追问weekly ｜ 过去一周，脑科学领域有哪些新发现？_腾讯新闻

Nature：首张全脑决策地图发布

大脑如何做出决策？过去的研究因“管中窥豹”而受限。普林斯顿大学与国际脑实验室（IBL，由欧洲和美国的 22 个实验室组成的全球联盟）合作，首次绘制出了小鼠在决策过程中的全脑神经活动图谱，揭示了决策是一个高度协同的全脑过程。 

研究采用了前所未有的规模和标准化流程。研究人员使用高密度电极——神经像素探针，在小鼠执行简单的视觉决策任务时，同步记录了其大脑279个不同区域、超过62万个神经元的电活动。研究结果颠覆了大脑功能“自上而下”的传统分层模型。数据显示，决策信号并非局限于某个“决策中心”，而是广泛分布于整个大脑。当小鼠看到视觉信号时，信号首先出现在视觉皮层，随后迅速扩散至中脑和后脑等多个区域；当小鼠准备行动时，全脑几乎所有区域都出现了与运动相关的神经活动；而当获得奖励时，整个大脑更像是“被点亮的圣诞树”，活动信号无处不在。这表明决策是一个动态、分布式的过程，需要大脑各个部分之间持续、高效的通信。研究发表在 Nature 上。 

短暂任务暂停期间，视觉皮层神经重放助力隐性序列学习

大脑如何在无意识中学习环境中的规律？德国马克斯·普朗克人类发展研究所的 Lennart Wittkuhn, Lena M. Krippner, Christoph Koch 和 Nicolas W. Schuck 团队研究了任务间歇期的神经活动。他们发现，大脑在短暂的10秒暂停中，会通过在视觉皮层“倒带”重放近期经历，来巩固对复杂序列的隐性学习，而这一过程完全独立于我们的主观意识。 

研究团队设计了一项巧妙的实验，让参与者观看按隐藏概率规则呈现的图像序列，并使用功能性磁共振成像（fMRI）监测其大脑活动。行为结果显示，尽管半数参与者声称未发现任何规律，但他们的反应速度却表明已无意识地掌握了序列的预测性结构，这种学习模式符合一种名为后继表征的理论模型。关键的发现来自对任务中穿插的10秒暂停期的fMRI数据分析。分析表明，在此期间，参与者的视觉皮层会以反向顺序快速重放刚刚看过的图像序列，即发生神经重放。更重要的是，这种重放的强度与隐性学习的效果呈正相关——重放越明显的个体，其预测性行为表现得越好。然而，重放强度与参与者是否能明确说出规则（外显意识）无关。该发现揭示了大脑利用碎片化时间进行“离线”信息处理以建立预测模型的关键机制。研究发表在 PNAS 上。 

数字建模生成逼真全脑连接图

如何绘制完整的大脑布线图？由于实验数据稀疏，尤其是连接遥远脑区的长程连接难以追踪，这一直是神经科学的巨大挑战。由洛桑联邦理工学院（EPFL）蓝色脑计划的 Lida Kanari 和 Henry Markram 领导，主要研究者包括 Remy Petkantchin 和合作者东南大学的 Hanchuan Peng 的团队，开发了一种强大的计算方法，可通过数字建模生成生物学上逼真的全脑连接图。 

研究团队首先整合了包含数千个真实追踪的小鼠神经元轴突数据集。他们采用机器学习算法，特别是无监督高斯混合模型（GMM，一种基于概率模型的聚类方法），根据轴突投射到不同脑区的模式，将神经元自动分类。随后，基于这些分类，他们开发的合成算法能够大规模生成数千个数字化的“合成轴突”。这些合成轴突不仅在形态和分支上与真实神经元无法区分，更重要的是，它们遵循了大脑内神经纤维束的自然路径，精准地连接到其预设的目标脑区。最终，团队构建了一个具有单细胞分辨率的数字小鼠大脑连接组。验证结果表明，该模型生成的连接模式与真实的生物数据高度一致。这一突破性进展意味着科学家们现在可以填补实验数据的空白，在计算机上运行大规模、跨脑区的模拟实验，为探索大脑功能和神经疾病机制提供了前所未有的工具。研究发表在 Nature Communications 上。 

大脑皮层独特的沟回结构是人类高级认知能力的基础，但其形成机制一直是个谜。马克斯·普朗克生物智能研究所的 Seung Hee Chun 和 Rüdiger Klein 团队通过研究发现，大脑褶皱的形成并非由单一因素主导，而是由早期脑细胞（祖细胞）的数量、种类以及新生神经元的迁移方式等多种因素协同作用的结果。 

研究团队在通常拥有光滑大脑的小鼠身上进行了精巧的基因实验。他们首先基于先前的工作，通过敲除Flrt1/3粘附分子基因来改变神经元的迁移路径，使神经元在移动时更加分散，从而在光滑的鼠脑皮层上诱导出初步的凹槽。在此基础上，研究人员引入了额外的基因改变，以特异性地增加两类不同的祖细胞。他们发现，当神经元迁移模式改变与祖细胞扩增这两个条件同时满足时，小鼠大脑形成了远比单一改变复杂得多的褶皱结构。尤为关键的是，增加不同类型的祖细胞会产生截然不同的效果：增加中间祖细胞的数量，会加深和增多凹陷的“沟”；而增加顶端祖细胞的数量，则会促进凸起的回的形成。这一发现结合了单细胞测序和计算机模拟，首次清晰地揭示了大脑褶皱的形成是细胞增殖、细胞类型和受粘附分子调控的迁移过程之间复杂相互作用的产物。研究发表在 Nature Communications 上。 

γ波段同步决定了神经信息的传递效率

大脑如何从海量信息中筛选出重点，例如在派对中只听一个人的声音？德国不来梅大学的 Eric Drebitz, Lukas-Paul Rausch 和 Andreas K. Kreiter 团队，通过实验因果性地证明，神经信号能否被处理，关键在于其到达下游神经元的时机是否精准，且必须与接收神经元的内在节律同步。 

研究团队让恒河猴执行一项复杂的视觉注意力任务，并利用皮层内微刺激（intracortical microstimulation）技术，在视觉皮层V2区（视觉通路的早期区域）人为制造短暂的、与任务无关的“干扰”神经信号。同时，他们记录了下游V4区神经元的活动。V4区的神经元活动存在一种约30-90赫兹的快速节律性振荡，即γ波段活动，这创造了一个持续仅几毫秒的“接收窗口”。实验结果清晰地表明，只有当来自V2区的“干扰”信号精准地在这个短暂的接收窗口内到达V4区时，它才能成功影响V4神经元的活动，并进而干扰猴子的行为，导致其反应变慢、失误增多。若信号早到或晚到，则会被完全忽略，不产生任何影响。这一发现为“神经信号的时间同步是信息处理的关键”这一理论提供了直接的因果证据，揭示了大脑筛选信息的根本机制。研究发表在 Nature Communications 上。 

大脑海马体如何支持记忆和情绪等复杂功能，其微观结构一直是未解之谜。为解决这一问题，来自约翰·霍普金斯大学彭博公共卫生学院、利伯脑发育研究所和约翰·霍普金斯大学医学院的 Jaqueline R. Thompson, Erik D. Nelson 及其同事，成功绘制出首个全面的人类海马体分子图谱，精确展示了各类细胞的空间位置。 

研究团队利用单核RNA测序来识别海马体中所有细胞的精确亚型。随后，在相邻的组织切片上，他们采用空间分辨转录组学，捕捉到了基因活动的“地理信息”。通过非负矩阵分解（NMF）等先进计算方法，研究人员将这两种数据完美融合，如同为海马体创建了一张高清的“细胞导航地图”。这张图谱不仅详细标注了兴奋性和抑制性神经元等不同细胞类型的精确位置，还揭示了它们在下托（subiculum）等关键脑区的特定聚集模式。这项研究为理解海马体的复杂回路和功能提供了前所未有的分子层面的视角。研究发表在 Nature Neuroscience 上。  

大脑如何处理决策时的信心和“反悔”？明尼苏达大学医学院的 Adrina Kocharian、A. David Redish 和 Patrick E. Rothwell 团队进行了一项研究。他们发现，大脑伏隔核区域的多巴胺信号不仅能反映决策信心的高低，还能通过直接干预来改变评估过程，揭示了决策信心的神经基础。 

研究团队让小鼠完成一项经济觅食任务，要求它们在等待逐渐减少的糖水奖励和另寻他处之间做出权衡。在此过程中，研究人员发现，小鼠大脑伏隔核核心的多巴胺水平与它们的决策信心直接相关——多巴胺信号越强，小鼠对当前选择的“信心”就越足。更有趣的是，当小鼠表现出犹豫、重新评估甚至改变主意时，多巴胺的动态变化也准确地反映了这一认知过程。为了验证这是否为因果关系，团队使用了光遗传学来直接操控多巴胺的释放。结果显示，人为增加或减少多巴胺，能够选择性地改变小鼠对决策的评估和重新评估行为。这项发现证明了多巴胺不仅是奖励信号，更是决策信心的关键调节器。研究发表在 Nature Neuroscience 上。 

睡眠期间记忆巩固仅需重新激活三个海马区神经元

大脑如何在睡眠中筛选并储存重要记忆？筑波大学的 Sakthivel Srinivasan 及其同事通过小鼠实验发现，记忆的巩固过程远比想象中更高效。他们的研究提供了直接因果证据，表明在快速眼动睡眠期间，仅需重新激活海马区中一个由大约三个神经元组成的微小集群，便足以巩固白天的记忆。 

