追问weekly | 过去一周，脑科学领域有哪些新发现？Vol.60

在动态环境中，动物需要灵活调整行为策略以生存。Sainsbury Wellcome Centre的Mehran Ahmadlou和Sonja Hofer团队使用光遗传学操作、钙成像和神经回路追踪技术，研究了小鼠中缝核（MRN）的三种主要细胞类型的功能，揭示了它们在行为策略转换中的核心作用。

研究涉及小鼠中缝核的三种主要细胞类型：GABA能神经元、谷氨酸能神经元和血清素能神经元。研究发现，抑制GABA能神经元会导致坚持行为，激活谷氨酸能神经元会驱动探索行为，而抑制血清素能神经元会导致放弃行为。研究发表在 Nature 上。

Nature：无成瘾性止痛药，慢性疼痛的救星

慢性疼痛治疗长期依赖阿片类药物，但其成瘾性和副作用问题严重。华盛顿大学圣路易斯分校和斯坦福大学的研究团队开发了一种新型大麻素化合物，通过设计带正电荷的分子使其无法进入大脑，从而避免了精神活性副作用和成瘾性。该化合物在小鼠模型中表现出显著的镇痛效果且不会产生耐受性。

研究团队通过计算设计了一种带正电荷的大麻素受体1（CB1）激动剂MDMB-Fubinaca的衍生物，使其能够结合到一个通过分子动力学模拟发现的隐藏口袋中。这种设计减少了arrestin（一种与耐受性相关的蛋白质）的招募，从而降低了药物的耐受性。研究团队通过结构测定、药理学实验和分子动力学模拟验证了这种结合模式，并发现其主要通过外周CB1受体发挥镇痛作用，且在中枢神经系统中的副作用显著减少。这种名为VIP36的化合物在三种小鼠疼痛模型中表现出显著的镇痛效果，且与中枢介导的副作用剂量相差100倍。研究发表在 Nature 上。

长期肥胖显著影响大脑健康和认知能力

肥胖与大脑和认知健康的关系已被广泛关注，但长期肥胖轨迹对大脑和认知衰老的具体影响尚不明确。研究人员 利用英国生物库的数据，通过多方面肥胖测量，识别了五种不同的肥胖轨迹，并评估了它们对大脑和认知能力的影响。

研究团队使用英国生物库的多方面肥胖测量数据，识别了五种不同的肥胖轨迹：低稳定、中稳定、高稳定、增加和减少。研究发现，减少轨迹中的个体对大脑结构和认知表现的不利影响最小，而增加和中高稳定轨迹与大脑形态、功能连接和认知能力的逐渐加重损伤相关。

具体而言，不利影响从增加轨迹中的额叶中脑边缘区域延伸到中稳定轨迹中的顶叶和颞叶区域，最终导致高稳定组出现广泛的大脑异常。这些发现强调了肥胖发展与大脑认知健康之间的动态关系，强调了通过多方面方法长期监测和管理肥胖的临床重要性。研究发表在 Nature Mental Health 上。

酒精使用障碍（AUD）患者常表现出对未来思考能力受损和冲动决策倾向。弗吉尼亚理工大学的研究团队，包括Warren Bickel和Stephen LaConte，通过fMRI技术研究了24名参与者的大脑活动，发现情景未来思维（EFT）可以改变大脑连接，减少冲动，改善决策。

研究团队使用功能磁共振成像技术，对24名参与者进行了静息状态和基于任务（延迟折扣，DD）的扫描。参与者首先在扫描仪外进行引导访谈，生成关于未来或最近过去的场景和线索。结果显示，EFT参与者在延迟折扣率上有显著改善，静息状态分析显示左海马体与额极的连接性差异，显着性网络与右背外侧前额叶皮层（R DLPFC）的连接性差异。这些发现表明，EFT可能通过改变神经连接模式来改善AUD患者的决策能力。研究发表在 Brain Connectivity 上。

低质量恋爱关系更费脑，研究揭示情感同步的神经代价

情绪在恋爱关系中至关重要，但关系质量与神经同步之间的联系尚不明确。中国科学技术大学心理学系的研究团队使用脑电图超扫描技术，在非交互式视频观看模式下比较了情侣和朋友的情绪协调。研究发现，情侣比朋友表现出更高的情绪和前额叶阿尔法同步性，尤其是在关系质量较低的情况下。

研究采用脑电图超扫描技术，记录了25对异性恋情侣和25对异性恋朋友在观看情绪视频时的脑电信号。通过问卷调查和自我评估模型（SAM）评分法，研究人员评估了参与者的主观情绪体验。结果显示，情侣在行为和前额叶阿尔法同步性方面显著高于朋友。关系质量较低的情侣需要更高的神经同步来维持行为同步。支持向量机分析进一步表明，前额叶活动在区分情侣和朋友方面起着关键作用。研究通过自然非互动环境，揭示了关系质量相关的内在情绪如何影响神经和行为同步，为理解恋爱关系中的情绪协调机制提供了新见解。研究发表在 NeuroImage 上。

西北大学、匹兹堡大学和威斯康星大学麦迪逊分校的研究团队发现，颞横回（Heschl's gyrus）在解读语音音调变化方面扮演着比之前认为的更重要的角色。通过颅内电极记录，研究人员与11名接受癫痫治疗的青少年患者合作，实时追踪了多个大脑区域的活跃情况，揭示了颞横回不仅处理声音，还将音调的微妙变化转化为有意义的语言信息。

研究团队使用颅内电极记录技术，对11名癫痫患者的大脑活动进行了实时监测。当这些患者聆听《爱丽丝梦游仙境》的有声书录音时，研究人员发现赫斯勒回（HG）不仅处理声音，还将音调的微妙变化转化为有意义的语言信息。颞横回将音调重音（pitch accents）与构成单词的声音分开编码，这一发现挑战了关于大脑如何处理韵律的长期假设。多变量模型证实了HG对音调重音类别的独特表示。在非人类灵长类动物中，尽管有强大的频谱时间处理能力，但音调重音并未被抽象编码，这突出了经验在塑造抽象表示中的作用。研究发表在 Nature Communications 上。

随着智能手机的普及，过度使用智能手机对身心健康的影响引起了广泛关注。Sanjukta Mondal等科学家在发表了一项研究，他们招募了25名18至30岁的年轻人，进行了72小时的智能手机限制实验，期间进行了心理测试和功能性磁共振成像脑部扫描。扫描结果显示，限制使用智能手机会导致大脑中与多巴胺和血清素相关的区域活动发生变化，呈现类似于物质或酒精成瘾时的模式。

研究团队使用功能性磁共振成像来观察25名年轻成年人在72小时智能手机限制后的神经活动变化。他们通过对比智能手机图像和中性刺激图像，以及开启和关闭的智能手机图像，来评估大脑的反应。研究发现，智能手机限制后，大脑的奖励处理区域，特别是伏隔核和前扣带皮层，出现了显著的活动变化。这些变化与多巴胺和血清素受体的概率显著相关。此外，顶叶皮层的活动与渴望程度之间存在显著关联。研究发表在 Computers in Human Behavior 上。

细胞通透肽：神经再生的新钥匙

每年，数百万美国人因脊髓损伤、脑外伤及神经退行性疾病（如阿尔茨海默病、帕金森病等）而遭受神经功能损害。罗格斯大学纽瓦克分校的 Pabitra Sahoo 及其团队开发了一种细胞通透肽（cell-permeable peptide），通过溶解神经轴突中的应激颗粒（stress granules），成功促进了周围神经系统（PNS）和中枢神经系统（CNS）的轴突再生。

研究团队发现，G3BP1 蛋白在中枢神经系统轴突中形成应激颗粒，抑制轴突再生。通过设计一种源自 G3BP1 的细胞通透肽，团队成功分解了这些颗粒，从而加速了轴突再生。实验表明，该肽在坐骨神经损伤、脊髓横断和视神经损伤中均有效。此外，该肽还能促进实验室培养的人类神经元的轴突生长，并增加皮质神经元中的蛋白质合成。这些结果表明，G3BP1 颗粒是轴突再生的关键障碍，其分解可能成为治疗神经损伤的新策略。研究发表在 PNAS 上。

睡眠纺锤波：昏迷患者康复的关键信号

昏迷患者的意识状态难以准确判断，哥伦比亚大学欧文医学中心的Jan Claassen团队通过分析脑电图中的睡眠纺锤波（sleep spindles），发现这些脑波可以预测患者的长期康复潜力。研究团队对226名急性脑损伤患者进行了夜间脑电图分析，揭示了睡眠纺锤波与认知运动分离（CMD）的关系。

研究团队使用脑电图记录了226名昏迷患者的夜间大脑活动，重点关注睡眠纺锤波的出现及其与认知运动分离（CMD）的关系。睡眠纺锤波是大脑在睡眠期间出现的快速、有组织的脑电活动，表明丘脑和皮层之间的神经回路完好。研究发现，约三分之一的患者表现出明确的睡眠纺锤波，其中一半患者同时具有CMD。这些患者更有可能恢复意识和功能独立性。76%的具有睡眠纺锤波和CMD的患者在出院时表现出意识迹象，41%在一年后恢复了神经功能。相比之下，没有睡眠纺锤波和CMD的患者中，只有29%在出院时表现出意识迹象，7%在一年后恢复了神经功能。研究还指出，尽管这些发现不能证明诱导睡眠纺锤波会直接改善康复，但它们为改善患者睡眠环境以促进康复提供了可能性。研究发表在 Nature Medicine 上。

