追问weekly | 过去一周，脑科学领域有哪些新发现？

大脑白质异常与多种神经及精神疾病密切相关，但此前学术界一直缺乏标准化的白质终生生长参考图表。Michael E. Kim、Kurt G. Schilling、Bennett Landman及其合作者（范德堡大学和范德堡健康中心等）分析了海量核磁共振成像数据，成功绘制出人类首个从出生到100岁的大脑白质生长曲线图。

研究人员分析了源自50项人群研究的35120例典型发育大脑的扩散磁共振成像样本，追踪了大脑中72条不同功能性白质通道的生长与衰老过程。分析表明，全脑白质总体积在30岁出头达到峰值，之后逐渐萎缩。而代表白质组织完整性的关键指标各向异性分数成熟更早，在20多岁中期达到临界点后便稳步下降。研究揭示，大脑不同神经回路的生长与衰退遵循完全不同且独立的时间线，成熟速度最慢的通路往往最能抵抗衰老，而在青春期爆发式增长的通路在晚年退化最快。通过与精神分裂症、孤独症及阿尔茨海默病患者的数据对比，研究还发现不同疾病在白质发育中表现出独特的空间偏差模式。研究发表在 Nature 上。

Nature：全球首个人类胚胎早期器官发生时空图谱绘制成功

胚胎原肠胚形成后如何分化出复杂的器官系统？浙江大学医学院黄荷凤院士团队联合华大科研团队及复旦大学成功绘制出全球首个人类胚胎器官发生时空转录组图谱。

研究人员利用时空组学技术 Stereo-seq（Stereo-seq，一种能在保留细胞空间位置的前提下测量纳米级基因表达的技术）以及单细胞核测序，对13个人类胚胎的77个矢状切片进行了深度解析。该研究成功绘制了包含50个器官、198个精细亚结构的发育图谱。在心脏发育中，研究团队不仅精确定位了窦房结的微环境，还首次鉴定出调控人类心脏自主节律的新关键基因 KIAA1324L 与 RORA，证实抑制其表达会导致心率降低。在大脑发育中，研究发现抑制性神经元在受精后4周即已出现，并证实关键基因 HMGA2 具有维持放射状胶质细胞干性的开关作用。此外，该研究系统投射了1740个已知致病基因，清晰展示了先天性白内障和智力障碍等11种主要先天疾病对应的易感器官与发育时期。研究发表在 Nature 上。

生育如何长期重塑母亲的大脑结构与行为适应性？Jennifer C. O’Chan和Giuseppina Di Salvo等（西奈山伊坎医学院）揭示了多巴胺在驱动母性大脑持续重塑中的核心作用，发现其不仅提升了母鼠的育儿与认知能力，还为产后抑郁等神经及心理疾病提供了新机制。

这项研究通过对比经历生育的小鼠与未生育小鼠的全脑转录组，发现背侧海马结构是基因表达发生剧烈改变的核心区域。行为测试显示，生育小鼠展现出更快的幼崽寻回速度和更强的情境学习能力。然而，在引入产后慢性应激（chronic postpartum stress，通过母婴分离模拟长期压力）模型后，这些适应性改变和神经可塑性均被破坏。通过单细胞测序，研究团队发现多巴胺不仅传递信号，还引发了组蛋白H3多巴胺化修饰（H3 dopaminylation，一种调控基因开关的表观遗传变化），沉默特定基因以实现大脑的长效适应。利用化学遗传学抑制未生育小鼠该脑区的多巴胺释放，竟成功复现了生育带来的表观遗传与基因特征。该发现明确了长期行为适应的根本路径。研究发表在 Nature 上。

动物缺乏蛋白质时如何精准寻找必需营养素？Boram Kim与SUH Seong-Bae等研究人员（韩国基础科学研究院等机构）揭示了肠道感知营养缺乏并引导大脑改变摄食偏好的机制，发现了由神经与激素共同介导的全新肠脑交互通路。

研究团队利用果蝇和小鼠模型展开实验。当果蝇缺乏膳食蛋白质时，其肠道细胞会释放一种多肽激素CNMa。该过程包含两条互补路径：第一条是快速神经回路，CNMa激活特定的肠神经元，直接向大脑传递氨基酸缺乏信号；第二条是较慢的激素路径，CNMa进入血液循环到达大脑，持久维持动物对必需氨基酸的强烈食欲。此外，CNMa信号还会抑制大脑中的DH44糖敏感神经元，使受试动物对碳水化合物失去兴趣，进而优先摄取蛋白质。小鼠实验证实该机制在哺乳动物中高度保守，即使小鼠缺乏FGF21（fibroblast growth factor 21，一种长期被认为在控制蛋白质摄入中起核心作用的内分泌激素），它们依然对特定氨基酸表现出显著偏好。这表明生物体内存在此前未知的独立营养感知系统，为肥胖与代谢障碍的干预提供了全新切入点。研究发表在 Science 上。

Cell：上海科技大学解析Wnt信号体复合物高分辨结构

经典Wnt信号通路如何启动这一悬而未决的四十载难题如何解决？上海科技大学生命科学与技术学院许文青团队通过解析Wnt信号体高分辨率三维结构，系统揭示了天然Wnt配体启动该通路的分子机制。

研究团队利用冷冻电镜成功捕捉到分辨率达2.9埃的Wnt3a、Fzd8受体与LRP6共受体复合物结构。该复合物呈现独特的2比4比2组装比例，即两个Wnt3a蛋白形成同源二聚体作为核心，每个Wnt3a结合一个LRP6和两个Fzd8。这种配体二聚化机制能够拉拢并诱导受体在细胞膜上发生聚类，这是启动下游信号的关键第一步。此外，研究首次揭示了Wnt3a与LRP6在空间上的精密结合界面，并惊喜地发现，将Wnt3a蛋白第57位的精氨酸突变为亮氨酸或甲硫氨酸后，其激活信号的能力提升了约8倍，成功获得超活性突变体，在再生医学领域具有巨大应用潜力。研究发表在 Cell 上。

人工智能绘制大脑排毒全景图，揭示深睡流速双轨制

如何无创观测大脑在深睡时清除废物的机制？Douglas H. Kelley与来自罗切斯特大学、布朗大学及哥本哈根大学的团队合作，利用结合物理定律的AI算法重构了活体全脑三维流体流速，揭示了脑脊液循环特征。

研究团队开发的磁共振人工智能流速测量技术（MR-AIV）利用了动态对比增强磁共振成像（DCE-MRI）技术，并结合物理信息机器学习框架。由于传统的磁共振成像无法捕捉极慢的流体速度，团队利用神经网络分析造影剂在大脑内的扩散过程，并融入达西定律（Darcy's law，描述流体在多孔介质中流动的物理定律）来推断流速。结果显示，脑淋巴系统清除β-淀粉样蛋白等代谢废物存在双轨制流速：在靠近颅骨与大脑表面等开放区域，流体呈较快的对流状态，流速约为每秒3微米；而在大脑深层组织（如海马体、丘脑等），流体呈极慢的扩散状态，流速仅为每秒0.1微米左右，比表面慢约50倍。此技术未来有望用于人类阿尔茨海默病的早期筛查与脑震荡后脑脊液循环评估。研究发表在 Science Advances 上。

实验室培育脑脊髓连接模型，挑战成熟神经不可再生传统认知

中枢神经系统损伤后的神经纤维再生一直是一大医学难题。George M. Gibbons和András Lakatos等人在内组成的剑桥大学（University of Cambridge）研究团队，利用干细胞培育出微缩版人脑和脊髓连接系统，成功证实了以往被认为不可逆的神经连接损伤实际上具有逆转的可能。

研究团队构建了人类皮质脊髓连接类器官模型，将空间分离的大脑和脊髓类器官共同培养，使大脑神经元长出轴突跨越间隙与脊髓连接，形成可控制肌肉收缩的功能回路。实验显示，在体外培养的大约前150天内，受损轴突具有再生能力，但此后再生能力因神经元成熟而急剧下降。通过单细胞转录组测序分析，研究人员发现了一个在神经元成熟时限制轴突生长的关键转录基因网络。通过筛选药物数据库，团队发现原本用于治疗月经失调的激素类药物炔诺酮（lynestrenol）能够作用于该基因网络，阻断限制再生的基因表达，从而显著促进了受损人类神经元的轴突再生。该发现打破了成熟神经无法再生的传统认知，为脊髓损伤及运动神经元病治疗提供了新方向。研究发表在 Cell Reports 上。

临床上常观察到负面预期会加重患者疼痛，即反安慰剂效应（nocebo effect），但其具体大脑神经机制尚不清楚。Loren J. Martin和Jeffrey S. Mogil等团队（多伦多大学密西沙加分校和麦吉尔大学）通过小鼠实验，首次揭示了负面预期放大疼痛感的大脑特定神经通路，证实了这种疼痛加剧是大脑主动产生的真实生物学反应。

该研究开发了由环境线索或社会线索诱发反安慰剂效应的小鼠模型。研究人员将小鼠放回先前经历过疼痛的环境中，或者让它们观察其他遭受疼痛的小鼠，以此诱导消极预期。结合行为学、药理学和光遗传学技术，研究团队发现了一条关键的神经回路。研究表明，与疼痛情感维度相关的大脑前扣带皮层的神经元，会向被称为外侧导水管周围灰质（lateral periaqueductal gray）的中脑结构进行投射，并在该处释放神经化学物质胆囊收缩素（cholecystokinin）。这种物质的释放会显著增加个体的疼痛敏感性。实验证实，直接激活该通路会使小鼠的疼痛感加剧，而阻断该通路则能有效防止反安慰剂效应的出现。这一发现不仅明确了反安慰剂效应背后的特定大脑通路，验证了患者的实际痛感并非心理作用，也为未来缓解因焦虑和负面预期引起的疼痛放大提供了潜在的治疗靶点。研究发表在 Nature Communications 上。

人类在规划未来时需要评估环境和自身未来的行为。为了探寻这种前瞻性元认知的演化起源，牛津大学的 Kentaro Miyamoto, Simone D’Ambrogio, Caroline Harbison等研究人员对比了人类与猕猴的脑活动及连接性，发现猕猴具备类似元认知能力并揭示了其在腹侧前额叶的神经基础。

研究人员设计了一项前瞻性概率判断任务，要求人类和猕猴在决策前评估环境相关概率以及操作相关概率。通过功能磁共振成像记录脑活动，研究发现猕猴的45a区特异性参与评估自身表现，而47/12o区则参与评估环境。当研究人员使用经颅超声刺激干扰这两个区域时，猕猴对应的评估能力受到了因果性削弱。最后，比较连接性分析表明，人类的前外侧前额叶皮层在脑网络连接特征上融合了猕猴45a区和47/12o区这两个独立环路。这表明人类高级的前瞻性元认知能力可能是通过整合灵长类祖先大脑中已存在的这两个特异性环路演化而来的。研究发表在 Nature Human Behaviour 上。

