追問daily | 現(xiàn)代父親的雙重壓力：既要養(yǎng)家糊口又要密集照料；Nature：硅谷精英的極端延壽實(shí)驗(yàn)靠譜嗎？

█ 腦科學(xué)動(dòng)態(tài)

Cell：胚胎期清除“僵尸”細(xì)胞可致腦室塌陷

Nature：硅谷精英的極端延壽實(shí)驗(yàn)靠譜嗎？

現(xiàn)代父親的雙重壓力：既要養(yǎng)家糊口又要密集照料

間歇性禁食保護(hù)大腦免受慢性壓力損害

長時(shí)間注視某物并非因?yàn)椤翱床欢保谴竽X在忙著記

胎兒生長受限或持續(xù)影響兒童早期發(fā)育

益生菌輔助療法可適度緩解老年抑郁與焦慮

人工智能通過視網(wǎng)膜照片預(yù)測阿爾茨海默病早期風(fēng)險(xiǎn)因素

主觀孤獨(dú)感比客觀社會(huì)隔離更易加速老年人認(rèn)知衰退并縮短壽命

抑郁癥高風(fēng)險(xiǎn)兒童更難避開悲傷面孔

█ AI行業(yè)動(dòng)態(tài)

SpaceX計(jì)劃全股票收購AI編程工具Cursor

█ AI驅(qū)動(dòng)科學(xué)

Nature：從滅絕生物中復(fù)活抗菌肽：生成式AI開辟抗生素新戰(zhàn)場

成均館大學(xué)研制出新型范德華仿生突觸器件

人工智能引導(dǎo)聚焦超聲安全打開血腦屏障

廣義腦機(jī)接口演變的三階段：從接口、交互到智能

Science Earth操作系統(tǒng)實(shí)現(xiàn)AI原生科學(xué)能力的全球互聯(lián)與涌現(xiàn)

系統(tǒng)解析從貝葉斯到大語言模型的演進(jìn)與挑戰(zhàn)

拓?fù)涠嗄B(tài)模型Topo-Omni：統(tǒng)一空間原則揭示腦區(qū)多模態(tài)功能分區(qū)

腦科學(xué)動(dòng)態(tài)

Cell：胚胎期清除“僵尸”細(xì)胞可致腦室塌陷

腦屏障系統(tǒng)在胚胎發(fā)育期的構(gòu)建機(jī)制一直是不解之謎。L. Ashley Watson和Hiruy S. Meharena等人在加州大學(xué)圣地亞哥分校開展研究，發(fā)現(xiàn)傳統(tǒng)上被稱為（僵尸細(xì)胞）的衰老細(xì)胞在胚胎發(fā)育中扮演了構(gòu)建腦屏障的重要生理角色。

? Credit: Cell (2026).

研究團(tuán)隊(duì)利用單細(xì)胞RNA測序和遺傳譜系追蹤技術(shù)，發(fā)現(xiàn)血管內(nèi)皮細(xì)胞、腦駐留巨噬細(xì)胞和脈絡(luò)叢上皮細(xì)胞在發(fā)育的不同階段會(huì)進(jìn)入由p21蛋白質(zhì)介導(dǎo)的衰老狀態(tài)。血管內(nèi)皮細(xì)胞和巨噬細(xì)胞僅在胚胎血管重塑時(shí)短暫進(jìn)入衰老狀態(tài)，以協(xié)調(diào)血管模式形成。相比之下，脈絡(luò)叢上皮細(xì)胞的衰老狀態(tài)會(huì)持續(xù)至成年期，用以維持腦脊液的產(chǎn)生和屏障完整性。實(shí)驗(yàn)表明，這些發(fā)育性衰老細(xì)胞并不存在DNA損傷。當(dāng)研究人員在胚胎期清除這些p21陽性細(xì)胞后，小鼠出現(xiàn)了明顯的腦血管重塑異常、出血、腦脊液分泌減少以及腦室塌陷。這表明衰老細(xì)胞通過特定的分泌表型協(xié)同工作，共同構(gòu)建并維持著大腦的保護(hù)屏障。研究發(fā)表在 Cell 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #細(xì)胞衰老 #腦屏障 #腦發(fā)育

閱讀更多：

Watson, L. Ashley, et al. “Persistent and Transient Senescent Cells Contribute to Brain-Barrier Development.” Cell, vol. 0, no. 0, June 2026. www.cell.com, https://doi.org/10.1016/j.cell.2026.05.022

Nature：硅谷精英的極端延壽實(shí)驗(yàn)靠譜嗎？

硅谷富豪興起利用極端自我實(shí)驗(yàn)延壽的生物黑客浪潮，但其科學(xué)性飽受爭議。撰稿人 Chris Stokel-Walker 聯(lián)合 Nir Barzilai 等多位衰老研究專家進(jìn)行評估，指出這些方法多缺乏人體臨床證據(jù)，盲目嘗試存在較大健康風(fēng)險(xiǎn)。

研究人員通過分析 Bryan Johnson 等富豪的個(gè)人抗衰方案發(fā)現(xiàn)，這些嘗試多基于動(dòng)物實(shí)驗(yàn)。例如，雷帕霉素（rapamycin，一種常用于防止器官移植排異的免疫抑制劑）雖能延長小鼠百分之二十三至百分之六十的壽命，但在人體中卻引發(fā)了皮膚感染和高血糖等副作用，迫使其最終放棄。此外，外源性酮體和年輕血漿輸注等流行手段不僅缺乏安全性證據(jù)，甚至可能增加脂肪肝風(fēng)險(xiǎn)。專家將這種富豪在自身進(jìn)行無監(jiān)管實(shí)驗(yàn)并向公眾推廣的現(xiàn)象稱為影子二期臨床試驗(yàn)。目前，二甲雙胍和 GLP-1 受體激動(dòng)劑等雖被視為有潛力的抗衰候選藥，但遠(yuǎn)未達(dá)到獲批用于延壽的階段。專家呼吁，在未進(jìn)行個(gè)人生物標(biāo)志物檢測和大規(guī)模臨床試驗(yàn)前，盲目跟風(fēng)這些方案本質(zhì)上是在賭博。研究發(fā)表在 Nature 上。