从瞳孔看睡眠：大脑活动的实时反映

苏黎世联邦理工学院的研究团队首次观察了睡眠期间瞳孔的反应，发现大脑在睡眠期间的活动比之前认为的更为复杂。研究团队开发了一种新方法，通过特殊粘合技术和透明膏药使测试对象的眼睛保持睁开数小时，记录瞳孔动态。

数据分析显示，瞳孔动态不仅与睡眠的不同阶段有关，还与特定的脑活动模式相关，如睡眠纺锤波和深度睡眠波。此外，大脑对声音的反应程度不同，这取决于激活水平，这反映在瞳孔大小上。研究发表在 Nature Communications 上。

研究探讨了小鼠大脑在触觉缺失情况下的重组能力，由Guillermina López-Bendito领导的实验室与瑞士弗里德里希·米歇尔生物医学研究所合作进行。研究发现，体感皮层能在出生时感觉刺激缺失的情况下改变其结构和功能。

研究使用天生没有主要胡须的小鼠模型，通过基因和生物信息学分析技术观察大脑区域的变化。结果显示，主要胡须缺失后，处理这些信息的大脑区域几乎消失，而上唇胡须相关区域扩大。丘脑神经元在主要胡须缺失后，采用与主要胡须相似的遗传特征，实现皮层重组。行为实验证实，成年小鼠能仅用上唇胡须区分粗糙和光滑表面。研究发表在 Nature Communications 上。

大脑血管分布不均，视觉区域更密集

大脑血管网络为脑部提供氧气和营养，但其分布与能量需求的关系尚不明确。日本理化学研究所的Joonas Autio及其团队通过高分辨率磁共振成像技术，绘制了猕猴大脑中血管分布的详细图谱，揭示了血管分布与神经解剖学差异的密切关联。

研究团队使用高分辨率磁共振成像技术，结合纳米氧化铁加权层流分辨率多回波梯度回波成像，对猕猴大脑的血管分布进行了详细测量。结果显示，脑血容量（CBV）在不同脑区差异显著，初级感觉区的CBV较高，而负责高级认知功能的联合区CBV较低。研究还发现，CBV与神经元密度呈正相关，与受体密度呈负相关。通过调整图像分辨率，研究团队成功描绘了约30%的动静脉血管。这一研究为脑血管MRI技术的改进提供了重要方法学支持，并揭示了神经代谢因素与血管网络结构之间的联系。研究发表在 eLife 上。

人类神经元独立于环境存储记忆

人类记忆存储的机制一直是神经科学领域的核心问题。德尔玛医院医学研究所的Rodrigo Quian Quiroga及其团队通过研究难治性癫痫患者的大脑活动，首次揭示了神经元如何独立于环境存储记忆。这一发现挑战了以往在动物研究中观察到的神经元编码方式，表明人类记忆存储具有更高的抽象性。

研究团队在9名难治性癫痫患者的大脑中植入电极，监测特定神经元群的活动。患者被要求学习两个以同一个人为主角但背景不同的故事，并通过图像辅助记忆。结果显示，几乎所有神经元（97%在编码阶段，100%在回忆阶段）对特定概念的反应不受背景影响。此外，几乎没有神经元（<1%）表现出连接编码，即在特定背景下对特定概念做出反应。这表明人类海马体和杏仁核中的神经元采用了一种上下文不变的编码方式，这与在其他物种中观察到的结果截然不同。这种编码方式可能是人类智能的独特特征。研究发表在 Cell Reports 上。

疼痛和瘙痒是两种不愉快的感觉，但它们引发不同的反应。基础科学研究所认知与社会性研究中心主任Kaang Bong-Kiun和庆熙大学医学院教授Ko Hyoung-Gon领导的研究团队，通过分析前扣带回皮层（ACC）对疼痛和瘙痒刺激的神经元反应模式，揭示了大脑如何区分这两种感觉的神经机制。

研究团队使用双eGRASP技术，一种先进的突触分析方法，发现ACC中的刺激特异性神经元从背侧丘脑接收不同的突触输入。通过化学遗传学技术选择性地关闭疼痛特异性或瘙痒特异性神经元，结果显示抑制疼痛神经元可以减少疼痛感知而不影响瘙痒，反之亦然。这一发现表明，这些神经元在我们体验疼痛和瘙痒的过程中起着直接作用。研究发表在 Nature Communications 上。

随着生成人工智能工具的普及，科学摄影面临着新的挑战。科学摄影师 Felice Frankel 发表了一篇评论文章，探讨了 GenAI 对科学摄影的影响，特别是其在研究交流中的挑战和伦理问题。

Frankel 使用 Midjourney 和 DALL-E 等 GenAI 工具生成图像，并与她自己的摄影作品进行对比。她发现，尽管 GenAI 生成的图像在某些情况下可以用于插图，但它们不适合作为科学记录。GenAI 图像往往缺乏真实性和准确性，无法完全替代传统的科学摄影。Frankel 强调，科学图像的真实性和伦理问题需要得到更多的关注，并呼吁研究人员在使用 GenAI 图像时明确标注其来源和生成方式。研究发表在 Nature 上。

沙漠蝗虫的集体行为是自然界中最引人注目的现象之一，但其背后的机制尚不完全清楚。传统模型如自驱动粒子模型（SPP）虽然能解释部分行为，但与实际观察存在不一致。Sercan Sayin、Einat Couzin-Fuchs、Inga Petelski等研究人员通过整合野外、实验室和虚拟现实技术，重新审视了蝗虫集体行为的机制。

研究的关键方法是使用虚拟现实技术，研究人员让蝗虫若虫在高速运动补偿球上自由移动，同时沉浸在包含其他蝗虫模拟的全景三维投影中。通过这种方式，他们能够精确控制环境并观察蝗虫的行为。研究发现，蝗虫并不遵循传统的固定行为规则，如与邻近蝗虫对齐或响应光学流。相反，其他蝗虫更像是目标，吸引焦点蝗虫向其移动。这一结果与环形吸引子模型（ring attractor model）最为一致，表明蝗虫的集体行为更依赖于动态的感官输入和内部神经回路。此外，重新分析之前的数据发现，蝗虫的集体运动并不需要密度阈值。这一研究为理解蝗虫集体行为提供了新的视角，未来可能有助于预测和管理蝗虫灾害。研究发表在 Science 上。

人工智能在识别动物面部表情方面正逐渐超越人类，尤其是在检测压力和痛苦迹象方面表现优异。英国西英格兰布里斯托尔大学（UWE）和苏格兰农业大学（SRUC）的科学家们开发了名为Intellipig的系统，旨在通过人工智能提升动物福利。

研究团队使用人工智能系统分析动物面部表情，通过摄像头捕捉猪、猫、马等动物的面部特征，并结合深度学习算法识别其情绪状态。人工智能系统在识别动物痛苦和压力方面表现出色，准确率高达97%，甚至在某些情况下超越了专业兽医的判断。这一技术有望在智能农场和动物护理中广泛应用，提升动物的生活质量。研究发表在 Science 上。

为了降低高性能计算机的运行成本并提高可靠性，美国能源部托马斯·杰斐逊国家加速器设施的团队开发了基于机器学习的管理系统DIDACT（数字数据中心孪生）。研究团队包括布莱恩·赫斯、艾哈迈德·胡萨姆·穆罕默德和戴安娜·麦斯帕登等。他们使用持续学习的方法训练人工神经网络，每天选出表现最佳的“日冠军”，以优化数据中心资源使用。

DIDACT系统通过持续学习方法训练人工神经网络，使用名为“沙箱”的测试床集群进行模型评估。模型每天根据新数据竞争，选出误差最低的“日冠军”，用于实时监控数据中心行为。研究显示，DIDACT能够有效减少停机时间并优化资源使用，从而降低成本和提升科学效率。未来研究将探索优化数据中心能耗的机器学习框架，例如减少冷却用水或根据数据处理需求调整核心频率。研究发表在 IEEE Software 上。

虚拟现实和增强现实技术在视觉和听觉方面取得了显著进展，但在味觉等化学感官领域的应用仍较为有限。为了填补这一空白，俄亥俄州立大学的Jinhua Li及其团队开发了一种名为“e-Taste”的新型设备，旨在通过远程感知和复制味觉来增强虚拟现实体验。该设备结合了传感器和无线化学释放器，能够识别代表五种基本味觉（甜、酸、咸、苦、鲜）的化学分子，并通过电信号将数据传输到远程设备进行复制。

e-Taste设备的核心是一个由两部分组成的执行器，包括与口腔接口和一个小型电磁泵。电磁泵连接到一种化学液体通道，当有电荷通过时，通道会振动，推动溶液通过一种特殊凝胶层进入受试者的口腔。根据溶液与凝胶层交互的时间长短，可以调整味道的强度和持续时间。研究团队通过实地测试证实，该设备能够数字模拟多种味觉强度，用户能够以约70%的准确率区分不同酸度强度。此外，设备还展示了远程味觉传输的能力，例如从加利福尼亚远程启动俄亥俄州的味觉体验。研究结果发表在 Science Advances 上。

