追问daily | 临界状态：大脑最佳计算能力的统一理论；你生活中的配乐可能是记忆的关键；Cell：新型减肥药不减肌肉

GLP-1类药物虽能有效治疗肥胖和糖尿病，但存在肌肉流失等副作用。Atrogi AB公司、斯德哥尔摩大学和卡罗林斯卡学院的Tore Bengtsson等团队开发了口服药物ATR-258，在1期临床试验中显示出良好的安全性和减脂不减肌的效果。 

研究团队采用基于配体的虚拟筛选（ligand-based virtual screening）和化学进化技术，开发出GRK偏向型β2肾上腺素受体（β2AR）激动剂ATR-258。该药物通过激活骨骼肌代谢实现血糖控制和减重，不同于传统GLP-1类药物抑制食欲的机制。在临床前动物模型中，ATR-258表现出与GLP-1类药物相当的降糖减重效果，且心脏副作用更低。1期临床试验在48名健康受试者和25名2型糖尿病患者中进行，结果显示该药物具有良好的药代动力学特性和耐受性。研究团队计划开展2期临床试验，进一步验证其在人类患者中的效果。研究发表在 Cell 上。

临界状态：大脑最佳计算能力的统一理论

大脑如何达到最优计算状态？华盛顿大学圣路易斯分校的Keith B. Hengen与阿肯色大学的Woodrow L. Shew团队提出临界状态（criticality）作为统一理论，认为这是大脑高效处理信息的关键，并发现其与神经系统疾病密切相关。 

研究结合物理学临界性理论与神经生物学实验，通过fMRI技术测量大脑临界状态，并对2003-2024年间140个数据集进行元分析。结果显示，临界状态是大脑的最优计算状态，具有多尺度动态特征。团队开发出量化大脑临界性的数学方法，可精确测量大脑与这一理想状态的距离。在疾病关联方面，研究发现阿尔茨海默病中的tau蛋白会直接破坏临界性，导致认知功能衰退。此外，研究还揭示睡眠通过恢复临界状态来维持大脑功能，这解释了睡眠不足与神经退行性疾病的关联。这些发现为理解大脑工作机制和神经系统疾病提供了新视角，可能推动早期诊断方法的开发。研究发表在 Neuron 上。

你生活中的配乐可能是记忆的关键

音乐为何能成为记忆的钥匙？滑铁卢大学的Pelin Tanberg、Ryan C. Yeung和Myra A. Fernandes团队通过实验证明，流行歌曲不仅能作为时间标记精准定位记忆，还能通过情感共鸣增强记忆提取效果，为痴呆症记忆干预提供了新思路。 

研究选取2017-2020年间热门歌曲，84名参与者分别聆听歌曲片段和电脑生成的纯歌词朗读（spoken lyrics）。行为实验显示，完整歌曲触发自传体记忆（autobiographical memories）的成功率达49%，比纯歌词高16个百分点，且更易产生身临其境的"重历感"。时序分析发现，歌曲发布年份与记忆时间存在显著相关性：2017年歌曲唤起的记忆平均比2020年歌曲早2.3年，证实其作为时间标记（temporal landmarks）的作用。情感分析进一步揭示，高愉悦度歌曲唤起积极记忆的概率高31%，显示情感对齐效应（emotional alignment）。研究还发现，这种机制对老年人特别有益，可能因其自发回忆能力下降。研究为音乐疗法提供了科学依据，特别是利用个人化播放清单辅助记忆重建。研究发表在 Memory & Cognition 上。

生物如何根据新信息快速调整导航计划？劳伦斯伯克利国家实验室的Stephanie M. Prince和佐治亚理工学院/埃默里大学的Annabelle C. Singer团队发现，海马体会同时编码新旧目标形成"双地图"，而前额叶皮层则以200毫秒超高速切换选择表征。 

研究团队设计虚拟现实迷宫任务，通过精确控制奖励位置变化时机，记录小鼠海马体和前额叶皮层的神经活动。采用贝叶斯解码（通过概率模型重构神经信号含义的技术）分析发现，海马体在新信息出现后立即同时增强对两个可能目标的表征，形成导航备选方案；而前额叶皮层则快速抛弃旧选择编码，200毫秒内完成向新目标的神经切换。值得注意的是，这种神经切换发生在实际运动调整之前，表明大脑存在"预决策"机制。当小鼠未能适应新信息时，前额叶皮层的选择编码失效，但海马体的空间表征保持完整，提示决策障碍可能源于脑区协同失调。进一步分析显示，神经调整幅度与行为适应需求正相关：当需要更大路线修正时，新目标在海马体的表征强度可增加40%。这些发现揭示了大脑实现认知灵活性的分层处理机制，也为理解神经退行性疾病的决策障碍提供了新靶点。研究发表在 Nature Communications 上。