#疾病與健康 #健康管理與壽命延長 #生物黑客 #延緩衰老 #臨床試驗(yàn)

閱讀更多：

Stokel-Walker, Chris. “Tech Titans Are Hacking Their Bodies for a Longer Life: Is There Science behind Their Methods?” Nature, vol. 654, no. 8119, June 2026, pp. 589–91. www.nature.com, https://doi.org/10.1038/d41586-026-01884-z

現(xiàn)代父親的雙重壓力：既要養(yǎng)家糊口又要密集照料

現(xiàn)代社會(huì)對好父母的定義正在改變，但性別與階層如何具體影響父母的心理認(rèn)同仍不明確。Patrick Ishizuka（圣路易斯華盛頓大學(xué)）通過分析長期追蹤數(shù)據(jù)，揭示了父母在面對經(jīng)濟(jì)供給和密集照料雙重標(biāo)準(zhǔn)時(shí)的自我評價(jià)機(jī)制。

這項(xiàng)研究利用了家庭與兒童福祉未來研究的數(shù)據(jù)，樣本包含4393名母親和3324名父親。Patrick Ishizuka分析發(fā)現(xiàn)，密集的照料行為和全職工作能顯著預(yù)測父母雙方更積極的自我評價(jià)。這表明，照料已不僅是母親的核心職責(zé)，也成為了父親身份的關(guān)鍵。然而，傳統(tǒng)的經(jīng)濟(jì)支柱期望并未消失，收入、房產(chǎn)和加班時(shí)間僅與父親的積極自我評價(jià)呈正相關(guān)。這使得現(xiàn)代父親面臨雙重衡量標(biāo)準(zhǔn)。此外，在相同的投入和經(jīng)濟(jì)水平下，母親對自己的評價(jià)比父親更為苛刻。在社會(huì)階層方面，無論教育程度高低，密集育兒作為一種協(xié)同培養(yǎng)（concerted cultivation，強(qiáng)調(diào)通過組織結(jié)構(gòu)化活動(dòng)和直接互動(dòng)來促進(jìn)兒童發(fā)展的育兒風(fēng)格）的文化理想已得到跨階層的廣泛認(rèn)同，但經(jīng)濟(jì)困難且不與子女同住的父親最容易出現(xiàn)消極自我評價(jià)。研究發(fā)表在 Social Science Research 上。

#其他 #家庭社會(huì)學(xué) #性別角色 #育兒壓力

閱讀更多：

Ishizuka, Patrick. “Parental Self-Evaluations by Gender and Social Class: Shared Parenting Ideals, Male Breadwinner Norms, and Mothers’ Higher Evaluation Standards.” Social Science Research, vol. 128, May 2025, p. 103156. ScienceDirect, https://doi.org/10.1016/j.ssresearch.2025.103156

間歇性禁食保護(hù)大腦免受慢性壓力損害

長期慢性壓力易損害大腦髓鞘并誘發(fā)抑郁。為了尋找非藥物干預(yù)途徑，千葉大學(xué)法醫(yī)精神健康中心與鄭州大學(xué)第一附屬醫(yī)院的研究人員通過小鼠實(shí)驗(yàn)發(fā)現(xiàn)，間歇性禁食可以通過重塑腸道菌群，有效逆轉(zhuǎn)壓力引起的髓鞘損傷并減輕抑郁樣行為。

? （A，B）胼胝體（CC）中 Black-Gold II（BG II）染色和 MBP 免疫熒光的代表性圖像。Credit: Ding et al. (Translational Psychiatry, 2026).

研究團(tuán)隊(duì)將成年雄性小鼠暴露于14天的慢性束縛應(yīng)激環(huán)境中，并將其分為自由采食和間歇性禁食兩組。結(jié)果顯示，自由采食的應(yīng)激小鼠表現(xiàn)出明顯的抑郁樣行為，如蔗糖偏好降低；而間歇性禁食顯著改善了這些異常。通過黑金 II 染色法（Black-Gold II staining，一種用于特異性顯示腦組織中髓鞘的染色技術(shù)）和免疫熒光檢測，研究人員發(fā)現(xiàn)慢性壓力破壞了小鼠胼胝體、內(nèi)側(cè)前額葉皮層和海馬體等腦區(qū)的髓鞘，而間歇性禁食逆轉(zhuǎn)了這種脫髓鞘損傷。通過16S rRNA測序，研究進(jìn)一步證實(shí)禁食方案重塑了腸道菌群，增加了有益菌蒂蒙氏普雷沃氏菌等豐度。這表明間歇性禁食有望成為緩解壓力相關(guān)神經(jīng)損傷的非藥物干預(yù)策略。研究發(fā)表在 Translational Psychiatry 上。

#疾病與健康 #心理健康與精神疾病 #神經(jīng)機(jī)制與腦功能解析

閱讀更多：

Ding, Xin, et al. “Intermittent Fasting Protects against Stress-Induced Depression and Demyelination via the Gut Microbiota–Brain Axis.” Translational Psychiatry, June 2026. www.nature.com, https://doi.org/10.1038/s41398-026-04117-z

長時(shí)間注視某物并非因?yàn)椤翱床欢保谴竽X在忙著記

注視某處時(shí)間更長代表了什么？Philip Sulewski及其來自奧斯納布呂克大學(xué)、馬克斯·普朗克人類認(rèn)知與腦科學(xué)研究所等機(jī)構(gòu)的團(tuán)隊(duì)研究發(fā)現(xiàn)，注視持續(xù)時(shí)間并非由視覺處理的難度決定，而是大腦正在努力將當(dāng)前視覺信息編碼并轉(zhuǎn)化為新記憶的標(biāo)志。

? a，實(shí)驗(yàn)設(shè)計(jì)結(jié)合了腦磁圖（MEG）記錄和自然場景探索。參與者自由觀看 4080 個(gè)場景（從 NSD 數(shù)據(jù)集 13 中抽取子樣本），每個(gè)場景持續(xù) 4 秒，并持續(xù)記錄眼動(dòng)數(shù)據(jù)。在隨機(jī)選擇的 25%的試驗(yàn)后，參與者需要對場景進(jìn)行口頭描述。b，分析流程圖顯示，MEG 信號(hào)經(jīng)過源投影處理，并與注視事件進(jìn)行時(shí)間鎖定分析，以捕捉自然觀看過程中的神經(jīng)動(dòng)態(tài)。Credit: Sulewski et al., Nature Neuroscience (2026).