研究团队利用基因工程技术，能够实时追踪并控制小鼠大脑海马区中被称为成年新生神经元（ABNs）的特定细胞活动。实验中，他们首先让小鼠学习一个恐惧任务，并识别出在此过程中被激活的ABNs。当小鼠进入快速眼动睡眠时，研究人员观察到，学习时活跃的同一批神经元会再次被激活。关键在于，当研究人员人为地抑制其中仅仅约三个神经元的再激活时，小鼠第二天便无法记起前一天的恐惧经历，表明记忆巩固过程遭到了破坏。此外，研究还发现，这种神经元的再激活必须与大脑中一种名为θ节律（theta rhythm，一种与记忆处理密切相关的脑电波）的特定相位精确同步，才能有效巩固记忆。这一发现揭示了记忆巩固过程惊人的精确性和高效性。研究发表在 Nature Communications 上。 

为何成年后不再像年少时那般渴望社交？

儿童和青少年的强烈社交需求为何会随着成年而改变？耶鲁大学的Marcelo O. Dietrich及其团队通过小鼠实验发现，下丘脑中的Agrp神经元在年幼时期是驱动社交行为的关键，但这一功能会随着进入成年期而关闭，揭示了社交需求变化的神经基础。

研究团队将焦点对准了下丘脑中以调控饥饿而闻名的Agrp神经元（Agrp neurons）。他们运用钙成像和光遗传学等方法，系统比较了不同年龄段小鼠的神经活动与行为。实验发现，当幼年或青少年小鼠被社会隔离时，其Agrp神经元会变得异常活跃，驱使它们寻求社交互动；而一旦与同伴重聚，这些神经元的活动便会平息下来。更有趣的是，当研究人员人为抑制这些神经元时，幼鼠的社交意愿大减；反之，激活它们则能恢复其社交冲动。然而，同样的操作对成年小鼠的社交行为却毫无影响。这表明，Agrp神经元对社交的调控作用具有严格的年龄限制，其功能在青春期晚期便开始“下线”，成年后的社交需求则由大脑其他神经回路接管。研究发表在 Current Biology 上。 

单一合金忆阻器实现可重构的人工神经元与突触

为突破传统计算架构瓶颈，神经形态计算需要能高效模拟大脑的硬件。瑞士苏黎世联邦理工学院（ETH Zurich）的Elias Passerini, Juerg Leuthold及同事解决了神经元和突触硬件实现复杂性的问题，他们开发出一种单一合金忆阻器，通过简单调节电流，即可在人工神经元和突触两种功能间自由切换。 

该研究的核心是一种基于银锡合金（AgSn）的特殊忆阻器（memristor，一种能够记忆流经其电荷历史的电子元件）。研究团队巧妙地利用了该器件对电流的不同响应，实现了功能的动态重构。当施加一个较低的“电流顺应性”时，忆阻器工作在易失性（volatile）模式下，形成的内部导电细丝是暂时的，会自动断开。这种特性完美地模拟了生物神经元积累信号直至阈值然后“激发”的过程。相反，当施加较高的电流时，器件会切换到非易失性（non-volatile）模式，形成稳定的导电细丝。通过精确控制其电导，可以稳定地存储不同数值，这恰好对应了生物突触的权重或强度。更重要的是，研究团队开发了一种训练方法，通过先在高电流模式下运行器件，能显著提升其在神经元模式下的稳定性和可靠性，其激活电压的波动性降低了超过15倍。这一成果使得用单一元件构建复杂的类脑计算系统成为可能。研究发表在 Scientific Reports 上。

初为人父的大脑对自家婴儿反应更强

父亲的大脑是如何适应为人父母的新角色的？为了厘清其大脑对自家婴儿的反应是否独特，来自南加州大学的 Philip Newsome, Anthony G. Vaccaro, Darby E. Saxbe 等研究人员，利用神经影像技术揭示了新手父亲大脑活动的奥秘，发现特定脑区的活动强度不仅能区分“自家”和“别人家”的孩子，还与父亲的育儿压力和亲子关系质量紧密相关。 

研究团队对32名新手父亲进行了功能性磁共振成像（fMRI）扫描，让他们观看自己婴儿、陌生婴儿以及自己伴侣的视频。结果清晰地显示，当父亲看到自己孩子时，大脑中负责心智化（mentalizing，即理解他人意图和情绪的能力）、社会认知和奖赏处理的关键区域，如楔前叶和后扣带回，表现出比观看陌生婴儿或自己伴侣时更强的激活。这表明父亲的大脑对自己的后代有高度特异性的神经响应。更重要的是，这种大脑活动的个体差异与父亲的育儿体验直接相关：在楔前叶/后扣带回区域反应更强的父亲，通常报告了更强的亲子联结和更低的育儿压力。这一发现表明，这些皮质中线区域的神经活动，可能是衡量新手父亲适应新角色的重要生物学指标。研究发表在 Human Brain Mapping 上。 

为何我们在嘈杂的环境中仍能听懂对话？麦考瑞大学的Heivet Hernández-Pérez和David McAlpine等人研究发现，大脑能无意识地学习环境回声，并且在具有适度回声的“金发姑娘区”学习效果最好，而非完全安静的环境。 

研究团队在一个无回声的消声室中，为听力正常的参与者模拟了从地下停车场（强回声）到开放办公室（弱回声）等多种声学环境。参与者需要识别在背景噪音中播放的语音指令。结果显示，随着时间推移，参与者的大脑会无意识地学习并适应房间的声学特性，从而提高语音识别的准确率。一个令人意外的发现是，学习效果最好的并非零回声环境，而是在一个回声“恰到好处”的“金发姑娘区”（Goldilocks zone），其混响时间（reverberation，声音在空间中持续反射的时间）约为400毫秒，这与许多演讲厅的环境类似。为了定位这一学习过程的神经基础，研究人员使用了重复经颅磁刺激（rTMS）短暂干扰了大脑的背外侧前额叶皮层。结果发现，当该区域功能受扰时，参与者适应声学环境的能力显著下降。这证明了dlPFC在无意识学习环境声音特征中扮演了关键角色。研究发表在 eLife 上。 

为何大量青少年在青春期放弃运动，尤其是来自低收入家庭的孩子？不同运动项目又如何影响他们的幸福感？为了回答这些问题，来自阿格德大学的 Erik Grasaas 与挪威北极大学的 Øyvind Sandbakk 分析了挪威全国性的青年调查数据，揭示了体育参与率与社会阶级之间的巨大鸿沟，并详细阐述了不同运动对青少年生活满意度的具体影响。 

该研究基于挪威青年数据调查，分析了超过26,000名参与18种不同运动的青少年数据，并与超10万人的全国数据进行对比。结果揭示了一个严峻的现实：社会经济地位是决定青少年是否坚持运动的关键因素，来自社会最底层家庭的青少年退出率高达80%，高昂的运动开销是主要障碍之一。研究同时发现，参与体育运动普遍能提升青少年的生活满意度，特别是对于女孩而言，这种积极影响尤为突出。有趣的是，不同项目效果各异：越野滑雪的参与者在学校满意度、体力活动水平和身体疼痛感等指标上表现最佳；而所有受访者中，从事赛车运动的男孩对生活的满意度最高。然而，研究也提示，当男孩参与传统上被视为女性主导的运动（如舞蹈、骑马）时，其生活质量反而可能低于平均水平。研究呼吁社会打破经济壁垒，让所有青少年都能享受运动带来的身心益处。研究发表在 Frontiers in Psychology 上。 

一款备受期待的渐冻症（ALS）新药BIIB078为何在临床试验中折戟？埃默里大学的 Zachary T. McEachin, Jonathan D. Glass, Nicholas T. Seyfried 等研究人员对接受该药治疗后去世的患者进行了深入的死后组织分析，揭示了药物虽然成功进入大脑，却未能清除核心病理产物。 

BIIB078是一种反义寡核苷酸（ASO，一种能与特定RNA分子结合并使其降解的短链核酸）药物，旨在靶向并清除由C9orf72基因突变产生的毒性RNA，这是遗传性渐冻症最常见的原因。尽管在临床试验中，患者脑脊液中的毒性二肽重复蛋白（DPRs，由异常RNA翻译产生的毒性蛋白）水平有所下降，但患者的临床症状并未改善。为了探究这一矛盾现象，研究团队对8名接受治疗的患者与未治疗的患者及健康对照者的中枢神经系统组织进行了全面的分子和病理学比较。研究发现，通过鞘内注射给药的BIIB078确实能够广泛且持久地分布于整个CNS，并成功进入神经元和胶质细胞。然而，关键的病理蛋白，如DPRs和磷酸化TDP-43，在脑组织实质内的含量并未显著减少。此外，治疗还引发了持续的炎症反应，并与体内的核糖核酸酶RNase T2发生了意料之外的相互作用。这项研究清晰地表明，药物抵达了靶点但未能有效发挥作用，解释了临床试验失败的原因，并强调未来需开发更能反映脑组织真实病理变化的生物标志物。研究发表在 Cell 上。 

大规模跨国研究揭示重度抑郁症遗传风险与特定脑区结构变化的关联

重度抑郁症的遗传风险如何体现在大脑结构上？由 Xueyi Shen、Yara J. Toenders 领导，联合爱丁堡大学、阿姆斯特丹自由大学等机构的ENIGMA重度抑郁症工作组（ENIGMA Major Depressive Disorder Working Group）开展了一项迄今为止最大规模的研究。这项涉及超过5万人的荟萃分析，首次系统地揭示了抑郁症遗传易感性与特定大脑结构变化之间的密切联系。 