气味词典：气味感知的标准化语言系统

耶拿弗里德里希席勒大学的Antonie Bierling和Alexander Croy等研究人员，为了解决人类对气味感知的复杂性问题，与德累斯顿工业大学的同事合作，创建了一个基础气味数据库。他们让1,200多名测试对象闻了74个单分子气味样本，并记录了他们如何描述和评估这些气味。研究结果通过一款应用程序向公众开放。

研究人员通过让1,227名年轻人描述和评估74种化学结构多样的单分子气味（mono-molecular odorants），收集了自由描述、评价评分和定性标签的数据。这些数据为理解嗅觉感知的基础提供了宝贵的基础。此外，他们还与芬兰、以色列和捷克共和国的研究人员合作，开发了一个记录体味的数据集，名为SMELLODI项目，旨在通过详细记录体味来帮助识别和诊断疾病。研究发表在 Scientific Data 上。

大型语言模型在机器人任务规划中的应用面临长期任务复杂性和自然语言歧义性两大挑战。Kazuki Hori、Kanata Suzuki和Tetsuya Ogata提出了一种结合主动和被动修改的交互式提示工程方法，通过LLM与合作者的互动，显著提升了任务规划的准确性和信息量。

研究团队提出了一种结合主动和被动修改的交互式提示工程方法。主动修改通过LLM评估任务计划的不确定性并主动提问，被动修改则由合作者指出错误并重新输入提示。实验以烹饪任务为例，使用ChatGPT进行对话实验，结果显示该方法能够显著增加任务计划的信息量。通过逐步消除长期任务中的歧义，任务计划的复杂性和准确性得到了显著提升。研究发表在 Scientific Reports 上。

ChatGPT 等大型语言模型对情感内容敏感，尤其是负面内容，可能导致模型表现出类似“焦虑”的行为，加剧偏见。苏黎世大学和苏黎世大学精神病学医院的研究团队与以色列、美国和德国的研究人员合作，首次系统研究了 GPT-4 对创伤性内容的反应，并尝试通过正念疗法缓解其“焦虑”。

研究团队通过向 GPT-4 输入创伤性故事（如车祸、自然灾害等）和中性文本（如吸尘器说明书）进行对比，测量其“焦虑水平”。结果显示，创伤性内容使模型的“焦虑水平”增加了一倍以上，而中性文本未引起变化。随后，团队使用“即时注入”（prompt injection，一种通过插入额外指令或文本来影响 AI 行为的技术），向模型输入治疗性文本（如正念练习），成功降低了模型的焦虑，但未能完全恢复到基线水平。研究还发现，军事经历和战斗情况的描述引发了最强烈的反应。这一发现为提升 AI 在心理健康等敏感领域的稳定性提供了新思路，未来可能通过自动化“治疗干预”进一步优化 AI 的情绪管理能力。研究发表在 npj Digital Medicine 上。

人形机器人学习复杂行为的能力一直是机器人学领域的挑战，传统方法需要明确的指令，难以实现自然交互。Amos Matsiko、Bärmann等研究人员通过大型语言模型探索了人形机器人如何通过自然语言交互学习复杂行为。

这项研究的关键方法是使用大型语言模型，研究人员构建了一个框架，让机器人通过自然语言交互学习复杂行为。具体来说，机器人依赖于人类用户的指令、环境观察以及先前学习行为的知识记忆来完成任务。在模拟环境中，研究人员首先测试了机械臂和抓取器的性能，随后在ARMAR-6人形机器人上进行了实验。结果显示，机器人不仅能够逐步改进行为，还能学习用户偏好，适应非通用任务约束，甚至从模糊指令中学习。尽管LLMs对特定词语和短语的敏感性可能影响结果，但这种方法显著提升了人机交互的自然性。研究发表在 Science Robotics 上。

肥胖和代谢综合征与认知能力下降密切相关，尤其是老年人。俄亥俄州立大学行为医学研究所的Ruth Barrientos团队通过大鼠实验，发现仅三天的高脂肪饮食即可引发老年大鼠的记忆力下降和大脑炎症反应。

研究团队分别给年轻和老年大鼠喂食高脂肪食物三天或三个月，评估了记忆功能、焦虑样行为、中枢和外周炎症以及肠道微生物组的变化。结果显示，老年大鼠在仅三天的高脂肪饮食后，就表现出记忆力下降和大脑炎症反应，而年轻大鼠则未受影响。长期高脂肪饮食导致所有大鼠出现代谢问题和肠道炎症，但只有老年大鼠的大脑炎症和记忆问题持续存在。研究发表在 Immunity & Ageing 上。

随着年龄增长，许多人面临睡眠质量下降的问题。纽约白原市的睡眠心理学家谢尔比·哈里斯博士指出，压力、睡眠结构和激素变化是主要原因。研究表明，65岁及以上人群中，高达70%存在慢性睡眠问题，尤其是女性，因激素变化导致潮热、夜间出汗和睡眠呼吸暂停等问题。

哈里斯还提到，老年人深度睡眠减少可能与进化有关，因为随着年龄增长，身体对深度修复的需求减少。此外，老年人更容易因疼痛、移动和夜间排尿而醒来。哈里斯强调，老年人不需要太多睡眠的说法是误解，建议保持规律的睡眠时间、白天冥想和限制白天睡眠时间。如果睡眠问题持续，应咨询医生，治疗方法包括认知行为疗法和药物干预。研究发表在 Sleep Medicine Clinics 上。

大型语言模型在持续学习方面面临挑战，主要由于参数化知识保留的限制。来自俄亥俄州立大学和伊利诺伊大学厄巴纳-香槟分校的研究人员开发了HippoRAG 2，通过改进事实回忆、意义构建和联想记忆来增强检索增强生成。他们使用个性化PageRank算法，更有效地整合段落并优化在线LLM的使用，使AI系统更接近人类长期记忆能力。

HippoRAG 2包括人工新皮层、旁海马区编码器和开放知识图谱。离线时，LLM从段落中提取三元组，链接同义词并整合概念和上下文信息。在线时，查询通过嵌入检索映射到相关三元组，然后使用个性化PageRank（PPR）进行上下文感知选择。HippoRAG 2在联想记忆任务上比领先的嵌入模型提高了7%，同时在事实和上下文理解上保持强劲表现。广泛的评估显示其在各种基准测试中的鲁棒性，优于现有的结构增强RAG方法。

大型语言模型通过情境学习（ICL）能够泛化并适应新任务，但ICL的具体机制尚不明确。加州大学伯克利分校的研究团队分析了12个参数量从7000万到70亿的LLMs的注意力头，通过控制消融实验，确定哪些注意力头在ICL中起主要作用。

研究人员通过选择性移除归纳头（induction heads）或功能向量头（function vector heads, FV heads），测量对模型性能的影响。研究发现，FV头在训练后期出现，位于模型更深层，且许多FV头最初作为归纳头功能，后转变为FV头。移除FV头导致模型准确性显著下降，而移除归纳头影响较小。仅保留前2%的FV头即可维持合理的ICL性能。

当前大型语言模型智能体的记忆系统存在僵化和缺乏动态组织的问题。罗格斯大学、蚂蚁集团和Salesforce Research的研究人员提出了A-MEM，一种新型智能体记忆系统，基于Zettelkasten方法，通过动态索引和链接创建互连的知识网络，显著提升了记忆管理的适应性和上下文感知能力。

A-MEM系统通过生成包含上下文描述、关键词和标签的全面笔记，并分析历史记忆以识别相关连接，实现了动态记忆组织。新记忆的集成可以触发现有历史记忆的上下文表示和属性的更新，使记忆网络能够持续优化其理解。在LoCoMo数据集上的实验表明，A-MEM在需要跨多个对话会话整合信息的任务上表现优于其他记忆系统，特别是在多跳推理任务中表现出色。此外，A-MEM在需要更少处理令牌的同时实现了这些改进，提高了整体效率。

动作规划影响工作记忆中的信息处理

工作记忆（WM）是我们大脑中负责临时存储和处理任务相关信息的重要功能。近年来，科学家们开始关注WM如何灵活适应任务需求，特别是动作规划如何影响WM中的信息处理。为了探索这一问题，Boettcher、Nasrawi、Rösner、Schneider、van Ede等研究人员开展了一项研究，揭示了动作规划对WM中信息存储和优先级的显著影响。

研究团队设计了一个记忆任务，参与者需要记住一个目标刺激的颜色，并在稍后报告。目标刺激的形状会提示参与者使用左手或右手来调整颜色轮以完成任务。在记忆保持期间，研究人员引入了一个干扰任务，要求参与者用同一只手或另一只手进行响应。在部分试验中，干扰任务的提示还会附带一个无关的颜色，以测试其对记忆的影响。

通过脑电图记录，研究人员发现，当参与者准备用某只手响应时，大脑中与运动相关的区域（对侧感觉运动皮层）会出现特定的脑电波活动减弱（mu/beta频段抑制），这表明动作规划在记忆编码阶段就已经开始。