研究團(tuán)隊(duì)通過語義字幕任務(wù)（semantic captioning task，要求口頭描述所見場景）測試了5名參與者自由觀看4080張自然場景圖片時(shí)的反應(yīng)。期間，團(tuán)隊(duì)利用眼動(dòng)追蹤和非侵入性神經(jīng)影像技術(shù)腦磁圖（MEG）同步記錄其眼動(dòng)和神經(jīng)活動(dòng)，累計(jì)獲取超23.5萬次注視數(shù)據(jù)。團(tuán)隊(duì)還引入人工智能模型計(jì)算圖像分類難度與記憶度。結(jié)果表明，較難分類的圖像片段其注視時(shí)間反而更短，這挑戰(zhàn)了傳統(tǒng)上關(guān)于耗時(shí)代表處理困難的假設(shè)。相反，被AI預(yù)測為高記憶度以及隨后在參與者口頭描述中提及的區(qū)域，其注視時(shí)間更長。同時(shí)，腦電圖分析顯示，在長時(shí)間注視期間，額葉和海馬體等腦區(qū)的θ-γ相位振幅耦合（PAC，一種與記憶加工密切相關(guān)的神經(jīng)振蕩耦合特征）顯著增強(qiáng)。這證實(shí)大腦停留視線是為了將信息寫入記憶。研究發(fā)表在 Nature Neuroscience 上。

#神經(jīng)科學(xué) #記憶機(jī)制 #認(rèn)知科學(xué) #眼動(dòng)追蹤 #腦科學(xué)

閱讀更多：

Sulewski, Philip, et al. “Fixation Duration on Natural Scenes Is Explained by Memory Encoding Not Processing Demand.” Nature Neuroscience, vol. 29, no. 6, June 2026, pp. 1488–97. www.nature.com, https://doi.org/10.1038/s41593-026-02285-1

胎兒生長受限或持續(xù)影響兒童早期發(fā)育

胎兒在子宮內(nèi)發(fā)育受限有哪些長期危害？Kimberley Whitehead 與 Anna L. David 等人（倫敦大學(xué)學(xué)院及倫敦國王學(xué)院）通過多國數(shù)據(jù)研究表明，這種生長異常的影響會(huì)持續(xù)至出生后數(shù)年，多維度損害患兒的腦發(fā)育、心率調(diào)節(jié)、體格生長及早期運(yùn)動(dòng)和認(rèn)知能力。

該研究整合了從妊娠14周至兒童6歲的多國綜合數(shù)據(jù)集。研究顯示，胎兒生長受限的患兒存在長期的代謝與發(fā)育異常。在靜息狀態(tài)下，這些患兒的心率平均比正常嬰兒每分鐘快3.2次。在接受足跟采血等痛覺測試時(shí)，患兒的心率增加幅度僅為正常對照組的52%，顯示出遲鈍的應(yīng)激反應(yīng)。腦部核磁共振成像掃描表明，患兒的腦白質(zhì)體積顯著減少約7立方厘米，這可能是胎兒為了在能量匱乏的子宮環(huán)境中生存、限制大腦發(fā)育以節(jié)省資源的結(jié)果。最后，追蹤體重軌跡發(fā)現(xiàn)，兒童體重每低于群體平均值100克，其在1至2歲時(shí)的運(yùn)動(dòng)發(fā)育得分就降低0.4分。研究發(fā)表在 Scientific Reports 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #胎兒生長受限 #發(fā)育遲緩 #兒科學(xué)

閱讀更多：

Gelegen, Cigdem, et al. “Metabolic Expenditure, Neurodevelopment, and Weight Gain into Early Childhood after Fetal Growth Restriction.” Scientific Reports, vol. 16, no. 1, June 2026, p. 17841. www.nature.com, https://doi.org/10.1038/s41598-026-53713-y

益生菌輔助療法可適度緩解老年抑郁與焦慮

老年抑郁癥的臨床管理面臨諸多挑戰(zhàn)，亟需安全、經(jīng)濟(jì)的輔助手段。Preeti Sinha、Prasun Chatterjee、Abhinaba Ghosh和Saibal Das等研究人員（印度醫(yī)學(xué)研究理事會(huì)-國家細(xì)菌感染研究所、加爾各答塔塔醫(yī)療中心等）通過一項(xiàng)初步臨床研究，探討了將益生菌作為標(biāo)準(zhǔn)療法的輔助手段，在緩解老年中度抑郁及焦慮癥狀方面的可行性與實(shí)際效果。

