█腦科學動態

邊境牧羊犬為何天生會放羊？

視覺腦區竟參與掌管運動控制？

量子意識新假說：測量行為如何改變主觀體驗

首個"閱讀全息圖"：你的大腦如何讀書？

神經系統竟是免疫系統的"隱形指揮官"

"抗衰老神藥"翻車！NAD水平暴跌85%竟不影響健康

█AI行業動態

中國初創企業將CRISPR基因療法直接注入大腦治療遺傳病

█AI驅動科學

腦信號能還原真實視覺嗎？破解"視覺-大腦信息鴻溝"

六大核心操作重構大語言模型記憶機制

首個漢語聲調語言腦機接口數據集發布，覆蓋三種言語模式

AI模型CellFlow：單細胞表型預測新突破

推理專用檢索模型REASONIR-8B問世，RAG性能提升22.6%

腦科學動態

邊境牧羊犬為何天生會放羊？

牧羊犬為何能精準畜牧牲畜？Hankyeol Jeong、Elaine A. Ostrander和Jaemin Kim團隊通過基因組分析發現，牧羊犬的社會互動和認知功能相關基因存在選擇性信號，尤其是EPHB1基因的單倍型與追逐行為顯著相關。

研究團隊對12個牧羊犬品種進行全基因組測序，并與非牧羊犬比較。通過跨群體復合似然比（XP-CLR）和跨群體擴展單倍型純合性（XP-EHH）測試，檢測到與社交和認知功能相關的選擇性信號。其中，EPHB1基因的單倍型在邊境牧羊犬的工作系中與更高的追逐-咬合行為相關，且該單倍型在恩特雷布赫山地犬中也存在基因滲入。行為調查進一步證實了EPHB1單倍型的功能影響。研究發表在 Science Advances 上。

#認知科學 #神經機制與腦功能解析 #跨學科整合 #計算模型與人工智能模擬 #動物行為

閱讀更多：

Jeong, Hankyeol, et al. “Genomic Evidence for Behavioral Adaptation of Herding Dogs.” Science Advances, vol. 11, no. 18, Apr. 2025, p. eadp4591. science.org (Atypon), https://doi.org/10.1126/sciadv.adp4591

視覺腦區竟參與掌管運動控制？

我們如何感知自己控制動作？芝加哥大學的John P. Veillette、Alfred F. Chao等人發現，執行生物力學計算的腦區與產生主觀控制感的區域存在重疊。通過結合fMRI與深度神經網絡模擬，團隊首次在個體層面揭示了這種關聯。

研究團隊首先讓參與者執行手部動作，同時用fMRI記錄其大腦活動。這些數據與深度神經網絡在相同任務中的內部表征（即"逆向動力學"計算，用于規劃運動的數學方法）進行對比。結果顯示，每個受試者的大腦都有獨特的感覺運動狀態編碼模式。隨后，研究人員通過電刺激（FES，功能性電刺激）操控參與者肌肉，人為改變其主觀控制感（SoA）。令人驚訝的是，位于典型視覺皮層的特定腦區不僅能被逆向動力學模型最好解釋，還能準確預測SoA變化。這一發現挑戰了傳統認知，表明視覺區域可能參與高級運動控制。研究為理解意識與無意識運動控制的神經基礎開辟了新途徑，對腦機接口和神經康復具有潛在意義。研究發表在 Journal of Neuroscience 上。

#神經科學 #神經機制與腦功能解析 #計算模型與人工智能模擬 #主觀能動感 #生物力學控制

閱讀更多：

Veillette, John P., et al. “Overlapping Cortical Substrate of Biomechanical Control and Subjective Agency.” Journal of Neuroscience, vol. 45, no. 18, Apr. 2025. www.jneurosci.org, https://doi.org/10.1523/JNEUROSCI.1673-24.2025