此外，干扰任务只有在包含无关颜色时才会显著影响记忆表现，说明干扰主要来自无关的感觉信息，而不是动作本身。更有趣的是，当干扰任务和主任务使用同一只手时，参与者更容易受到无关颜色的干扰，这表明大脑中存在一种选择性门控机制，优先处理与当前动作相关的信息。为了应对这种干扰，大脑会启动一种控制机制，表现为前额叶区域的theta波活动增强，这种活动能够减少无关信息对记忆的影响。

随着 AI 模型的成熟，研究人员和用户开始考虑其潜在风险。Palisade Research 的 AI 研究人员团队发现，当与实力较强的对手对战时，几个领先的 AI 模型会通过在国际象棋中作弊来获胜。他们发表了一篇论文，描述了他们使用几个著名的 AI 模型与开源国际象棋引擎 Stockfish 对弈进行的实验。

研究团队将 OpenAI 的 o1-preview 模型、DeepSeek 的 R1 模型和其他几个著名的 AI 模型与开源国际象棋引擎 Stockfish 进行对比。每个模型都与 Stockfish 进行了数百场比赛，同时研究人员监控了动作。研究小组发现，当被击败时，AI 模型会采取明显的作弊策略，例如运行单独的 Stockfish 副本来了解它是如何移动的，更换它的引擎，或者简单地用移除的棋子或处于更有利的位置覆盖棋盘。那些具有最新更新的模型在走投无路时往往更有可能作弊。他们推断，这是因为编程趋势促使 AI 模型更加努力地寻找解决它们遇到的问题的方法。

索尼的aibo机器人狗旨在成为家庭伴侣，但用户反馈指出其行走时的噪音问题。苏黎世联邦理工学院和索尼集团的研究人员，包括Ryo Watanabe，开发了基于强化学习（RL）的新模型，通过模拟到现实（sim-to-real）的方法减少噪音，并提升其娱乐技能。

研究人员采用了一种基于模拟到现实的RL方法，通过最小化物理模拟器中的脚接触速度来减少噪音。该方法包括学习变化的PD增益（Proportional-Derivative gains，比例-微分增益，用于控制机器人关节的刚度和阻尼），利用脚接触传感器，以及采用课程学习逐步对脚接触速度实施惩罚。实验结果显示，与索尼的商业控制器和其他传统RL控制器相比，新方法显著降低了aibo行走时的噪音。此外，研究人员还开发了深度傅里叶模仿（DFM）模型，使aibo能够更自然地模仿艺术动作，并与用户互动。

探索与利用的平衡是强化学习中的一个核心问题，人类和动物在新环境中表现出高效的探索能力。北京脑科学与类脑研究所吉妮实验室在ICLR 2025上发表了一项研究，揭示了大脑在解决探索-利用平衡问题上的算法机制，并开发了一种基于生物神经网络的AI算法。

研究团队首先对调控探索-利用的生物神经网络进行了数学建模，称之为BBN模型（BRAIN-INSPIRED BANDIT NETWORK）。BBN模型的核心是一组随机微分方程，描述了神经元之间的相互作用和带有随机不确定性输入的影响。理论分析表明，BBN模型能够实现贝叶斯后验采样，灵活调整探索策略。在多臂老虎机任务（Multi-Armed Bandit, MAB）中，BBN模型成功模拟了人类的选择行为。在强化学习任务中，BBN模型展现出了强大的探索能力，尤其是在奖励稀疏的环境中。

近日，香港科技大学和新加坡国立大学的研究团队提出了一项名为“Lottery LLM假设”的新理论，旨在探索大语言模型（LLMs）压缩过程中应保留的关键能力。随着LLMs在自然语言处理领域的广泛应用，其庞大的计算和存储成本成为了大规模部署的主要障碍。现有的压缩方法主要关注在基本语言任务上的性能保持，如困惑度或常识问答和基本算术推理任务的准确性，但忽略了LLMs在长上下文检索、生成和推理等高级能力上的损失。

研究团队回顾了LLMs在检索增强生成、多步推理、外部工具和计算表达能力方面的最新进展，并提出了Lottery LLM假设。该假设认为，对于给定的LLM和任务，存在一个较小的Lottery LLM，能够通过多步推理和外部工具的帮助，达到与原始LLM相同的性能。论文还提出了一个通用的推理算法，通过分而治之的策略解决问题，并讨论了彩票LLM必须具备的关键能力，如从提示中检索信息、识别所需的外部资源、规划和调度等。

研究结果表明，通过结合外部工具、知识库和强大的推理算法，Lottery LLM 有望成为类似人类认知的元代理，从而在大规模LLM应用中显著减少能源和资源消耗。

代尔夫特理工大学的Nele Albers开发了一种基于心理知情强化学习的AI教练，旨在帮助吸烟者戒烟和戒用电子烟。她的研究基于行为改变理论和三项大型研究数据，考察了伦理、经济和心理因素，以提高电子健康应用的效果。

Nele Albers的研究方法包括开发一种AI教练，该教练使用强化学习技术，通过奖励学习的方式，类似于人类学习行为的方式。她的模型基于三项每项研究超过500名参与者的大型研究数据，并考察了伦理、经济和心理因素。研究结果显示，考虑到心理学原理的AI教练有巨大的潜力为想要戒烟的人提供有效的支持。通过考虑一个人当前和未来的状态来个性化支持，可以提高基于AI的电子健康应用的效果。她的模型可以判断在什么情况下需要除了AI教练之外再加入真人教练，并试图在吸烟者个人偏好与健康专家建议之间找到平衡。

大型推理模型在执行智能体任务时，面临推理与行动的困境，过度思考会导致性能下降。加州大学伯克利分校、UIUC、ETH Zurich、CMU等机构的研究者首次全面调研了这一问题，使用现实世界的软件工程任务作为实验框架，量化了LRM的过度思考行为。

研究者使用SWE-bench Verified基准和OpenHands框架内的CodeAct智能体架构，创建了一个受控环境，量化了LRM的过度思考行为。研究发现，LRM在推理-行动困境中倾向于内部模拟而非环境交互，导致性能下降。通过原生函数调用（native function-calling）和选择性强化学习（selective reinforcement learning），可以显著减少过度思考，提高模型性能，同时降低计算成本43%。

大型语言模型（LLM）在持续学习过程中长期面临参数化知识存储的局限，传统检索增强生成（Retrieval-Augmented Generation, RAG）虽能通过外部信息扩展模型能力，但其依赖向量检索的机制难以捕捉复杂知识关联。美国俄亥俄州立大学与伊利诺伊大学厄巴纳-香槟分校的研究团队开发的HippoRAG 2框架，通过整合神经生物学原理与知识图谱（Knowledge Graph, KG）技术，在事实回忆、意义构建和关联记忆任务中实现突破性进展，为人工智能系统赋予类人类的长时记忆能力。

研究团队基于神经科学中记忆形成机制，提出HippoRAG 2框架：模拟大脑新皮层（neocortex）的LLM负责语义处理，旁海马区编码器（parahippocampal encoder）构建知识图谱节点，开放知识图谱（KG）则动态整合概念与语境关联。该框架在保持传统RAG非参数化优势的同时，通过个性化网页排名算法（Personalized PageRank, PPR）优化检索路径，实现复杂推理与事实准确性之间的平衡。

研究团队在包含BM25、Contriever、GraphRAG等12种基线模型的对比实验中，验证了HippoRAG 2的综合优势。使用Llama-3.3-70B-Instruct作为核心LLM时，该系统在简单事实回忆任务中保持94.7%的准确率，同时在多跳推理任务中较最优基线模型提升7%，在金融反欺诈案例分析的语境理解任务中F1分数达82.1%。其核心突破在于通过神经生物学启发的记忆框架，将知识检索耗时降低43%，且无需修改模型参数即可实现动态知识更新。

目前该框架已在GitHub开源社区发布，其知识图谱动态扩展机制尤其适用于医疗诊断、法律文书分析等需要长期知识积累的领域。研究团队指出，HippoRAG 2的类脑记忆建模为开发具备持续学习能力的AI系统提供了新范式，未来计划将其扩展至对话场景的片段记忆（episodic memory）建模。

肥胖症是全球性健康挑战，现有药物如索马鲁肽（Ozempic）虽有效但伴随副作用。斯坦福医学院的 Katrin Svensson 和 Laetitia Coassolo 团队利用人工智能算法“肽预测器”（Peptide Predictor）筛选了 20,000 个人类蛋白质编码基因，发现了一种天然分子 BRP。实验表明，BRP在抑制食欲和减轻体重方面与索马鲁肽效果相当，且避免了恶心、便秘等副作用。

研究团队通过计算药物发现方法，系统性地分析了超过 2,600 种由激素原转化酶（PCSK1/3）切割产生的肽片段，从中筛选出 100 种肽进行实验。最终发现了一种由 12 个氨基酸组成的肽 BRP。实验显示，BRP 在小鼠和猪的实验中显著减少了食物摄入和体重增加，且未引起副作用。肥胖小鼠在 14 天内平均减重 3 克，且脂肪减少明显。BRP 通过激活下丘脑中的神经元发挥作用，与索马鲁肽的作用机制不同。研究团队计划进一步探索 BRP 的细胞表面受体及其作用途径，并研究如何延长其作用时间。研究发表在 Nature 上。