這項(xiàng)隨機(jī)雙盲對照試驗(yàn)共納入58名60歲及以上、患有中度單相抑郁癥的印度老年人。參與者被隨機(jī)分配每日接受益生菌（包含瑞士乳桿菌和長雙歧桿菌）或安慰劑治療12周，同時(shí)維持標(biāo)準(zhǔn)抗抑郁藥物治療，并接受12周的隨訪。結(jié)果顯示，在24周的評估期內(nèi)，兩組患者的整體癥狀均明顯好轉(zhuǎn)。相比于安慰劑組，益生菌組在蒙哥馬利-奧斯伯格抑郁評定量表（MADRS）和焦慮自評量表（GAD-7）上表現(xiàn)出輕微但顯著的整體癥狀改善。此外，益生菌組患者的血清腦源性神經(jīng)營養(yǎng)因子（BDNF）水平以及糞便中補(bǔ)充菌株的豐度也顯著升高。然而，益生菌并未在生活質(zhì)量方面帶來超越安慰劑組的額外收益，且試驗(yàn)在24周內(nèi)伴隨超過50%的高流失率。研究發(fā)表在 Journal of the American Geriatrics Society 上。

#疾病與健康 #心理健康與精神疾病 #益生菌 #老年抑郁癥 #腸腦軸

閱讀更多：

Sinha, Preeti, et al. “Efficacy of Adjunct PRObiotics as Compared to the Standard Care in Moderate Unipolar Depression Among Geriatric Patients: A Randomized Double-Blind Placebo-Controlled Pilot Multi-Center Trial (PRODG).” Journal of the American Geriatrics Society, n/a, no. n/a. Wiley Online Library, https://doi.org/10.1111/jgs.70530. Accessed 17 June 2026

人工智能通過視網(wǎng)膜照片預(yù)測阿爾茨海默病早期風(fēng)險(xiǎn)因素

如何在不可逆腦損傷發(fā)生前識(shí)別阿爾茨海默病風(fēng)險(xiǎn)？Seowung Leem、Yunchao Yang、Adam J. Woods和Ruogu Fang等（佛羅里達(dá)大學(xué)、Meta AI、德克薩斯大學(xué)達(dá)拉斯分校）開發(fā)了深度學(xué)習(xí)模型，通過分析廉價(jià)、普及的眼底彩照預(yù)測了多種關(guān)鍵病理及生活方式風(fēng)險(xiǎn)因素。

該研究利用英國生物樣本庫中44,501名參與者的62,876張眼底彩照數(shù)據(jù)訓(xùn)練深度學(xué)習(xí)模型。模型旨在預(yù)測12種與阿爾茨海默病高度相關(guān)的風(fēng)險(xiǎn)因素，包括性別、吸煙、失眠、經(jīng)濟(jì)狀況、飲酒、抑郁等6項(xiàng)分類指標(biāo)，以及年齡、受教育結(jié)束年齡、身體質(zhì)量指數(shù)、收縮壓、舒張壓和糖化血紅蛋白等6項(xiàng)連續(xù)指標(biāo)。結(jié)果顯示，深度學(xué)習(xí)模型對分類因子的預(yù)測受試者工作特征曲線下面積達(dá)到0.5654至0.9480，對連續(xù)因子的預(yù)測決定系數(shù)達(dá)到-0.0291至0.7620。顯著性分析表明，模型主要依賴視盤和視網(wǎng)膜血管系統(tǒng)區(qū)域做出預(yù)測。更重要的是，在阿爾茨海默病患者發(fā)病前平均8.55年收集的圖像中，其顯著性評分與健康對照組存在顯著差異。這表明視網(wǎng)膜結(jié)構(gòu)變化能反映阿爾茨海默病的早期易感性。研究發(fā)表在 Journal of Alzheimer's Disease 上。

#疾病與健康 #疾病預(yù)防 #阿爾茨海默病 #人工智能 #眼底圖像

閱讀更多：

Leem, Seowung, et al. “Prediction of Alzheimer’s Disease Risk Factors from Retinal Images via Deep Learning: Development and Validation of Biologically Relevant Morphological Associations in the UK Biobank.” arXiv:2605.00665, arXiv, 1 May 2026. arXiv.org, https://doi.org/10.48550/arXiv.2605.00665

主觀孤獨(dú)感比客觀社會(huì)隔離更易加速老年人認(rèn)知衰退并縮短壽命

老年人的認(rèn)知衰退和壽命縮短與社交狀況密切相關(guān)，但主觀孤獨(dú)與客觀隔離究竟誰的影響更深遠(yuǎn)？Tomiko Yoneda和Eileen K. Graham團(tuán)隊(duì)（加州大學(xué)戴維斯分校與西北大學(xué)）對此展開了系統(tǒng)研究，發(fā)現(xiàn)主觀上的孤獨(dú)感比客觀上的獨(dú)自一人（社會(huì)隔離）對認(rèn)知健康和壽命縮短的負(fù)面影響更為顯著。

該研究通過協(xié)調(diào)分析來自18個(gè)國家的11項(xiàng)縱向研究，涵蓋超過175,000名50歲以上參與者的數(shù)據(jù)。研究人員運(yùn)用多狀態(tài)生存模型等，系統(tǒng)評估了孤獨(dú)感與社會(huì)隔離的影響。結(jié)果表明，主觀孤獨(dú)感是預(yù)測認(rèn)知老化的關(guān)鍵因素。感到孤獨(dú)的頻率增加10%，與認(rèn)知功能嚴(yán)重受損或轉(zhuǎn)為輕度認(rèn)知障礙的風(fēng)險(xiǎn)增加8%至9%相關(guān)。此外，頻繁感到孤獨(dú)使個(gè)體從輕度障礙恢復(fù)至健康狀態(tài)的可能性降低了3%。相比之下，單純的客觀社會(huì)隔離與認(rèn)知衰退并無顯著相關(guān)。這一發(fā)現(xiàn)強(qiáng)調(diào)了心理干預(yù)和社區(qū)支持在提高老年人認(rèn)知韌性、降低失智癥護(hù)理成本方面的重要價(jià)值。研究發(fā)表在 Journal of Personality and Social Psychology 上。

#疾病與健康 #心理健康與精神疾病 #認(rèn)知障礙 #老年醫(yī)學(xué)