恐惧状态下疼痛抑制的神经机制

恐惧如何抑制疼痛？法国波尔多大学马让迪神经中心的Nanci Winke、Frank Aby、Daniel Jercog团队联合丹麦哥本哈根大学等机构，发现中脑生长抑素（SST）阳性神经元通过特定神经回路介导恐惧状态下的镇痛效应。 

研究首先建立小鼠听觉恐惧条件反射模型，观察到恐惧线索可使疼痛反应延迟2.3倍。通过光遗传学特异性调控腹外侧导水管周围灰质（vIPAG）中SST阳性细胞，发现抑制这些细胞能增强镇痛，而激活其向延髓腹内侧前区（RVM）的投射则完全阻断恐惧镇痛效应。神经示踪实验证实SST+ vIPAG细胞通过RVM间接调控脊髓痛觉传递，而非直接投射。电生理记录显示该通路不依赖阿片系统，与传统的vlPAG镇痛机制不同。这一发现不仅揭示了恐惧状态下"忍痛逃生"的神经基础，还为开发靶向镇痛疗法提供了新思路。研究发表在 eLife 上。

习惯形成新解：双机制理论破解行为科学争议

习惯研究为何长期存在矛盾结论？约翰·霍普金斯大学医学院的Yue Du和Adrian M. Haith团队提出突破性理论，通过215人实验证明习惯实际通过反应准备（response preparation）和反应启动（response initiation）两种独立机制形成。 

研究团队设计双路径实验：一组参与者修改已学习的刺激-反应映射（stimulus-response mapping，即特定情境与行为的关联规则），另一组训练抑制特定刺激的反应。结合计算模型分析发现，反应准备机制负责选择并预备习惯动作，其神经活动集中在前运动皮层；反应启动机制控制行为执行/抑制，主要依赖基底神经节回路。模型显示两路径神经表征分离度达72%，能解释83%的既往研究矛盾。在应用层面，促进健康习惯需强化准备机制（如规律运动的场景关联），而戒除不良习惯应阻断启动机制（如抑制吸烟冲动）。该研究为个性化行为干预提供精确靶点，未来可结合经颅磁刺激（TMS）等技术开发针对性治疗方案。研究发表在 Nature Human Behaviour 上。

轻度运动后眨眼频率变化可预测认知功能提升差异

轻度运动如何影响大脑认知功能？筑波大学的Ryuta Kuwamizu、Yudai Yamazaki等团队发现，个体在轻度运动后的眨眼频率变化差异可预测其执行功能提升程度，这为开发个性化运动方案提供了新思路。 

研究团队重新分析了24名健康年轻人完成10分钟轻度骑行（30%峰值摄氧量）和静息对照的实验数据。通过测量运动前后静息状态眨眼频率（rssEBR，反映脑干多巴胺能活性的指标）和Stroop任务（测试抑制控制能力的认知任务）表现，发现虽然整体眨眼频率未显著增加，但个体差异显著：那些运动后眨眼频率增加的人，在Stroop任务中表现出更明显的反应速度提升（平均改善12.3%）。进一步分析显示，rssEBR变化与认知改善呈正相关（r=0.42，p<0.05），表明这种非侵入性测量可能反映运动诱导的神经调节状态。该发现支持将眨眼频率作为评估运动认知效益的生物标志物，未来或可指导制定个性化运动处方。研究发表在 Journal of Physiological Anthropology 上。

小脑为儿童心理同理心发展奠定神经基础

小脑如何塑造儿童理解他人想法的能力？马克斯·普朗克人类认知和脑科学研究所的Aikaterina Manoli、Sofie L. Valk等团队发现，3-5岁儿童的小脑通过特殊连接模式为心理理论（ToM）能力发展搭建神经基础，这种机制异常可能与孤独症相关。 