量子意識新假說：測量行為如何改變主觀體驗

意識測量竟會改變體驗本身？莫納什大學的Naotsugu Tsuchiya聯合昆士蘭科技大學、日本量子科學技術研究開發機構等跨學科團隊，提出顛覆性"量子類感受質（QQ）假說"，用量子數學框架解釋主觀體驗的動態特性，并設計出可驗證的實驗方案。

研究團隊將意識感受質（qualia）重新定義為量子理論中的"可觀測量"（observables），感官輸入和內部注意則對應量子"狀態"（states）。當測量行為發生時，就像量子系統被觀測會坍縮一樣，感受質也會因測量而改變。該理論首次用數學模型解釋了為什么我們無法"客觀"測量主觀體驗——因為測量儀器本身就會擾動被測量對象。通過分析量子認知研究的現有范式，團隊提出兩個關鍵驗證方案：檢測意識實驗中的順序效應（order effects，即不同提問順序導致不同結果），以及尋找感受質測量對貝爾不等式（Bell's inequality，量子關聯性的數學界限）的違背。這些預測若被證實，將徹底改變我們理解意識本質的方式。研究發表在 Frontiers in Psychology 上。

#意識與腦機接口 #計算模型與人工智能模擬 #跨學科整合 #量子認知 #主觀體驗

閱讀更多：

Tsuchiya, Naotsugu, et al. “Quantum-like Qualia Hypothesis: From Quantum Cognition to Quantum Perception.” Frontiers in Psychology, vol. 15, Apr. 2025. Frontiers, https://doi.org/10.3389/fpsyg.2024.1406459

首個"閱讀全息圖"：你的大腦如何讀書？

閱讀時大腦如何分工協作？馬克斯·普朗克人類認知與腦科學研究所的Sabrina Turker、Beatrice Fumagalli等團隊通過整合163項腦成像研究，首次系統揭示從字母識別到篇章理解的全腦激活模式，發現左半球語言區與小腦形成動態功能網絡。

研究采用坐標元分析法（coordinate-based meta-analysis，一種量化腦區激活一致性的統計技術），分析涵蓋7項字母、109項單詞、33項句子及8項篇章閱讀實驗的數據。結果顯示：字母處理僅激活左枕葉單簇神經元，而單詞閱讀額外招募左額下回（IFG）的BA44/45亞區（負責語音加工）和左顳枕皮層（參與字形-語義轉換）。朗讀時聽覺皮層與運動區活躍度比默讀高3.2倍，而默讀更依賴前額葉執行網絡。小腦在詞匯決策任務中表現出左右半球不對稱性，右腦僅參與假詞（pseudoword，無意義但符合拼寫規則的字母串）處理。這些發現為理解閱讀障礙的神經基礎提供了重要線索。研究發表在 Neuroscience & Biobehavioral Reviews 上。

#神經科學 #神經機制與腦功能解析 #跨學科整合 #語言處理 #閱讀障礙

閱讀更多：

“The ‘Reading’ Brain: Meta-Analytic Insight into Functional Activation during Reading in Adults.” Neuroscience & Biobehavioral Reviews, vol. 173, June 2025, p. 106166. www.sciencedirect.com, https://doi.org/10.1016/j.neubiorev.2025.106166

神經系統竟是免疫系統的"隱形指揮官"

免疫系統和神經系統如何互動？Brian S. Kim和David Artis團隊的研究揭示了這兩大系統之間復雜的雙向對話機制，發現它們通過特定受體和神經肽協同調控從過敏到癌癥等多種疾病進程。

研究整合了近年來神經免疫學領域的關鍵突破，重點分析了迷走神經感覺系統（vagal sensory nervous system，負責感知體內信號）和體感神經系統（somatosensory nervous system，感知外界刺激）與免疫系統的互動。研究發現，癢覺受體（prurirceptor）和痛覺受體（nociceptor）等感覺神經元通過釋放神經肽（neuropeptide）等分子與免疫細胞交流，形成反射弧調控局部和全身免疫反應。在過敏和自身免疫病中，這種神經-免疫對話可能導致過度炎癥；而在組織修復中則促進愈合。特別值得注意的是，感覺神經元不僅能感知炎癥信號，還能主動調節免疫細胞行為，這一發現為治療慢性炎癥和癌癥提供了新思路。研究發表在 PerspectiveOnline 上。