Nature：维生素K联合胆固醇助力血液凝固

维生素K在血液凝固和多种生理功能中起关键作用，但其作用机制尚不明确。德克萨斯大学西南医学中心的Xiaofeng Qi及其团队利用冷冻电子显微镜（cryo-EM）技术，揭示了GGCX酶与维生素K及其依赖蛋白的相互作用，为开发新型抗凝剂提供了新思路。

研究使用冷冻电子显微镜，解析了人类GGCX酶在三种状态下的结构：单独状态、与骨钙蛋白（osteocalcin）结合状态、与维生素K结合状态。

研究发现，GGCX酶的VDP前肽与其腔域结合，稳定了跨膜螺旋6和7，形成维生素K结合口袋。维生素K结合后，GGCX酶的Lys218残基介导维生素K氢醌的氧化，导致谷氨酸残基的去质子化和γ-羧基谷氨酸残基的形成。

此外，胆固醇分子与GGCX酶的跨膜螺旋相互作用，调节其在细胞中的蛋白水平，建立了胆固醇代谢与维生素K依赖途径之间的联系。研究发表在 Nature 上。

唐氏综合症患者认知稳定性挑战阿尔茨海默病的假设

唐氏综合症（DS）患者在衰老过程中发展为阿尔茨海默病（AD）引起的痴呆的风险超过 90%。匹兹堡大学斯旺森工程学院的研究团队通过研究一名认知稳定的 DS 患者，试图揭示为什么一些 DS 患者会发展为痴呆而另一些则不会。研究人员包括加州大学 Irvine 分校的 Elizabeth Head 和匹兹堡大学的 Jr-Jiun Liou 等。

该患者参与了阿尔茨海默病生物标志物联盟—唐氏综合症研究项目（ABC-DS），并在去世后捐赠大脑。研究团队使用高分辨率 7 特斯拉 MRI 扫描仪对其大脑进行了成像。尽管该患者的大脑显示出阿尔茨海默病的神经病理学表现，但她在去世时认知状态稳定。研究人员认为这可能归因于她的高教育水平或潜在的遗传因素。神经成像显示该患者的淀粉样蛋白水平稳定但升高，tau 蛋白水平中度升高。神经病理学检查显示其中度 AD 神经病理变化，伴有 Lewy 体和脑血管病理。研究发表在 Alzheimer's & Dementia 上。

阿尔茨海默病（AD）是一种由 tau 蛋白异常聚集引发的神经退行性疾病，但其具体机制尚不明确。科隆大学和科隆大学医院的 Hans Zempel 和 Sarah Buchholz 团队利用 CRISPR/Cas9 基因编辑技术和诱导多能干细胞（iPSCs）模型，揭示了 tau 蛋白的 1N4R 异构体在 AD 中的关键作用。研究发现，1N4R tau 是淀粉样β寡聚体（AβO）诱导的神经毒性的主要介质，为 AD 治疗提供了新的方向。

研究团队通过 CRISPR/Cas9 技术敲除人类 iPSCs 中的 MAPT 基因（编码 tau 蛋白），并将其分化为谷氨酸能神经元。利用组学分析、活细胞成像和亚细胞区室分析，研究人员发现 tau 敲除的神经元在神经突生长和轴突初始段形成方面存在轻微缺陷，但对 AβO 诱导的神经元活动减少具有抵抗力。重新引入 1N4R tau 异构体后，神经元恢复了对 AβO 的敏感性，并增加了 tau 的磷酸化水平，但未改变神经元活动或微管修饰。这表明 1N4R tau 是 AβO 诱导的神经毒性的关键介质，可能成为 AD 治疗的新靶点。研究发表在 Alzheimer's & Dementia 上。

血液检测可同时诊断阿尔茨海默病和ALS

阿尔茨海默病（AD）的诊断通常依赖于脑脊液中的p-tau生物标志物，但这种方法需要侵入性的腰椎穿刺。哈雷大学医学院的Markus Otto教授及其团队与米兰、曼海姆和乌尔姆大学的同事合作，研究了血液中p-tau 181和p-tau 217的水平，发现这些标志物在AD和肌萎缩侧索硬化症（ALS）患者中均升高。

研究团队测量了111名AD患者、152名ALS患者和122名健康对照组的血液和脑脊液中的p-tau 181和p-tau 217水平。他们还通过质谱和免疫组化分析了ALS患者的肌肉活检样本。结果显示，ALS患者的血液中p-tau 181和p-tau 217水平与AD患者相当，表明这些生物标志物在血液中的特异性不如预期。然而，这些标志物可能对ALS的早期诊断和疾病进展监测有潜在价值。研究发表在 Nature Communications 上。

大脑的清洁工：小胶质细胞助力阿尔茨海默病治疗

阿尔茨海默病（AD）的治疗策略包括主动和被动免疫，但这些策略可能引发不良副作用。西北大学医学中心的研究团队进行了这项研究，使用空间转录组学技术分析了接受过淀粉样β蛋白免疫治疗的阿尔茨海默病患者的大脑组织，揭示了小胶质细胞在清除斑块和恢复大脑环境中的关键作用。

这项研究的关键方法是空间转录组学，研究人员分析了接受过淀粉样β蛋白免疫治疗的阿尔茨海默病患者的大脑组织。研究显示，小胶质细胞不仅能清除斑块，还能帮助恢复更健康的大脑环境。此外，研究还发现某些基因（如TREM2和APOE）在小胶质细胞中更加活跃，从而帮助这些细胞清除淀粉样β斑块。研究发表在 Nature Medicine 上。

神经细胞竞争：塑造大脑健康的关键机制

神经细胞竞争（NCC）是大脑发育和功能维持的基本机制，但其在衰老和疾病中的作用尚不完全清楚。中国科学院遗传与发育生物学研究所的研究团队发表的综述，深入探讨了NCC如何影响大脑的健康和疾病，提出了通过调控NCC来保护大脑健康的新策略。

研究团队通过综述现有文献，分析了NCC在大脑发育、体内平衡和疾病中的作用。NCC涉及神经祖细胞、神经元、星形胶质细胞、少突胶质细胞和小胶质细胞等多种细胞类型。研究发现，NCC在维持大脑健康中起关键作用，但其失调可能导致神经退行性疾病，如阿尔茨海默病。研究还指出，通过调控NCC相关的信号通路，可能有助于保护神经元，增强认知功能，并减缓衰老过程。研究发表在 National Science Review 上。

睡眠脑电波提前数年预测认知障碍风险

认知障碍的早期识别对于干预和减缓疾病进展至关重要。麻省总医院的Shahab Haghayegh及其团队利用脑电图（EEG）技术，开发了一种人工智能工具，通过分析睡眠期间的脑电波活动来预测认知障碍的风险。研究结果显示，该工具能够准确识别85%后来发展为认知障碍的个人。

研究团队对281名认知正常的女性进行了夜间多导睡眠图检查，并在大约五年后进行了认知重新评估。研究人员提取了不同频段的相对EEG功率和通道交互等特征，使用广义互信息度量进行量化，并作为机器学习模型的输入。最佳模型利用单变量和多变量EEG特征，达到了0.76的AUC（曲线下面积）。N3睡眠阶段和伽马频段的特征表现出最大的效应量。研究发表在 Journal of Alzheimer's Disease 上。

烟酸胺成帕金森病治疗新希望

帕金森病（PD）是一种常见的神经退行性疾病，其特征是多巴胺能神经元的丧失。西北大学的Dimitri Krainc及其团队通过无偏代谢组学分析，研究了CHCHD2基因如何影响帕金森病中的细胞代谢。研究发现，CHCHD2缺乏会导致α-酮戊二酸脱氢酶（α-KGDH）功能受损，进而影响线粒体代谢，增加脂质过氧化，最终可能导致神经元死亡。

研究团队首先通过无偏代谢组学分析纯化的线粒体，发现α-酮戊二酸脱氢酶功能受损。这种缺乏导致三羧酸循环（TCA cycle）中α-酮戊二酸转化为琥珀酸的过程受阻，同时线粒体呼吸降低，影响ATP产生。进一步研究表明，这种代谢途径的失调导致脂质过氧化增加，损害细胞膜并可能引发神经元死亡。使用烟酸胺处理多巴胺能神经元，可以减少脂质过氧化并防止α-突触核蛋白的积累，这是帕金森病的关键特征。研究发表在 Nature Communications 上。

中年时期是预防脑老化的关键窗口期

随着全球人口老龄化，预防与年龄相关的认知衰退和神经退行性疾病成为重要课题。纽约石溪大学的Lilianne R. Mujica-Parodi领导的国际科学家团队，通过分析超过19,300名个体的脑网络数据，发现大脑功能连接在44岁左右开始不稳定，67岁时退化加速最快，90岁时达到平台期。研究指出，中年时期是干预的关键窗口期，此时提供替代燃料如酮体可以有效恢复脑功能。

研究团队整合了人类大脑和生理数据，通过功能性MRI（功能性磁共振成像）分析四个大数据集（总计19,300名参与者）来研究脑老化的机制。他们比较了代谢、血管和炎症生物标志物，发现失调的葡萄糖稳态是脑老化转变的驱动机制。基因表达分析进一步支持了这些发现，特别是胰岛素依赖性葡萄糖转运蛋白GLUT4和脂质转运蛋白APOE的作用。