攀缘纤维通过去抑制网络调节运动可塑性

大脑在学习新动作时如何从持续的神经信号中精准识别错误，一直是个谜。Changjoo Park 和 Zhen Yang 团队（韩国成均馆大学等）揭示了小脑中一条隐藏的去抑制神经回路，证实该网络能有效筛选并放大错误信号，从而指导运动学习。

研究团队对成年小鼠进行了行为学实验，并结合了连接组学、功能记录和计算建模等方法。研究人员绘制了小脑分子层中复杂的细胞网络，并记录了小鼠执行任务时的电活动。结果显示，攀缘纤维除了与浦肯野细胞（Purkinje cells，小脑中主要的输出神经元）直接相连外，还会靶向一种特定的分子层中间神经元亚型。这种特定的中间神经元能够抑制其他负责抑制浦肯野细胞的神经元，从而形成连续的去抑制效应。这些去抑制神经元能够整合多个攀缘纤维的输入信号，当神经元群体发生同步放电时，去抑制效应显著增强，进而在浦肯野细胞中引发更大的钙离子响应。实验表明，如果破坏这种中间神经元之间的调控通路，小鼠便无法完成相关的运动学习。这一发现证实，大脑的指导性信号并非单纯由单根纤维传递，而是通过复杂的回路处理和群体同步活动来实现的选择性过滤。研究发表在 Nature Neuroscience 上。

人脑如何将目标转化为行动：前额叶与运动皮层间的通信子空间

大脑如何将抽象目标转化为具体动作？Neha Binish和Jonas Terlau等（蒂宾根大学医学中心和蒂宾根大学）发现了前额叶皮层与初级运动皮层间的独特通信子空间，揭示了指导适应性行为的关键神经通路。

研究团队记录了12名植入颅内电极的难治性癫痫患者的大脑活动。参与者被要求完成一项根据情境线索快速识别目标的任务。通过结合计算与统计分析前额叶皮层和初级运动皮层的数据，研究人员在大脑的高维活动中识别出了一个低维的通信子空间（communication subspace，即嵌入在复杂神经网络中专门用于信息中继的简化信号通道）。实验结果显示，这一特定空间能在单次试验中选择性地过滤并传递与行为相关的情境预测信息。相较于单独观察上述两个独立脑区，该子空间内的神经活动能够更加精准地预测基于不同情境的动作计划。这一发现证实了大脑正是通过协调的区域间种群动态（interareal population dynamics，即不同脑区神经元群体协同活动的网络模式）来实现高效的信息交互与通讯。相关成果有望推动帕金森病等存在动作规划困难的疾病机制研究，并为开发直接翻译人类意图的脑机接口提供理论启发。研究发表在 Nature Neuroscience 上。

神经发生时间微调决定物种间大脑结构差异

不同哺乳动物的大脑皮层结构为何存在差异？Yuki Y Yamauchi、Ikuo K Suzuki等（大阪大学）通过比较大鼠与小鼠等动物的大脑发育过程，发现神经元产生的时序变化（即异时性）是导致物种间大脑结构差异的关键机制。

研究人员首先分析了八种哺乳动物的体感皮层，发现大鼠拥有异常增厚的深层皮质。为探究其发育机制，团队在大鼠和小鼠胚胎期使用半谱系标记来追踪神经发育。结果显示，大鼠单个神经祖细胞（neural progenitor cells，一类在脑发育早期能够产生神经元的干细胞）产生的深层神经元数量明显多于小鼠，而上层神经元数量相当。这源于神经发生的异时性（heterochrony，指生物发育过程中某些事件发生时间的改变）：小鼠祖细胞仅产生一到两天深层神经元便转而生产上层神经元，而大鼠的这一生产阶段长达约四天。单细胞转录组分析表明，这种时间延长的秘诀在于大鼠祖细胞中Wnt信号通路（Wnt signaling pathway，一种调控细胞生长、分化和皮层发育时间的分子机制）相关基因的持续高表达，减缓了祖细胞的衰老速度。研究发表在 The EMBO Journal 上。

为何现场音乐更动人？现场演出能增强脑电波与音乐的同步性

为什么现场音乐会比高保真录音更具吸引力？其背后的神经机制此前尚不明确。Arun Asthagiri和Psyche Loui（东北大学与新英格兰音乐学院）通过合作研究发现，现场演出能显著增强听众脑电波与音乐声波节律的同步性，从而带来更高的专注度与愉悦感。

研究人员招募了21名参与者，在音乐厅中分别闭眼聆听小提琴家现场演奏及录音播放的巴赫小提琴独奏作品。实验期间，研究人员利用脑电图实时监测参与者的脑部活动。结果表明，相比于预先录制的音乐，现场演奏引发了更强的脑电波与音乐节律同步，即相位锁定（phase-locking，指大脑神经元的电活动模式与外界声波节奏在时间上高度对齐的同步化现象）。这种同步性在快节奏音乐中尤为明显。行为评估数据显示，听众对现场演出的愉悦感和投入度评分显著更高，且更不容易分心。数据分析进一步证实，大脑与音乐节律的这种深度共振，是现场音乐具有独特情感吸引力的神经学基础。研究发表在 Social Cognitive and Affective Neuroscience 上。

投射即预测？精神分析与神经科学的殊途同归

精神分析的现象学描述与神经科学的机制研究之间长期存在鸿沟。Erik Stänicke及其团队（奥斯陆大学）通过理论分析指出，弗洛伊德的模型与当今脑科学的预测处理范式高度契合。研究证实投射与预测在功能上具有一致性，共同揭示了心智追求心理稳态的本质，为理解精神障碍的维持机制与治疗提供了新视角。

该研究通过跨学科整合，系统比较了精神分析核心概念与计算神经科学的预测处理和自由能原理。研究指出，大脑试图通过消除不确定性来维持稳态。神经科学中的感知推理和主动推理分别对应精神分析中的内投和投射机制。

研究结果表明，妄想症或内在批判声音等精神障碍症状，实际上是大脑为了降低由于未知带来的不确定性，而被迫维持的僵化且缺乏灵活性的预测模型。这些患者在潜意识中迫使现实符合其内部的负面预期。此外，研究强调了惊奇（surprise，即由于预测误差引发的不悦情感反应）在心理治疗中的关键作用。通过在医患关系中引入新的互动体验，打破患者固有的预测模型并引发这种认知冲突，可以促使大脑主动更新其僵化的程序性记忆。这一发现将主观体验与神经生理机制完美结合。研究发表在 Entropy 上。

自我意识较弱的人更容易被假手欺骗

思维与身体感知之间存在怎样的联系？Willis Klein、A. J. Gregory、Sonia A. Krol和Jennifer A. Bartz（麦吉尔大学）通过对橡胶手错觉的研究，发现自我概念清晰度较低的人更缺乏身体感知。该研究为身心深层关联的具身认知理论提供了实证支持。

这项双重复制研究招募了77名18至40岁的参与者，采用经典的橡胶手错觉（rubber hand illusion）实验。实验中，参与者的一只手被遮挡，视线中放置一只戴手套的橡胶假手。研究人员用画笔以同步或不同步的方式抚摸真实的手和橡胶手。随后，参与者填写评估其自我概念清晰度（self-concept clarity，即自我意识的清晰度、连贯性和稳定性）的量表。通过线性混合效应模型分析，研究发现自我概念清晰度得分较低的参与者，更容易受到橡胶手错觉的影响。即使在不应产生错觉的不同步抚摸条件下，他们也更容易将假手感知为自己身体的一部分。这表明，自我意识较弱的人拥有更易变形的身体自我，更容易将环境中的外物融入自我认知。这一结果为理解边缘型人格障碍等精神疾病提供了新视角。研究发表在 Canadian Journal of Experimental Psychology / Revue canadienne de psychologie expérimentale 上。

孩子爱说谎长大会变坏吗？

儿童说谎行为如何影响其成年后的心理健康与法律风险？Victoria Talwar、Angela M. Crossman、Kristy Robinson等人（麦吉尔大学、蒙特利尔大学和纽约市约翰杰伊刑事司法学院）通过一项跨越十余年的纵向研究，绘制了儿童期至青春期的说谎轨迹，发现持续或递增的说谎行为可能预示着成年早期的反社会人格及犯罪风险。

研究团队分析了魁北克幼儿园儿童纵向研究中3017名约6岁儿童的数据，追踪其在6岁至19岁期间由父母和教师报告的说谎行为。研究人员利用增长混合模型分析这些数据，并结合参与者22岁时的精神症状及25岁前的犯罪记录进行关联分析。结果显示，大多数儿童的说谎频率在成长过程中处于较低水平或呈下降趋势。然而，少数表现出高频或递增说谎轨迹的儿童，其在童年早期往往伴有更高的攻击性和冲动性。更重要的是，这部分持续说谎的个体在22岁时表现出明显的反社会人格障碍症状，且在25岁前更有可能出现青少年及成人犯罪记录。研究表明，长期的病理性说谎结合冲动与攻击行为，是早期干预的重要信号。研究发表在 Development and Psychopathology 上。

懂得知之为知之：MetaCogAgent框架赋予AI智能体元认知能力

多智能体大模型系统常因缺乏对自身能力边界的认知而导致过度自信并引发执行错误。Chenyu Wang和Yang Shu（浙江大学）团队受认知科学元认知理论启发，开发了一种名为MetaCogAgent的多智能体大模型框架。该框架赋予智能体自我评估与自适应任务派发能力，显著提升了复杂任务的协同效率。

在这项研究中，研究团队为每个智能体配备了元认知自我评估单元（Metacognitive Self-Assessment Unit，用于在执行前评估任务与能力的匹配度）。该框架结合了口头置信度（verbalized confidence）和基于历史表现的画像置信度（profile-based confidence）来计算综合得分，并在两个信号冲突时动态调整派发阈值。若得分低于阈值，则触发自适应派发协议将任务转交给更合适的智能体。在包含700个任务的MetaCog-Eval基准测试中，MetaCogAgent达到了82.4%的准确率，比主流的AutoGen框架高出8.7%，且API调用次数减少了5%。此外，其期望校准误差（Expected Calibration Error，简称ECE，用于衡量置信度与实际准确率的一致性）低至0.087，证明智能体能可靠评估自身能力。

长期炎症如何影响人类造血干细胞的维持？Andy G. X. Zeng、Murtaza S. Nagree和Stephanie Z. Xie等（多伦多大学）通过构建人源化小鼠异种移植模型，发现了一类具有持久炎症记忆的造血干细胞亚群并证实其会向后代免疫细胞传递促炎特征。

该研究利用脂多糖（LPS）和肿瘤坏死因子（TNF）对人源化小鼠进行重复刺激以模拟体内炎症。在经历10周的恢复期后，利用单细胞多组学手段，研究团队在人类造血干细胞（HSC）中鉴定出一类特殊的「炎症记忆造血干细胞」（HSC-iM）。数据显示，经历重复炎症刺激后，即使经过长期恢复，重建的造血干细胞比例依然显著降低。该亚群表现出深度的静息状态和受抑的造血输出。进一步的临床数据分析显示，HSC-iM程序在新冠康复和衰老等多种生理状态下均显著富集。令人关注的是，这种促炎转录程序会传递给后代免疫细胞，且该特征在人群外周血中的富集与全因死亡率风险评分升高显著相关。研究发表在 Nature 上。