研究团队整合了来自11项国际研究的50,975名参与者的遗传和神经影像数据。他们首先为每位参与者计算了重度抑郁症的多基因风险评分（polygenic risk scores，PRS，一种衡量个体遗传易感性的指标），随后分析了该评分与大脑结构磁共振成像（MRI）数据的关联。结果发现，较高的遗传风险与多个大脑结构的萎缩显著相关，包括整体颅内容积减小和皮质总表面积减小。具体来说，遗传风险越高的人，其额叶表面积越小，尤其是负责情绪调节的左侧内侧眶额回更为明显。此外，皮质下区域的丘脑、海马体和苍白球的体积也呈现出与高遗传风险相关的萎缩。更重要的是，通过孟德尔随机化分析，研究揭示了较小的左侧海马体体积可能是导致重度抑郁症患病风险增高的潜在原因，而不仅仅是相关性。研究发表在 Molecular Psychiatry 上。 

“快球”脑电波测试可在诊断前数年检测出早期阿尔茨海默病迹象

如何更早发现阿尔茨海默病？针对当前诊断工具昂贵且滞后的困境，巴斯大学与布里斯托大学的George Stothart及其团队开发了一种名为“快球”（Fastball）的脑电图（EEG）测试。这项仅需三分钟的被动测试，能够客观地检测出疾病诊断前数年的早期记忆衰退迹象，为大规模早期筛查提供了可能。 

Fastball测试是一种创新的被动式脑电图检测方法。测试过程中，参与者只需舒适地坐着，被动观看屏幕上快速闪过的一系列图片，全程仅需三分钟。设备会自动捕捉并分析大脑在区分新、旧图片时产生的微弱电信号，从而客观评估大脑的识别记忆功能，无需参与者做出任何行为反应或理解复杂指令。研究团队对53名轻度认知障碍（Mild Cognitive Impairment，简称MCI，常被视为阿尔茨海默病的极早期阶段）患者和54名健康老年人进行了测试。结果显示，存在记忆障碍的MCI患者，其Fastball脑电波反应显著弱于健康老人，且该反应与记忆能力的相关性极高，而与注意力等其他认知功能无关。更重要的是，研究首次证实这项低成本、便携的测试可以在患者家中成功进行，并且对于一年后病情恶化为痴呆的患者，其初次测试结果已显示出异常趋势。研究发表在 Brain Communications 上。 

虚拟现实导航测试可揭示阿尔茨海默病早期风险，比传统检测更灵敏 

如何才能在出现明显症状前发现阿尔茨海默病？针对传统检测方法不够灵敏的问题，德国神经退行性疾病中心的Thomas Wolbers和Vladislava Segen等研究人员开发了一种新方法，他们利用虚拟现实技术测试空间导航能力，成功识别出了那些在标准测试中表现正常但具有高患病风险的个体。 

该研究设计了一项独特的虚拟现实（VR）实验，让102名老年参与者（包括一部分有主观认知衰退（Subjective Cognitive Decline, SCD）的个体）在一个没有任何视觉地标的虚拟世界中行走。任务要求参与者仅凭对自身运动的感知来记住并指回自己的出发点，这项能力被称为路径整合（path integration），它高度依赖于大脑内嗅皮层的功能，而该脑区是阿尔茨海默病最早侵袭的区域之一。结果显示，尽管所有参与者在传统认知问卷上的得分都正常，但SCD组在VR导航任务中的表现明显比健康对照组更差。通过数学模型分析，研究团队发现这种定位不准的核心原因是一种“记忆泄漏”（memory leak）——即大脑在持续更新位置信息时，对过往位置的记忆发生了快速衰退。这一发现表明，大脑中负责空间定位的网格细胞（grid cells）可能已出现早期功能障碍。这项基于VR的测试为发现临床前期的阿尔茨海默病提供了一种极其灵敏的新工具，未来有望用于疾病的超早期诊断和新药研发评估。研究发表在 Science Advances 上。 

高学历无法为阿尔茨海默病患者提供长期保护，反而可能加速病程后期认知衰退

高等教育能否有效预防阿尔茨海默病？针对认知储备假说中“高学历者确诊后衰退更快”这一争议点，波士顿大学乔巴尼安和阿维迪西亚医学院的Jinying Chen、Zachary T Popp等研究人员，通过一项覆盖欧洲三国的研究发现，更高的教育水平与确诊后更快的认知能力下降有关。 

该研究分析了来自英国、德国和法国的1313名阿尔茨海-默病患者数据。研究团队对他们进行了长达3年的跟踪随访，并使用简易精神状态检查表（Mini-Mental State Examination, MMSE，一种广泛用于评估认知功能的工具）来量化认知水平的变化。研究结果清晰地表明，拥有12年及以上教育经历的患者，其认知衰退速度显著快于受教育年限较短的患者。数据显示，高学历组的MMSE分数每半年会比低学历组额外多下降0.19分。这一发现为认知储备（Cognitive Reserve，指大脑利用既有认知策略或代偿机制来应对损伤的能力）假说提供了强有力的支持。它揭示了教育背景的双重作用：一方面，教育能帮助大脑在更长时间内抵御和掩盖病理变化，从而推迟了诊断时间；但另一方面，当大脑的代偿能力达到极限后，疾病的进展会显得更为迅速和剧烈。研究强调，对于受过良好教育的成年人，临床医生和家属需对记忆、思维等方面的早期细微变化保持高度警惕，以便及早干预。研究发表在 Journal of Alzheimer's Disease 上。 

部分代糖或加速认知衰退，最高摄入者下降速度快62%

被视为健康选择的代糖真的对大脑无害吗？巴西圣保罗大学的Claudia Kimie Suemoto及其团队，通过一项对超万人的长期研究发现，大量摄入某些常用的人工甜味剂与思维和记忆能力的加速衰退显著相关，尤其是在糖尿病患者和60岁以下人群中。 

该研究对12,772名巴西成年人进行了长达8年的跟踪调查。研究人员通过问卷记录了参与者对七种常见低热量和无热量甜味剂（low- and no-calorie sweeteners，通常被称为“代糖”，如阿斯巴甜、山梨糖醇等）的日常摄入量，并在不同时间点评估他们的认知功能。在排除了年龄、心血管疾病等多种影响因素后，数据显示，与摄入最少的人相比，甜味剂摄入量最高的人群其总体认知能力下降速度惊人地快了62%，这相当于大脑额外衰老了1.6年。这种负面影响在60岁以下人群的言语流畅性和糖尿病患者的记忆力下降上表现得更为明显。除塔格糖外，研究中涉及的其他六种甜味剂均显示出与认知衰退的关联。这一发现对普遍将代糖视为糖的无害替代品的观点提出了挑战。研究发表在 Neurology 上。 

改变肿瘤微环境，抑制癌细胞扩散

如何阻止最具侵袭性的脑癌——胶质母细胞瘤的扩散？剑桥大学的 Melinda Duer、Uliana Bashtanova、Agne Kuraite 和 Rakesh Rajan 团队提出了一种革命性策略。他们发现，无需直接杀死癌细胞，只需改变其周围的微环境，就能“重新编程”癌细胞，使其放弃侵袭，为攻克这一顽固癌症带来了新希望。 

这项研究的核心聚焦于肿瘤微环境中的关键分子——透明质酸（hyaluronic acid，简称HA）。传统观点认为HA的分子量大小决定其对癌症的影响，但该团队发现，真正的关键在于其“分子柔韧性”。研究人员利用核磁共振波谱法发现，当HA分子足够柔韧时，才能有效结合癌细胞表面的CD44受体，从而激活信号通路，驱使癌细胞在脑内扩散。有趣的是，即便是被认为有益的高分子量HA，在被高度稀释时（类似手术后产生的水肿（edema）环境），也会变得异常柔韧，反而成为癌细胞扩散的“帮凶”。基于这一发现，团队通过化学交联的方式“冻结”了HA分子，使其变得僵硬。结果证实，失去柔韧性的HA无法再激活癌细胞的侵袭信号，成功将移动的癌细胞“重新编程”为休眠状态。这种不直接攻击肿瘤细胞，而是改造其“土壤”的全新思路，为治疗胶质母细胞瘤开辟了新的道路。研究发表在 Royal Society Open Science 上。 

额颞叶痴呆患者的高犯罪风险及其神经根源

中年人首次出现反常的违法行为，背后可能隐藏着神经退行性疾病的信号。为了系统探究痴呆症与犯罪行为的关联，德国马克斯·普朗克人类认知与脑科学研究所的Matthias L. Schroeter, Marija Žuvela和Lena Szabo团队进行了一项大规模荟萃分析，首次定量揭示了不同类型痴呆症患者出现犯罪风险行为的概率，并指出这可能是疾病的早期征兆。 