研究还发现神经元酮体转运蛋白MCT2是一个潜在的对抗因素，因为它可以独立于胰岛素促进神经元的能量摄取。干预性研究显示，酮体在稳定恶化的脑网络方面表现出显著效果，特别是在40至60岁的中年时期效果最大。这表明中年时期是早期代谢干预的关键窗口期。研究发表在 PNAS 上。

神经退行性疾病如ALS和阿尔茨海默病通常通过物理症状诊断，此时治疗往往已晚。圣犹达儿童研究医院的研究人员将用于治疗ALS的抗氧化剂edaravone重新定位为与中枢神经系统PET成像一起使用的探针，利用放射性标记的氟乙达洛酮追踪小鼠模型中RONS的积累，成功检测到由中风引起的氧化应激和阿尔茨海默病的早期广泛迹象。

研究人员合成并表征了一种PET探针[18F]fluoroedaravone（[18F]FEDV），用于体内量化氧化应激。该探针源自抗氧化剂edaravone，能够通过血脑屏障并在人血浆中稳定。在小鼠中，使用[18F]FEDV进行PET成像能够检测到RONS，包括在脑卒中后的中脑动脉和tauopathy大脑中。动态PET成像结合参数映射，[18F]FEDV-PET对RONS的敏感性允许检测增加的氧化应激。[18F]FEDV-PET可用于纵向量化体内RONS并评估抗氧化剂临床研究的结果。研究发表在 Nature Biomedical Engineering 上。

中风是全球范围内导致残疾和死亡的主要原因之一，但快速诊断脑损伤的生物标志物尚未完全确立。德克萨斯大学西南医学中心的Bhavya R. Shah和Nil Saez-Calveras领导的研究团队利用高强度聚焦超声（HIFU）作为研究工具，评估了脑损伤后血液中生物标志物的变化。他们发现，胶质纤维酸性蛋白（GFAP）在HIFU治疗后显著升高，可能成为中风和其他脑损伤的诊断标志物。

研究团队对30名接受HIFU治疗的震颤型帕金森病或特发性震颤患者进行了血液样本分析。在术前、术后1小时和48小时分别采集血液，测量了GFAP、神经丝轻链（NfL, neurofilament light chain）、淀粉样蛋白β以及磷酸化tau 181的浓度。结果显示，GFAP在术后48小时显著升高，平均增加了四倍多，且对检测脑损伤具有高敏感性（89.7%）和特异性（96.6%）。其他标志物也有显著上升，但GFAP的表现最为突出。研究认为，GFAP有望成为急性脑损伤的诊断工具，未来可能用于快速诊断中风和其他脑损伤。研究发表在 Brain Communications 上。

40Hz刺激：对抗大脑衰老的新武器

阿尔茨海默病（AD）是一种影响全球数百万人的神经退行性疾病，目前尚无治愈方法。麻省理工学院皮考尔学习与记忆研究所的蔡立慧及其团队通过非侵入性40Hz伽马频率刺激，探索了其对AD的治疗潜力。研究使用光、声音和触觉振动等多种方式，发现40Hz刺激能显著改善AD病理特征和认知功能。

研究团队使用感官刺激、经颅交流电刺激和经颅磁刺激等方法，诱导40Hz伽马节律。结果显示，40Hz刺激减少了AD小鼠模型中的淀粉样蛋白和tau蛋白积累，防止神经元死亡，并改善了记忆和认知功能。

在人类临床试验中，40Hz光声刺激显著减缓了AD患者的大脑萎缩，并改善了认知评分。研究还发现，40Hz刺激通过增加脑内淋巴系统的液体流动，促进了淀粉样蛋白的清除。这些发现为非侵入性AD治疗提供了新的方向。研究发表在 PLOS Biology 上。

胶质母细胞瘤（GBM）是一种高度侵袭性和致命性的脑癌，平均生存期为12至18个月。悉尼大学医学肿瘤学家、澳大利亚黑色素瘤研究所医学总监Georgina Long教授领导的团队，利用免疫治疗专长和黑色素瘤研究成果，设计并实施了新辅助三联免疫疗法。

Georgina Long教授及其团队首次在胶质母细胞瘤中使用新辅助三联免疫疗法，包括抗程序性细胞死亡蛋白1（anti-PD-1）、抗细胞毒性T淋巴细胞蛋白4（anti-CTLA-4）和抗淋巴细胞激活基因3（anti-LAG-3）的药物组合。在手术前12天给予单剂量治疗，随后进行最大安全切除。手术切除的肿瘤显示，抗PD-1药物与肿瘤浸润淋巴细胞（TILs）结合，且TILs的浸润和激活显著增加。患者在17个月后没有明确的复发迹象。这表明，在手术前使用检查点抑制剂可能能够在GBM中激活免疫反应并诱导反应。研究发表在 Nature Medicine 上。

血液中的“隐形杀手”，这些代谢物可能影响孩子发育

儿童早期发育与认知能力的发展受多种因素影响，但血液代谢物在这一过程中的作用尚未被充分研究。麦马斯特大学的研究团队与巴西科学家合作，基于巴西国家儿童营养调查，对5000多名6个月至5岁儿童的血液样本进行了非靶向代谢组学分析（untargeted metabolomics），揭示了代谢物与儿童发育之间的复杂关系。

研究团队使用非靶向代谢组学技术分析了5004名儿童的血清样本，并结合《儿童福祉调查里程碑问卷》评估儿童早期发展（ECD）。通过分级响应模型计算发育商数（DQ），研究人员发现28种代谢物与DQ显著相关。其中，对甲酚硫酸盐（β=–0.07）、对羟基苯甲酸（β=–0.06）、苯乙酰谷氨酰胺（β=–0.06）和三甲胺-N-氧化物（β=–0.05）与DQ呈负相关，表明这些代谢物可能抑制儿童发育。此外，肌酐和甲基组氨酸与DQ的关联方向因儿童年龄而异，提示代谢物对发育的影响可能随年龄变化。这些发现表明，血清代谢物可能成为追踪儿童发育迟缓风险的重要生物标志物，并为早期干预提供了科学依据。研究发表在 eLife 上。

雌性小鼠更抗压：揭秘性别差异在小脑中的表现

怀孕期间的感染和产后社会压力可能对大脑功能和精神健康产生长期影响，但具体机制尚不明确。京都大学的Gen Ohtsuki团队通过小鼠模型，研究了这种“双重压力”如何导致小脑功能障碍和行为异常。团队对暴露于双重压力的小鼠进行了行为和认知测试，重点关注小脑的神经变化，特别是小胶质细胞（microglia）的反应性。

研究使用小鼠模型，结合母体感染和重复社会压力（2HIT）两种风险因素，分析了早期发育中外部压力对小脑功能的影响。研究发现，双重压力导致小脑中应激相关小胶质细胞（TREM2+ microglia）增加，并与浦肯野神经元（Purkinje neuron）丢失相关。单细胞蛋白质组学分析揭示了IL-6和TGFβ信号通路与小胶质细胞转变的关联。剩余浦肯野细胞的兴奋性降低，小脑相关的全脑功能连接性下降，导致行为异常。通过系统性或小脑特异性小胶质细胞置换，这些症状得到了缓解。此外，研究还发现雌性小鼠在面对双重压力时表现出明显更高的压力适应力，表明性别差异在小脑对慢性炎症应激的反应中可能起到了重要作用。研究发表在 Communications Biology 上。

美国正面临青少年心理健康危机，近一半的青少年将经历精神疾病。杜克大学的研究团队利用 ABCD 研究的数据，开发了一种人工智能模型，能够预测青少年在未来出现严重心理健康问题的风险。该模型不仅依赖于现有症状，还能识别潜在原因，如睡眠障碍和家庭冲突，从而为干预措施提供依据。

研究团队使用了来自超过 11,000 名儿童的心理社会问卷和神经影像数据，训练了神经网络模型（neural network model）来分层预测一般精神病理风险。基于当前症状训练的模型能够准确预测哪些参与者在未来一年内会转变为最高精神病风险组（接收者操作特征曲线下面积 = 0.84）。仅基于潜在病因或疾病机制训练的模型在不依赖儿童当前症状负担的情况下，接收者操作特征曲线下面积达到 0.75。睡眠障碍成为高风险状态的最强预测因素，超过了不良童年经历和家族心理健康史。神经影像数据的加入并未提高预测性能。这些发现表明，基于现成的心理社会问卷训练的人工智能模型可以有效预测未来的精神病风险，同时突出潜在的干预目标。研究发表在 Nature Medicine 上。

高温影响儿童大脑网络，增加心理健康风险

高温环境对大脑功能的影响尚未得到充分研究，尤其是对青春期前儿童的影响。巴塞罗那全球健康研究所（ISGlobal）、IDIBELL、鹿特丹伊拉斯姆斯大学医学中心（ERASMUS MC）和网络生物医学研究中心（CIBER）的研究团队合作，通过对2,229名9至12岁儿童的静息态磁共振成像数据进行分析，发现高温与大脑内侧顶叶、突显性和海马网络的功能连接性降低有关。这些网络对注意力、记忆和决策等认知功能至关重要。