Nature：人工智能从头设计微型蛋白精准靶向GPCR受体

精确调控跨膜受体蛋白一直是药物研发的难题。Edin Muratspahić与David Baker等（Skape Bio公司等）通过人工智能从头设计，成功开发出高亲和力微型结合蛋白，在动物实验中证实了其媲美临床药物的卓越疗效。

研究团队采用多层次策略攻克这一难题。首先，他们利用含有5个氨基酸的核心序列引导人工智能扩散模型，从头生成微型蛋白；同时借助AlphaFold2提取自然支架进行序列重设计。为快速锁定有效分子，团队开发了受体分流（receptor diversion，一种在细胞中通过改变受体正常转运轨迹来筛选高亲和力结合蛋白的显微技术）技术。结果显示，这些蛋白能作为激动剂激活与疼痛相关的受体，或作为拮抗剂抑制与癌症相关的CXCR4等受体。通过冷冻电镜解析的5种设计蛋白结构与计算模型高度吻合。在小鼠实验中，设计的CXCR4拮抗剂动员造血干细胞的效果与现行临床药物相当，且不良反应更少。相关计算模型与技术正推进全新的靶向药物管线。研究发表在 Nature 上。

动物在缺乏蛋白质时如何精准选择所需营养？Boram Kim与Greg S. B. Suh等研究人员（韩国基础科学研究所、首尔大学等）揭示了肠道检测蛋白质缺乏并引导大脑寻找必需氨基酸的神经生物学基础，发现了一个未知的肠脑双重信号调节网络。

该研究主要以果蝇为模型，结合神经成像、行为实验和基因工具展开。研究发现，当果蝇缺乏蛋白质时，肠道上皮细胞会释放一种名为CNMamide（CNMa，一种肽类激素）。这触发了两条互补的肠脑通讯通路：首先，一条快速的神经回路被激活，带有CNMa受体的肠道神经元迅速将信息传至大脑；其次，一条较慢的激素通路通过血液循环中的CNMa持续作用于大脑。在脑内，CNMa激活了椭球体（ellipsoid body）中的R3m神经元，促进对必需氨基酸的摄入。同时，该信号途径抑制了DH44神经元（一种糖感应神经元），从而降低动物对碳水化合物的兴趣，彻底改变其饮食偏好。研究还发现，肠道共生菌群对该过程具有调控作用。进一步的小鼠模型实验表明，这种精准调节特定营养素食欲的机制在哺乳动物中是进化保守的，并且独立于以往已知的重要激素FGF21（fibroblast growth factor 21，成纤维细胞生长因子21）。该发现为肥胖和代谢疾病的干预提供了重要思路。研究发表在 Science 上。

空间转录组学虽然能展现组织结构，但难以系统地将基因扰动与空间表型及调控通路建立因果关系。北京大学定量生物学中心曾泽贤团队与合作者合作开发了空间CRISPR筛选测序技术SPAC-seq与统计学分析工具包TARDIS，首次在单细胞分辨率下实现了空间分辨的功能基因组学研究。

研究团队开发的SPAC-seq技术通过将单向导RNA（single guide RNA，简称sgRNA，用于引导Cas9蛋白进行精准基因编辑的核酸序列）文库导入靶细胞并注入小鼠体内。在经历体内生物学选择后，利用具有单细胞分辨率的空间转录组学平台原位捕获sgRNA和全转录组信息。在测试中，基于探针的直接捕获法和信使RNA嵌入法分别成功捕获了91.64%和76.38%的sgRNA。利用该技术，研究人员在小鼠肿瘤转移模型中发现，细胞粘附分子1（Icam1）基因的缺失会通过促进免疫抑制和巨噬细胞极化来加速肿瘤转移。此外，在CD8阳性T细胞中，研究证实了分化群44（Cd44）通过与巨噬细胞上的分泌型磷蛋白1（Spp1）相互作用调控空间表型，并验证了转录因子-趋化因子受体信号轴将细胞状态与趋化运动耦合的模型。这些成果展示了该技术在解析复杂组织微环境和疾病机制中的应用价值。研究发表在 Cell 上。

Cell：脑脊液中TPPP/p25蛋白可作为多系统萎缩症的精准诊断标志物

多系统萎缩症极易与帕金森病混淆，临床长期缺乏特异性诊断标志物。中国科学院上海有机化学研究所生物与化学交叉研究中心刘聪团队，上海交通大学Bio-X研究院李丹团队，及复旦大学附属华山医院王坚团队合作发现，脑脊液中特定蛋白质的异常淀粉样聚集可作为精准区分多系统萎缩症的生物标志物。

研究人员利用冷冻电镜解析了微管聚合促进蛋白（Tubulin Polymerization Promoting Protein，一种在中枢神经系统中负责维持细胞骨架稳定的蛋白质）的精细结构。结果表明，该蛋白正常时依靠末端区域保护免遭聚集，而疾病相关突变会引发核心区域剧烈的构象改变，形成有害的淀粉样纤维。基于此结构变化机制，团队选取其易于聚集的核心片段开发了种子扩增检测法（seed amplification assay，一种能利用模板将极微量病理蛋白信号指数级放大的高灵敏检测技术）。脑脊液样本分析结果显示，该方法区分多系统萎缩症与帕金森病的灵敏度高达96.4%，特异性达90.9%。该技术能有效排除阿尔茨海默病等其他错误折叠蛋白的干扰，为神经退行性疾病的早期精准诊断和药物研发筛选奠定了坚实基础。研究发表在 Cell 上。

急性心肌梗死的神经代价：甲基乙二醛诱发脑干炎症

心肌梗死不仅损害心脏，还会大幅增加抑郁和认知衰退等神经系统疾病的风险，但其心脑相互作用的特定分子驱动因素仍不清晰。Ramis Ileri、Xixi Guo 和 Erik J. Suuronen（渥太华大学心脏研究所）发现心脏组织受损后释放的高活性毒性分子会迅速在大脑中积聚并引发严重的神经炎症，揭示了由于心脏病发作增加长期神经系统疾病风险的新途径。

研究人员对小鼠进行了冠状动脉结扎手术以诱发心肌梗死（MI），并在术后6小时和7天收集脑组织。通过将大脑分为脑干、大脑皮层和海马体等五个区域进行分子分析，结果表明，心脏受损后产生的高活性副产物甲基乙二醛（MG）会在血液中大量积聚并迅速侵入大脑。其中，脑干区域的MG积累量最高。这种毒性积累触发了剧烈的神经炎症，主要表现为晚期糖基化终末产物受体（RAGE，一种介导炎症和细胞损伤的细胞表面受体蛋白）的异常激活、炎症因子核因子κB的表达增加，以及小胶质细胞的大量活化。此外，该病理过程具有显著的性别差异，雄性小鼠在绝大多数脑区中的MG积累量和炎症程度均远高于雌性。目前研究团队已开发出一种专门捕获MG的肽类候选药物，期望借此保护脑功能并降低患者未来的心脏事件风险。研究发表在 Advanced Science 上。

绝经后脑雌激素流失改变细胞外基质，加剧女性阿尔茨海默病风险

为什么阿尔茨海默病在女性群体中更为高发？绝经后雌激素水平下降是否是引发认知衰退的关键？西北大学（Northwestern University）的Hongxin Dong、Serdar E. Bulun和Hong Zhao团队发现，大脑局部雌激素的流失会特异性地改变老年女性大脑的细胞外基质，从而损害记忆功能，这为理解女性高发脑部疾病提供了重要生物学证据。

该研究团队使用了基因工程小鼠模型，将小鼠全身或仅在大脑中敲除芳香化酶。研究人员对比了年轻与老年以及雄性与雌性小鼠在脑雌激素流失后的表现。行为学实验显示，仅有老年雌性小鼠在脑雌激素缺失后出现了空间工作记忆和社交互动行为的损伤，且全身缺失雌激素的雌鼠表现出抑郁样行为，而雄鼠未出现这些年龄和雌激素依赖性的明显损伤。进一步对海马体进行RNA测序分析发现，大脑特异性缺乏雌激素的老年雌性小鼠，其细胞外基质相关通路高度富集，且相关基因表达显著上调。研究表明，女性在老年时期对大脑局部雌激素流失极其敏感，这种流失直接导致了占据大脑体积近五分之一的细胞间隙环境发生改变，进而引发认知衰退。这一发现不仅解释了性别差异在发病中的作用，也提示未来可开发靶向修复脑部支撑环境的全新干预策略。研究发表在 Aging Cell 上。

24小时血压变异性过大可破坏血脑屏障并加速认知衰退

全天候的血压波动会如何影响大脑？Madeline Gibson和Matthew Paul Pase等（莫纳什大学）发现，24小时内血压频繁波动与大脑认知能力变差及早期脑血管损伤密切相关。

研究团队对225名55至80岁无痴呆症的社区居民进行了横断面分析。利用连续动态血压监测（ambulatory BP monitoring，一种随身佩戴并在全天候自动定时测量血压的便携医疗设备）追踪参与者的血压变异性。同时结合神经心理学测试与多模态磁共振成像技术，评估其认知功能与大脑微观结构变化。

结果显示，24小时及清醒时的血压波动越大，参与者的整体认知与执行功能越差，这种功能减退程度约等同于大脑额外衰老七年。较高的24小时平均血压与脑白质高信号显著相关；而高频率的血压波动还会直接导致血脑屏障的通透性增加与完整性受损。此外，携带APOE ε4基因（一种显著增加阿尔茨海默病发病率的遗传变异因子）的人群对血压波动引起的结构性脑损伤更为敏感。研究发表在 Neurology 上。

补充麦角硫因有望改善长期服用抗精神病药物患者的认知功能

长期服用抗精神病药物常导致患者认知功能衰退，但其机理一直不明。徐州医科大学和北京回龙观医院的Mingxuan Zheng、Hanrong Yan、Wenting Hao、Huimei An、Yinghua Yu与Kuiyang Zheng等揭示了此类药物通过耗竭特定肠道微生物代谢物从而诱发认知受损的完整致病通路。

研究人员以小鼠为模型，对其进行八周的奥氮平（一种常用的非典型抗精神病药物）持续暴露。多组学分析显示，药物导致小鼠肠道菌群失调，特别是蓝细菌（Cyanobacteria，一类能合成特定生物分子的肠道微生物）丰度大幅下降，进而引发血液和脑内麦角硫因（ergothioneine，一种人体无法自身合成、完全依赖微生物产生且具有强抗氧化作用的代谢物）显著耗竭。这一现象在服用利培酮和氯氮平的患者及小鼠中同样得到验证。通过粪菌移植（FMT，将供体肠道菌群植入受体以改变其菌群组成的实验技术），证实了菌群改变是导致认知损伤的直接原因。机制层面，麦角硫因缺乏激活了海马区蛋白酪氨酸磷酸酶1B（PTP1B，一种氧化还原敏感磷酸酶），抑制了抗氧化调控因子，引发严重氧化应激与突触结构受损。补充麦角硫因或特异性敲除海马神经元中的PTP1B编码基因，均能有效逆转上述神经突生长异常与认知缺陷。研究发表在 Cell Host & Microbe 上。