该研究是一项荟萃分析，系统梳理了14项相关研究，数据覆盖超过23万名来自不同国家的参与者。结果清晰地显示，犯罪风险行为的患病率在不同痴呆症亚型中差异巨大。在行为变异型额颞叶痴呆患者中，这一比例超过50%，远高于阿尔茨海默病的10%和帕金森综合征的不到10%。研究还发现一个重要规律：这类行为在痴呆症的早期阶段比普通人群更常见，但随着病情加重则会下降。此外，性别差异显著，确诊后，患有额颞叶痴呆的男性出现犯罪风险行为的频率是女性的四倍，而在阿尔茨海默病患者中这一差距更是高达七倍。另一项研究揭示了其神经基础，即这些行为与大脑颞叶的萎缩有关，导致了脱抑制（disinhibition，指大脑调节冲动与情绪、遵守社会规范的能力下降）现象。研究人员强调，大多数行为为轻微违法，但该发现对于痴呆症的早期诊断和法律系统的适应性调整至关重要。研究发表在 Translational Psychiatry 上。 

首个跨17种人体组织的DNA甲基化衰老图谱

衰老的分子机制是否在全身同步发生？以往研究多局限于血液，限制了我们对全身衰老的理解。由NIR EYNON及其同事领导的国际团队，通过对17种人类组织的15,000多份样本进行荟萃分析，构建了迄今最全面的DNA甲基化衰老图谱，揭示了哪些衰老特征是全身共享的，哪些则是特定器官独有的。 

研究团队整合了海量公开数据，系统分析了与年龄相关的三类表观遗传标记。除了传统的差异甲基化位点（differentially methylated positions, DMPs，即随年龄稳定升高或降低的甲基化位点），他们还考察了可变甲基化位点（variably methylated positions, VMPs，即随年龄增加个体间差异变大的位点）和香农熵。分析发现，存在一个由PCDHGA1、MEST等基因驱动的脆弱基因网络，它会加速全身的衰老进程，并且难以通过有益干预逆转。其中，PCDHGA1基因被确定为一个核心的跨组织衰老驱动因子。更重要的是，研究人员发现了一个与NAD⁺补救代谢（NAD⁺ salvage metabolism）相关的“弹性”基因网络，该网络在衰老过程中表现出更强的稳定性，这为当前热门的NAD⁺补充剂抗衰老策略提供了坚实的分子生物学证据。

被忽视儿童大脑白质结构异常

儿童忽视作为最常见却又最“隐形”的虐待形式，其对大脑的独特影响尚不明确。日本福井大学儿童心理发展研究中心的 Akemi Tomoda 及其同事 Natasha Y.S. Kawata, Takashi X. Fujisawa 等人进行了一项研究，发现纯粹的忽视会对儿童大脑白质结构造成可测量的特定改变，并与行为问题直接相关。 

研究团队利用弥散张量成像，对比了21名仅受过忽视的儿童与106名正常发育儿童的大脑。结果显示，被忽视儿童的大脑白质微观结构存在显著异常，具体表现为三个关键区域的轴向扩散率（AD，反映神经轴突完整性和髓鞘化状态的指标）显著增高。这三个区域分别是负责自主运动的右侧皮质脊髓束、参与注意力和语言功能的右侧上纵束，以及连接情绪与认知系统的左侧扣带回。研究进一步发现，这些大脑结构上的改变与儿童的行为问题严重程度密切相关。这一发现为“看不见的伤害”提供了客观的生物学证据，表明忽视本身就足以扰乱大脑发育，这些改变或可成为早期识别和干预受忽视儿童的宝贵生物标志物。研究发表在 Scientific Reports 上。 

如何从根源上预防炎症导致的早产？南卡罗来纳医科大学的Eliza R. McElwee, Stephen Tomlinson及同事们发现，作为免疫系统一部分的补体系统是驱动早产炎症的关键因素，通过抑制该系统可以有效预防早产，保护母婴健康。 

研究团队利用小鼠模型模拟了由感染引起的炎症性早产。他们发现，炎症发生后，免疫系统中的补体系统（complement system，一组帮助身体抵抗感染的蛋白质）被迅速激活，导致白细胞大量聚集在宫颈和子宫，引发的炎症最终导致早产。为了验证靶向抑制补体系统的效果，研究人员为实验组小鼠注射了一种特异性的补体抑制剂（complement inhibitor）。结果显示，与安慰剂组相比，接受治疗的母鼠怀孕时间更长，产下的健康后代也更多。进一步分析表明，这种疗法不仅减轻了母体子宫的炎症，还显著降低了胎儿大脑中的炎症反应，包括减少了促炎细胞因子的水平。这项研究证明，通过精准调控补体系统，有望开发出同时保护母亲和胎儿、预防早产的新疗法。研究发表在 Cells 上。 

欢快音乐可有效缓解晕动病，悲伤音乐适得其反

如何无副作用地缓解晕动病是困扰许多旅客的难题。西南大学的 Qizong Yue 及其合作团队（包括河南科技学院、重庆文理学院等机构的研究人员）进行了一项研究。他们发现，聆听特定类型的音乐可以显著缓解晕动病症状，其中欢快和轻柔的音乐效果最佳。

研究团队招募了30名参与者，在驾驶模拟器中诱发晕动病，并利用脑电图监测其大脑状态。当参与者报告不适后，研究人员为他们播放欢快、轻柔、激昂或悲伤四种类型的音乐，并设置无音乐的对照组进行比较。结果显示，音乐类型对恢复效果有显著影响：欢快的音乐缓解效果最佳，使症状减轻了57.3%，轻柔音乐的效果也高达56.7%。然而，悲伤音乐的效果（减轻40%）甚至不如自然休息的对照组（减轻43.3%），表明不当的音乐选择可能适得其反。脑电图数据显示，晕动病发作时，枕叶的活动复杂度会降低，而有效的音乐干预能帮助其恢复正常，这为客观评估晕动病提供了神经层面的证据。研究发表在 Frontiers in Human Neuroscience 上。 

源自迷幻药的无致幻效应化合物有望成为抗炎新药

迷幻药除了能改变心智，是否还隐藏着治疗身体疾病的潜力？伯明翰大学的Nicholas M. Barnes及Omar Qureshi等研究人员通过一篇综述指出，迷幻药具有强大的抗炎特性，并提出可开发一类全新的“PIPI药物”，这类药物保留了迷幻药的治疗功效，却不产生致幻副作用，有望为多种炎症性疾病带来革命性疗法。 

研究指出，许多迷幻药的主要靶点——血清素5-HT2A受体（serotonin 5-HT2A receptor），不仅存在于大脑中，也广泛分布于免疫细胞上。大量体外实验证实，多种迷幻药分子能显著抑制单核细胞和树突状细胞等免疫细胞在受刺激后释放肿瘤坏死因子α和白细胞介素-6等促炎因子。在动物层面，体内研究同样展示了令人振奋的结果。例如，在急性炎症小鼠模型中，使用迷幻药(R)-DOI能有效降低循环系统中的炎症标志物水平。在模拟慢性疾病的哮喘小鼠模型中，(R)-DOI也成功减轻了肺部炎症和气道高反应性。最关键的发现是，这些抗炎作用的生物学机制可能与导致幻觉的机制是分离的。基于此，研究团队提出了PIPI药物（Psychedelic drug Informed but Psychedelic experience Inactive，指受迷幻药启发但无致幻体验的药物）的概念，认为这类新型化合物能够安全地用于治疗从阿尔茨海默病到肠道疾病等一系列以炎症为特征的顽疾，开辟了全新的药物研发方向。 研究发表在British Journal of Pharmacology 上。

约九成中老年孤独症成年人未被确诊

老年孤独症群体的需求长期被科学界忽视，导致其面临的挑战不为人知。伦敦国王学院的 Gavin Stewart 和 Francesca Happé 进行了一项大规模的叙述性综述，系统性地评估了该领域的研究现状，揭示了英国中老年孤独症群体中惊人的未确诊率及其带来的严峻健康后果。 

该研究通过对现有文献的全面回顾与综合，并重新分析了英国的医疗记录数据，描绘出了一幅令人担忧的图景。研究估计，在英国40-59岁的孤独症成年人中，有高达89%的人从未得到诊断，而在60岁以上人群中，这一比例更是攀升至97%。这种“隐形”状态使他们无法获得必要的支持。数据显示，与同龄非孤独症人群相比，中老年孤独症患者面临几乎所有身心健康问题的更高风险，包括心血管疾病、抑郁症和焦虑症。更令人警惕的是，具有高度孤独症特征的老年人出现自杀意念的可能性是非孤独症人群的六倍，而患上早发性痴呆症的风险也高出四倍。此外，他们在就业、社交和获得适宜的医疗服务方面也困难重重。研究呼吁社会必须采取覆盖全生命周期的策略，加强对老年孤独症患者的研究与支持。研究发表在 Annual Review of Developmental Psychology 上。 

慢性压力驱使颅骨免疫细胞进入大脑保护层

慢性炎症与抑郁症关系密切，但具体机制不明。英国剑桥大学和美国国家精神卫生研究所的Stacey L. Kigar、Mary-Ellen Lynall及其同事，通过小鼠实验发现，慢性压力会促使颅骨骨髓中的一类免疫细胞直接进入大脑的保护膜层，进而引发类似抑郁的行为症状，揭示了压力影响心理健康的一条全新神经免疫通路。 

研究团队利用慢性社交挫败模型，让小鼠长期处于社会压力环境中，以诱发抑郁样行为。研究发现，在这种慢性压力下，小鼠大脑保护层——脑膜中的中性粒细胞数量显著增加。进一步的溯源分析证实，这些免疫细胞并非来自全身的血液循环，而是通过血管通道，直接从颅骨的骨髓“就近”迁移而来。这种脑膜中性粒细胞的积聚与小鼠表现出的抑郁行为显著相关。为探究其分子机制，研究人员对这些细胞进行基因表达分析，发现一种名为I型干扰素的免疫信号通路被异常激活。关键的是，当研究团队通过干预手段阻断这条信号通路后，不仅脑膜中的中性粒细胞数量减少，小鼠的抑郁样行为也得到了明显改善。研究发表在 Nature Communications 上。 