研究团队利用功能性核磁共振成像（fMRI）记录了41名3-12岁儿童观看社交场景电影时的大脑活动，并结合经典错误信念任务评估心理理论能力。结果显示，能理解他人错误信念的儿童在小脑后部Crus I-II区域表现出与成人相似的激活模式，而未通过测试的儿童则无此特征。通过动态因果模型（DCM）分析发现，儿童期小脑向大脑皮层的信息流占主导地位，形成上游连接；而成人则相反，主要呈现大脑皮层向小脑的下游连接。这种连接方向性的年龄差异解释了临床观察：早期小脑损伤导致的社交障碍比成人期损伤更严重且持久。研究还发现小脑-大脑皮层功能连接强度与儿童ToM能力正相关，为理解孤独症等神经发育障碍的社交缺陷提供了神经机制解释。研究发表在 Nature Communications 上。

新型MRI技术实现全脑代谢成像，12分钟捕捉疾病特征

临床MRI无法可视化脑代谢活动这一关键疾病指标。伊利诺伊大学香槟分校的Yibo Zhao、Zhi-Pei Liang团队开发出新型磁共振波谱成像（MRSI）技术，将全脑代谢扫描时间缩短至12.5分钟，成功区分了传统MRI难以鉴别的脑肿瘤等级，并提前70天检测到多发性硬化症的分子变化。 

研究团队开发出能同步编码多种分子空间、光谱和J耦合信息的超快速数据采集技术。该技术结合基于物理的机器学习进行数据处理，突破了传统MRSI扫描时间长、噪声高的技术瓶颈。在健康受试者中，新技术首次绘制出全脑代谢图谱，揭示不同脑区存在显著代谢差异。对于临床难题——少突胶质细胞瘤分级，该技术检测到III级肿瘤特有的胆碱和乳酸升高，而传统MRI图像无法显示这种差异。在多发性硬化症患者中，新技术在临床症状出现前70天就捕捉到神经炎症相关的分子变化，为早期干预创造了条件。研究还发现，该技术生成的高分辨率分子图谱可清晰显示脑肿瘤边界和代谢异常区域。研究发表在 Nature Biomedical Engineering 上。

人类如何区分对自己和他人心理状态的思考？普林斯顿大学的Isaac Ray Christian和Sam A Nastase团队通过fMRI研究发现，大脑默认模式网络（DMN）存在明确分工：腹内侧前额叶（VMPFC）专司自我反思，而背内侧前额叶（DMPFC）同时处理自我和他人心理状态。 

研究设计四条件实验范式，参与者需推断视频中他人或自身的注意力状态（心理状态推理任务），或完成呼吸计数控制任务。通过功能磁共振成像（fMRI）和多体素模式分析（MVPA，一种解码大脑活动模式的技术），团队复制了前额叶内侧壁的自我-他人功能轴：VMPFC仅对自我心理状态敏感，DMPFC则对两类推理均有反应。后扣带回皮层（PCC）被发现能区分心理状态推理的目标对象。交叉分类分析进一步揭示，DMPFC、VMPFC和右侧颞顶联合区（RTPJ）存在与代理类型无关的通用推理模式。这些发现为理解社会认知的神经基础提供了新视角，表明大脑同时采用代理特定和代理通用的双重处理策略。

谷歌近日宣布，其最新文本到图像生成模型Imagen 4已正式登陆Gemini API和Google AI Studio平台。该模型在文本渲染能力上较前代产品有显著提升，进一步拓展了图像生成的质量边界。Imagen 4家族包含两个版本：标准版Imagen 4和高端版Imagen 4 Ultra。前者定价为每张图像0.04美元，适合大多数创作需求；后者则以0.06美元的价格提供更精准的提示词对齐功能，尤其适合对细节要求严格的用户。谷歌表示，未来几周将推出更多付费方案，并开放更高速率限制的申请。

为了展示Imagen 4的潜力，谷歌团队通过示例揭示了其多样化的创作能力。例如，用户可生成包含三格宇宙漫画、京都复古明信片或登山者日出剪影等复杂场景的图像。其中，Imagen 4 Ultra在表现科幻叙事、风景构图和时尚概念摄影时尤为出色，能够精准捕捉提示词中的动态光影、文字元素和艺术风格。所有生成图像均会嵌入不可见的SynthID数字水印，以确保透明度和版权保护。

开发者现可通过Gemini API和Google AI Studio体验Imagen 4的付费预览版，或申请免费测试权限。谷歌产品经理Alisa Fortin和Seth Odoom强调，官方文档和教程已同步更新，帮助用户快速上手。团队预计在未来几周内全面开放模型访问权限，并期待看到更多创意应用案例。