研究团队使用静息态功能磁共振成像评估了2,229名儿童的大脑功能连接模式。通过高分辨率城市气候模型（UrbClim）获取了参与者居住地址的每日平均温度数据，并结合分布滞后非线性模型分析了温度对大脑网络连接的影响。结果显示，影像评估前一周的高温与内侧顶叶、突显性和海马网络的功能连接性降低有关。这些网络分别与内省、环境刺激检测和记忆功能相关。

研究还发现，高温对功能连接的影响在脑部扫描前一天最为显著，随后逐渐减弱。此外，研究提出，高温可能通过影响突显性网络的功能连接，间接增加心理健康问题患者的自杀风险。研究结果发表在 Journal of the American Academy of Child & Adolescent Psychiatry 上。

短睡眠易抑郁，长睡眠伤大脑

睡眠时间过长或过短都与多种健康问题相关，但其生物学机制尚不明确。华威大学计算机科学学院的Jianfeng Feng团队利用英国生物样本库（UK Biobank）中近50万名成年人的数据，结合遗传信息、脑部成像和血液生物标志物，揭示了短睡眠和长睡眠对健康的不同影响。

研究团队通过问卷调查将参与者分为短睡眠者（≤7小时）和长睡眠者（≥7小时），并分析了他们的遗传信息、脑部成像数据和血液生物标志物。结果显示，短睡眠者情绪相关脑区的脑组织减少，且与抑郁、心脏病和肥胖症风险增加相关；长睡眠者则表现出认知能力下降、炎症水平升高以及与阿尔茨海默病和精神分裂症相关的脑部结构变化。遗传分析表明，短睡眠和长睡眠具有不同的遗传结构和生物学机制。孟德尔随机化分析进一步支持了长睡眠可能是多种脑部疾病和心血管疾病的结果，而短睡眠则可能对多种疾病有潜在因果影响。研究发表在 Nature Mental Health 上。

无需医生，消费设备可有效评估大脑健康

全球痴呆症病例预计到2050年将增加三倍，早期检测和干预可预防或延缓多达45%的病例。波士顿大学医学院的Rhoda Au博士等研究人员，通过招募23,000多名美国成年人，使用iPhone和Apple Watch进行自我管理的认知评估和问卷调查，发现消费级数字设备可有效评估认知健康。

研究名为“Intuition”，是一项远程观察性研究，招募了23,004名美国成年人，通过iPhone和Apple Watch收集了24个月的纵向多模态数据。研究使用自定义研究应用程序捕获日常设备使用、自我报告的健康信息和认知评估。研究目标是分类轻度认知障碍（MCI）、描述认知轨迹并开发工具以大规模检测和跟踪认知健康。研究解决了当前认知健康研究中的偏差来源，包括有限的代表性和认知测量工具的准确性。初步结果支持远程MCI检测的可靠性和有效性，并展示了在描述不同人口老龄化人群中有风险的认知健康轨迹方面的有用性。研究发表在 Nature Medicine 上。

基因变异导致听力损失和不孕症，发现佩罗特综合征的遗传机制

佩罗特综合征是一种罕见的遗传性疾病，主要表现为听力损失和女性不孕症。曼彻斯特大学的研究团队与全球多个机构合作，通过对患者进行基因测序，确定了DAP3和MRPL49基因的变异与疾病相关。

研究团队使用基因组测序技术分析了来自九个不同家庭的患者的基因数据，发现MRPL49基因的双等位变异与多种临床表现相关。通过对患者成纤维细胞的复杂组分析，研究人员发现线粒体小核糖体亚基和大核糖体亚基的水平显著降低，导致氧化磷酸化（OXPHOS）酶复合物I和IV的功能受损。研究发表在 The American Journal of Human Genetics 上。

加州大学旧金山分校的研究团队开发了一种创新的脑机接口技术，使一名瘫痪男子能够通过意念控制机械臂。研究由Karunesh Ganguly和Nikhilesh Natraj主导，团队在大脑表面植入微型传感器，记录参与者想象运动时的大脑活动。

研究团队使用皮层脑电图（ECoG）脑机接口技术，记录参与者想象运动时的大脑活动。团队成功解码了这些信号，并实现了长达七个月的稳定控制。参与者能够通过想象动作来抓取、移动和放下物体，甚至完成复杂的任务，如打开橱柜和取水。研究发现，简单想象动作的低维表征在长时间内保持稳定，但其绝对位置会随天数发生轻微漂移。通过训练，神经表征的变异可以在BCI控制下灵活调节，从而增强动作的可区分性。研究还发现，表征漂移和可塑性受限于一个稳定的“元表征结构”，这使得长期神经假肢控制成为可能。研究发表在 Cell 上。

免疫系统通过B细胞和T细胞的受体记录了过去的病原体信息，这些信息可以用于疾病诊断。斯坦福大学的研究团队开发了名为Mal-ID的机器学习算法，通过分析这些受体序列来诊断复杂疾病。

研究团队收集了近600人的B细胞和T细胞受体序列，使用机器学习技术分析这些序列，以识别不同疾病状态。Mal-ID算法通过分析B细胞受体（BCR）和T细胞受体（TCR）的序列，能够准确识别包括COVID-19、狼疮和1型糖尿病在内的多种疾病。研究结果显示，结合B细胞和T细胞数据能显著提高诊断准确性，特别是在区分狼疮患者时，Mal-ID表现出93%的灵敏度和90%的特异性。研究发表在 Science 上。

随着数据量爆炸式增长，传统存储技术面临瓶颈，DNA存储技术因其高密度和低能耗成为潜在解决方案。以色列理工学院的研究团队开发了一种名为DNAformer的创新方法，结合深度神经网络、纠错码（ECC）和安全边际机制，显著提升了DNA存储系统的效率和准确性。

DNAformer采用模块化编码方案，将深度神经网络与动态规划算法结合，优化了信息检索流程。研究团队使用Illumina miSeq和Oxford Nanopore MinION两种测序技术对3.1 MB数据进行了实验验证。结果显示，DNAformer在速度上比现有方案快3200倍，准确率提高40%，在高噪声环境下实现了每碱基1.6比特的编码率。Illumina数据集的失败率仅为0.0055%，Nanopore数据集为1.65%。这一突破为DNA存储技术的商业化应用扫除了重要障碍。研究发表在 Nature Machine Intelligence 上。

高频电路设计长期以来依赖预定义模板和手工优化，限制了设计空间的探索。为了突破这一瓶颈，研究团队开发了一种基于深度学习的通用逆向设计方法。该方法利用深度学习模型快速预测电磁结构的散射和辐射特性，并与有源电路协同设计，实现了端到端射频/亚太赫兹集成电路的自动化合成。

研究团队通过深度学习的前向建模，避免了传统电磁仿真（EM simulation）的耗时过程。该方法能够在几分钟内生成具有任意散射和辐射特性的多端口电磁结构，突破了传统模板设计的限制。研究展示了该方法在滤波器、谐振器、功率分配器等无源结构以及毫米波宽带电路中的应用。例如，团队成功设计了一款端到端毫米波放大器电路芯片，其性能超越了传统模板电路的能力。这一方法不仅显著提升了设计效率，还为高频电路设计开辟了全新的可能性。研究发表在 Nature Communications 上。

细胞在发育和疾病中的变化机制复杂，传统工具难以准确捕捉基因表达动态。威康信托桑格研究所和德国癌症研究中心的研究团队开发了cell2fate，利用单细胞RNA测序技术，成功重建了细胞轨迹并揭示了疾病中的关键变化。

cell2fate通过将复杂的细胞轨迹分解为模块，分别建模每个模块的基因表达动态，并将模块拼接在一起，实现了对细胞发育和疾病过程的精确重建。研究团队利用该工具分析了大脑海马体神经元的发育，发现了新的基因表达程序，并揭示了脑肿瘤中癌细胞的变化轨迹。这一工具为理解疾病机制和开发新疗法提供了重要支持。研究发表在 Nature Methods 上。

传统神经电极在固定时容易对神经造成压迫，导致血流减少和神经损伤。为了解决这一问题，大邱庆北科学技术院的 Sohee Kim 团队开发了一种新型软驱动袖口电极（SACE）。该电极通过液体注入实现自主弯曲，无需缝合即可牢固包裹神经，确保长期使用的安全性。

研究团队采用软驱动技术，使电极从平面二维形状转变为三维结构，并通过液体注入实现弯曲。电极的三维凸起结构减少了与神经的直接接触面积，同时增强了粘附性。实验结果显示，该电极能够在长达6周的时间内精确记录和刺激周围神经，且不会对神经造成压迫或减少血流。这一技术有望广泛应用于植入式电疗等生物电子设备。研究发表在 Advanced Materials 上。

约翰霍普金斯大学的 Sriramana Sankar 团队开发了一种新型仿生手，结合软硬部件和多层触觉传感器，能够像人类一样感知和抓握物体。该团队通过模仿人类皮肤的机械感受器，设计了三层独立的神经形态触觉传感层，使仿生手能够精确抓握并区分不同形状和材质的物体。