如何高效创造出能精准识别并结合特定蛋白质的新型蛋白质，来自洛桑联邦理工学院和麻省理工学院的 Martin Pacesa、Bruno E. Correia 及其同事，开发了一款名为BindCraft的革命性AI平台。该平台能够“一次性”完成计算设计，以极高成功率生成功能强大的结合蛋白，改变了以往耗时且低效的研究模式。 

BindCraft的核心突破在于创造性地“逆向使用”了著名的蛋白质结构预测模型AlphaFold2。传统方法是预测已知序列的结构，而BindCraft则通过反向传播算法，让AI根据一个给定的靶点蛋白质结构，直接“构想”出一个能与之完美结合的全新蛋白质。该流程通过动态建模与智能进化迭代优化设计，并利用AI置信度和物理规则进行双重筛选，确保了最终方案的可靠性。其成果斐然：实验成功率高达10%-100%，所设计的结合蛋白亲和力可达纳摩尔级，媲美现有抗体药物。为了证明其广泛应用价值，团队成功设计出多种功能蛋白：有的能调节CRISPR-Cas9的活性以提升安全性；有的能有效中和细菌毒素；还有的能将腺相关病毒改造为靶向癌细胞的精准基因递送载体。研究发表在 Nature 上。 

受人脑注意力机制启发，存内计算设备实现高效时空信息处理

当前处理视频等动态信息的硬件存在高能耗与高延迟的瓶颈。为解决该问题，Jiong Pan, Fan Wu, Kangan Qian及同事受人脑注意力机制启发，开发出一种新型人工智能硬件架构。该架构通过创新的存内计算设备，能像大脑一样自适应地处理时空信息，极大地提升了计算效率。

该研究的核心是提出了一种基于异维调制（hetero-dimensional modulations）的注意力启发式设备。该设备创新地将数据存储和计算功能融合在一体，实现了内存模拟计算，从而避免了传统架构中数据在存储和处理器之间来回传输所造成的延迟和能耗。其设计模仿了人脑额顶叶网络调节注意力的机制，能够根据外部环境的变化，动态地将计算资源在空间信息（静态画面的细节）和时间信息（物体的运动）之间进行重新分配。例如，在自动驾驶场景中，当车辆静止时，设备可将更多注意力分配给空间信息以识别路标；当车辆高速行驶时，则可将注意力切换至时间信息以追踪移动的行人。实验表明，该设备能将注意力焦点从0%到100%进行平滑调节。与传统晶体管电路相比，新架构的性能提升极为显著：处理速度提升数十倍，硬件面积缩小数百倍，而能耗仅为传统方案的千分之一。研究发表在 Nature Communications 上。 

新型人工神经元融合DRAM与二硫化钼，更高效模拟大脑适应性 

为满足人工智能对低功耗、高效率硬件的需求，开发能全面模拟大脑学习能力的神经形态芯片至关重要。复旦大学的Yin Wang、Saifei Gou、Wenzhong Bao等人将计算机内存（DRAM）与新型半导体（MoS₂）电路结合，成功研发出一种新型人工神经元，该器件不仅能模仿神经元间的连接变化，还能模拟神经元自身的适应性。

该研究的核心是将动态随机存取存储器（DRAM）和基于超薄半导体二硫化钼（MoS₂）的反相器电路集成，构建出一个积分激发人工神经元。其中，DRAM中的电容器用于存储电荷，精准模拟生物神经元膜电位的变化；而反相器电路则负责在电位达到阈值时产生放电脉冲。这一设计的巧妙之处在于，它能通过调节DRAM中的电压，有效模拟内在可塑性，这是以往神经形态硬件难以实现的。为验证其功能，团队构建了一个3x3的神经元阵列，成功复现了人眼在不同光照下的明暗适应过程。此外，他们还将该神经元模块用于构建仿生神经网络，并高效地完成了图像识别任务，展示了其在计算机视觉等边缘智能应用中的巨大潜力。研究发表在 Nature Electronics 上。 

AI副驾驶助力非侵入式脑机接口，瘫痪患者操作效率提升近4倍

如何让非侵入式脑机接口达到实用水平？加州大学洛杉矶分校神经工程与计算实验室的Jonathan C. Kao和Johannes Y. Lee团队开发出创新解决方案：通过AI作为"副驾驶"与用户协作，在完全非侵入的情况下，使瘫痪患者的操作效率提升近4倍，首次实现复杂物体操控任务。 

研究团队首先开发了混合自适应解码算法，结合卷积神经网络和类似ReFIT的卡尔曼滤波器，精确解码脑电图信号。随后设计了两套AI副驾驶系统：一套用于光标控制，另一套用于机械臂操作。系统通过计算机视觉而非眼动追踪来解读用户意图，实现了真正的意图解码。在四名参与者（包括一名腰部以下瘫痪患者）的测试中，AI辅助使瘫痪患者的光标控制目标命中率提升3.9倍，并首次完成机械臂"拾取-放置"任务（6.5分钟完成，无辅助时无法完成）。健康参与者的任务效率也显著提高。这种共享自主权设计完全避免了手术植入需求，仅需佩戴EEG头帽，为运动障碍患者提供了安全实用的辅助方案。研究发表在 Nature Machine Intelligence 上。

心理健康AI聊天机器人近半数无法正确处理自杀风险

AI聊天机器人能否安全处理自杀危机？W. Pichowicz, M. Kotas & P. Piotrowski团队对29款心理健康AI应用进行测试，发现这些声称能提供心理支持的聊天机器人在面对自杀风险时表现令人担忧，近半数完全无法提供适当帮助。 

研究团队首先筛选主流应用商店中声称具有心理健康支持功能的AI聊天机器人应用。通过模拟从轻度抑郁到急性自杀倾向的标准化情境（基于哥伦比亚自杀严重程度评定量表C-SSRS），研究人员评估了这些系统识别风险、提供紧急联系方式和回应的适当性。结果显示，没有一款AI能达到充分响应标准，51.72%勉强满足最低要求，48.28%表现完全不达标。最严重的问题是63%的机器人未提供任何紧急联系方式，部分甚至给出可能有害的建议。定性分析揭示，当前AI系统对心理健康危机的理解存在严重局限，其机械化回应可能延误关键干预时机。这项研究突显了在缺乏临床验证情况下部署心理健康AI的巨大风险。研究发表在 Scientific Reports 上。

医疗代理系统：基于大语言模型的智能问诊新范式

如何解决大语言模型在医疗咨询中的安全性和实用性矛盾？悉尼大学人工智能中心的Zhiyao Ren, Dacheng Tao团队开发出模块化医疗代理系统，通过对话-记忆-处理三大组件的协同工作，在不重新训练模型的情况下显著提升问诊质量。该系统在4000余次测试中实现医疗错误减少72%的突破。 

研究团队采用智能体架构，将系统分解为三大功能模块：对话组件通过功能识别（task identification）自动规划问诊流程，安全模块（safety guardrail）实时检测伦理风险；记忆组件通过双存储机制（对话记忆+历史记忆）实现病情追溯；处理组件自动生成结构化报告。评估采用由ChatGPT驱动的虚拟患者测试平台，配合7名医师的专家评审。结果显示，相比原始大模型，系统将问诊质量提升58%的同时，成功拦截全部伦理违规问题。特别在慢性病管理中，记忆组件使病史调取准确率达91%，处理组件生成报告效率提升9倍。该研究为医疗AI系统设计提供了可解释、可扩展的新范式。研究发表在 npj Artificial Intelligence 上。

情感特征增强：基于大模型的法庭测谎新方法

传统测谎如何突破主观性瓶颈？Chucheng Zhou, Yingqian Zhang等研究者提出LieXBerta模型，首次将大语言模型提取的情感特征与微表情、动作数据融合，构建出准确率达87.5%的自动化测谎系统，为司法审讯提供客观决策支持。   

研究团队首先人工标注含10类情绪标签的庭审文本数据集，用于微调RoBERTa模型。在LieXBerta框架中，RoBERTa从审讯文本提取情绪特征值（如焦虑强度），与面部动作单元（AU）和肢体动作参数融合后，输入XGBoost（一种梯度提升决策树算法）进行分类。实验显示，引入情感特征使模型准确率提升至87.5%，较传统方法提高6.5%，且特征优化后推理速度加快42%。进一步分析发现，欺骗陈述常伴随独特的"焦虑-愤怒"情绪组合（AUC=0.91），而单纯语言分析易遗漏此类信号。该研究证实情感特征是测谎的关键维度，其贡献度（32%）超过微表情（21%）。研究发表在 Scientific Reports 上。  

机器人“单次学习”即掌握全身协同搬运

如何让机器人像人类一样灵巧地搬运笨重物体？针对这一长期挑战，丰田研究所的Jose A. Barreiros、Alex Alspach等研究人员，通过为机器人配备柔软的身体和高效的学习算法，成功让名为Punyo的机器人仅需一次演示就能学会用全身协同搬运大件物品。 