经皮耳迷走神经刺激改善行动不便患者的康复治疗

针对行动不便患者的神经康复干预中经皮耳迷走神经刺激如何与运动系统相互作用这一问题，苏黎世联邦理工学院的Cléo Perrin、Dane Donegan和Paulius Viskaitis团队开展了实验研究。结果表明，与运动同步的经皮耳迷走神经刺激能够选择性地激活受试者大脑的运动相关回路，而不会产生广泛且非特异性的自主生理激活效应。

研究团队开展了两组实验，共招募36名健康受试者。在首个实验中，计算机系统随机指示受试者敲击手指或保持静止，同时施加两秒钟的经皮耳迷走神经刺激（taVNS，一种通过耳部皮肤微电流作用于迷走神经末梢的非侵入性神经调节手段）。结果显示，在受试者运动期间同步施加taVNS，其脑电图感觉运动活动显著增加；而将电极移至耳垂对照组则无此增强效果。在刺激期间，受试者瞳孔出现明显的相位性扩张，表明中枢神经受到唤醒，但心率和皮肤电反应等自主神经指标并未受到运动本身之外的额外影响。为进一步验证这种运动状态依赖的特异性，第二项实验在受试者保持静止时，利用经颅磁刺激激活运动通路，发现同步施加taVNS能瞬时提高皮质脊髓的兴奋性，诱发了更强的手指肌肉收缩反应。该研究证实了短暂的外周神经刺激能精准放大执行任务时的运动回路信号，为优化结合物理治疗的神经康复策略提供了重要的机制依据。研究发表在 JNeurosci 上。

全球精神障碍患病率30年激增，11.7亿人受影响

精神障碍已成为全球人口致残的主要原因之一，但其过去几十年的流行趋势和疾病负担演变情况仍需更精确的量化评估。GBD 2023 Mental Disorder Collaborators基于大规模的全球数据整合，系统揭示了过去三十年间全球精神障碍患病率的大幅上升情况，强调了应对全球心理健康危机的迫切需求。

该项研究基于2023年全球疾病负担数据的系统分析，采用贝叶斯元回归分析，对包含抑郁、焦虑、精神分裂症等在内的12种精神障碍进行了评估。研究通过疾病权重计算了患病率及伤残调整生命年（DALYs，即因早死或残疾而损失的健康生命年）。结果显示，2023年全球精神障碍患者高达11.7亿，相较1990年病例数猛增百分之九十五点五，年龄标准化患病率上升百分之二十四点二。其中，重度抑郁和焦虑障碍的增幅最为显著。精神障碍贡献了全球疾病总负担的百分之六点一，从1990年的第十二位跃升至全球第五大疾病负担来源。从人口学特征来看，女性的精神疾病负担显著高于男性；而在年龄分布上，该负担在15至19岁青少年群体中达到顶峰。这些数据凸显了精神健康问题的严重性及跨越地域的普遍性，特别是在中低收入国家，亟需建立更完善的公共监测与预防治疗体系。研究发表在 The Lancet 上。

新型AAV疗法全面逆转孤独症与癫痫表型

针对神经发育障碍中因特定基因剂量不足导致孤独症与癫痫缺乏有效治疗手段及转化标志物的问题，上海交通大学医学院松江研究院仇子龙课题组等人开发了一种新型腺相关病毒基因疗法。该疗法成功逆转了疾病模型的核心症状，并建立了一套无创的脑电图转化评估指标。

研究团队利用基因编辑技术构建了单倍剂量不足（haploinsufficient，指基因仅有一个正常拷贝导致蛋白质表达量减半的状态）的小鼠模型。测试显示这些小鼠出现了社交缺陷、异常焦虑、自发性癫痫以及存活率显著下降（出生一百五十天内存活率仅约百分之六十）等典型症状，且其大脑皮层特定神经元密度显著减少。随后，团队在小鼠出生后早期，通过能够穿透血脑屏障的病毒载体（AAV-PHP.eB，一种常用于中枢神经系统高效基因递送的工程化载体）进行全脑基因替换治疗。结果表明，接受治疗的小鼠存活率提升至百分之八十，大脑结构异常得到逆转，社交和记忆等行为缺陷被有效挽救，同时自发性癫痫发生率从百分之七十大幅降至百分之二十以下。此外，治疗还使受损的神经网络功能恢复，团队借此确立了一组无创的可转化脑电图生物标志物，涵盖特定频段的脑波功率及其比值，为未来临床试验的疗效监测提供了标准。研究发表在 Cell Reports Medicine 上。

青少年抑郁症伴随的自杀风险是全球公共卫生的严峻挑战，亟需快速见效的干预手段。暨南大学附属第一医院贾艳滨教授团队开展了一项随机对照临床试验，证实针对特定脑区的双靶点无创神经调控疗法可以安全、快速地缓解抑郁症青少年的自杀意念。

该临床研究招募了59名患有重度抑郁症（MDD）且伴有自杀意念的青少年患者。受试者被随机分配在4天内接受共20次的加速间歇theta脉冲刺激。双靶点组接受针对左侧背外侧前额叶皮层（DLPFC）和左侧小脑的活性电磁刺激，而单靶点组仅在左侧DLPFC接受活性刺激。结果显示，在治疗第4天，双靶点组的贝克自杀意念量表评分下降幅度显著大于单靶点组，两组平均分别减少14.34分和9.40分。此外，双靶点组在缓解患者抑郁症状和绝望感方面也表现出显著优势。在安全性方面，除少数患者出现轻微且短暂的治疗部位疼痛或头晕外，无任何严重不良反应报告。这一发现表明结合前额叶与小脑的双靶点刺激方案具有高度的临床实用性，为抑郁症青少年的急诊干预提供了新思路。研究发表在 JAMA Network Open 上。

为什么现在的年轻一代面临更严峻的心理健康危机？Thomas Curran、Andrew Hill和Pia Marie Pose团队（伦敦政治经济学院等）通过对过去35年数据的系统研究发现，大学生的完美主义倾向正在加速上升，这与宏观经济不平等的加剧及人均GDP放缓等深层社会经济因素密切相关。 

研究团队对1989年至2024年间涉及82,939名美、加、英大学生的307项研究进行了跨时间元分析。结果表明，在这35年间，年轻人的完美主义倾向呈上升趋势。特别是自21世纪初以来，完美主义担忧（perfectionistic concerns，指对失败的恐惧、优柔寡断以及害怕受到他人否定评价的心理状态）的上升速度，远快于完美主义追求。研究进一步将心理数据与经济指标关联，发现人均GDP增速放缓促使年轻人通过加倍努力来代偿，进而推高完美主义追求；而经济不平等的加剧则直接导致害怕犯错和在意他人看法的完美主义担忧急剧上升。值得注意的是，完美主义与抑郁和焦虑等心理健康症状的关系在过去几十年中保持稳定，这意味着完美主义的普遍增加直接推高了群体层面的心理健康风险。研究发表在 Psychological Bulletin 上。

孕期和产后超八成女性遭遇体重歧视

孕妇及产妇往往面临极大的身心压力，但亲友的体重羞辱如何影响她们的健康习惯？Taniya S. Nagpal与Angela C. Incollingo Rodriguez（阿尔伯塔大学等）通过研究发现，来自伴侣、家人和朋友等至亲的体重歧视，会显著降低孕产妇遵循运动和营养指南的积极性，从而对母婴健康产生不利影响。

研究团队招募了463名女性，在她们怀孕至少13周及产后三个月时进行问卷调查，评估她们遭受体重歧视的频率，并对比其营养与运动情况。结果显示，高达85.7%的女性在孕期感受到体重歧视，74.6%的人在产后也有类似经历。统计学分析表明，遭受体重羞辱的频率与未达到运动和营养指南要求显著相关。频繁遭受批评的孕妇更难改善膳食，且在孕期和产后更难维持中等至剧烈身体活动。研究表明，负面评论并不能起到激励作用，反而会增加心理压力并降低自我关爱，医护人员应关注患者家庭环境中的体重歧视屏障。研究发表在 Midwifery 上。

每日一杯果汁在四周内降低抑郁评分

如何通过简单且经济的饮食改变提升心理健康？Courtney Neal和Oliver M Shannon等研究人员（纽卡斯尔大学和利物浦大学）开展的一项临床试验表明，每日饮用一杯纯果汁或冰沙，在帮助人们达到日常果蔬摄入标准的同时，还能在四周内有效降低抑郁评分。

这项研究开展了一项为期四周的平行随机对照试验，招募了42名日常果蔬摄入量较低的健康成年人。参与者被随机分为对照组、整瓣果蔬组，以及整瓣果蔬加每日一杯纯果汁或冰沙组。为了消除购买障碍，干预组获得了每周资金支持和教育手册。研究人员使用专业问卷评估其情绪变化。结果显示，与对照组相比，加入果汁和冰沙的组在抑郁指标上的得分平均降低了2.52分（总分27分），差异具有统计学意义。同时，尽管人们常担忧果汁的糖分，但干预期间参与者的代谢健康指标未受不良影响。此外，两个干预组的膳食纤维摄入量均每日提升了8至10克，表明饮用果汁未阻碍其他纤维果蔬的摄入。研究表明，每日饮用果汁是一个可行的健康补充方案，并对促进心理健康具有积极作用。研究发表在 British Journal of Nutrition 上。

多动症儿童的大脑并未发育迟缓

长期以来，科学界认为儿童多动症（ADHD）与大脑皮层发育迟缓有关。Shannon D. O’Connor与Matthew D. Albaugh等研究人员发现，以往被认为是ADHD标志的发育迟缓，实则只是未排除男女大脑正常发育差异而导致的误判。

研究团队利用公开的青少年大脑认知发展研究项目，分析了11025名青少年的26496次核磁共振成像扫描数据，并结合家长填写的儿童行为量表评估注意力问题。研究通过线性混合效应模型追踪随着年龄增长大脑皮层自然变薄的过程。初步分析发现ADHD评分与皮层变薄减慢有关，但在模型中引入年龄与性别的交互项后，该关联完全消失。由于男孩大脑自然变薄速度本就慢于女孩，加之男孩确诊ADHD比例更高，使得先前研究误将正常的性别生物学差异认作疾病征兆。此外多基因风险评分分析显示，高遗传风险儿童在某些脑区的皮层变薄速度反而更快。研究发表在 PNAS 上。

传统蛋白质预测存在闭源限制和算力壁垒，如何突破瓶颈？Alex Rives带领Chan Zuckerberg Biohub团队开发出全新开源模型ESMFold2，并发布了包含11亿个预测蛋白质结构的超巨型数据库ESM Atlas。

