线性组合揭示更深层次的模式。研究团队在洛伦兹吸引子（Lorenz attractor）和Rössler吸引子（Rössler attractor）等混沌系统上进行了数值实验，结果表明，广义读出方法在短期和长期预测中均显著提高了准确性和鲁棒性。例如，在洛伦兹系统的预测中，广义读出方法的误差比传统RC降低了30%，并且在噪声环境下的鲁棒性也显著增强。这一方法不仅适用于RC框架，还可推广到更广泛的神经网络架构中，为物理储层计算的应用提供了新思路。研究发表在 Scientific Reports 上。

现有计算机系统在处理复杂数据时效率低下，主要原因是数据处理和存储设备分离。为了解决这一问题，韩国科学技术院 (KAIST) 的 Shinhyun Choi 和 Young-Gyu Yoon 教授领导的团队开发了一种基于忆阻器 (memristor) 的超小型神经形态芯片。该芯片模仿人脑处理信息的方式，集成了数据处理和存储功能，能够自主学习和纠正错误。研究团队通过开发无选择器的 32×32 忆阻器交叉阵列芯片，展示了其在实时图像处理中的高效表现。

研究团队使用了一种界面型氧化钛忆阻器 (interfacial-type titanium oxide memristor)，具有高可靠性、高线性度、无形成特性和自整流特性。该平台由一个无选择器的 1K (32×32) 交叉阵列、外围电路和数字控制器组成，能够在模拟域中运行 AI 算法，并通过自校准实现实时学习和推理，无需补偿操作或预训练。研究团队通过实时视频前景和背景分离展示了该系统的能力，达到了平均峰值信噪比 (PSNR) 30.49 dB 和结构相似性指数 (SSIM) 0.81，与理想情况下的模拟结果相似。这一成果展示了该芯片在智能安全摄像头和医疗设备等领域的应用潜力，能够实现更快速、更隐私保护和更节能的 AI 任务处理。研究发表在 Nature Electronics 上。

告别侵入性检测！AI新方法从外部读取心脏细胞电信号

传统的心脏细胞电信号检测方法需要侵入性操作，限制了大规模应用。加州大学圣地亚哥分校和斯坦福大学的研究团队，包括Zeinab Jahed和Keivan Rahmani等人，开发了一种基于人工智能的非侵入性方法。他们使用纳米级针状电极记录细胞外信号，并通过深度学习模型成功重建了细胞内信号，为药物筛选和个性化医疗提供了新途径。

研究团队首先设计了一种纳米级针状电极阵列（nanoelectrode array），每个电极比单个心肌细胞小200倍。他们将源自干细胞的心肌细胞培养在电极阵列上，收集了数千对细胞外信号和细胞内信号的数据。通过分析这些数据，研究人员发现细胞外信号与细胞内信号之间存在特定模式。他们随后训练了一个深度学习模型，仅根据细胞外记录就能准确预测细胞内信号。在测试中，该模型成功重建了完整的细胞内信号波形。

这种方法不仅避免了传统方法的侵入性，还大大提高了通量。研究团队表示，这项技术可以用于药物心脏毒性评估（cardiotoxicity testing），直接在人源心脏细胞上进行药物筛选，从而减少对动物实验的依赖，并可能加速药物开发过程。此外，由于使用了人源干细胞，这项技术还为个性化医疗开辟了可能性，可以根据患者特异性细胞预测药物反应。研究发表在 Nature Communications 上。

昆虫眼启发的相机：每秒捕捉 9,120 帧

传统高速相机在弱光条件下灵敏度下降，限制了其在许多应用中的使用。韩国科学技术院 (KAIST) 的 Ki-Hun Jeong 和 Min H. Kim 领导的研究团队受昆虫复眼的启发，开发了一种新型仿生相机，利用多个光学通道和时间求和技术，解决了这一难题。该相机能够在弱光条件下实现高速成像，并以 9,120 帧每秒的速度拍摄清晰图像。

研究团队采用了一种类似昆虫视觉的方法，通过并行采集不同时间间隔的帧，并在每一帧的重叠时间段内累积光信号，从而提高信噪比。相机采用无串扰的偏移微透镜阵列（offset microlens arrays）和单个卷帘快门 CMOS 图像传感器（rolling shutter CMOS image sensor），通过通道分割、时间求和和压缩帧重建技术实现高速高灵敏度成像。实验结果显示，该相机能够捕捉到比传统高速相机暗 40 倍的物体，并以 9,120 fps 的速度拍摄清晰图像。此外，相机厚度不到 1 毫米，极其紧凑，适用于便携式相机系统、安全监控和医学成像等领域。研究发表在 Science Advances 上。