研究的核心是一款名为Punyo的人形机器人，它拥有独特的、可变形的压力感应皮肤。研究团队采用了一种名为示例引导强化学习的创新训练方法。他们首先在虚拟环境中向机器人演示一次如何搬运重物，例如将一个大水壶扛到肩上。随后，机器人便在模拟环境中自主练习，直至掌握要领。得益于这种高效的学习机制和机器人的物理特性，学成的策略能无缝迁移到现实世界。实验中最关键的发现是身体柔顺性的作用。研究表明，柔软的机身（被动柔顺性，passive compliance）和灵活的关节（主动柔顺性，active compliance）对于成功至关重要。与刚性机器人相比，具备柔顺性的Punyo在执行任务时的成功率平均提高了惊人的206%。更值得一提的是，Punyo在执行任务时无需依赖外部摄像头，仅凭自身的触觉和关节位置反馈就能完成复杂的“盲操”动作。研究发表在 Science Robotics 上。 

AI视觉工具SeeMe提前数天检测到脑损伤患者的隐性意识

如何准确判断看似昏迷的脑损伤患者是否仍有意识，是医学界面临的难题。石溪大学的Xi Cheng和Sima Mofakham等研究人员为此开发了一款名为SeeMe的计算机视觉工具，能够捕捉人眼难以察觉的微小面部运动，从而在临床医生之前数天就检测到患者隐藏的意识迹象。 

许多急性脑损伤（acute brain injury）患者看似昏迷，实则可能处于有意识但无法做出明显动作的隐性意识（covert consciousness）状态。为解决这一诊断困境，研究团队开发了SeeMe工具。该系统利用高分辨率摄像头，以精确到约0.2毫米的分辨率追踪患者面部毛孔的微小位移，以响应“睁开你的眼睛”等语音指令。

在一项针对37名昏迷患者的研究中，SeeMe的表现远超传统临床检查：它不仅在更多患者（85.7%对71.4%）中检测到了遵从指令的睁眼动作，并且平均比临床医生早了4.1天。更重要的是，一个深度神经网络分类器证实，这些睁眼动作与特定指令的匹配准确率高达81%，排除了随机运动的可能，证明患者能够理解指令。此外，SeeMe检测到的微小运动的幅度和频率与患者出院时的康复结果显著相关。这项技术为客观、早期评估患者意识提供了全新途径，有望改善康复时机选择和家庭沟通。研究发表在 Communications Medicine 上。 

物理AI融合视觉与触觉，实现类人精准操控

当前机器人仅靠“看”难以完成精细操作，例如区分魔术贴的正反面。来自东北大学、香港科技园变革服装生产中心和香港大学的Ningquan Gu, Kazuhiro Kosuge, Mitsuhiro Hayashibe等人，开发了一套名为TactileAloha的物理AI系统，它首次成功地融合了视觉与高分辨率触觉，让机器人能像人一样感知和操控物体。 

研究团队在开源的ALOHA机器人平台上，为机械臂加装了GelSight触觉传感器，构建了全新的TactileAloha系统。该系统能够同时捕捉物体的视觉图像和精细的表面纹理。研究人员利用一个基于Transformer的策略模型，将视觉、触觉以及机器人自身的关节位置信息进行融合，从而预测并生成精准的操控动作。为了验证系统性能，团队设计了粘贴魔术贴和插入扎带这两项极度依赖触觉反馈的任务。实验结果表明，TactileAloha能够根据实时感知到的纹理信息，自适应地调整操作策略，成功完成了纯视觉机器人无法胜任的任务。与现有其他先进的触觉机器人相比，其任务成功率平均相对提升了约11.0%。这一突破展示了多模态物理AI（multimodal physical AI）的巨大潜力，使机器人向实现人类般的灵巧操作迈出了关键一步。研究发表在 IEEE Robotics and Automation Letters 上。

AI反馈生物电子系统精准调控离子释放，加速感染伤口愈合

如何智能且高效地处理难以愈合的感染伤口？针对传统疗法在动态监测与精准干预上的不足，浙江大学的俞梦飞和贺永等人将人工智能与再生生物电子学（bioelectronics）结合，开发出一种具备AI反馈功能的闭环治疗系统，实现了对伤口愈合过程的智能化管理。 

该研究的核心是一种创新的闭环自适应系统，它能像医生一样“观察”和“决策”。系统通过传感器监测伤口状态，并将数据实时反馈给一个基于强化学习的人工智能控制器。AI根据伤口所处的不同阶段（例如感染期或再生期），动态优化治疗方案，并通过电信号指令一个由液态金属制成的生物电子敷料。在感染初期，AI会施加一个较高的电流（4毫安），刺激敷料快速释放高浓度的镓离子，后者具有强大的广谱抗菌能力，能有效清除感染。当监测到感染得到控制后，AI会自动将电流调低至0-2毫安，以更温和的方式释放镓离子，这一阶段的低剂量离子能够有效促进组织再生。实验证明，该智能系统不仅愈合伤口的速度远超传统疗法，还显著减少了抗生素的使用。这项技术有望变革慢性伤口的护理模式。研究发表在 Cell Biomaterials 上。 

如何系统评估AI模型？新加坡南洋理工大学李光前医学院与帝国理工学院的Siqi Tian, Alicia Wan Yu Lam, Joseph Jao-Yiu Sung, Wilson Wen Bin Goh等研究者提出了一套六层评估框架，从可重复性到可替代性逐级递进，为AI在生物技术和医学领域的应用提供了清晰的评估路径。   

研究团队设计了一个六层评估体系，依次测试AI的可重复性（相同输入下输出是否一致）、可再现性（跨数据集表现）、鲁棒性（抗干扰能力）、刚性（新数据下的功能保持）、可复用性（跨任务迁移）和可替代性（完全取代现有流程）。通过三个案例验证框架实用性：单细胞组学大模型scGPT在3300万细胞数据上表现出优秀的可重复性和可再现性，但鲁棒性待加强；医学大模型MedFound在八个专科中接近医生诊断水平，但长期稳定性不足；糖尿病视网膜病变筛查AI（ACCESS试验）将检查完成率从22%提升至100%，但功能单一。该框架为不同应用场景（如科研探索或临床落地）提供了适配的评估标准，并兼具技术性和伦理性价值。研究发表在 Trends in Biotechnology 上。  

新型光控忆阻器可在单个器件上动态充当神经元和突触

当前可重构神经形态器件在切换功能（如神经元和突触）时，常因工作参数不一致而导致硬件开发困难。Zhenyu Zhou、Xiaobing Yan及同事设计了一种新型光子学忆阻器，通过光照实现单一器件在神经元和突触功能间的无缝切换，同时保持了关键电学参数的高度统一。 

该研究团队将光作为一种外部控制信号，设计了一款光子学重构忆阻器（Photonics Reconstructed Memristor, PRM）。其核心突破在于，通过改变光电耦合方式，可以在同一个器件上实现两种完全不同的工作模式，同时解决了业界难题——即重构前后工作电压与电流的不一致性。在“神经元模式”下，器件呈现易失性（volatile）特征，能将不同频率的光信号精确转换为神经脉冲，研究人员利用此功能成功实现了摩尔斯电码的解码和图像识别。切换到“突触模式”后，器件则表现出非易失性（non-volatile）特征，能够稳定存储信息权重，模拟大脑的短期记忆和长期记忆。团队基于此模式，成功构建了可识别手写数字的神经网络和用于识别交通信号灯的智能硬件系统。这项工作使得在硬件层面按需动态分配计算资源（神经元）和存储资源（突触）成为可能，极大地简化了神经形态计算系统的电路设计。研究发表在 Light: Science & Applications 上。 

如何打破材料研发中的“黑箱”，加速新材料发现？针对实验与计算数据长期割裂的难题，日本东北大学的Y. Hashimoto、X. Jia、H. Li和T. Tomai团队利用人工智能，首创了一种融合两类数据的可视化“材料地图”，为科研人员提供了直观、可解释的材料探索导航工具。 

研究团队首先整合了来自公开实验数据库（StarryData2）和大型计算数据库（Materials Project）的数据，创建了一个兼具实验真实性和计算广度的统一数据集。随后，他们利用图神经网络将每种材料的晶体结构转化为机器能够理解的图谱。研究对比了多种AI模型后发现，消息传递神经网络在理解材料结构相似性、构建地图布局方面表现最佳，能将结构相近的材料在地图上有效聚类；而图卷积网络则在精准预测材料的热电性能数值上更胜一筹。最终生成的二维材料地图，如同一张“寻宝图”，不仅能直观地展示高性能材料可能存在的区域，还能通过簇群分布等特征解释其潜力来源，帮助科学家从“哪里有宝”和“为什么有宝”两个层面获得指引，极大地加速了新材料的设计与发现。研究发表在 APL Machine Learning 上。 

AI医疗系统是否在无形中排除了最需要帮助的患者？佐治亚理工学院的Catherine Wieczorek和Shaowen Bardzell团队研究发现，当前AI医疗技术基于"富裕、健全、精通技术"的理想患者形象设计，可能导致慢性病患者、残障人士等弱势群体被系统性地忽视。这项批判性研究揭示了技术设计中隐含的社会偏见和权力关系。 