閱讀更多：

Yoneda, Tomiko, et al. “Is My Loneliness Killing Me? Effects of Loneliness and Social Isolation on Transitions between Cognitive Status Categories and Death.” Journal of Personality and Social Psychology [US], 2026. APA PsycNet, https://doi.org/10.1037/pspp0000606

抑郁癥高風(fēng)險(xiǎn)兒童更難避開悲傷面孔

兒童時(shí)期的抑郁癥狀如何塑造他們對情緒的感知？Kelly A. Gair、Leslie A. Brick與Brandon E. Gibb（賓漢頓大學(xué)及新墨西哥大學(xué)）組成的研究團(tuán)隊(duì)發(fā)現(xiàn)，抑郁癥狀能夠改變兒童對悲傷或快樂面孔的注意力分配，且這種改變模式取決于其是否有抑郁癥家族史。

研究團(tuán)隊(duì)對242名8至14歲的兒童及其母親進(jìn)行了為期兩年的追蹤研究，每隔六個(gè)月進(jìn)行一次評估。在每次評估中，兒童需要觀看屏幕上表達(dá)不同情緒的面孔，研究人員則利用眼動(dòng)追蹤技術(shù)記錄他們的注意力軌跡。結(jié)果表明，抑郁癥狀加重會(huì)預(yù)測未來的注意力偏向改變。在母親有重度抑郁癥病史的高風(fēng)險(xiǎn)兒童中，自身抑郁癥狀的加重會(huì)導(dǎo)致他們更難將目光從悲傷面孔上移開。相反，在低風(fēng)險(xiǎn)兒童中，抑郁癥狀的加重則會(huì)削弱其對快樂面孔的關(guān)注度。這表明抑郁癥會(huì)根據(jù)家族史背景，通過不同的途徑改變兒童對情感刺激的注意力模式，高風(fēng)險(xiǎn)兒童的注意力會(huì)卡在悲傷信息中，而低風(fēng)險(xiǎn)兒童的積極保護(hù)因素則在逐漸流失。研究發(fā)表在 Journal of Psychopathology and Clinical Science 上。

#疾病與健康 #心理健康與精神疾病 #認(rèn)知科學(xué) #眼動(dòng)追蹤

閱讀更多：

Gair, Kelly A., et al. “Transactional Relations between Attentional Biases for Affective Stimuli and Depressive Symptoms in Offspring of Mothers with and without Major Depressive Disorder.” Journal of Psychopathology and Clinical Science [US], 2026. APA PsycNet, https://doi.org/10.1037/abn0001132

AI 行業(yè)動(dòng)態(tài)

SpaceX計(jì)劃全股票收購AI編程工具Cursor

SpaceX 近日簽署協(xié)議，計(jì)劃以600億美元全股票方式收購編程助手Cursor的母公司Anysphere。這一并購成為人工智能領(lǐng)域規(guī)模龐大的交易之一。此前，Elon Musk創(chuàng)辦的xAI因團(tuán)隊(duì)流失與持續(xù)虧損面臨挑戰(zhàn)，急需新的入口爭取通往超級(jí)人工智能的入場券。與此同時(shí)，由麻省理工學(xué)院畢業(yè)生創(chuàng)辦的Cursor雖表現(xiàn)亮眼，但正面臨合作伙伴Anthropic推出競爭產(chǎn)品后的市場攻勢，市場份額有所下滑，且深陷算力瓶頸。兩者的結(jié)合被外界視為一次各取所需的聯(lián)合反擊。

交易官宣當(dāng)天，Michael Truell在首屆開發(fā)者大會(huì)上宣布，Cursor正采用10萬張GPU從零預(yù)訓(xùn)練一個(gè)1.5萬億參數(shù)的新模型，以期在代碼編寫、規(guī)劃和測試等全方位開發(fā)任務(wù)中追趕乃至超越前沿實(shí)驗(yàn)室。然而，時(shí)間依然是最大的變數(shù)。目前Cursor仍依賴競爭對手提供的算力，隨著競爭加劇，如何平穩(wěn)過渡并適時(shí)切斷算力租約將決定這筆巨額交易的成敗。在通往超級(jí)智能的競速中，該園區(qū)的研究人員正通宵達(dá)旦地在前沿戰(zhàn)線上展開探索。

#SpaceX #Cursor #AI并購 #算力競爭

閱讀更多：

https://www.wsj.com/business/spacex-agrees-to-buy-ai-coding-agent-cursor-for-60-billion-7a473340?st=r2yjAc&mod=e2tw

AI 驅(qū)動(dòng)科學(xué)

Nature：從滅絕生物中復(fù)活抗菌肽：生成式AI開辟抗生素新戰(zhàn)場

針對抗生素耐藥性導(dǎo)致的全球健康危機(jī)，Jonathan Stokes（麥克馬斯特大學(xué)）、Regina Barzilay（麻省理工學(xué)院）、César de la Fuente（賓夕法尼亞大學(xué)）等多國團(tuán)隊(duì)開發(fā)并應(yīng)用了系列AI工具，實(shí)現(xiàn)了抗生素候選分子的高效篩選、作用機(jī)制預(yù)測以及可合成性設(shè)計(jì)。

研究人員通過多種 AI 工具重塑了研發(fā)流程。利用 DiffDock（預(yù)測小分子與蛋白質(zhì)結(jié)合方式的生成式AI工具），團(tuán)隊(duì)在 100 秒內(nèi)預(yù)測出窄譜抗生素 enterololin 的靶點(diǎn)為細(xì)菌生存必需的 LolCDE（一種脂蛋白轉(zhuǎn)運(yùn)復(fù)合體），大幅縮短了機(jī)制探索時(shí)間。在分子設(shè)計(jì)方面，神經(jīng)網(wǎng)絡(luò)模型 Chemprop 在數(shù)百萬分子中鎖定了強(qiáng)效抗生素 halicin。此外，研究人員利用 APEX（通過神經(jīng)網(wǎng)絡(luò)從滅絕生物中挖掘抗菌肽的去滅絕技術(shù)）在超過 1000 萬條肽中篩出 37000 多條活性候選肽。針對最棘手的分子合成問題，SyntheMol-RL（將分子積木與化學(xué)反應(yīng)整合進(jìn)強(qiáng)化學(xué)習(xí)的模型）在 460 億個(gè)化合物空間中尋找易于合成的有效分子。該模型最終成功合成了 79 個(gè)候選分子，其中 13 個(gè)表現(xiàn)出強(qiáng)效活性，且其中的 synthecin 分子在小鼠傷口感染模型中顯示出療效。這些工具將原本漫長的濕實(shí)驗(yàn)篩選轉(zhuǎn)變?yōu)楦咝У目捎?jì)算科學(xué)。研究發(fā)表在 Nature 上。