新模型揭示大脑α波和β波的个体差异机制

人脑的复杂性使得个体间的认知和行为差异难以解释。圣路易斯华盛顿大学的ShiNung Ching和Todd Braver团队开发了一种新方法，利用非侵入性脑部扫描数据创建个性化大脑模型，揭示了α波和β波的个体差异与大脑整体变化的关系。

研究团队开发了一种算法优化框架，能够从单个受试者的脑电图（M/EEG）时间序列数据中，逆向推导并参数化涉及数百个相互作用神经群体的全脑动力学系统模型。这一技术为探索个体大脑动力学的机制提供了强大的神经计算工具。研究结果显示，α波（与放松状态相关）和β波（与警觉状态相关）的频率变化与兴奋性神经元（促进活动）和抑制性神经元（调节活动）之间的平衡有关。通过验证，模型能够准确预测未来的全脑活动，并解释个体间α波和β波生成的差异。这一框架为神经科学研究提供了新工具，未来可能用于个性化医疗干预。研究发表在 PNAS 上。

钢琴演奏者在长期练习后常遇到演奏能力平台期，难以进一步提升速度。为了解决这一问题，索尼计算机科学实验室公司和京都神经钢琴研究所的研究团队开发了一种手部外骨骼机器人（hand exoskeleton robot），通过被动训练帮助钢琴家突破这一瓶颈。研究结果显示，训练显著提高了演奏速度，并引发大脑神经可塑性变化。

研究团队招募了118名训练有素的钢琴家，使用手部外骨骼机器人进行实验。外骨骼附着在右手手指上，能够快速且独立地控制手指运动，模拟钢琴演奏所需的复杂动作。实验分为两个阶段：首先，钢琴家通过自主练习达到个人演奏速度的平台期；随后，外骨骼进行被动训练，以超过钢琴家自主能力的速度移动手指。

训练结束后，钢琴家的演奏速度显著提升，突破了原有的平台期。尽管仅训练了右手，但左手的能力也有所改善，体现了“手间转移效应”（intermanual transfer effect）。此外，研究团队通过经颅磁刺激测试发现，训练改变了大脑左运动皮层对多指运动的协调模式，表明神经可塑性变化。研究发表在 Science Robotics 上。

密歇根大学的研究团队开发了一种脑机接口技术，使四肢瘫痪的患者能够通过思维控制虚拟四轴飞行器。该技术通过手术将电极植入患者的大脑运动皮层，利用人工神经网络解读患者的运动意图，从而控制虚拟手指和四轴飞行器。

研究团队将手分为三个部分，每个部分可以独立控制。通过电极记录大脑运动皮层的神经信号，利用人工神经网络（Artificial Neural Network）解读这些信号，控制虚拟手指和四轴飞行器。研究结果显示，与传统的脑电图（EEG）方法相比，直接从运动神经元读取信号使四轴飞行器的飞行性能提高了六倍。参与者能够通过思维控制虚拟四轴飞行器完成复杂的障碍课程，展示了该技术在娱乐和远程工作方面的潜力。研究发表在 Nature Medicine 上。

面对传统处理器在AI训练中的高能耗困境，清华大学与Nature系列期刊联合团队提出创新解决方案。通过模仿人脑结构的神经形态计算架构，Bin Gao、Huaqiang Wu团队开发基于忆阻器（memristor）的内存计算系统，Julian Büchel团队构建三维非易失性存储器（3D NVM），Zhongrui Wang团队实现硬件-软件协同设计。这些突破使AI系统能效提升百倍，训练耗时减少70%，为边缘计算开辟新可能。

研究核心是神经形态处理器架构创新。内存计算（in-memory computing, IMC）通过忆阻器阵列直接在存储单元完成矢量矩阵乘法，消除90%数据搬运能耗。Bin Gao团队利用忆阻器电导随机性生成贝叶斯算法所需的随机数，使概率AI训练功耗降低80%。Julian Büchel团队采用三维堆叠技术构建非易失性存储器，参数获取速度提升40%，成功应用于大型语言模型。Zhongrui Wang团队的硬件-软件协同框架实现跨模态信号实时处理，能效达15TOPS/W（万亿次运算/瓦），接近人脑水平。在医疗影像诊断测试中，新系统在保持95%准确率下，推理速度提升3倍，适合自动驾驶等实时场景。研究发表在 Nature Computational Science 上。