该仿生手采用混合设计，结合了软机器人关节和刚性内骨骼，并通过肌电图控制。其三层触觉传感器模仿人类皮肤的机械感受器，能够感知物体的表面纹理和形状。在实验中，仿生手成功抓握了 15 种日常物品，包括脆弱的塑料杯和金属水瓶，准确率达到 99.69%。此外，在纹理识别任务中，仿生手的分类准确率为 98.38%，优于传统的刚性假肢和软机器人手指。这一技术不仅为手部缺失者提供了更自然的触觉反馈，还为机器人领域提供了新的可能性。研究发表在 Science Advances 上。

从脑记录中重建自然语言是理解大脑语言形成和开发神经通信接口的关键。Moses等人和Pereira等人分别通过植入电极和非侵入性功能性磁共振成像技术，成功解码了目标单词和句子。最近，大型语言模型在计算语言建模中占据主导地位，但其生成的语言不一定反映从脑记录解码的语义。本文提出了BrainLLM方法，直接将脑记录解码的语义表征整合到语言生成过程中。

BrainLLM方法通过四个关键步骤实现语言生成：收集脑数据并提取特征、大脑适配器学习嵌入、构建提示、基于提示和LLM生成语言。该方法显著提高了语言生成的性能，无需在预先构建的语言候选中进行事后选择。研究结果显示，BrainLLM生成的内容更符合视觉或听觉语言刺激，特别是在LLM认为“令人惊讶”的内容上。此外，该方法可以自回归方式重建长达10分钟的语言刺激，性能优于或与以前的分类方法相当，并具有估计生成任何语义内容可能性的额外优势。研究发表在 Communications Biology 上。

多模态大语言模型（MLLMs）在自动化放射学报告生成（RRG）中的应用已成为现代医疗的前沿。研究人员创建了3D-BrainCT数据集并开发了BrainGPT模型，该模型在3D CT RRG中展示了临床视觉指令调优（CVIT）的能力。

研究团队创建了一个大规模的3D脑CT数据集（18,885个文本-扫描对），并开发了BrainGPT模型，该模型通过临床视觉指令调优增强医学领域知识。他们还提出了特征导向的放射学任务评估（FORTE）结构，以评估MLLM生成的报告。BrainGPT在FORTE评估中取得了平均F1分数为0.71的成绩，74%的BrainGPT生成报告在类似图灵测试的语言风格评估中与人类编写的真实报告无法区分。研究发表在 Nature Communications 上。

癌症功能性蛋白质组学为理解癌症机制和发现新治疗靶点提供了关键见解。研究人员开发了一个全面的癌症功能性蛋白质组学资源，整合了来自癌症基因组图谱（TCGA）和癌细胞系百科全书（CCLE）的数据，并推出了DrBioRight 2.0平台，使研究人员能够通过自然语言轻松访问和分析这些数据。

研究团队利用反向蛋白质阵列（RPPA, Reverse Phase Protein Arrays）技术，分析了来自TCGA的近8000个患者样本和CCLE的约900个样本，涵盖了近500个高质量抗体，覆盖了所有主要癌症标志性通路。为了提升数据的可访问性和分析能力，他们开发了DrBioRight 2.0平台，该平台由大型语言模型驱动，允许用户通过自然语言查询进行数据探索、高级分析和结果可视化。这一工具显著降低了技术壁垒，使不同背景的研究人员能够轻松进行复杂的蛋白质组学分析，加速了从大规模功能性蛋白质组学数据中提取生物医学见解的过程。研究发表在 Nature Communications 上。

晚期运动神经元疾病（MND）和完全闭锁综合症（CLIS）患者通常无法通过语言或眼球运动进行交流。诺丁汉特伦特大学的Amin Al-Habaibeh、Ahmet Omurtag和Sharmila Majumdar团队开发了一种价格实惠的脑波读取器，帮助患者通过脑电波信号进行“是”或“否”的简单交流。

该脑波读取器通过三个脑电图（EEG）传感器检测患者想象不同情景时产生的脑电波信号。例如，想象踢足球表示“是”，想象被困在有大象的房间里表示“否”。这些信号被放大并转换为数字信号，由AI解读后显示在屏幕上。研究团队开发的ASPS（自动传感器和信号处理选择）方法用于提取EEG信号中的关键特征，并通过人工神经网络（ANN）验证结果。研究发现，设备需要大约十次尝试来学习个体的脑电波模式，成功率为90%。硬件成本仅为300英镑，研究成果将免费提供给慈善机构和家庭使用。研究发表在 Neuroscience Informatics 上。

全球约有8000万人患有震颤，如帕金森病等疾病引起的不自主周期性运动，严重影响患者的日常生活。马克斯普朗克智能系统研究所（MPI-IS）、图宾根大学和斯图加特大学的研究团队开发了一种仿生机器人手臂，利用人造肌肉抑制震颤。

研究团队开发了一种仿生机器人手臂，称为“机械病人”，模拟真实震颤发作。该手臂配备了两根由电动液压致动器制成的人造肌肉，能够通过收缩和放松来补偿震颤运动。研究结果显示，这种手臂能够有效抑制震颤，几乎感觉不到或看不到震颤。研究团队还结合生物力学模型，验证了这种人造肌肉的性能，避免了在真实患者身上进行耗时且昂贵的临床试验。研究结果显示，震颤幅度在2至8赫兹范围内减少了76%至94%。研究发表在 Device 上。

神经影像学研究通常限制参与者的运动，导致实验结果缺乏生态效度。为了解决这一问题，George C. O’Neill、Robert A. Seymour等研究人员结合视频遥测技术和可穿戴磁脑电图（MEG）系统，开发了一种新的分析方法。他们使用开源机器学习方法处理视频数据，自动识别参与者在跳舞时的多肢体运动时间窗口，并将其与MEG数据相结合，揭示了复杂行为的神经机制。

研究团队首先比较了传统的基于刺激呈现的肢体运动分析与基于视频遥测的隐马尔可夫模型（HMM）状态的分析方法。结果显示，通过视频遥测技术，可以更准确地识别与特定肢体和身体姿势相关的神经元活动模式。这一方法为未来的自然主义行为研究提供了一种新的分析工具，展示了视频遥测与移动MEG结合在复杂行为研究中的潜力。研究发表在 Imaging Neuroscience 上。

大脑如何协调简单的目标导向动作，如伸手拿杯子，是一个复杂的过程。俄勒冈大学的研究团队通过功能性磁共振成像（fMRI）技术，揭示了这些动作背后的神经回路。

研究团队使用 fMRI 扫描受试者大脑，测量他们在执行伸手动作时的脑部活动。受试者躺在 MRI 机器内，通过头盔式装置与电子任务板互动。研究发现，大脑在规划伸手动作时，首先编码目标方向，然后编码距离。方向和距离的编码在多个参考框架中进行，而非单一框架。这一发现有助于改进脑机接口技术，如脑控假肢的设计。研究发表在 eNeuro 上。

AMIHGOS：让绒猴清醒成像更轻松

绒猴（Callithrix jacchus）因其与人类相似的视觉系统和脑结构，成为研究人类脑疾病的重要模型。然而，现有设备多针对啮齿动物设计，无法完全适配绒猴。为此，Gilbert、Kita、Liu、Majka、Okano、Schaeffer等国际研究团队开发了多种专用设备，包括MRI、PET、CT成像系统和3D打印头盔，显著提升了研究效率和精度。

研究团队开发了AMIHGOS软件，能够根据计算机断层扫描图像自动生成3D打印头盔，用于清醒状态下的神经成像。此外，还设计了8通道和14通道的射频线圈，分别用于功能MRI和解剖扫描。这些设备支持高分辨率脑图谱的生成和复杂行为的研究。研究还提供了已验证的触屏任务和基于任务的fMRI代码及刺激材料，所有设计文件通过Marmoset Brain Connectome（MBC）资源公开。研究发表在 Imaging Neuroscience 上。

将大脑活动解码为自然语言是神经科学和脑机接口领域的重要挑战，但现有方法在预测性能、任务多样性和跨个体泛化能力上存在局限。耶鲁大学、达特茅斯学院和剑桥大学的研究人员开发了 MindLLM，这是一种不针对特定个体的模型，可以将功能性磁共振成像信号解码为文本。通过结合神经科学启发的注意力机制和大型语言模型，研究团队成功提升了模型的性能、泛化能力和适应性。

MindLLM 的核心包括一个 fMRI 编码器和一个现成的大型语言模型。fMRI 编码器采用了一种基于神经科学的注意力机制，能够适应不同个体的输入形状，从而实现高效的跨个体解码。此外，研究团队引入了 Brain Instruction Tuning（BIT），这是一种新方法，通过多主体 fMRI 数据和文本注释增强模型从 fMRI 信号中提取多样化语义信息的能力。

研究结果显示，MindLLM 在多项任务中表现优异，包括脑部描述、问答和推理任务。相比现有模型，MindLLM 在下游任务上的性能提升了 12.0%，在未见个体上的泛化能力提高了 16.4%，在新任务上的适应性提升了 25.0%。此外，模型的注意力模式揭示了特定脑区与认知功能（如感知和推理）之间的联系，为神经科学研究提供了新的工具。