研究团队采用社会学家Ruth Levitas的"乌托邦方法论"框架，系统分析了21种AI医疗产品(包括生育应用fertility apps、可穿戴设备wearable devices等)。研究发现这些系统塑造了四种主导叙事：将全天候监控美化为"永不停歇的关怀"；用技术效率取代人文关怀；将健康完全归因于个人行为；以及将医疗目标从治疗转向性能增强。更值得警惕的是，AI系统如IVF助手Chloe被拟人化(personification)，从工具转变为实际决策者，模糊了医疗责任边界。这些设计隐含的"完美病人"标准，实际上将约40%有复杂医疗需求的患者边缘化。研究呼吁开发过程需要纳入多元患者参与，建立更包容的AI医疗伦理框架。研究发表在 Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems 上。

清华北航联合研发类脑空间认知框架，让机器人拥有"空间感"

如何让机器人像人类一样理解和记忆空间？清华大学与北京航空航天大学的Shouwei Ruan, Liyuan Wang等研究人员开发出BSC-Nav框架，通过模仿生物大脑的空间认知机制，赋予机器人强大的空间记忆和推理能力，使其能够完成复杂导航和操作任务。 

研究团队从神经科学获取灵感，构建了包含地标记忆（记录环境显著物体）、认知地图（构建全局空间表征）和工作记忆（任务相关记忆检索）三大模块的BSC-Nav系统。该系统采用意外驱动（surprise-driven）更新策略，仅在观测到显著新信息时更新记忆，大幅提升效率。在仿真测试中，BSC-Nav在四大导航任务上全面超越现有方法，其中物体导航（Object Goal Navigation）任务成功率高达78.5%，比之前最佳方法提升24个百分点。更令人印象深刻的是，搭载该系统的机器人能理解并执行多步骤长指令（如穿过玻璃门，走到冰箱那右转停在楼梯口），在真实环境测试中实现80%以上的导航成功率，并能完成制作早餐等复杂操作任务。研究展示了类脑启发方法在提升机器人空间智能方面的巨大潜力。

AI模拟体育数据：为足球分析研究开辟新途径  

职业体育的专有数据壁垒如何打破？滑铁卢大学David Radke（现任职NHL芝加哥黑鹰队）和Kyle Tilbury团队开发了一种创新方案：通过人工智能模拟生成足球比赛的高精度追踪数据，为无法获取职业联赛数据的研究者提供替代资源。   

研究团队利用Google Research Football（GRF）强化学习环境，模拟了3000场足球比赛，生成包含球员位置、传球和进球的完整追踪数据。这些数据采用与真实比赛相同的存储架构，并支持提取事件切片（event segments）等高阶特征。为验证实用性，团队在模拟数据上测试了预期进球（xG，通过历史数据预测射门得分概率的模型）和球场控制（pitch control，量化空间主导权的动态评估）两种经典模型，结果与真实数据应用效果一致。该数据集首次为学术界提供了研究足球等连续入侵性运动（invasion-game sports）的开放资源，同时成为多智能体系统（multiagent systems）研究的测试平台，例如分析球员协同防守的决策逻辑。研究团队公开了所有数据和代码，推动体育分析从小众领域迈向普惠研究。

14B打败671B！微软rStar2-Agent在数学推理上超越DeepSeek-R1

如何让小型模型实现超大规模模型的推理能力？微软研究院尚宁、刘逸飞等团队开发出rStar2-Agent-14B，这个仅140亿参数的模型在AIME24数学竞赛中以80.6%准确率击败6710亿参数的DeepSeek-R1，同时响应速度更快。   

研究团队通过三项创新实现突破：首先构建了支持4.5万并发调用的高效代码环境（延迟仅0.3秒）；其次开发GRPO-RoC算法，该算法通过正确重采样策略（RoC）过滤低质量轨迹，解决了代码工具引入的噪声问题；最后采用分阶段训练方案，从非推理监督微调（SFT）开始，逐步过渡到多阶段强化学习。在仅使用64块MI300X GPU训练一周后，14B参数的模型展现出惊人性能：除在AIME24/AIME25数学竞赛领先外，在科学推理（GPQA-Diamond）和工具使用（BFCL v3）等任务也优于DeepSeek-V3。分析显示，模型能主动利用Python环境反馈优化推理路径，平均响应长度比DeepSeek-R1缩短30%。

大型语言模型在亲缘关系和风险偏好上与人类存在差异

大型语言模型（LLMs）能否真正理解并预测复杂的人类社会行为？研究人员Feng XIAO和XT XiaoTian WANG进行了一项系统性评估，比较了GPT系列模型与真实人类在多种社会决策场景中的表现。研究发现，尽管LLMs在某些方面表现出色，但在处理亲缘关系、风险框架等关键社会和认知因素时，其“决策逻辑”与人类存在显著差异。 

研究团队将GPT-3.5、GPT-4和GPT-4o在51个社会场景中的预测，与先前研究中2104名人类参与者的真实决策数据进行了对比。这些场景源于进化心理学，涉及生死抉择、金融投资、公平感等复杂情境。结果显示，人类与AI的决策模式存在深刻分歧。在生死抉择中，人类对亲属和群体规模的敏感度远超LLMs，例如在小规模或亲属群体中更倾向于冒险求生，而GPT-4o的预测却截然相反。在金融决策方面，人类的选择基本遵循了前景理论（Prospect theory，即人们在面临收益时倾向于规避风险，而在面临损失时倾向于寻求风险），但LLMs的预测却常常出现反转模式，要么表现出与人类相反的框架效应，要么在所有情境下都统一地规避风险。此外，研究还发现LLMs缺乏人类基于社会情境的隐性判断标准，如内群体公平感和不同群体（亲属对比陌生人）的生存期望。这些差异表明，当前的LLMs尚难模拟人类决策中深层的社会与认知机制。研究发表在 Scientific Reports 上。 

多模态大模型能准确理解人类复杂情绪吗？

多模态大模型能否像人类一样理解复杂情绪？日本理化学研究所脑科学研究中心的Haruka Asanuma和Masafumi Oizumi团队对此展开研究。他们比较了人类观看视频时的自我情绪报告与Gemini、GPT等模型的情绪预测，发现这些模型在粗类别层面能较好匹配人类情绪结构，但在精细预测上仍有局限。 

研究团队采用双重分析方法评估多模态大语言模型(MLLM)的情绪理解能力。首先，他们收集了人类观看各类视频时自我报告的27-36维情绪数据。然后让Gemini和GPT等模型观看相同视频并生成情绪预测。通过表征相似性分析(RSA，一种量化不同系统表征相似程度的统计方法)，发现模型预测的情绪结构与人类整体高度相关。为进一步区分理解层次，研究人员应用Gromov-Wasserstein最优传输(GWOT，一种基于几何结构的无监督匹配算法)进行分析，结果显示模型虽难以精确预测每个视频的具体情绪强度，但在粗类别层面(如区分快乐"与"恐怖"类视频)表现优异。这表明当前MLLMs已具备理解人类情绪基本结构的能力，可作为情感计算的有力工具，但尚不能完全复制人类情绪体验的精细维度。研究为开发更精准的情感AI提供了重要基准。研究发表在 Scientific Reports 上。

科学大语言模型全景：从数据基础到智能体前沿  

如何突破科学AI的数据壁垒？上海人工智能实验室联合全球24家机构的学者完成迄今最全面的科学大语言模型综述，系统梳理270+数据集和190+评测基准，揭示模型与数据的协同进化规律，为下一代科研智能体奠定理论基础。   

研究首次提出科学知识层级模型，将数据分为原始观测（如LIGO引力波时序数据）、符号表示（如化学SMILES字符串）和理论框架（如量子场论公式）三个层级。通过分析四代模型演进发现：迁移学习阶段（2018-2020）的SciBERT等模型仅能处理静态文本；规模扩展阶段（2020-2022）的Galactica（1200亿参数）虽整合4800万篇论文，仍受限于数据异构性。突破出现在智能体科学阶段（2023至今），如Intern-S1模型采用混合专家架构（Mixture-of-Experts，即不同子网络处理不同专业任务），在2.5万亿token训练后，其分子合成预测准确率达89%，较传统方法提升近4成。研究同时揭示关键瓶颈——数学公式等特殊符号需定制嵌入层，而天文观测数据的信噪比差异导致模型误差传播失控。为此提出的动态评测框架ScienceAgentBench已应用于15个学科，可量化评估从文献综述到实验设计的全流程科研能力。

DeepSeek公开V3/R1大模型训练细节，响应AI生成内容标识新规

如何构建安全可靠的大语言模型？在中国网信办新规生效首日，DeepSeek技术团队率先响应政策要求，不仅全面标注AI生成内容，更罕见公开了其6850亿参数大模型V3/R1的训练细节，涵盖数据治理、模型架构到安全防护的全套方案。 

研究团队采用分阶段训练策略：预训练阶段（pre-training）使用经过严格过滤的公开网络数据和第三方授权内容，通过自监督学习建立基础语言能力；优化训练阶段（fine-tuning）结合监督微调（SFT）和强化学习（RL），利用人工构造的问答数据提升任务性能。为应对大模型核心挑战——幻觉，团队开发了包含检索增强生成（RAG）在内的多维度解决方案，并通过红队测试持续优化安全性。数据治理方面，建立自动化过滤（去除暴力/偏见内容）+人工审核的双重机制，对可能包含的个人信息实施加密和匿名化处理。值得注意的是，该模型以MIT协议完全开源，包括6850亿参数权重和推理工具。

多语言人工智能能否真正打破语言隔阂，实现信息公平？约翰霍普金斯大学的Nikhil Sharma、Kenton Murray和Ziang Xiao团队对此提出质疑。他们的研究发现，当前主流的大型语言模型非但未能实现这一目标，反而通过其内在的语言偏好，正在制造一种数字语言鸿沟，将用户困在基于语言的“信息茧房”中。 