谷歌推出Gemini Robotics On-Device：本地化AI机器人模型实现高效任务适配

谷歌近日发布了Gemini Robotics On-Device，这是一款专为机器人设备优化的本地化视觉语言动作（VLA）模型。该模型基于Gemini 2.0的多模态推理能力，能够在无需网络连接的情况下高效运行，适用于对延迟敏感的应用场景。Gemini Robotics On-Device具备强大的通用灵巧性和任务泛化能力，能够执行复杂的多步骤指令，例如解开拉链、折叠衣物等精细操作。此外，谷歌还推出了配套的Gemini Robotics SDK，帮助开发者通过少量演示（50-100次）快速适配模型至新任务和环境。

在性能测试中，Gemini Robotics On-Device在分布式任务和复杂指令遵循方面表现优异，超越了其他本地化模型。尽管初始训练仅针对ALOHA机器人，但该模型成功适配了双臂Franka FR3机器人和Apptronik的Apollo人形机器人，展现了跨平台泛化能力。例如，在Franka机器人上，它能完成工业皮带组装等精密任务；而在Apollo人形机器人上，它可灵活操作陌生物体。谷歌强调，模型开发遵循AI原则，通过语义安全基准测试和红队演练确保安全性。

目前，Gemini Robotics On-Device仅限受邀开发者测试。谷歌希望通过这一技术推动机器人社区的创新，解决延迟和网络连接问题。未来，该模型或将在工业、家庭服务等领域发挥重要作用，加速AI与物理世界的融合。

Anthropic图书版权案判决出炉：盗版数据侵权，合法扫描获认可

近日，AI公司Anthropic因训练其Claude模型使用盗版图书数据被五位作家起诉。诉讼文件显示，2021-2022年间，Anthropic下载了Books3（含近20万本图书）、LibGen（超500万本）、PiLiMi（200万本）等盗版资源，构建“内部研究图书馆”，用于模型评估、采样和过滤。2024年起，该公司转向合法方式，大规模购买实体书籍并扫描，聘请前Google图书项目高管Tom Turvey，通过零售商和批发商采购数百万美元的纸质书，并交由服务商拆解、扫描和OCR处理，以建立高质量文本语料库。

法院判决部分支持Anthropic的做法。法官裁定，合法购买并扫描图书用于内部模型训练属于“合理使用”（fair use），因其具有“转化性”（transformative use），且图书内容未向外部公开，模型输出也非原书复制。然而，Anthropic此前使用盗版电子书的行为仍将进入审判阶段，法官确认该公司明知数据来源非法却长期保留，尽管后期承诺停用，但已构成版权侵害。

判决书中，法官提出了一个有趣的论点：AI模型的学习过程类似于人类“读书→理解→写作”的认知行为。法官认为，人类阅读后回忆书中思想并创作新内容时，无需每次支付版权费用，AI模型同样是在“吸收与转化”而非简单复制。这一观点可能对未来类似案件产生深远影响。

ALS芯片模型揭示运动神经元信号异常机制

如何破解散发性ALS的致病机制？西达赛奈医疗中心的Deepti Lall、Michael J. Workman和Clive Svendsen团队开发出仿生器官芯片，首次捕捉到疾病早期谷氨酸信号异常等关键病理特征。 

研究团队将早发型ALS患者的诱导多能干细胞（iPSC）分化为脊髓运动神经元（motor neurons），与内皮细胞共同培养在特制微流控芯片（SC-chip）中，通过动态培养基流动模拟人体血液循环。相比传统静态培养，该模型使神经元成熟度提升300%，并首次检测到ALS患者神经元中谷氨酸能信号（glutamatergic signaling）的异常激活——这种神经递质紊乱长期被认为与ALS相关，但此前难以在体外重现。单细胞测序发现ALS组存在两个运动神经元亚群，且神经丝蛋白表达显著升高。值得注意的是，这些异常在年轻神经元中尚未引发功能障碍，提示其可能是多年后导致神经元死亡的累积损伤起点。该模型整合的血脑屏障系统未来可用于测试药物渗透性，目前团队正利用它验证谷氨酸信号异常与神经元死亡的因果关系。研究发表在 Cell Stem Cell 上。

蛋白质基础模型（PFM）的爆发式增长带来了评估标准混乱的难题。百图生科与西湖大学的Zhangyang Gao、Hao Wang、Stan Z. Li等研究者开发了PFMBench——首个覆盖38个任务、17个模型的综合性评测工具，揭示了多模态模型的压倒性优势，并提出了高效评估方案。 