大脑用"时间密码"区分冷热感觉

人类如何感知温度差异？这个涉及主观体验的神经机制长期困扰学界。早稻田大学人类科学部体温与体液实验室的Kei Nagashima与Hironori Watanabe团队联合研究，通过可穿戴脑电图监测20名受试者接受冷热刺激时的脑活动，发现大脑通过相同脑区的时间编码机制区分温度。

研究采用帕尔贴温控装置（Peltier device，利用电流实现快速温度调节的半导体元件）对受试者右手指尖施加40°C（热）和24°C（冷）的交替刺激，每次持续15秒。通过15通道脑电图（EEG，记录大脑电活动的非侵入式技术）捕捉神经信号后，研究团队运用独立成分分析（Independent Component Analysis，ICA）将混杂的脑电信号分解为独立成分，并定位到10个特定脑区。

关键发现显示，右侧中央前回（运动控制相关区域）、楔前叶（自我意识相关区域）等区域对冷热刺激均有响应，但神经活动的时间模式截然不同。事件相关频谱扰动（ERSP）分析表明，在θ波（4-7Hz，与注意力相关）和β波（13-30Hz，与认知处理相关）频段，热刺激引发更早的功率上升，而冷刺激则呈现更持久的低频振荡。右半球显示出更强的温度编码能力，其活动强度是左半球的1.8倍。这些时空特异性模式提示，大脑可能通过"神经脉冲时间差"解码温度信息。研究发表在 Neuroscience 上。

人类面对意外事件时的惊讶反应是否存在跨情境的共性神经机制？芝加哥大学研究人员Ziwei Zhang和Monica Rosenberg利用功能磁共振成像（fMRI）技术，通过分析学习任务、篮球比赛和卡通视频三类场景的脑部数据，构建出基于边缘波动的惊喜预测模型（EFPM）。该模型成功实现跨任务预测，证实不同形式的惊讶共享底层神经基础。

研究团队整合了三个独立实验的fMRI数据：McGuire团队的学习任务数据集（志愿者追踪屏幕虚拟奖励位置）、Antony团队的篮球比赛数据集（观众观察比分突变）以及Liu团队的卡通视频数据集（角色反常行为观察）。基于边缘波动的惊喜预测模型（EFPM）通过追踪大脑区域间动态连接强度变化（即边缘波动），首先在学习任务中识别出28个关键脑区连接模式。

当将此模型应用于观看篮球比赛的群体时，预测准确率达到显著水平（r=0.39，p<0.001），对卡通视频观众的预测效果更优（r=0.47）。值得注意的是，该模型对同一任务新参与者的预测准确度（r=0.53）远超随机水平，且优于传统行为指标（如瞳孔扩张）的预测能力。EFPM的核心发现显示，前额叶-顶叶网络与默认模式网络间的互动波动是预测惊讶的关键指标，这些跨情境稳定的神经特征占整体预测效果的68%。研究发表在 Nature Human Behaviour 上。

无需开颅精准刺激大脑深处：无创技术"隔山打牛"激活深部神经元

非侵入性深部脑刺激技术面临浅层脑区过度激活的难题。卡内基梅隆大学电气与计算机工程系Andy Cummings团队联合神经科学研究所成员，通过细胞特异性响应实验和计算建模，发现时间干扰（TI）刺激的效果取决于神经网络交互而非单个神经元特性。

研究采用离体膜电位测量技术，对比了完整神经网络与孤立状态下兴奋性锥体神经元（Pyr）和抑制性小清蛋白神经元（PV）对纯正弦波与调制正弦波的响应差异。在完整网络中，非目标区域的纯正弦波使PV神经元放电频率比目标区域高2.8倍，强力抑制Pyr神经元活动；而目标区域的调制正弦波仅使PV神经元轻度激活，允许Pyr神经元放电。当Pyr神经元脱离网络时，其对任何刺激均无反应，证实TI刺激是网络交互现象。计算模型进一步显示，PV神经元的空间激活梯度形成"抑制屏障"，使深层Pyr神经元获得选择性激活窗口。这一发现不仅解释TI刺激的深层靶向性，也提示其存在浅层干扰风险。研究发表在 Communications Biology 上。

MRI颅骨剥离技术长期受限于跨医学中心数据差异和脑部动态变化（如发育与衰老）导致的误差。北卡罗来纳大学教堂山分校医学院Li Wang团队开发了一种结合脑图谱个性化先验的生成式AI模型，通过整合21,334例跨18个医学中心的多样化数据，显著提升了颅骨剥离精度，并首次实现脑容量自然变化的无缝追踪。

