█腦科學(xué)動(dòng)態(tài)

Cell：三抗細(xì)胞逆轉(zhuǎn)衰老

自主神經(jīng)系統(tǒng)是整體fMRI信號(hào)的關(guān)鍵驅(qū)動(dòng)因素

大腦皮層面積決定能力，厚度影響疾病

光線穿透技術(shù)突破4厘米限制，為大腦成像打開了新的大門

孤獨(dú)癥的不同遺傳根源可能導(dǎo)致共同的大腦活動(dòng)和行為

大腦皮層網(wǎng)絡(luò)快速重組以補(bǔ)償丟失的神經(jīng)元

█AI行業(yè)動(dòng)態(tài)

MIT工程師3.5小時(shí)修復(fù)600年名畫，效率提升66倍

中國(guó)腦機(jī)接口技術(shù)重大突破！全球最小柔性電極實(shí)現(xiàn)意念操控

█AI驅(qū)動(dòng)科學(xué)

Cell：新技術(shù)實(shí)現(xiàn)哺乳動(dòng)物組織多模態(tài)遺傳篩查

可解釋AI新突破：約束概念細(xì)化框架實(shí)現(xiàn)透明決策

AI工具通過血液DNA片段分析實(shí)現(xiàn)快速經(jīng)濟(jì)的癌癥監(jiān)測(cè)

AI動(dòng)態(tài)建模開發(fā)出廣譜抗冠狀病毒口服藥

視覺語(yǔ)言模型通過人工世界和3D場(chǎng)景描述獲得空間推理能力

多模態(tài)推理模型幻覺問題新解

下一代神經(jīng)網(wǎng)絡(luò)：3D結(jié)構(gòu)與遞歸循環(huán)帶來突破性進(jìn)展

大語(yǔ)言模型推理能力被誤判？實(shí)驗(yàn)設(shè)計(jì)缺陷引發(fā)準(zhǔn)確度崩潰爭(zhēng)議

otto-SR模型：48小時(shí)更新整套Cochrane評(píng)價(jià)

腦科學(xué)動(dòng)態(tài)

Cell：三抗細(xì)胞逆轉(zhuǎn)衰老

干細(xì)胞耗竭與衰老的關(guān)系是什么？外源性干細(xì)胞移植能否有效延緩衰老？中國(guó)科學(xué)院動(dòng)物研究所劉光慧研究員、首都醫(yī)科大學(xué)宣武醫(yī)院王思研究員及中國(guó)科學(xué)院動(dòng)物研究所曲靜研究員團(tuán)隊(duì)通過基因改造構(gòu)建了具有抗衰老、抗應(yīng)激、抗惡性轉(zhuǎn)化三重抗性的工程化人類抗衰型間充質(zhì)祖細(xì)胞（SRC），并在靈長(zhǎng)類動(dòng)物模型中證實(shí)其可顯著延緩多器官衰老進(jìn)程。

研究團(tuán)隊(duì)運(yùn)用合成生物學(xué)方法對(duì)長(zhǎng)壽基因通路進(jìn)行重編程，在人類間充質(zhì)祖細(xì)胞中對(duì)長(zhǎng)壽節(jié)點(diǎn)基因FOXO3進(jìn)行雙位點(diǎn)工程化改造（T757G/T943G），成功構(gòu)建了SRC。通過44周的靈長(zhǎng)類動(dòng)物試驗(yàn)，向老年食蟹猴靜脈注射SRC細(xì)胞療法后，全身衰老指標(biāo)如細(xì)胞衰老、慢性炎癥和組織退化均顯著減少，且未檢測(cè)到不良反應(yīng)。特別值得注意的是，SRC治療改善了大腦結(jié)構(gòu)和認(rèn)知功能，并緩解了生殖系統(tǒng)的衰退：基于機(jī)器學(xué)習(xí)的衰老時(shí)鐘分析顯示，未成熟神經(jīng)元生物學(xué)年齡被逆轉(zhuǎn)了6-7歲，卵母細(xì)胞的生物學(xué)年齡則被逆轉(zhuǎn)了5歲。進(jìn)一步機(jī)制分析表明，SRC的恢復(fù)作用部分歸因于其外泌體，這些外泌體在促進(jìn)細(xì)胞年輕化、抑制慢性炎癥以及維持基因組與表觀基因組穩(wěn)定性方面發(fā)揮了核心作用。研究為人類衰老干預(yù)提供了可定制的細(xì)胞治療范式。研究發(fā)表在 Cell 上。