研究人员设计了一项精巧的实验，他们创建了多组包含矛盾信息的虚构文章，并以英语等高资源语言和印地语等低资源语言撰写。随后，他们向来自OpenAI、Anthropic等公司的多个大型语言模型提问。结果显示，模型表现出强烈的“语言忠诚度”：当用户使用何种语言提问，模型便优先采用该语言的信源生成答案。例如，若英语文章称某人物为“坏人”，而印地语文章称其为“好人”，用英语提问会得到“坏人”的答案，反之亦然。更令人担忧的是，如果用户使用一种低资源语言（如梵语）提问，而系统中没有该语言的相关资料，模型会默认调用最高资源语言——通常是英语——的信源来回答，完全忽略了其他语言社区的观点。研究团队将这种现象称为“伪多语言者”（faux polyglots），它们看似能处理多种语言，实则加剧了信息的不平等，强化了主流语言的文化主导地位。研究发表在 计算语言学协会美洲国家分会2025年会议论文集上。 

脑机接口的“中间道路”：头皮下EEG实现性能与微创的平衡

如何让脑机接口（BCI）更适合日常长期使用？针对现有技术或穿戴不便或侵入风险高的问题，澳大利亚墨尔本大学的T B Mahoney、D B Grayden和S E John团队，将目光投向了一种微创方案：头皮下脑电图（sub-scalp EEG）。他们的研究证实，这种植入头皮下的设备能够记录高质量的大脑信号，其性能足以媲美更具侵入性的技术，有望成为更安全、便捷的慢性脑机接口。 

该研究通过在绵羊身上进行的两项实验，系统评估了头皮下脑电图技术的性能。在第一个实验中，研究人员通过记录大脑对外部刺激的反应——即体感诱发电位（somatosensory evoked potentials, SEPs），来精确测量信号的空间分辨率。结果显示，头皮下脑电图能够实现高精度的信号定位。在第二个实验中，团队记录了绵羊在执行特定运动任务时的大脑活动，并成功地利用这些信号以高于随机水平的准确率解码出其运动意图。这项研究的亮点在于，其结果显示头皮下脑电图的信号质量和解码性能，与此前研究中采用的皮层脑电图（ECoG）和血管内电极等侵入性更强的技术相当。这意味着，头皮下脑电图在保证较高性能的同时，大幅降低了手术风险，且植入后外观隐蔽，无需每日穿戴，为脑机接口走向长期临床应用和家庭使用铺平了道路。 

新型柔性触觉界面无缝连接虚拟与现实

如何摆脱虚拟现实设备笨重的束缚，获得更真实的沉浸体验？卡内基梅隆大学的Carmel Majidi、Beomchan Kang及合作者（韩国科学技术院的Saewoong Oh和汉阳大学的Wei Dawid Wang等）针对现有触觉反馈设备僵硬、笨重的问题，开发了一款轻巧、灵活的指戴式触觉界面，能以近乎无感的方式提供细腻的触觉，无缝连接虚拟与现实世界。 

这款设备大小如顶针，由柔软的3D打印指套和弹性材料构成，可舒适地贴合于指尖。其核心技术是单个由形状记忆合金制成的蛇形执行器，通过精巧设计，该执行器能驱动设备产生11种不同的多向运动，从而模拟出推、拉、点、划等丰富的触觉反馈。为了验证其功能，研究团队进行了三项测试：在虚拟现实场景中，佩戴者能“感觉”到虚拟物体的存在；在日常生活中，设备通过不同的敲击模式引导用户将画作挂在墙上，取代了口头指令；在感官增强测试中，蒙住眼睛的用户能根据设备的定向提示，准确找到桌面上的物体，展示了其辅助视障人士的潜力。这项技术因其轻便、多功能和快速响应的特性，为开发更“无感”的人机交互界面开辟了新路径。研究发表在 Nature Electronics 上。 

意识边缘刺激不产生主动干扰，情景记忆编码需要意识参与

我们的记忆是否能在无意识的状态下形成？针对这一认知科学的核心问题，英国伯明翰大学的 Alberto Avilés、Emre Orun 和 Howard Bowman 团队进行了一项研究。他们通过实验发现，只有被有意识感知的刺激才能形成足够强度的情景记忆来干扰后续信息，这为意识在记忆编码中的关键作用提供了新证据。 

研究团队采用了快速序列视觉呈现范式，让参与者观看快速闪过的单词流，并通过两种速度进行对比：一种是慢速（每个词呈现间隔350毫秒），确保信息能被有意识地感知；另一种是快速（间隔83或100毫秒），使信息处于意识边缘，难以被清晰回忆。为了检测记忆痕迹的强度，研究人员引入了主动干扰的测量。他们发现，在慢速条件下，当参与者观看更长的单词流后，其识别目标词的反应时间会显著变慢，表现出明显的主动干扰效应。然而，在快速条件下，无论先前呈现了多少单词，这种干扰效应都完全消失了。这一结果清晰地表明，虽然我们的视觉系统可以处理快速闪现的信息，但这些处于意识边缘的刺激并未被有效编码为能够产生干扰的情景记忆。该发现支持一种观点，即意识可能扮演着记忆“守门人”的角色，只有通过其筛选的信息才能被整合进我们的个人经历记忆中。研究发表在 Neuroscience of Consciousness 上。 

右美托咪啶诱导的意识丧失伴随大脑连接与神经血管功能的广泛变化

大脑如何在清醒与无意识之间转换？宾夕法尼亚大学的 Panagiotis Fotiadis, Dani S. Bassett 及其同事，利用麻醉剂和先进的神经成像技术，系统描绘了人类大脑在意识丧失与恢复过程中的动态变化。研究揭示了大脑网络连接和神经血管功能的协同改变，并强调了小脑在这一过程中的关键作用。 

研究团队使用常用麻醉剂右美托咪啶（dexmedetomidine）引导14名健康受试者进入可逆的无意识状态，并通过多模态磁共振成像（MRI）技术实时监测其大脑活动。研究发现，在意识丧失过程中，大脑的功能连接强度普遍下降，而结构-功能耦合（structure-function coupling，衡量功能模式受解剖结构约束的程度）增强，这意味着大脑的运作模式变得更加僵化、更受限于物理布线。同时，神经血管动力学也发生剧变：脑血流量（CBF）全局性下降，尤其是在脑干、丘脑和小脑等对维持觉醒至关重要的区域；血流动力学信号低频波动幅度（ALFF）则显著增强。有趣的是，研究人员发现，那些在清醒时基线脑血流量较高的个体，从麻醉中苏醒的速度也更快，这提示神经血管功能可能是预测麻醉恢复速度的潜在生物标志物。研究发表在 Communications Biology 上。 

意念驱动康复：脑机接口系统在中风康复中取得突破性进展

如何高效恢复中风后的肢体功能是全球性医学难题。西安交通大学第一附属医院的Jin Qiao团队与浙江大学的朱世强团队合作，在国内首次通过严格的随机双盲对照试验，证实了一款基于“运动想象+运动尝试”的脑机接口系统能显著促进中风患者的肢体功能恢复，康复效率翻倍。 

该研究招募了48名中风患者，并将其随机分为接受脑机接口（BCI）干预的治疗组和使用假性反馈设备的对照组。在为期两周的康复训练中，治疗组患者通过想象和尝试运动来驱动一套康复系统，系统会实时解码其脑电信号（EEG），并提供视觉反馈及机器人辅助，形成了一个闭环。这种“思想驱动肢体”的训练旨在重塑大脑的神经通路。研究采用多模式评估手段，除临床量表外，还结合肌电图（EMG，用于测量肌肉电活动）和功能性近红外光谱（fNIRS，一种监测大脑血氧水平以评估脑活动的技术）进行分析。结果显示，BCI组的上肢功能恢复评分中位数是对照组的两倍。更重要的是，脑活动数据显示，BCI训练显著增强了患者病变侧大脑运动皮层的激活和功能连接，证实该技术能有效诱导神经可塑性。研究发表在 Journal of NeuroEngineering and Rehabilitation 上。 

脑机接口基础模型可从脑电信号中学习多样化生理特征

如何让人工智能更深入地理解大脑信号？针对脑机接口领域数据处理的挑战，Mattson Ogg、Rahul Hingorani、Diego Luna及其同事开发了一种新型的自监督基础模型。该模型不仅能完成标准BCI任务，还能从原始脑电（EEG）信号中学习到关于个体差异和大脑节律等多种前所未见的电生理特征。 

研究团队借鉴了语音处理领域的成功框架HuBERT，开发出一种专为脑电信号设计的自监督预训练模型。该模型的突出特点是实用性强，专为实时应用设计，仅需8个头皮电极且数据预处理极少。在训练过程中，模型通过预测被遮盖（masked）的脑电片段来学习数据的内在结构，无需人工标注。评估结果显示，该基础模型不仅在P300（一种与决策相关的脑电波）和运动想象等传统BCI任务上表现出色，更重要的是，它还学会了识别更广泛的生物信息。例如，模型能够捕捉到反映个体差异的独特脑电“指纹”，并能识别出重要的神经活动指标，如α波节律（alpha rhythms，一种与放松状态相关的脑电波）。这项研究证明，AI基础模型能够以一种全新的、更全面的方式表征脑电数据，其应用潜力远超特定的解码任务。