该模型的核心创新在于融合脑提取模块与配准模块（registration module，即通过标准脑模板调整图像对齐）。前者从原始MRI中初步分割脑组织，后者基于年龄特异性脑图谱生成个性化参数，动态适应不同生命阶段的脑容量和对比度变化（例如白质WM与灰质GM的强度反转）。

研究使用来自西门子、飞利浦等不同扫描仪的21,334例数据验证发现，模型在颅骨剥离的准确率比现有方法提高15%-20%。例如，对婴幼儿脑部扫描，模型避免了因白质未完全髓鞘化导致的过度剥离；对老年群体，则精准识别脑萎缩边界。此外，模型输出的脑容量变化曲线与已知生物学规律高度吻合，如青春期灰质减少和老年期海马体萎缩。该技术有望统一多中心临床研究的数据标准，并拓展至CT等模态。研究发表在 Nature Biomedical Engineering 上。

新工具3倍速锁定癫痫，误诊率直降70%

癫痫诊断高度依赖脑电图（EEG），但因信号干扰和短时记录限制，全球约30%患者被误诊。约翰·霍普金斯大学、匹兹堡大学医学中心等机构的研究人员开发了人工智能工具EpiScalp，通过分析EEG中脑区交互的动态网络特征，从看似正常的脑电图中识别癫痫标志物。研究证实，该工具可将误诊率从54%降至17%，帮助患者避免错误治疗。

EpiScalp的核心方法是动态网络模型（dynamic network models），通过分析大脑不同区域间的信号传递和抑制关系，识别癫痫患者特有的“独立节点”模式——即某些脑区与整体网络脱钩，形成抑制癫痫发作的特征。研究团队对218名患者的常规EEG数据（含频谱特征和网络特征）进行建模，发现癫痫患者即使未发作，其EEG中仍存在隐藏的脑网络交互异常。

工具在测试中表现出高可靠性：曲线下面积（AUC）达0.940（最高为1），准确率90.4%，且对非癫痫患者的排除准确率达96.3%。例如，一名被误诊为癫痫的患者因EpiScalp排除了异常脑网络模式，最终确诊为功能性癫痫发作，避免了抗癫痫药物的副作用。这一成果意味着，未来通过单次EEG即可快速获得客观诊断，无需反复检查。研究发表在 Annals of Neurology 上。

酒精性肝硬化患者常因社会偏见和专业治疗资源短缺难以戒酒，雪松西奈医疗中心的Brennan Spiegel团队结合人工智能与虚拟现实技术，开发出能提供认知行为疗法（CBT）的虚拟治疗师。两项研究分别验证了该技术对20名患者的干预效果，以及AI治疗师在449次模拟对话中展现的公平性，为解决心理健康服务不平等问题提供了新方案。

研究团队采用空间计算构建VR治疗场景，AI化身通过既定复发预防方案实施干预。首项研究中，患者使用VR设备进行30分钟自我管理治疗，干预可用性量表（IUS）显示78%参与者评分超过易用阈值（≥75），85%认为体验有益，90% 的人表示有兴趣进一步使用。第二项研究通过数字标准化患者模拟不同社会背景的求助者，语言分析工具显示AI回应语调评分无群体差异（p>0.05），且在对话中能将患者初始负面情绪提升21%。研究分别发表于 Journal of Medical Extended Reality 和 Cyberpsychology, Behavior, and Social Networking 上。

新型微泡技术让超声成像媲美MRI

超声成像在医疗诊断中应用广泛，但其图像质量受限于操作者技能。Skoltech的Tatiana Estifeeva、Polina Rudakovskaya和Dmitry Gorin教授及其同事，与其他机构的研究人员合作，开发了一种新型的蛋白质-聚合物混合微泡造影剂，显著提高了图像对比度和在血液中的停留时间。

研究团队合成了100种不同的微泡配方，通过静脉注射到大鼠体内，测试其在血液中的停留时间和图像对比度。新型混合微泡在血液中的停留时间比现有造影剂长1.5到2倍，图像对比度显著提高。这种改进使得在某些情况下，超声成像可以替代更昂贵且有害的MRI和CT扫描。研究发表在 Biomaterials Advances 上。