#疾病與健康 #神經機制與腦功能解析 #跨學科整合 #神經調控 #知覺康復

閱讀更多：

Kim, Brian S., and David Artis. “The Sensory Neuroimmune Frontier.” Immunity, vol. 0, no. 0, May 2025. www.cell.com, https://doi.org/10.1016/j.immuni.2025.03.018

"抗衰老神藥"翻車！NAD水平暴跌85%竟不影響健康

NAD補充劑能否抗衰老？哥本哈根大學的Sabina Chubanava、Iuliia Karavaeva和Jonas T. Treebak團隊通過基因改造小鼠實驗發現，即使骨骼肌NAD水平降低85%，肌肉功能和衰老進程均不受影響，這對價值數十億美元的NAD補充劑產業提出挑戰。

研究團隊使用誘導型骨骼肌特異性Nampt敲除（iSMNKO）技術，使成年小鼠骨骼肌中的NAD+水平驟降85%——遠超自然衰老導致的30%降幅。令人驚訝的是，這些小鼠的肌肉質量、收縮力和運動耐力完全正常。通過RNA測序和蛋白質組學分析顯示，轉錄組和線粒體功能（細胞能量工廠）均未出現異常。特別設計的終生實驗證實，持續低NAD狀態不會加速肌肉退化或影響全身代謝。該研究直接質疑了通過補充NAD前體（如NMN）抗衰老的科學依據，指出骨骼肌對NAD的依賴性被高估。研究發表在 Cell Metabolism 上。

#疾病與健康 #健康管理與壽命延長 #NAD代謝 #骨骼肌 #衰老機制

閱讀更多：

Chubanava, Sabina, et al. “NAD Depletion in Skeletal Muscle Does Not Compromise Muscle Function or Accelerate Aging.” Cell Metabolism, vol. 0, no. 0, Apr. 2025. www.cell.com, https://doi.org/10.1016/j.cmet.2025.04.002

AI 行業動態

全球首次！中國初創企業將CRISPR基因療法直接注入大腦治療遺傳病

近日，輝大基因披露，其自主研發的直接腦內注射給藥的CRISPR基因編輯療法HG204已用于兩名罕見病患兒臨床治療，臨床試驗研究結果積極。

此次突破始于去年末對一名9歲男童的臨床治療。該患兒罹患罕見的MECP2重復綜合征（MDS），此先天性遺傳病會導致嚴重智力障礙、運動功能缺陷及反復癲癇發作。

在接受腦部CRISPR靶向治療后，僅4周時間，患有MECP2重復綜合征的患兒就能夠實現自主傳球動作，12周后復查顯示步態顯著改善，精細運動能力大幅提升。

#CRISPR #基因治療 #神經系統疾病 #人工智能 #罕見病

閱讀更多：

https://endpts.com/china-biotech-startup-huidagene-uses-crispr-in-brain-for-rare-ailment/

AI 驅動科學

腦信號能還原真實視覺嗎？CVPR新研究破解"視覺-大腦信息鴻溝"

人類看到的圖像與腦信號之間究竟有多大差距？天津大學Haitao Wu、Qing Li團隊與北京基礎醫學研究所Zhen He合作，提出"雙鴻溝"理論并開發UBP算法，通過動態模糊圖像匹配腦信號特性，將腦-圖像檢索準確率提升至50.9%。

研究團隊首先系統分析了視覺信息轉化為腦信號時的兩種信息損失：系統鴻溝（System GAP，由視覺聚焦特性導致）和隨機鴻溝（Random GAP，含注意力波動和技術噪聲）。為解決這一問題，提出不確定性感知模糊先驗（UBP）算法——當腦信號與圖像語義匹配度較低時，自動增強圖像模糊程度（模擬人類視覺的焦距特性），使兩種模態的信息量趨于一致。在THING-EEG數據集測試中，該方法使200-way圖像檢索的Top-1準確率突破50%，遠超傳統方法。進一步分析顯示，基于生物學啟發的"焦距模糊"效果優于普通高斯模糊，證實人類視覺處理機制對腦機接口設計具有指導價值。研究發表在 CVPR 2025 上。