#疾病與健康 #健康管理與壽命延長(zhǎng) #干細(xì)胞療法 #抗衰老 #外泌體

閱讀更多：

Lei, Jinghui, et al. “Senescence-Resistant Human Mesenchymal Progenitor Cells Counter Aging in Primates.” Cell, vol. 0, no. 0, June 2025. www.cell.com, https://doi.org/10.1016/j.cell.2025.05.021

自主神經(jīng)系統(tǒng)是整體fMRI信號(hào)的關(guān)鍵驅(qū)動(dòng)因素

整體fMRI信號(hào)的起源是什么？加州大學(xué)洛杉磯分校的Taylor Bolt團(tuán)隊(duì)與多機(jī)構(gòu)合作發(fā)現(xiàn)，這種覆蓋全腦的信號(hào)模式主要由自主神經(jīng)系統(tǒng)驅(qū)動(dòng)，揭示了腦-身相互作用的新機(jī)制。研究結(jié)合多種生理監(jiān)測(cè)技術(shù)，證實(shí)全局信號(hào)與心血管、呼吸等多系統(tǒng)變化同步波動(dòng)。

?整體 fMRI 波動(dòng)與系統(tǒng)性生理變化相關(guān)。Credit: Nature Neuroscience (2025).

研究團(tuán)隊(duì)整合了Catie Chang收集的綜合性fMRI數(shù)據(jù)集，包含豐富的生理記錄（心血管、肺、外分泌等系統(tǒng)），并補(bǔ)充了多個(gè)獨(dú)立數(shù)據(jù)集驗(yàn)證。通過分析低頻率范圍（0.01-0.1 Hz）的共波動(dòng)，發(fā)現(xiàn)靜息狀態(tài)下全局fMRI信號(hào)與自主神經(jīng)系統(tǒng)調(diào)控的多系統(tǒng)變化顯著相關(guān)。實(shí)驗(yàn)顯示，提示性深呼吸和間歇聽覺刺激引發(fā)的喚醒狀態(tài)，以及睡眠中的自發(fā)覺醒（通過非周期性EEG激活測(cè)量），都產(chǎn)生了相同的腦體共波動(dòng)模式。值得注意的是，即使抑制呼氣末二氧化碳變化，全局fMRI信號(hào)的空間結(jié)構(gòu)仍保持穩(wěn)定，表明呼吸驅(qū)動(dòng)的動(dòng)脈CO2波動(dòng)并非信號(hào)唯一來源。這些發(fā)現(xiàn)確立了自主神經(jīng)系統(tǒng)在產(chǎn)生全局fMRI信號(hào)中的核心地位，為理解覺醒反應(yīng)的神經(jīng)機(jī)制提供了新視角。研究發(fā)表在 Nature Neuroscience 上。

#神經(jīng)科學(xué) #神經(jīng)機(jī)制與腦功能解析 #肥胖治療 #初級(jí)纖毛 #G蛋白偶聯(lián)受體

閱讀更多：

Bolt, Taylor, et al. “Autonomic Physiological Coupling of the Global fMRI Signal.” Nature Neuroscience, vol. 28, no. 6, June 2025, pp. 1327–35. www.nature.com, https://doi.org/10.1038/s41593-025-01945-y

大腦皮層面積決定能力，厚度影響疾病

大腦皮層形態(tài)如何影響人類心理能力與疾病風(fēng)險(xiǎn)？馬斯特里赫特大學(xué)醫(yī)學(xué)中心、烏得勒支大學(xué)的Bochao Danae Lin和Yunzhi Li團(tuán)隊(duì)通過大規(guī)模遺傳數(shù)據(jù)分析，證實(shí)皮層表面積與厚度分別獨(dú)立影響認(rèn)知能力和精神疾病風(fēng)險(xiǎn)。

?含 CP 的 SA 區(qū)域圖。Credit: Nature Mental Health (2025).

研究團(tuán)隊(duì)利用增強(qiáng)神經(jīng)影像遺傳學(xué)（ENIGMA）項(xiàng)目的全球數(shù)據(jù)，采用孟德爾隨機(jī)化方法（Mendelian randomization）克服傳統(tǒng)研究的混雜因素限制。分析涵蓋70個(gè)皮層形態(tài)指標(biāo)與199種表型，發(fā)現(xiàn)大腦總表面積（TSA）通過增強(qiáng)信息處理容量，顯著提升包括工作記憶、執(zhí)行功能在內(nèi)的18項(xiàng)認(rèn)知能力指標(biāo)。皮層平均厚度（MTH）則表現(xiàn)出保護(hù)效應(yīng)：每增加1個(gè)標(biāo)準(zhǔn)差單位，精神分裂癥風(fēng)險(xiǎn)降低19%。區(qū)域分析揭示顳葉橫向區(qū)（transverse temporal gyrus）的表面積與認(rèn)知呈正相關(guān)，而該區(qū)域厚度增加會(huì)升高精神分裂癥風(fēng)險(xiǎn)。雙向分析顯示MTH與吸煙行為存在相互影響，提示尼古丁可能通過改變皮層結(jié)構(gòu)影響成癮行為。這些發(fā)現(xiàn)為理解腦結(jié)構(gòu)-功能關(guān)系提供了因果證據(jù)，未來或可通過靶向皮層發(fā)育的干預(yù)措施改善心理健康。研究發(fā)表在 Nature Mental Health 上。