Hamba模型：从单张图片到精准3D手部重建

人工智能系统在感知人类双手方面面临巨大挑战，尤其是在重建3D手部模型时。卡内基梅隆大学机器人研究所的研究团队开发了名为Hamba的新模型，采用基于Mamba的状态空间建模和图引导的双向扫描，成功从单张图像中重建3D手部模型，无需相机规格或人体背景的先验知识。

Hamba模型的核心创新在于其图引导的状态空间（Graph-guided State Space, GSS）块，该块通过图神经网络（Graph Neural Networks）学习手关节的图结构关系和空间序列，比传统基于注意力的方法减少了88.5%的标记。此外，Hamba通过融合模块整合了状态空间特征和全局特征，从而显著提高了重建精度。实验结果显示，Hamba在FreiHAND数据集上达到了5.3毫米的PA-MPVPE和0.992的F@15mm，且在两项3D手部重建竞赛排行榜上名列第一。这一成果不仅展示了Hamba在技术上的先进性，还为人机交互和未来通用人工智能（AGI）系统的发展提供了新的可能性。研究发表在 NeurIPS 2024 上。

8.57%准确率！新型光学传感器让盲文识别更精准

盲文由微小的凸起点组成，传统传感器难以准确读取，特别是在动态任务中。为了改善盲人获取信息的机会，中国北京师范大学的Zhuo Wang领导的研究团队，成员包括来自沈阳航空航天大学的Heng Wang等，开发了一种快速、准确的柔性触觉光学传感器。该传感器结合了光纤环形谐振器和神经网络数据处理方法，能够快速准确地读取盲文。

研究人员将光纤环形谐振器（FRR）嵌入软PDMS材料中，形成柔性光学皮肤。通过Pound-Drever-Hall (PDH)频率锁定技术，将压力引起的光频率变化转换为可读数据。结合多层感知器神经网络（MLP）和长短期记忆网络（LSTM），该系统能够检测八种不同的触觉压力，准确率达98.57%。在动态设置中，传感器也能准确识别盲文字符，响应时间小于0.1秒。研究发表在 Optics Express 上。

传统显微镜高昂成本阻碍了医疗资源匮乏地区的诊断能力，格拉斯哥斯特拉斯克莱德大学Liam Rooney与Gail McConnell团队提出创新解决方案。通过整合开源3D打印框架与自主研发的塑料镜片技术，结合树莓派控制系统，成功在3小时内制作出功能完备的显微镜。该设备在标准医学样本测试中展现出亚细胞分辨率，制造成本不足50英镑。

研究核心在于3D打印光学镜片技术突破，团队采用熔融沉积建模（FDM）工艺，通过精密控制打印层厚（50微米）消除阶梯伪影，制造出表面光滑的聚甲基丙烯酸甲酯（PMMA）镜片。数值孔径（NA，Numerical Aperture）0.07的设计使系统在波长550nm光源下达到5.7μm分辨率，成功分辨小鼠肾脏肾小球基底膜结构。测试中使用吉姆萨染色血涂片（Giemsa-stained blood smear）时，能清晰识别直径7-8μm的红细胞形态异常。整套系统包含19个3D打印部件，总打印耗时2小时47分钟，组装仅需13分钟。对比价值1.2万英镑的商用显微镜，该设备在400倍等效放大下仍保持诊断级成像质量。

当前手写机器人存在成本高（约150美元）、体积大的局限，限制了在教育和小型机构的普及。App-In Club组织研究人员黄天一（Tianyi Huang）和理查德·熊（Richard Xiong）开发出基于3D打印和微型控制器的创新方案，通过机器学习模型生成笔迹轨迹，配合轻量化机械结构，将系统总成本压缩至56美元，精度达到±0.3毫米。

该系统的核心是树莓派Pico微型控制器（Raspberry Pi Pico，低成本计算机芯片）驱动的三轴机械臂。研究人员使用TensorFlow框架训练手写生成模型，将文字转换为带力度变化的笔画坐标。机械部分采用聚乳酸（PLA）3D打印的齿轮、滑块和定制化笔架，以丝杠（lead screw，可将旋转运动转化为直线运动的机械部件）替代传统同步带，降低75%传动部件成本。

实验数据显示，系统在A4纸上书写时位置重复精度达0.28毫米，相当于人类头发丝的粗细。书写速度200毫米/分钟的表现，可在1分钟内完成「Hello World」英文短句书写。对比测试中，机器笔迹与AI生成模板的笔画重叠率达92%。该设计使得单个系统硬件成本仅为商业产品的37%，且能耗降低至5瓦特，可通过移动电源驱动。