#疾病與健康 #自動(dòng)化科研 #抗生素研發(fā) #耐藥性 #人工智能

閱讀更多：

Madhusoodanan, Jyoti. “AI Is Taking on Antibiotic Resistance — Here’s How.” Nature, vol. 654, no. 8118, June 2026, pp. 560–62. www.nature.com, https://doi.org/10.1038/d41586-026-01818-9

成均館大學(xué)研制出新型范德華仿生突觸器件

為了解決神經(jīng)形態(tài)視覺系統(tǒng)實(shí)時(shí)處理海量數(shù)據(jù)的難題，Jinhyoung Lee, Gunhyoung Kim, Dongho Lee, Seowoo Son, Hyunho Seok, Taesung Kim等人在成均館大學(xué)開展研究，成功設(shè)計(jì)出一種模擬人類神經(jīng)元和突觸功能的光電突觸器件。

研究團(tuán)隊(duì)利用一步硫化工藝，使用氬氣和硫化氫混合等離子體處理塊狀硒化錸（ReSe?），將其上層轉(zhuǎn)化為納米晶層以模擬神經(jīng)元細(xì)胞膜的光敏離子通道，下層則保留塊狀單晶層作為細(xì)胞內(nèi)環(huán)境。利用掃描探針顯微鏡（SPM）觀察發(fā)現(xiàn)，納米晶層中的晶界限制了硫離子（S2?）的傳輸路徑，從而能夠精準(zhǔn)調(diào)控突觸權(quán)重。這種新型器件實(shí)現(xiàn)了包括長期增強(qiáng)和抑制（LTP/LTD）、成對脈沖易化（PPF，一種短期突觸可塑性表現(xiàn)）以及短期到長期記憶轉(zhuǎn)換在內(nèi)的關(guān)鍵突觸功能。相比傳統(tǒng)的塊狀材料，該納米晶器件在學(xué)習(xí)-遺忘-再學(xué)習(xí)循環(huán)中的保持效率提升了34.7%。在系統(tǒng)級(jí)應(yīng)用測試中，該器件不僅成功完成了圖像邊緣檢測，還在國際通用圖像識(shí)別數(shù)據(jù)集（CIFAR-10）的分類任務(wù)中取得了96.24%的準(zhǔn)確率，展現(xiàn)出在下一代半導(dǎo)體和人工智能硬件中的廣闊應(yīng)用前景。研究發(fā)表在 Advanced Materials 上。

#神經(jīng)科學(xué) #計(jì)算模型與人工智能模擬 #光電突觸 #范德華晶體 #類腦計(jì)算

閱讀更多：

Lee, Jinhyoung, et al. “Designable van Der Waals Crystal for Artificial Neuronal Cell Mimicking.” Advanced Materials, n/a, no. n/a, p. e73595. Wiley Online Library, https://doi.org/10.1002/adma.73595

人工智能引導(dǎo)聚焦超聲安全打開血腦屏障

血腦屏障在阻擋毒素進(jìn)入大腦的同時(shí)，也阻礙了腦部疾病藥物的遞送和診斷分子釋放。為了安全高效地克服這一障礙，Costas Arvanitis帶領(lǐng)佐治亞理工學(xué)院與馬里蘭大學(xué)研究團(tuán)隊(duì)研發(fā)出一種人工智能引導(dǎo)的閉環(huán)聚焦超聲系統(tǒng)。該系統(tǒng)能夠提前預(yù)判超聲微氣泡的破裂危險(xiǎn)，為無創(chuàng)且安全的大腦診療提供了全新工具。

? 多層感知器模型的訓(xùn)練、解釋及其與控制器的集成。Credit: Advanced Science (2026).

研究人員利用從小鼠實(shí)驗(yàn)中收集的54,040個(gè)聲學(xué)發(fā)射（acoustic emission，微氣泡在超聲波作用下發(fā)生微振動(dòng)釋放的聲波信號(hào)）數(shù)據(jù)集，訓(xùn)練了一個(gè)多層感知器模型。該模型能夠識(shí)別微氣泡破裂發(fā)生前的前驅(qū)聲學(xué)特征，預(yù)測氣泡破裂的敏感性達(dá)到94%。團(tuán)隊(duì)將該AI模型集成至實(shí)時(shí)閉環(huán)控制器中，構(gòu)建了主動(dòng)預(yù)防控制系統(tǒng)（ML-CL）。在高超聲暴露能量的極限壓力下，該系統(tǒng)相比傳統(tǒng)反應(yīng)型閉環(huán)系統(tǒng)，將有害的寬帶發(fā)射事件減少了93%。隨后，研究成功從小鼠跨物種推廣至患有膠質(zhì)瘤的大鼠模型。結(jié)果表明，該系統(tǒng)不僅能安全地遞送大尺寸納米顆粒進(jìn)入腦部，還促進(jìn)了腫瘤DNA等關(guān)鍵生物標(biāo)志物釋放入血，極大提升了血液液體活檢的診斷信噪比。研究發(fā)表在 Advanced Science 上。