#神經(jīng)科學(xué) #神經(jīng)機(jī)制與腦功能解析 #心理健康與精神疾病 #老齡化 #社會(huì)認(rèn)知

閱讀更多：

Lin, Bochao Danae, et al. “Dissecting Causal Relationships between Cortical Morphology and Neuropsychiatric Disorders: A Bidirectional Mendelian Randomization Study.” Nature Mental Health, vol. 3, no. 6, June 2025, pp. 613–25. www.nature.com, https://doi.org/10.1038/s44220-025-00397-4

光線穿透技術(shù)突破4厘米限制，為大腦成像打開了新的大門

近紅外腦成像技術(shù)（fNIRS）因無法深入大腦而受限，格拉斯哥大學(xué)的Jack Radford團(tuán)隊(duì)檢測(cè)到穿過整個(gè)成年人頭部的光子，為研究深層腦區(qū)活動(dòng)提供了新可能。

?通過探測(cè)穿過成人整個(gè)頭部的光子，可以探索大腦中光子傳輸?shù)臉O限，從而進(jìn)入目前非侵入式光學(xué)腦成像技術(shù)無法觸及的大腦區(qū)域。Credit: J. Radford et al.

研究團(tuán)隊(duì)使用高功率脈沖激光（pulsed laser）和超靈敏探測(cè)器，在嚴(yán)格控制的環(huán)境中測(cè)量從頭部一側(cè)穿透到另一側(cè)的光子。實(shí)驗(yàn)配合計(jì)算機(jī)模擬顯示，光子確實(shí)能穿過整個(gè)頭部，主要沿著腦脊液等低散射區(qū)域傳播。研究克服了約10^18的光衰減，首次證明直徑方向的光子探測(cè)可行。雖然目前技術(shù)僅適用于特定受試者（皮膚白皙無毛發(fā)）且需30分鐘數(shù)據(jù)采集，但這一突破揭示了光學(xué)方法探測(cè)深層腦區(qū)（如小腦深部和中腦）的潛力。通過調(diào)整光源位置，可選擇性探測(cè)不同腦區(qū)，為開發(fā)新一代非侵入式腦成像設(shè)備提供了理論支持。研究發(fā)表在 Neurophotonics 上。

#疾病與健康 #個(gè)性化醫(yī)療 #神經(jīng)調(diào)控 #靶向治療 #生物材料

閱讀更多：

Radford, Jack, et al. “Photon Transport through the Entire Adult Human Head.” Neurophotonics, vol. 12, no. 2, May 2025, p. 025014. www.spiedigitallibrary.org, https://doi.org/10.1117/1.NPh.12.2.025014

孤獨(dú)癥的不同遺傳根源可能導(dǎo)致共同的大腦活動(dòng)和行為

孤獨(dú)癥患者為何表現(xiàn)出相似的認(rèn)知行為特征？明尼蘇達(dá)大學(xué)醫(yī)學(xué)院Jean-Paul Noel團(tuán)隊(duì)聯(lián)合The International Brain Laboratory發(fā)現(xiàn)，不同基因突變的孤獨(dú)癥小鼠模型存在共同的神經(jīng)計(jì)算異常模式，這可能是導(dǎo)致相似行為表現(xiàn)的基礎(chǔ)。

?自閉癥小鼠模型中統(tǒng)計(jì)規(guī)律的使用減少。Credit: Nature Neuroscience (2025).

研究采用高產(chǎn)出嚙齒類心理物理學(xué)（rodent psychophysics）、廣泛行為建模和全腦單細(xì)胞細(xì)胞外記錄技術(shù)，分析了Fmr1、Cntnap2和Shank3B三種基因突變小鼠模型。結(jié)果顯示，所有模型均表現(xiàn)出決策過程中先驗(yàn)更新（prior updating）能力減弱的共同特征。與正常小鼠相比，這些模型的大腦活動(dòng)模式發(fā)生了系統(tǒng)性改變：編碼權(quán)重從感覺皮層向前額皮層轉(zhuǎn)移。具體而言，前額區(qū)更多神經(jīng)元編碼與長(zhǎng)期先驗(yàn)的偏差，而感覺皮層反應(yīng)無法區(qū)分預(yù)期與非預(yù)期觀察。這種神經(jīng)計(jì)算異常導(dǎo)致小鼠難以根據(jù)新信息調(diào)整預(yù)期，表現(xiàn)為行為上的不靈活性。研究為理解不同遺傳類型孤獨(dú)癥的共同神經(jīng)機(jī)制提供了重要證據(jù)，并提示前額葉-感覺皮層回路可能是潛在干預(yù)靶點(diǎn)。研究發(fā)表在 Nature Neuroscience 上。