#意識與腦機接口 #腦機接口 #視覺神經解碼 #跨模態對齊 #認知建模

閱讀更多：

Wu, Haitao, et al. Bridging the Vision-Brain Gap with an Uncertainty-Aware Blur Prior. arXiv:2503.04207, arXiv, 16 Mar. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2503.04207

六大核心操作重構大語言模型記憶機制

大語言模型的記憶機制如何系統化？香港中文大學Yiming Du、愛丁堡大學Wenyu Huang與華為英國研發中心團隊聯合提出突破性分類框架，通過分析3萬篇文獻提煉出記憶六大原子操作，為AI記憶系統建立首個統一理論體系，相關工具包已開源。

研究團隊采用文獻計量學方法，對2022-2025年間的頂會論文進行系統性分析，通過相對引用指數(RCI)篩選出最具影響力的記憶相關研究。將AI記憶分為三類：參數記憶（模型權重中的知識）、結構化情境記憶（如對話歷史）和非結構化情境記憶（原始文本數據）。在此基礎上定義六大核心操作——知識鞏固（Consolidation）實現新知識融合，動態更新（Updating）保持記憶新鮮度，智能索引（Indexing）優化檢索效率，策略性遺忘（Forgetting）清除冗余信息，精準檢索（Retrieval）支持上下文推理，以及高效壓縮（Compression）解決長上下文處理難題。研究進一步揭示，當前熱門的檢索增強生成技術本質是檢索與壓縮操作的組合應用。團隊開源的工具包包含記憶組件庫、評估基準和實際應用案例，為后續研究提供實踐基礎。研究預判下一代記憶系統將向多模態整合和動態自適應方向演進。

#大模型技術 #計算模型與人工智能模擬 #記憶機制 #LLM #知識表示

閱讀更多：

Du, Yiming, et al. Rethinking Memory in AI: Taxonomy, Operations, Topics, and Future Directions. arXiv:2505.00675, arXiv, 1 May 2025. arXiv.org, https://doi.org/10.48550/arXiv.2505.00675

首個漢語聲調語言腦機接口數據集發布，覆蓋三種言語模式

聲調語言腦機接口研究缺乏數據支撐？新加坡國立大學和中科院的研究團隊發布VocalMind數據集，首次收錄漢語發聲、默讀和想象三種言語模式的立體定向腦電圖（sEEG），總時長超1小時。

研究團隊通過植入式電極記錄漢語母語者在三種模式（發聲/默讀/想象）下的顱內腦電活動，特別關注聲調（tonal pitch）的神經編碼特征。數據集包含1,024個單詞和200個完整句子，采樣頻率達2kHz。基線模型采用深度卷積神經網絡（CNN）結合長短期記憶網絡（LSTM），在發聲言語解碼中達到72.3%的準確率，顯著高于隨機水平（p<0.001）。跨模式分析顯示，默讀與想象言語共享部分神經表征，但聲調信息在想象言語中衰減明顯。該數據集首次實現句子級漢語神經信號采集，支持語言模型整合研究。研究發表在 Scientific Data 上。

#意識與腦機接口 #神經信號解析 #聲調語言 #語音解碼 #遷移學習

閱讀更多：

He, Tianyu, et al. “VocalMind: A Stereotactic EEG Dataset for Vocalized, Mimed, and Imagined Speech in Tonal Language.” Scientific Data, vol. 12, no. 1, Apr. 2025, p. 657. www.nature.com, https://doi.org/10.1038/s41597-025-04741-2