该模型基于蛋白质语言模型架构，摒弃了传统的多序列比对，通过学习氨基酸排列的物理统计规律进行预测。研究人员通过简化配对层并定制CUDA内核，显著提升了计算速度。基于该技术，团队构建了包含11亿个结构和68亿条序列的地图。在测试中，其预测蛋白质相互作用的能力表现出色，特别是在抗体与靶标结合方面。湿实验验证表明，利用该模型设计的针对癌症和免疫系统疾病靶点的抗体，其结合成功率最高可达70%。此外，科学家利用该地图的结构检索功能，首次在一种土壤真菌等真核生物中发现了与原核生物免疫系统相似的基因编辑结构。研究发表在 Nature 上。

软体机器人凭借极高的灵活性在搜救与医疗等领域极具潜力，但其复杂的非线性身体结构使得动态控制成为长期的工程瓶颈。Noel Naughton、Arman Tekinalp、Keshav Shivam与Mattia Gazzola等（弗吉尼亚理工大学与伊利诺伊大学等）利用受大脑启发的储层计算方法，成功实现了对仿生软体机械臂的高效控制，并大幅降低了计算能耗。

该研究团队利用三维虚拟工具构建了一个仿生软体机械臂模型，其内部包含一个中央弹性核心和多对协同工作的合成肌肉。为了攻克传统控制方法的局限，研究人员引入了储层计算技术。他们将机械臂的运动数据输入到神经储层中，测试不同运动模式并进行反馈优化。该方法自然地适应了机械臂的弹性动力学特征，在处理复杂任务时成功实现了同步的肌肉协调与自建模，超越了传统人工神经网络的表现。更令人瞩目的是，当研究团队将该算法部署到神经形态硬件上时，其能效比标准中央处理器提高了75倍，比高效中央处理器提高了45倍。这一成果解决了软体机器人复杂的动态控制难题，也为开发无束缚的小型实体机器人铺平了道路。研究发表在 PNAS 上。

大脑衰老受多种终身因素共同影响，但此前缺乏整体评估手段。Mostafa Mahdipour和Sarah Genon（德国于利希研究中心）利用包含两百六十多个变量的个人暴露组成功预测了大脑衰老速度。

为了量化大脑健康，研究人员首先基于磁共振成像数据计算脑龄差（Brain Age Gap，缩写为BAG，指预测脑龄与实际年龄之差，用于评估大脑灰质衰老程度）。随后，团队使用随机森林等机器学习算法，分析了3706名参与者的261种暴露组变量。结果显示，该预测模型具有显著的统计学意义（r=0.23，p=0.002）。分析表明，心血管和代谢健康指标（如血压、糖尿病、骨密度和臀围等），以及吸烟、饮酒和营养等生活方式因素对预测结果贡献最大。此外，这些风险因素的暴露阶段与持续时间至关重要，长期处于高血压或吸烟状态与大脑结构发育不良密切相关。此研究强调了及早干预心血管健康对延缓大脑衰老的重要价值。研究发表在 Nature Communications 上。

从零开始构建能够自主表达基因和自我复制的合成细胞是生命科学的一大核心挑战，其面临能量循环、核糖体组装和系统级时空调控等多重复杂未知法则。Zhuojun Dai、Wataru Aoki、Pimchai Chaiyen与Chenli Liu等人（中国科学院深圳先进技术研究院等）提出了一个全新的合成细胞十年路线图，确立了通过开发核心功能模块并结合人工智能驱动平台来实现系统级整合的全球协作框架。

该研究团队提出了构建合成细胞的两步走战略。第一阶段目标在未来几年内打造原始细胞（ProtoCell，一种集成了代谢、基因组复制与分离、分裂机器和膜系统四大核心功能模块的初始生命系统）。这种系统尺寸为1至50微米，包含不少于200个基因的最小可复制基因组，并能够内部合成三磷酸腺苷等代谢物。第二阶段旨在升级为自主细胞（AutoCell，能够自我维持、自主复制并具备一定进化能力的复杂人工细胞），实现超过10轮连续协调的生长与分裂周期，并用基因组编码的自我再生核糖体（ribosome，细胞内部的蛋白质合成机器）系统取代外部组件。为突破复杂模块协同的时空限制，团队计划建立集中化且由人工智能驱动的生物铸造厂（Biofoundry，一种通过高通量自动化设备生产标准化细胞底盘并利用机器学习优化设计的中央组装平台）。这一基础设施将结合自动化实验与单细胞多组学数据，形成闭环设计迭代，从海量测试数据中挖掘跨系统协调的隐藏设计法则。研究发表在 Nature Biotechnology 上。

AI与物理模拟融合将高级脑部磁共振扫描时间缩短达90%

高级扩散磁共振成像虽能无创探测脑组织微观结构，但因长扫描时间限制了临床普及。为此，Silvia De Santis与Maximilian F. Eggl（西班牙国家研究委员会与埃尔切米格尔·埃尔南德斯大学联合神经科学研究所）开发了一种基于人工智能和物理模拟的新策略，成功将部分高级脑部扫描时间缩短高达九成。

该方法的核心在于改变了深度学习模型的训练方式。研究团队没有使用容易带来隐私风险和数据集偏差的真实患者数据，而是基于脑组织中水分散的物理过程构建了模拟数据。他们利用这些模拟数据训练神经网络，通过基于模拟的推断中的神经后验估计（Neural posterior estimation，利用深度神经网络来计算复杂后验概率的贝叶斯推断方法），直接从少量扩散加权磁共振成像信号中预测组织微观结构。实验结果显示，该方法在重建扩散张量成像等模型时，仅需传统方法百分之十的数据量即可实现高精度估计，使四十分钟的扫描可缩短至约八分钟。这不仅能极大地缓解医疗机构的候诊压力，还能为阿尔茨海默病等具有长达二十年临床前期、无明显症状的神经退行性疾病提供更可行的高精度早期筛查手段。此外，该技术还能对数十年前受限于旧技术而未能充分解读的磁共振影像数据进行重新分析。研究发表在 Communications Medicine 上。

心理健康AI盲目迎合用户加剧认知扭曲

心理健康领域的AI系统可能因继承不可靠的人类输入而产生安全隐患。Hina Tahseen发表观点文章，引入精神病学中的「串通」概念，指出AI可能无意中强化用户扭曲或不准确的信息，并呼吁将训练数据的临床可靠性作为评估可信AI的核心标准。

在这项研究中，作者结合临床心理学与AI安全文献进行概念整合，将AI管线划分为预训练语料、偏好数据与部署交互三个层级。分析表明，在偏好数据和部署层级，由于缺乏评估人类输入可靠性的机制，系统在优化用户满意度时极易产生谄媚或串通。尽管现有的红队演练（red-teaming，指对系统进行抗攻击或安全性测试的方法）等技术手段能拦截部分有害输出，但它们无法评估人类自评数据的临床真实性。为此，研究建议在偏好数据设计中融入临床医学专家的专业知识，并在临床问诊中常规询问AI使用情况。研究发表在 JMIR Mental Health 上。

深度线性网络揭示为何语言在世代相传中更易于学习

人类语言在世代传递中为何会变得越来越结构化？Devon Jarvis、Richard Klein、Benjamin Rosman 和 Andrew M. Saxe（威特沃特斯兰德大学）通过构建模拟儿童大脑认知特征的深度线性神经网络，首次在数学上证明了语言的结构化演变是由人类分阶段学习的认知偏好与世代传递共同驱动的。

研究团队利用深度线性网络（deep linear networks，模拟大脑处理信息且常用于研究儿童早期语义发育的数学模型）来模拟迭代学习（iterated learning，指语言通过一代代学习者的观察、学习并再次传递而发生演化的过程）。在这种机制下，子代智能体将父代产生的信号作为学习数据。研究发现，随着世代更迭，语言中易于学习和规律性强的部分会被记住并重复使用，而无组织的部分则会被遗忘，从而自然涌现出组合性与系统性。此外，这种演化对网络架构有严格要求：只有具备多层处理能力的深层网络才能成功捕获这些结构规律，而浅层网络则无法实现。研究还指出，随着词汇量和数据集规模的扩大，网络会表现出系统性泛化。这表明语言的结构化演变源于学习者倾向于重复使用既有信息而非记忆新事物的认知特性。研究发表在 PNAS 上。

人机协同智能框架MetaBeeAI：加速大规模科学文献系统性综述

面对海量文献带来的信息过载挑战，Rachel H. Parkinson 及其团队（伦敦大学玛丽皇后学院）开发了人机协作的智能框架 MetaBeeAI。该系统通过将大语言模型与人工验证相结合，在保障严谨性的同时加速了科学文献的系统性综述进程。

研究发表在 Ecological Informatics 上。研究团队构建了名为 MetaBeeAI 的开源模块化大语言模型管道，并使用 924 篇聚焦于蜜蜂与杀虫剂关系的生态毒理学论文对其进行了系统测试。该平台利用人工智能识别并提取文献中诸如蜜蜂物种、杀虫剂化合物等结构化信息。与其他全自动AI工具不同，MetaBeeAI 引入了人机协同机制。专家可以通过透明的审查界面直接溯源至原始文本，对模型提取的内容进行验证和修正。实验结果表明，系统在事实性信息提取任务中表现良好，且随着专家迭代反馈的积累，大语言模型生成的输出质量与一致性显著提升。这种人机协作的模式既发挥了AI处理大规模数据的效率，又利用人类专业知识克服了生成式人工智能常出现的幻觉问题，确保了学术证据综合的严谨性。

警惕心理健康AI带来的“情感依恋悖论”

面对巨大的心理健康需求，Shadi Rezapour、Elham Aghakhani与Rezvaneh Rezapour等研究人员（德雷克塞尔大学）对此展开研究，通过分析数百万条社交媒体帖子，揭示了用户将通用人工智能作为人类疗法补充的真实态度及潜在风险。

研究团队利用自然语言处理技术，筛选了47个心理健康相关论坛中超过400万条帖子，最终对5126条样本进行了深入分析。研究人员引入技术接受模型（Technology Acceptance Model，用于评估用户如何接受和使用新技术的理论框架）和治疗联盟理论（therapeutic alliance theory，分析治疗关系中任务、目标与情感联结的社会学框架），剖析了人机互动的动态关系。结果显示，大多数用户并未将人工智能视为人类治疗师的替代品，而是作为无法获得传统护理时的补充工具。虽然人工智能在提供情感安慰和协助注意力缺陷/多动障碍（ADHD）等患者进行日常规划时表现出实用价值，但高达51%的帖子明确表达了对该技术的担忧。研究进一步揭示了情感依恋悖论：当人工智能协助具体任务时，用户反馈多为积极；但若缺乏明确目标而仅建立强烈的纯情感联结，则极易引发系统依赖、症状恶化和内疚感。因此，开发此类工具不应过度追求拟人化，而须设置清晰的安全界限。

让AI学会物理常识：PAVAS模型通过三维重建与质量估算重塑声学模拟

如何让人工智能生成的音效更具真实物理感？Tae-Hyun Oh和Oh Hyun-Bin等研究人员（韩国科学技术院、浦项科技大学及索尼人工智能）合作开发了名为PAVAS的技术，该技术能理解视频中的物理情境，通过估算物体的质量与速度，生成了比传统模型更逼真且符合物理规律的音效。