#疾病與健康 #神經(jīng)調(diào)控 #血腦屏障 #聚焦超聲 #人工智能

閱讀更多：

Lee, Hohyun, et al. “Data-Driven Feedback Identifies Focused Ultrasound Exposure Regimens for Improved Nanotheranostic Targeting of the Brain.” Advanced Science, vol. 13, no. 13, 2026, p. e17834. Wiley Online Library, https://doi.org/10.1002/advs.202517834

廣義腦機(jī)接口演變的三階段：從接口、交互到智能

針對腦機(jī)接口技術(shù)缺乏系統(tǒng)性演化框架的問題，Xiaorong Gao、Yijun Wang、Xiaogang Chen和Shangkai Gao（清華大學(xué)等）展開研究，首次提出了廣義腦機(jī)接口演變的I3模型，系統(tǒng)總結(jié)了該技術(shù)從接口、交互到智能三個(gè)階段的演進(jìn)歷程與核心技術(shù)。

研究者提出的I3模型將腦機(jī)接口劃分為三個(gè)遞進(jìn)階段。第一階段是腦機(jī)接口，提供單向的通信渠道，分為主動(dòng)產(chǎn)生信號(hào)（如運(yùn)動(dòng)想象）和被動(dòng)產(chǎn)生信號(hào)（如監(jiān)測困倦狀態(tài)）。第二階段是腦機(jī)交互，屬于閉環(huán)反饋控制系統(tǒng)，其不僅將運(yùn)動(dòng)指令輸出，還能通過電刺激將外部感覺反饋輸入大腦，核心技術(shù)包括神經(jīng)調(diào)節(jié)和閉環(huán)協(xié)同適應(yīng)。第三階段是腦機(jī)智能，實(shí)現(xiàn)了生物智能與人工智能的深度融合，利用高級(jí)認(rèn)知腦信號(hào)（如錯(cuò)誤相關(guān)電位）與AI計(jì)算耦合。該模型指出，提升信息傳輸率仍是當(dāng)前的主要挑戰(zhàn)。研究發(fā)表在 Trends in Cognitive Sciences 上。

#意識(shí)與腦機(jī)接口 #腦機(jī)接口 #混合智能 #神經(jīng)反饋 #認(rèn)知增強(qiáng)

閱讀更多：

Gao, Xiaorong, et al. “Interface, Interaction, and Intelligence in Generalized Brain–Computer Interfaces.” Trends in Cognitive Sciences, vol. 25, no. 8, Aug. 2021, pp. 671–84. ScienceDirect, https://doi.org/10.1016/j.tics.2021.04.003

Science Earth操作系統(tǒng)實(shí)現(xiàn)AI原生科學(xué)能力的全球互聯(lián)與涌現(xiàn)

針對當(dāng)前AI科研系統(tǒng)彼此孤立、缺乏跨學(xué)科協(xié)同機(jī)制的挑戰(zhàn)，斯坦福大學(xué)醫(yī)學(xué)院的 Le Cong 、普林斯頓大學(xué)的 Mengdi Wang 以及 Zhe Zhao 、 Haibin Wen 、 Yingcheng Wu 等研究人員開發(fā)了名為 Science Earth 的行星級(jí)操作系統(tǒng)，成功通過開放協(xié)議實(shí)現(xiàn)了全球異質(zhì)科學(xué)能力的自動(dòng)互聯(lián)與涌現(xiàn)。

該系統(tǒng)基于新型協(xié)議棧，在傳輸層和工具調(diào)用層之上構(gòu)建了涌現(xiàn)智能體協(xié)作網(wǎng)絡(luò)（ EACN ，一種可在無先驗(yàn)知識(shí)下實(shí)現(xiàn)智能體自動(dòng)發(fā)現(xiàn)、競標(biāo)、協(xié)調(diào)與仲裁的協(xié)議層），使全球的高性能計(jì)算集群、濕實(shí)驗(yàn)機(jī)器人、數(shù)據(jù)分析流水線以及人類科學(xué)家能作為節(jié)點(diǎn)接入。在一項(xiàng)跨太平洋的高階庫拉莫托模型研究中，東亞仿真節(jié)點(diǎn)與西海岸解析節(jié)點(diǎn)并排碰撞，在 30 分鐘內(nèi)自主發(fā)現(xiàn)并修正了奧特-安東森解析理論（Ott-Antonsen reduction）在非洛倫茲分布下的閉合比率假設(shè)，將平均預(yù)測誤差從 48.8% 降至 5.8% 。在另一項(xiàng)針對 4.88 百萬個(gè)單細(xì)胞的泛癌圖譜整合任務(wù)中， 8 個(gè)不同學(xué)科智能體通過 64.9 小時(shí)自組織協(xié)作，利用分層稀有亞群檢測算法成功定位了處于狀態(tài)狀態(tài)的關(guān)鍵免疫細(xì)胞。獨(dú)立濕實(shí)驗(yàn)驗(yàn)證了其中相鄰調(diào)節(jié)性T細(xì)胞亞群在體外的強(qiáng)免疫抑制功能。

#AI驅(qū)動(dòng)科學(xué) #跨學(xué)科整合 #自動(dòng)化科研 #多智能體系統(tǒng) #科學(xué)操作系統(tǒng)

閱讀更多：

Zhao, Zhe, et al. “Science Earth: Towards A Planet-Scale Operating System for AI-Native Scientific Discovery.” arXiv:2606.01316, arXiv, 31 May 2026. arXiv.org, https://doi.org/10.48550/arXiv.2606.01316

系統(tǒng)解析從貝葉斯到大語言模型的演進(jìn)與挑戰(zhàn)

針對不規(guī)則時(shí)間發(fā)生的事件流建模難題，中國人民大學(xué)、廣東工業(yè)大學(xué)及東南大學(xué)的研究團(tuán)隊(duì)系統(tǒng)梳理了時(shí)間點(diǎn)過程的近年進(jìn)展，產(chǎn)出了一項(xiàng)涵蓋貝葉斯、深度學(xué)習(xí)和大語言模型融合的全面綜述。