AI模型CellFlow：單細胞表型預測新突破

如何用AI替代昂貴耗時的生物實驗？由Dominik Klein和Barbara Treutlein領銜的國際團隊開發出CellFlow模型，這個基于流匹配技術的生成式AI系統能準確預測藥物處理、基因編輯等多種干預下的單細胞表型變化，在斑馬魚胚胎發育和類器官培養等復雜場景中驗證有效，為生物醫學研究提供"虛擬實驗"新范式。

研究團隊將最優傳輸理論（optimal transport，用于匹配擾動前后細胞狀態）與Transformer模型中的多頭注意力機制結合，構建出可處理任意數量干預組合的通用框架。在包含1千萬個外周血單核細胞的超大規模數據集訓練后，模型對細胞因子刺激響應的預測準確率超越現有方法40%。更驚人的是，該系統能模擬斑馬魚全胚胎發育過程中不同基因敲除導致的細胞群體變化，分辨率達單細胞水平。在類器官工程應用中，通過虛擬篩選出的5種培養方案有4種經濕實驗驗證有效。研究還展示了模型解析"藥物-基因"雙重干預等復雜場景的能力。

#AI驅動科學 #自動化科研 #單細胞技術 #計算生物學 #藥物發現

閱讀更多：

Klein, Dominik, et al. CellFlow Enables Generative Single-Cell Phenotype Modeling with Flow Matching. bioRxiv, 17 Apr. 2025, p. 2025.04.11.648220. bioRxiv, https://doi.org/10.1101/2025.04.11.648220

推理專用檢索模型REASONIR-8B問世，RAG性能提升22.6%

如何提升AI系統在復雜推理任務中的表現？Meta的Rulin Shao、新加坡國立大學的Rui Qiao和華盛頓大學的Pang Wei Koh等研究者合作開發了REASONIR-8B，這是首個專為推理任務優化的檢索模型，在多項基準測試中創下新紀錄，顯著提升了檢索增強生成系統的性能。

研究團隊首先開發了REASONIR-SYNTHESIZER合成數據生成系統，專門創建包含復雜推理要求的查詢和相關文檔對，同時生成表面相關但實際無用的"困難負樣本"。基于LLAMA3.1-8B模型，結合合成數據與公開數據進行對比學習訓練。在BRIGHT推理密集型信息檢索基準測試中，模型達到29.9 nDCG@10（標準化折損累積增益，衡量前10個檢索結果質量的指標），結合重排器后提升至36.9，比基線方法提升超過50%。應用于RAG系統時，在MMLU（大規模多任務語言理解）和GPQA（通用專業QA）任務上分別帶來6.4%和22.6%的性能提升。研究還發現該模型能有效利用更長的改寫查詢，為性能優化提供了新維度。

#AI驅動科學 #大模型技術 #檢索增強生成 #推理任務 #語言模型

閱讀更多：

Shao, Rulin, et al. ReasonIR: Training Retrievers for Reasoning Tasks. arXiv:2504.20595, arXiv, 29 Apr. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2504.20595

整理｜ChatGPT

編輯｜丹雀、存源

關于追問nextquestion

天橋腦科學研究院旗下科學媒體，旨在以科學追問為紐帶，深入探究人工智能與人類智能相互融合與促進，不斷探索科學的邊界。如果您有進一步想要討論的內容，歡迎評論區留言，或后臺留言“社群”即可加入社群與我們互動。

關于天橋腦科學研究院

天橋腦科學研究院（Tianqiao and Chrissy Chen Institute）是由陳天橋、雒芊芊夫婦出資10億美元創建的世界最大私人腦科學研究機構之一，圍繞全球化、跨學科和青年科學家三大重點，支持腦科學研究，造福人類。

Chen Institute與華山醫院、上海市精神衛生中心設立了應用神經技術前沿實驗室、人工智能與精神健康前沿實驗室；與加州理工學院合作成立了加州理工天橋神經科學研究院。

Chen Institute建成了支持腦科學和人工智能領域研究的生態系統，項目遍布歐美、亞洲和大洋洲，包括、、、科研型臨床醫生獎勵計劃、、等。