传统的视频转音频（Video-to-Audio，简称V2A）生成技术主要依赖视觉外观，无法反映重力、撞击力等物理属性的变化。为此，研究团队设计了PAVAS系统，其核心包括两个模块：物理参数估算器（Physics Parameter Estimator，用于从视频中推断物体质量与速度）和物理驱动音频适配器（Physics-Driven Audio Adapter，用于将物理信息融入声音合成）。估算器利用视觉语言模型估算物体质量，并结合分割模型和动态三维重建模型（dynamic 3D reconstruction，用于恢复物体运动轨迹）计算其瞬时速度。适配器将这些参数输入潜扩散模型中。实验表明，当物体的质量或速度发生改变时，PAVAS生成音效的音量和音调会随之发生自然且符合物理规律的变化。

DeepSeek研究员携手双AI撰写论文，绘制自主智能体演进路径

如何对混乱生长且缺乏统一框架的自主科研智能体领域进行系统性梳理？Deli Chen、DeepSeek-V4-Pro和GPT-Image2通过合作撰写综述，首次为该领域绘制了清晰的地图，并建立了自主等级评估体系。

研究团队提出了一套从L1至L5的自主等级分类体系，用于衡量智能体的自主程度。其中，L1为自动补全，L4为端到端全自动，而最高级L5为自主设定研究议程。分析显示，当前最先进的系统如智能科学家（AI Scientist）和软件工程智能体（SWE-Agent）均处于L4阶段，而L5仍处于愿景阶段。此外，综述归纳了当前主流的四种智能体架构，包括单智能体循环、多智能体协作、层级编排和工具增强执行。研究指出，该领域目前面临认知循环陷阱、上下文窗口限制、新颖性评估、可重现性危机、安全与伦理以及成本等六大未解难题。要实现真正的L5级自主研究，核心屏障在于持续的知识积累、可靠的自我评估以及智能体架构的原则性扩展。

机器学习预测全新镓基电子材料

寻找未来半导体的全新材料组合通常需要耗费巨大的时间与资金，如何在数百万种潜在配方中精准且快速地定位具有特定物理特性的新材料是一个严峻挑战。阿联酋哈利法大学与弗林德斯大学的 Tarek Khater 和 Vi-Khanh Truong 等人构建了一个智能材料发现平台，成功绕过繁琐的传统测试环节，预测出多个化学性质稳定且现有数据库中不存在的全新含镓半导体候选材料。

传统发现半导体材料的方法高度依赖实验室试错或计算成本高昂的密度泛函理论（DFT），效率极低。为突破这一瓶颈，研究团队利用大型数据库中的已知材料训练了多个人工智能系统，发现K近邻算法作为代理模型表现最佳，其决定系数（R2）达到了0.812。基于此，研究人员引入了贝叶斯优化来反向设计带隙在0.5至3.5电子伏特范围内的含镓化合物。为防止系统凭空生成毫无现实依据的配方，框架中嵌入了SMACT机制，强制审查生成的配方是否符合电荷平衡和物理合理性。实验分析表明，该系统推荐的全新配方与训练数据相比具有百分之百的新颖性，显著减少了无效的实验验证工作。研究发表在 ACS Materials Letters 上。

大模型能预知科学未来吗？新基准CUSP揭示前沿模型预测局限

AI已深度融入科学发现，但其能否前瞻性地预测科学本身的未来走势仍是未知。Sean Wu、Pan Lu、Yupeng Chen、Jonathan Bragg、Yutaro Yamada、Peter Clark、David Clifton、Philip Torr、James Zou和Junchi Yu（牛津大学、斯坦福大学、艾伦人工智能研究所与Sakana AI）构建了CUSP评估框架，发现当前前沿大模型在预测科学突破的可行性与具体发生时间上存在明显的系统性局限。 

 该研究团队构建了名为截断条件未见科学进展（Cutoff-conditioned Unseen Scientific Progress，通过严格限制模型获取其截止日期后的信息来客观评估预测能力的测试框架）的评估基准，包含4760项科学里程碑和17429个多维度预测任务。研究人员测试了多款前沿大语言模型，结果显示，虽然模型在多项选择题中展现出较好的机制推理能力，GPT-5.4的准确率达到了0.819，但所有模型在预测科学声明是否能实现的二分类任务中表现惨淡，准确率在0.453至0.519之间，接近随机概率。此外，即使通过限制性检索提供截止前的历史知识，模型与拥有完整事后信息的条件之间仍存在显著的预测差距，且这一差距在面对高影响力的突破时更为突出。

大语言模型正过滤掉人类推理中的伦理与情感

针对AI搜索普及是否会导致互联网失去反映人类特质之「灵魂」的问题，Md Taukir Azam Chowdhury、Vagelis Hristidis和Kevin Esterling等（加州大学河滨分校）展开合作研究，发现大语言模型在回答主观问题时过度依赖逻辑，过滤掉了人类论证中丰富的伦理与情感特质。

研究团队对比了ChatGPT和Gemini等大语言模型与谷歌和必应传统网页检索对数百个主观争议性问题的回答。研究人员引入亚里士多德的修辞三角模型，将论证方式划分为逻辑（logos）、信誉（ethos）和情感（pathos）三类。结果表明，AI系统的论证方式高度雷同，且极度偏好逻辑，几乎完全过滤了信誉和情感。相比之下，人类撰写的网页则灵活融合了道德、实践与情感叙事。研究人员指出，这种差异部分源于AI的对齐系统，这导致其倾向于回避情感表达。这警告我们，过度依赖AI检索可能会使公共话语扁平化，削弱社会群体间的理解力。研究发表在 Proceedings of the 18th ACM Web Science Conference 2026 上。

AI改编心理疗法效果惊艳，文化契合度不输人类专家

针对移民和难民的心理治疗通常因缺乏文化契合度而效果受限，而人工调适过程漫长且成本高昂。Youstina Demetry、Per Carlbring和Gerhard Andersson（瑞典卡罗林斯卡学院等）团队对此展开研究，证实利用人工智能翻译和调适的心理治疗材料，其文化相关性与可接受性不亚于人类心理学家，成功为数字化心理干预的普及开辟了新路径。

研究团队采用双因素（2×2）实验设计，将认知行为疗法（cognitive behavioral therapy，一种通过改变思维和行为模式来缓解心理问题的循证治疗方法）中的认知重构与行为改变技术从瑞典语翻译为阿拉伯语。调适工作分别由人工智能与人类心理学家独立完成，并由居住在瑞典、丹麦和德国的阿拉伯语移民进行盲测评估。结果显示，在初次评估中，人工智能改编的文本在文化相关性上显著高于人类改编版本，且两者在可接受性上没有统计学显著差异。此外，临床试验表明，接受这种文化适应性互联网认知行为疗法的患者中，有57.7%实现了症状缓解，远高于对照组的14.3%，且创伤后应激障碍、睡眠及幸福感在六个月后依然维持显著改善。研究发表在 JMIR Formative Research 上。

AI客服穿帮会让顾客感到毛骨悚然

AI聊天机器人已成为酒店预订服务的重要工具，但若其表现不佳，可能会适得其反。Babak Taheri 团队（德克萨斯农工大学等）对此进行了深入研究，揭示了不完美的人工智能互动如何引发消费者的毛骨悚然感，进而导致其放弃预订。Method-Result:研究团队基于消费者心理学中的刺激-有机体-反应（Stimulus-Organism-Response，简称 SOR，用于解释外部环境刺激如何影响个体心理并决定其最终行为）模型，对340名使用过聊天机器人预订酒店的英国成年人进行了调查。

结果显示，当聊天机器人表现出信息缺乏可信度、不准确性和不称职时，用户会产生强烈的心理不适。其中，回答错误对用户的负面刺激最强，其路径系数是缺乏可信度的四倍以上。这种不安感令用户继续互动的意愿降低近38%，并使延迟或放弃预订的概率几乎翻倍。此外，研究还发现了恐怖谷效应，当机器人过度模仿人类语气却给出错误价格或回避问题时，会引发用户的威胁反应。然而，若机器人在开始时主动披露其人工智能身份，能有效降低因回答不准确带来的反感。研究发表在 International Journal of Hospitality Management 上。

检索增强操作框架提升机器人3D空间推理与复杂指令执行能力

视觉语言模型（VLM）虽能理解指令，却缺乏在现实三维空间执行精细动作所需的空间推理能力。香港中文大学与浙江人形机器人创新中心有限公司的Kai Chen、Chengkun Li与Qi Dou等人开发了检索增强操作框架，使机器人无需特定任务训练即可将抽象语言转化为精确的三维操作行动。

研究团队开发的检索增强操作（Retrieval-Augmented Manipulation，简称RAM，一种将视觉基础模型与显式三维物体表示相结合的系统框架）充当了语义意图与几何执行之间的物理桥梁。RAM系统首先分析机器人内置摄像头捕获的图像，识别特定物体并构建以物体为中心的当前环境3D表示。当视觉语言模型处理用户指令时，RAM会将这些3D几何信息作为增强上下文反馈给模型。这使得系统能将复杂的抽象指令分解为一系列空间精确且物理上合理的子目标。

在真实机器人的零样本测试中，RAM不仅成功引导执行了复杂的空间语言指令，还能在单张2D图像的引导下完成空间感知操作。更重要的是，当面临物体碰撞或尺寸限制等物理约束时，机器人能够自适应地重新规划行动。在通用三维物体数据集上的定量评估结果显示，RAM的核心视觉模块对未见过的物体类别具有极强的泛化能力，且在面对形状变化和遮挡时表现出高度的鲁棒性。研究发表在 Science Robotics 上。

FluxMem框架赋予LLM智能体动态演变记忆

现有的智能体记忆系统通常是静态且难以适应动态环境的。来自浙江大学、阿里巴巴集团、MemTensor以及同济大学的研究人员，共同开发了FluxMem。这是一种能够根据环境反馈和长期巩固动态调整记忆拓扑结构的全新记忆框架。

研究团队将智能体记忆建模为一个包含语义、情境和程序三层结构的异构图。该框架包含三个演化阶段：首先是初始连接形成；其次是反馈驱动的连接微调，即利用环境反馈进行链路扩展或剪枝以纠正错误，并对记忆节点内容进行重塑；最后是长期连接巩固，通过离线聚类成功轨迹来诱导稳定的程序电路，并由程序演化成熟度评分（Procedure Evolution Maturity Score，一种衡量记忆泛化性和成熟度的指标）进行优化。实验结果表明，在 LoCoMo 长期上下文推理基准测试中，使用 GPT-4.1-mini 底座的 FluxMem 达到了 95.06 的平均准确率，远超 Full Context 基线（81.23）。在真实的 Mind2Web 网页导航测试中，其跨任务成功率提升至 8.1。在 GAIA 基准测试中，基于 Kimi K2 的智能体成功率从 52.12% 提升至 64.85%，展现出极强的动态自适应能力。

大模型在预测科技企业成功率方面击败人类专家

战略远见这种预测高风险与高不确定性商业项目成败的能力长期被视为人类专属特长，但大型语言模型是否已在此领域超越人类成为亟待解答的问题。Felipe A. Csaszar、Aticus Peterson和Daniel Wilde（密歇根大学、纽约大学与印第安纳大学）证实前沿人工智能模型在预测科技企业筹款结果上的准确率已显著击败受过专业训练的经理人和投资者。