研究团队从8大蛋白质科学领域筛选出28个低偏差任务（如结构预测、酶分类），测试了包括ESM-2、ProTrek在内的四类模型。通过聚类分析发现，38个任务可简化为11个代表性任务（如溶解度预测DeepSol、结合亲和力PDBBind）。结果显示，整合结构和功能数据的多模态模型ProTrek在75%的任务中胜出，其酶分类得分（0.764）显著高于纯序列模型ProtGPT2（0.697）。研究还颠覆了行业认知：零样本评估与监督任务无相关性（如ESM-2在ProteinGym的0.439分无实际意义），而参数高效微调技术DoRA在结合任务中表现优异。团队开源了评测框架，仅需11个任务和2个基线模型即可实现90%效率提升。

石墨烯-聚合物复合材料实现类皮肤自修复电子材料

如何突破电子材料的刚性局限？丹麦技术大学的Morteza Alehosseini团队开发出具有皮肤特性的新型电子材料，将石墨烯与导电聚合物PEDOT:PSS结合，创造出可自修复、感知环境的多功能复合材料，为医疗和机器人领域带来革新。 

研究团队采用还原氧化石墨烯(rGO)与导电聚合物PEDOT:PSS、单宁酸(TA)复合，通过简单混合工艺制备出类皮肤材料。该材料展现出惊人性能：20秒内完成自修复，可拉伸至原始长度6倍(600%应变)，经历10,000次循环测试仍保持稳定。材料具备多重传感能力，能检测压力、温度、pH值等物理参数，以及多巴胺、过氧化氢等生物分子。通过创新的3D打印技术，团队成功制造出功能完整的电子电路和医疗监测绷带，后者可实时追踪伤口愈合情况。在应用层面，这种材料既可用于制造感知环境的机器人皮肤，也能开发智能太空服和舒适假肢，其生物相容性还使其成为微创手术和植入设备的理想选择。研究发表在 Advanced Science 上。

虚拟细胞模型State问世：AI预测细胞状态转变助力药物研发

90%的临床试验药物因疗效或副作用问题失败，预测细胞对药物响应成为关键挑战。Arc Institute团队开发了虚拟细胞模型State，通过AI预测细胞状态转变，显著提升了基因表达变化的预测准确性。 

研究团队整合了全球近1.7亿个细胞的观测数据和1亿个细胞的扰动数据（包括CRISPR基因编辑数据），构建了基于双向Transformer架构的State模型。该模型包含两个核心组件：State Embedding（SE）模型将复杂的转录组数据转换为计算机可理解的向量空间；State Transition（ST）模型则预测细胞在扰动后的状态转变。在Tahoe-100M基准测试中，State表现出色——识别真实差异表达基因（differentially expressed genes）的准确率达到现有最佳模型的2倍，扰动效应区分能力提升50%，且首次系统性超越了简单线性基线。研究还开发了Cell_Eval评估框架，采用生物学相关指标全面评估模型性能。这一突破性成果为药物研发提供了强大工具，研究人员可通过模拟数百万次虚拟实验快速筛选候选药物。

可穿戴设备与AI结合：预测分娩与压力管理的新突破

如何通过可穿戴设备改善健康监测？亚利桑那大学的Shravan Aras团队开展了两项新研究：利用智能戒指每分钟体温数据预测分娩时间，以及通过自然漫步实验分析压力反应。两项研究分别实现了79%的分娩时间预测准确率，并证实自然环境对减压的显著效果。   

在第一项研究中，团队与可穿戴公司合作，通过每分钟采集体温的智能戒指获取数据，训练深度神经网络（DNN，模拟人脑分层的计算模型）预测分娩。模型在真实分娩前7天窗口期内预测准确率达79%，误差±4.6天。相比传统每日测温，高频数据能捕捉体温波动模式。   

 第二项研究分析沃尔特·里德医疗中心绿路（Green Road）的减压效果。参与者分别在绿地和城市道路步行20分钟，监测心率变异性（HRV，反映自主神经系统的指标）和唾液皮质醇。结果显示绿地步行使皮质醇降幅更大（p<0.05），但HRV反应因人而异——一名参与者因遇蛇导致HRV骤降，皮质醇短暂升高。研究提示自然环境虽整体有益，但个体化反应需纳入考量。研究发表在 BMC Pregnancy and Childbirth 和 International Journal of Environmental Research and Public Health 上。