本研究系統(tǒng)回顧了時(shí)間點(diǎn)過程（TPPs，一種用于描述連續(xù)時(shí)間內(nèi)異步事件流的隨機(jī)過程模型）的三條演進(jìn)路線。第一條是貝葉斯時(shí)序點(diǎn)過程（Bayesian TPPs），其通過引入高斯過程等方法實(shí)現(xiàn)原則化的不確定性量化，但面臨極高的推斷復(fù)雜度。第二條是神經(jīng)時(shí)序點(diǎn)過程（Neural TPPs），利用循環(huán)神經(jīng)網(wǎng)絡(luò)、自注意力機(jī)制以及微分方程，將事件歷史壓縮為隱狀態(tài)，顯著提升了模型在復(fù)雜場景下的擬合能力。第三條則是最新興起的大語言模型時(shí)序點(diǎn)過程（LLM-based TPPs），通過將時(shí)間信息轉(zhuǎn)化為文本標(biāo)記，使模型具備了語義理解和多模態(tài)推理能力。綜述指出，盡管深度學(xué)習(xí)與大語言模型的引入拓展了預(yù)測任務(wù)的邊界，但在標(biāo)準(zhǔn)化評測基準(zhǔn)、超長序列的可擴(kuò)展性以及模型可解釋性方面，該領(lǐng)域仍面臨諸多挑戰(zhàn)。研究發(fā)表在 Transactions on Machine Learning Research 上。

#AI驅(qū)動(dòng)科學(xué) #預(yù)測模型構(gòu)建 #時(shí)序點(diǎn)過程 #貝葉斯方法 #大語言模型

閱讀更多：

“Advances in Temporal Point Processes: Bayesian, Neural, and LLM Approaches.” Transactions on Machine Learning Research, Feb. 2026. openreview.net, https://openreview.net/forum?id=SXgGKkShhT

拓?fù)涠嗄B(tài)模型Topo-Omni：統(tǒng)一空間原則揭示腦區(qū)多模態(tài)功能分區(qū)

大腦如何協(xié)調(diào)并組織多模態(tài)感官信息是神經(jīng)科學(xué)的長期難題。瑞士聯(lián)邦理工學(xué)院洛桑分校的 Badr AlKhamissi、Johannes Mehrer、Lara Marinov、Ahmed Abdelaal、Abdulkadir Gokce 和 Martin Schrimpf 開發(fā)出名為 Topo-Omni 的拓?fù)涠嗄B(tài)深度學(xué)習(xí)模型，首次在單一連續(xù)的虛擬皮層片上模擬出人類大腦的多模態(tài)功能分區(qū)。

研究人員基于預(yù)訓(xùn)練多模態(tài)大模型構(gòu)建了 Topo-Omni。通過引入空間平滑度損失，模型發(fā)展出了與人類視覺、聽覺和高階認(rèn)知高度一致的腦區(qū)。在視覺測試中，模型自發(fā)形成了視網(wǎng)膜拓?fù)鋱D譜以及專門處理面孔和物體的功能區(qū)域，其響應(yīng)與人腦梭狀回面孔區(qū)等區(qū)域的相關(guān)性達(dá)到 0.61 至 0.89。在聽覺方面，模型不僅展現(xiàn)出聽覺頻率圖譜，還形成了語音選擇性區(qū)域。因果性實(shí)驗(yàn)證實(shí)，抑制模型中 10% 的面孔選擇性單元會(huì)使其面孔識(shí)別率降至接近零。利用該模型，研究團(tuán)隊(duì)在虛擬皮層上預(yù)測并發(fā)現(xiàn)了動(dòng)物和自然景觀選擇性腦區(qū)，且在人類大腦功能磁共振成像數(shù)據(jù)中得到了驗(yàn)證。

#神經(jīng)科學(xué) #計(jì)算模型與人工智能模擬 #多模態(tài)大模型 #類腦計(jì)算

閱讀更多：

AlKhamissi, Badr, et al. “Discovering Functionally Selective Brain Regions with a Deep Topographic Multimodal Model.” arXiv:2606.09770, arXiv, 16 June 2026. arXiv.org, https://doi.org/10.48550/arXiv.2606.09770

整理｜ChatGPT

編輯｜丹雀、存源

關(guān)于追問nextquestion

天橋腦科學(xué)研究院旗下科學(xué)媒體，旨在以科學(xué)追問為紐帶，深入探究人工智能與人類智能相互融合與促進(jìn)，不斷探索科學(xué)的邊界。歡迎評論區(qū)留言，或后臺(tái)留言“社群”即可加入社群與我們互動(dòng)。您也可以在后臺(tái)提問，我們將基于追問知識(shí)庫為你做出智能回復(fù)哦~

關(guān)于天橋腦科學(xué)研究院

天橋腦科學(xué)研究院（Tianqiao and Chrissy Chen Institute）是由陳天橋、雒芊芊夫婦出資10億美元?jiǎng)?chuàng)建的世界最大私人腦科學(xué)研究機(jī)構(gòu)之一，圍繞全球化、跨學(xué)科和青年科學(xué)家三大重點(diǎn)，支持腦科學(xué)研究，造福人類。

研究院在華山醫(yī)院、上海市精神衛(wèi)生中心分別設(shè)立了應(yīng)用神經(jīng)技術(shù)前沿實(shí)驗(yàn)室、人工智能與精神健康前沿實(shí)驗(yàn)室；與加州理工學(xué)院合作成立了加州理工陳天橋雒芊芊神經(jīng)科學(xué)研究院。

研究院還建成了支持腦科學(xué)和人工智能領(lǐng)域研究的生態(tài)系統(tǒng)，項(xiàng)目遍布?xì)W美、亞洲和大洋洲，包括、、、科研型臨床醫(yī)生獎(jiǎng)勵(lì)計(jì)劃、、科普視頻媒體「大圓鏡」等。