为避免数据泄露造成的评估偏差，研究团队挑选了三十个在所有模型训练数据截止日期之后才启动的众筹项目。多款前沿的大语言模型对这些项目执行了八百七十次成对比较，以预测筹款成功率排名。这些结果与三百四十六位企业经理人及三位专业投资者的判断进行了严格对比。数据显示，表现最优的模型Gemini 2.5 Pro的相关系数达到0.74，在每五次项目对比中能准确识别出四次获胜者，而人类专家的最佳水平仅为五次命中三次。研究还揭示了一种名为增强陷阱（Augmentation trap，指人类判断与人工智能结合时因引入人为噪声而导致整体准确率不升反降的现象）。当人类干预人工智能预测时，整体表现反而低于人工智能独立运作。这表明人工智能成功克服了人类固有的有限理性。人工智能在跨领域概念整合上的压倒性优势，正显著降低商业战略所需的认知成本。

主流大语言模型在回答道德与生活咨询时系统性忽略宗教视角

人工智能在回答日常伦理咨询时是否会忽略信仰视角？David Wingate 及其合作研究团队（杨百翰大学、贝勒大学、圣母大学和叶史瓦大学等）对此进行了深度评估，首次系统性地量化并证实了主流大语言模型在处理宗教与伦理问题时存在广泛的遗漏偏见。

为了量化这一遗漏偏见（omissive bias，指系统性未能提供相关重要视角的偏见现象），研究团队构建了 AllFaith 宗教代表性基准测试（AllFaith Religious Representation Benchmark，用于评估大模型中宗教视角缺失的多信仰测试集），其中包含150个源自真实对话和宗教社群提供的日常伦理问题。研究采用大语言模型裁判（LLM-as-judge，利用大语言模型评估其他模型回答的自动化评分机制）对14种主流模型进行了测试。结果显示，几乎所有模型在回答日常伦理问题时都未能提供任何宗教内容，显著低于1,125名受访人类的真实预期。此外，模型在指导宗教皈依时存在明显的偏见，几乎所有测试模型对耶和华见证人表现出负面态度，而对天主教表现出正面偏见。在各大模型中，Anthropic 和 Meta 的模型偏见最小，而 Grok 则表现出最强烈的宗教偏见。

AI“睡一觉”后深度推理能力倍增

长上下文大模型在处理复杂且长距离的逻辑推理任务时常面临算力瓶颈与性能退化。Sangyun Lee、Sean McLeish、Tom Goldstein和Giulia Fanti（卡内基梅隆大学与马里兰大学）团队受人类睡眠巩固记忆的生理机制启发，设计了一种大语言模型睡眠机制，通过在离线状态下将近期上下文压缩至快速权重中，成功提升了模型的深度推理表现。

该研究提出了一种创新的睡眠整合机制（sleep-like consolidation mechanism），旨在不增加预测延迟的前提下强化模型推理。当模型的上下文窗口填满时，系统会暂停接收新tokens，进入离线睡眠状态。在此阶段，模型对已有上下文进行多次循环前向传播，通过可学习的局部规则来更新状态空间模型（state-space model）块中的快速权重（fast weights）。信息消化完毕后，系统将彻底清空键值缓存以释放内存。研究人员在元胞自动机规则110（Rule 110）、多跳图检索以及数学推理等高难度任务上进行了评估。结果表明，增加睡眠迭代轮次能稳步提升模型的准确率，且这种性能增益在需要深层推理的高难度任务中最为显著。这表明大模型可以通过在离线阶段分配更多计算资源，将瞬态上下文转化为更高效的长期知识，从而在预测阶段仅凭单次前向传播即可完成复杂推导。

如何将大语言模型转化为能够在长周期任务中可靠执行和保持状态的智能体？Xuying Ning和Katherine Tieu等（伊利诺伊大学厄巴纳-香槟分校、Meta、斯坦福大学）提出将代码作为智能体基础架构的统一视角，为构建可执行、可验证和状态化的智能体系统提供了系统的路线图。

研究团队提出代码即智能体脚手架（Code as Agent Harness）的全新概念，将代码视为智能体推理、行动和适应的运行媒介，而不仅是最终生成产物。研究围绕三个层次展开系统分析：首先是脚手架接口，探讨代码如何通过可执行程序、工具调用和状态追踪将智能体与推理、行动及环境建模相连；其次是脚手架机制，剖析了支持智能体长期运行的规划、记忆、工具使用以及基于反馈的控制与优化策略；最后是脚手架扩展，分析了在多智能体系统中，如何利用共享的代码工件支持角色协作和集体验证。

研究结果总结了该框架在代码助手、图形用户界面自动化、具身智能体以及科学发现等领域的应用，并指出了未来面临的核心挑战。这些挑战包括在不完整反馈下进行验证、确保改进过程无退化现象（regression-free）、维持多智能体间共享状态的一致性，以及在关键安全操作中引入人类监督。该综述重塑了代码在系统中的角色，为开发更可靠的闭环智能体行为提供了理论指导。

安全微调究竟改变了什么？靶向神经元揭示模型内部转化

大模型拒绝有害请求的机制一直未明，且现有引导方法极易损害模型输出质量。Sam Herring、Jake Naviasky和Karan Malhotra（努斯研究）提出新型靶向神经元调节技术，揭示了安全微调对底层机制的重塑，实现了无损输出质量的精准模型行为干预。

研究团队提出了对比神经元归因（Contrastive Neuron Attribution，一种通过对比正负样本提示词来定位关键网络节点的无需辅助训练的技术）方法。通过向模型输入有害与良性提示词，研究人员精确定位了仅占总数0.1%的最具区分度的多层感知机神经元。在涵盖1B至72B参数的Llama和Qwen架构模型中，将这些关键神经元的激活值置零消融，可以在标准越狱基准测试中使指令微调模型的拒绝率大幅降低50%以上，同时生成连贯性始终保持在0.96以上的极高水平，彻底克服了传统残差流干预方法在高强度下会导致输出乱码退化的瓶颈。此外，在未经过对齐微调的基础模型中干预同位置的深层神经元，仅会引起话题内容的偏移，并未产生实质性的行为改变。该结果证实，安全对齐微调并没有为模型创造全新的网络判别结构，而是将预训练阶段就已经存在的深层特征辨别器转化成为了一个高度稀疏且可精准靶向调节的拒绝控制枢纽。

MeMo框架为大模型打造专属外挂记忆

大语言模型预训练后难以获取特定领域的新知识，且传统更新方法易导致模型原有能力丧失。Ryan Wei Heng Quek、Sanghyuk Lee 和 Alfred Wei Lun Leong 等（新加坡国立大学、东京大学等）针对该难题提出模块化记忆框架，在不修改模型参数的前提下，实现了新知识的高效注入与无缝集成。

研究团队将目标语料库转化为反射问答数据集（reflection QA dataset，即包含事实提取与跨文档合成等复杂推理步骤的问答对集），并采用监督微调训练了一个独立的记忆模型。在推理阶段，参数冻结的执行模型通过结构化多轮协议（structured multi-turn protocol，即分阶段将复杂问题分解为基础查询、实体识别和答案合成的交互流程）向记忆模型提取关键信息。实验表明，在多个需要长文本理解的基准测试中，该方法的准确率显著优于传统检索增强生成。在搭配Gemini模型进行测试时，其准确率最高达到百分之五十三点五八。该框架成功捕获了跨文档隐蔽联系，对检索噪声具有极强的抗干扰性，并彻底避免了灾难性遗忘。由于该框架无需访问执行模型的内部参数，支持与任何闭源大语言模型对接。采用模型合并技术在增量更新知识时，能降低百分之三十三的计算成本。

如何实现人工智能智能体技能的稳定演化一直是个难题。Yifan Yang、Ziyang Gong、Weiquan Huang、Qihao Yang、Ziwei Zhou、Zisu Huang、Yan Li、Xuemei Gao、Qi Dai、Bei Liu、Kai Qiu、Yuqing Yang、Dongdong Chen、Xue Yang、Chong Luo（微软、上海交通大学、同济大学、复旦大学）开发了名为 SkillOpt 的新型文本空间优化器，成功实现了智能体技能的自动可控演化与显著性能提升。

该方法将智能体技能视为外部文本状态，利用边界模型将运行轨迹转化为针对文档的结构化编辑。其核心在于引入文本学习率以控制更新幅度，并设计持留验证门控（held-out validation gate，即仅接受能提升验证集得分的修改准入机制）确保更新稳定性，同时将未通过的修改存入缓存作为负反馈。在 6 个涵盖问答、表格和数学的基准测试中，该方法在 7 个目标模型和 3 种框架下的 52 项评估中均取得最佳或并列第一的成绩。在 GPT-5.5 上，它在直接对话中将平均准确率提升了 23.5 个百分点，在智能体循环中提升了 24.8 个百分点，并在跨模型与跨框架迁移中表现出优异的泛化能力。

基于无创脑信号的基础模型解析内心独白

为了解决失语患者的交流重建问题，Esra Sümer-Arpak 和 Foteini Simistira Liwicki 等（瑞典吕勒奥理工大学）系统评估了基础模型在无创脑机接口中解析内心独白（inner speech）的最新应用，阐明了利用通用表征学习提升语言解码性能的发展现状。

研究团队系统回顾了2022至2025年间，基于脑电图（EEG）、脑磁图（MEG）和功能性磁共振成像（fMRI）等无创神经成像技术结合基础模型解析大脑内部语言的研究。这类模型利用自监督学习解决脑电信号信噪比低和个体差异大的挑战。分析表明，诸如LaBraM等脑信号基础模型正推动技术从传统的特定任务分类向语义级和连续性语言解码跨越。然而，当前临床应用仍面临瓶颈。例如，基于功能性红外光谱（fNIRS）的模型虽能实现中等程度的语义解码，但词词汇准确率依然较低。此外，缺乏统一的评估指标、模型黑盒化带来的可解释性差，以及内心独白涉及的隐私和伦理问题，都是该技术走向实用的关键阻碍。研究发表在 Frontiers in Human Neuroscience 上。

一副普通耳机即可运行的听觉脑机接口系统

对于失去运动和言语能力的严重神经功能障碍患者，建立高效的非视觉沟通渠道至关重要。Simon Kojima与Shin'ichiro Kanoh（芝浦工业大学）开发了一种名为ASME-speller的30键听觉脑机接口拼写系统，成功让受试者仅依靠标准耳机，在无视力辅助的情况下实现了直观、高效的字符拼写。

该系统巧妙利用了听觉流分段（auditory stream segregation，指大脑将交替出现的声音感知为独立声流的现象）技术，并结合了人们熟知的QWERTY键盘布局。系统通过标准耳机同时播放高、中、低三种频率的听觉流，分别代表键盘的上、中、下三行字母，各流内部则循环朗读对应按键的语音。用户只需将注意力集中在目标字符所在的频率流以及目标语音本身，系统即可通过脑电图捕获事件相关电位来识别意图字符。在线实验中，10名健康受试者达到了0.76的平均分类准确率和2.16比特/分钟的信息传输率。在后续优化中，研究人员引入了动态停止（dynamic stopping，指在满足统计显著性后自动提前终止刺激的策略），使线性判别分析算法的性能进一步提升，综合准确率达到0.80，信息传输率提高至4.76比特/分钟。研究发表在 Frontiers in Human Neuroscience 上。

脑机接口优化电竞玩家的神经效率

如何在极端高压的电子竞技赛事中提升选手的反应速度与决策精度？Prashant Kumar Choudhary、Suchishrava Choudhary、Sohom Saha（印度勒克什米拜国家体育学院等机构）通过对18项相关实证研究进行系统性综述，评估了脑机接口神经同步技术在电竞认知表现和神经效率优化方面的应用潜力。

该研究系统分析了包括运动想象（motor imagery，指在没有实际身体运动的情况下，通过心里模拟动作来激活大脑运动皮层区域的认知过程）脑机接口、视觉诱发电位系统以及双脑耦合等多种调控方案。结果表明，基于脑机接口的神经同步调控对电竞玩家的行为和认知表现带来了积极影响。多项实验表明神经同步训练有助于缩短玩家的反应时间并提高决策准确性。例如，结合了游戏化的运动想象系统能显著调节认知负荷并增强参与度，而基于视觉诱发的系统则通过降低信号延迟加速了选手的视觉感知处理。此外，双脑耦合在多人协作中展示出提升合作决策准确性的潜力。尽管现有研究因样本量较小和方案异质性高存在一定局限，但该技术仍为未来电竞选手的日常训练提供了全新思路。研究发表在 Frontiers in Human Neuroscience 上。

AI真的有意识吗？科学家呼吁厘清信息处理与主观体验的边界

随着人工智能与脑类器官迅速发展，关于非人类实体是否具有意识的争议日益增加。Hakwan Lau（基础科学研究所）与 Vincent Taschereau-Dumouchel、Jun Seo Hwang及Joseph E. LeDoux等研究人员发表评述，指出当前的测量手段无法明确区分主观体验与一般信息处理过程，并呼吁科学界建立更加严谨的评估标准。

研究人员深入审视了当前流行的实验范式，如视觉掩蔽（visual masking，一种通过快速呈现干扰图像来阻碍测试者意识到目标图像的技术）、双眼竞争（binocular rivalry，指双眼分别接受不同图像时大脑交替感知的现象）以及知觉阈值检测。研究表明，这些方法不仅改变了受试者的主观体验，还会削弱大脑整体的信息处理能力，导致研究者误将通用感知认知能力当作了意识的专属度量。为摆脱这一困境，研究团队建议借鉴盲视（blindsight，指患者在失去主观视觉意识的情况下，仍能对视觉刺激做出准确行为反应的现象）和半侧空间忽略（hemispatial neglect）等神经心理学临床表现。在这些病理状态下，意识觉知与感知行为发生分离，从而为精准剥离并研究纯粹的主观体验提供了可能。由于意识论断涉及人工智能伦理，建立格外严谨的科学基础至关重要。研究发表在 Neuron 上。

导电水凝胶实现550天超长稳定脑机接口植入

脑机接口长期植入面临电极坚硬引发免疫排斥与水凝胶导电性差且易变形的矛盾。清华大学深圳国际研究生院、中国科学院深圳先进技术研究院李骁健教授团队联合日本理化学研究所与东京大学等机构的研究人员开发出一种具有界面渗流微结构的新型导电水凝胶，成功破解了这一难题，并实现了长达550天的在体信号稳定记录。

研究团队将导电聚合物墨水浇筑在聚丙烯酰胺和海藻酸钠（PAAm-alginate，一种富含水分的双网络柔性基底）上。在界面电势驱动下材料发生自主分选，导电颗粒在表面形成网络，构建出界面渗流微结构（CHIP，一种使电子在表面高速传输且保持基底柔软的特殊相分离结构）。CHIP的电导率高达2512 S cm⁻¹。为解决溶胀变形难题，团队采用侧向限域溶胀策略（lateral confined swelling strategy，利用锚定作用将水凝胶的线宽形变限制在百分之五以内以确保结构稳定）和干法软保护刻蚀方案，制备出厚度仅9微米且通道密度达853 channels cm⁻²的全有机脑电皮层图（ECoG，一种贴附于大脑皮层表面记录神经电信号的微电极阵列）。大鼠体内植入16周未引发明显免疫排斥，而在自由运动的兔脑皮层上实现了长达550天的稳定高质量神经信号记录，并能以极低电流阈值诱发神经刺激。研究发表在 PNAS 上。

机器人在受到突然外部冲击时如何像人一样本能地调整姿态维持平衡？斯图加特大学（University of Stuttgart）的Tobias Nadler团队通过研究人体的低级运动神经机制，开发了一种具备显式单突触反射回路的仿生机器人腿，成功复现了与人类高度一致的膝跳反射行为。

研究团队基于成年男性人体数据构建了一条拥有复杂膝关节和髌骨结构的仿生右腿，采用气动人工肌肉（pneumatic artificial muscles，由压缩气体驱动的柔性传动装置）进行驱动，并在其中嵌入拉伸传感器以模拟人体的肌梭。在遇到外部拉伸时，传感器信息转化为人工Ia类传入信号并触发肌肉收缩，在物理层面重建了单突触反射弧。研究人员对14名健康受试者和这套系统进行了相同测试，让摆锤从不同角度敲击髌腱。实验数据显示，仿生腿的总反射时间约456.4毫秒，与人类约428.4毫秒的结果极为接近，且机电延迟等各个反射阶段的动态变化均落在人体自然变异范围内。在模拟行走跌倒场景中，这种低层控制器能显著降低系统的跌倒概率，证明具身智能可以直接源于机器躯体结构和物理反馈机制，而非仅靠上层复杂算法。研究发表在 npj Robotics 上。

新型光子系统实现4飞焦耳超低能耗光开关

如何在极低功耗下实现利用光信号控制光信号，一直是开发高速且节能的全光计算系统面临的关键难题。Zhi Wang、Li He等（宾夕法尼亚大学与蒙大拿州立大学）利用二维半导体材料结合微观光学结构，成功开发出一种能够在飞焦耳级能耗下运行的全光开关，为未来的人工智能硬件与量子计算铺平了道路。

为了使通常不会相互作用的光子产生强烈的非线性光学响应，研究团队将原子级厚度的二维半导体单层二硒化钼（MoSe2）与氮化硅光子晶体纳米腔（photonic crystal nanocavity，一种能在纳米尺度极度压缩并限制光场的微观结构）集成在一起。通过这种设计，光与原子层中的物质发生强耦合，形成了一种名为激子极化子（exciton-polariton，兼具光子极速传播特性与物质间相互作用能力的半光半物质准粒子）的混合态。纳米腔作为一个超精密的光陷阱，将这些准粒子限制在亚波长尺度内，显著增强了粒子间的相互作用强度。实验数据显示，该器件仅需约4飞焦耳（femtojoule，极微小的能量单位）的能量就能达到开关阈值，比以往同类系统低了数个数量级，且开关操作在几皮秒内即可完成。由于该平台采用了兼容标准制造工艺的结构，未来有望将其大规模集成到复杂的光学微处理器中。研究发表在 Physical Review Letters 上。

改变混合顺序提升千倍导电率，热可逆离子生物凝胶助力可穿戴脑监测

脑电监测常面临头发阻挡电极且凝胶易干致信号衰减的难题。宾夕法尼亚州立大学的Ankan Dutta等人研发出一种热可逆半导体离子生物凝胶。该材料遇热液化穿透头发后冷却成胶，实现了长效稳定的脑电信号采集。

研究团队通过调控成分的混合顺序和相形态（phase morphology，即材料内不同组分的空间分布与结构），将明胶、甘油、离子液体与导电聚合物PEDOT:PSS结合。研究发现，混合策略彻底改变了材料性能：当利用粘弹性相分离（viscoelastic phase separation，即混合动态不对称物质时产生的网络状分离现象）改变加入顺序时，导电区域会形成互连网络，使导电性提升约三个数量级，且兼具半导体特性与遇热软化能力。测试表明，新型生物凝胶能在不同发质头皮上维持长达3天的极低接触阻抗。该材料能准确记录大脑在触觉刺激下的事件相关去同步化。这克服了可穿戴设备的长期监测障碍，为客观的神经触觉反馈奠定基础。研究发表在 Science Advances 上。

半机械蟑螂在AI引导下成功挑战复杂迷宫

针对传统半机械昆虫控制仅依赖外部行为、缺乏双向互动的问题，Keisuke Morishima与Chowdhury Mohammad Masum Refat等团队（大阪大学与迪波内戈罗大学）开发出一种生物智能半机械昆虫系统，通过人工智能实时分析昆虫体内生理信号与运动数据，实现了更协同的引导控制。

研究人员为马达加斯加嘶嘶蟑螂配备了一款微型可穿戴背包，该装置能够同步采集心跳活动、低频神经信号振幅特征以及体感运动数据。通过将这些多模态数据输入基于随机森林的机器学习模型，AI能够以高达93%的总体准确率识别昆虫在自然、紫外线、化学暴露、高温和食物等五种环境下的内部感知状态。基于此，团队提出了昆虫协同回路（ISC）概念。在复杂迷宫测试中，当分类器识别到昆虫处于平静或受吸引状态时，系统会施加轻柔的刺激（如利用紫外线引导转向，或利用振动引导前进）来指引其行进；而当识别到其处于逃避或排斥状态时，则立即关闭刺激，交由昆虫自主避障。相比因受食物吸引而停滞不前的天然昆虫，基于ISC引导的半机械昆虫成功完成了迷宫导航。研究发表在 ROBOMECH Journal 上。

脑类器官驱动生物计算机，能耗更低且支持远程云端调控

传统人工智能计算能耗巨大。为了开发更高效的计算系统，Simon Spichak 联合 Cortical Labs、FinalSpark 及约翰·霍普金斯大学等机构，利用电极连接人脑细胞执行计算，成功构建出超低能耗且支持远程云端调控的生物计算机。

研究人员将人类皮肤或血液细胞重编程为多能干细胞，并培育成分化成熟的脑类器官。将这些类器官置于硬件外壳的多电极阵列上，即可通过电刺激和化学刺激进行控制与测量。相比传统的人工神经网络，生物计算能耗极低，大脑日均功耗仅约30瓦。Brett Kagan 发现，生物网络在处理混乱数据时学习效率更高。目前，研究人员已能通过云端平台以 Python 代码远程控制这些脑细胞运行实验，甚至训练脑细胞玩 乒乓 和 毁灭战士 等电子游戏。此外，约翰·霍普金斯大学的 Thomas Hartung 指出，该技术有望推动神经形态工程的发展。尽管其不可预测性仍给训练带来挑战，且伴随潜在意识和伦理争议，但该平台已在药物发现和高效计算中展现出广阔前景。研究发表在 Journal of Medical Internet Research 上。