#疾病與健康 #神經(jīng)機(jī)制與腦功能解析 #計(jì)算模型與人工智能模擬 #孤獨(dú)癥

閱讀更多：

Noel, Jean-Paul, et al. “A Common Computational and Neural Anomaly across Mouse Models of Autism.” Nature Neuroscience, June 2025, pp. 1–14. www.nature.com, https://doi.org/10.1038/s41593-025-01965-8

大腦皮層網(wǎng)絡(luò)快速重組以補(bǔ)償丟失的神經(jīng)元

大腦如何在神經(jīng)元丟失時(shí)維持功能？美因茨大學(xué)醫(yī)學(xué)中心、法蘭克福高等研究院（FIAS）和希伯來大學(xué)的研究團(tuán)隊(duì)發(fā)現(xiàn)，大腦皮層網(wǎng)絡(luò)能在短時(shí)間內(nèi)重組，其他神經(jīng)細(xì)胞會(huì)接管丟失神經(jīng)元的功能。

研究團(tuán)隊(duì)使用小鼠模型，通過雙光子鈣成像和靶向微消融（microablation，選擇性去除神經(jīng)元）技術(shù)，研究了聽覺皮層的神經(jīng)元網(wǎng)絡(luò)。他們?nèi)コ?0-40個(gè)對(duì)聲音響應(yīng)的神經(jīng)元后，發(fā)現(xiàn)活動(dòng)模式最初變得不穩(wěn)定，但幾天內(nèi)恢復(fù)至接近原始狀態(tài)。恢復(fù)主要由之前對(duì)聲音無響應(yīng)的神經(jīng)元驅(qū)動(dòng)，這些神經(jīng)元獲得新功能并填補(bǔ)丟失神經(jīng)元的作用。抑制性神經(jīng)元的靶向消融會(huì)導(dǎo)致更持久的擾動(dòng)，表明其在穩(wěn)定網(wǎng)絡(luò)中起關(guān)鍵作用。研究揭示了大腦皮層通過神經(jīng)元重組維持功能的機(jī)制，可能對(duì)理解衰老和神經(jīng)退行性疾病有重要意義。研究發(fā)表在 Nature Neuroscience 上。

#神經(jīng)科學(xué) #神經(jīng)機(jī)制與腦功能解析 #神經(jīng)調(diào)控 #計(jì)算模型與人工智能模擬

閱讀更多：

Noda, Takahiro, et al. “Homeostasis of a Representational Map in the Neocortex.” Nature Neuroscience, June 2025, pp. 1–13. www.nature.com, https://doi.org/10.1038/s41593-025-01982-7

AI 行業(yè)動(dòng)態(tài)

MIT工程師3.5小時(shí)修復(fù)600年名畫，效率提升66倍

麻省理工學(xué)院的工程師Alex Kachkine憑借一篇獨(dú)作論文登上Nature，展示了一種革命性的名畫修復(fù)方法。傳統(tǒng)修復(fù)需要數(shù)月甚至數(shù)年，而他的AI算法僅用3.5小時(shí)就完成了對(duì)一幅15世紀(jì)油畫的修復(fù)。該方法的關(guān)鍵在于“數(shù)字遮罩”（Musk）技術(shù)：先在受損畫作表面貼一層透明薄膜，通過AI分析并打印出修復(fù)所需的顏色層和白色層，最后用清漆固定。這一方法不僅高效，還能在不損傷原作的前提下輕松移除修復(fù)層，并保留數(shù)字記錄供未來參考。

Alex Kachkine的跨界背景為這項(xiàng)突破提供了獨(dú)特視角。他出身工程世家，本科學(xué)習(xí)機(jī)械工程和經(jīng)濟(jì)學(xué)，后加入MIT的微系統(tǒng)實(shí)驗(yàn)室，專注于質(zhì)譜儀優(yōu)化研究。同時(shí)，他從小熱愛藝術(shù)，因預(yù)算有限常購(gòu)買受損畫作，從而萌生用工程思維改進(jìn)修復(fù)流程的想法。他的方法尤其適合嚴(yán)重缺損的畫作，效率比傳統(tǒng)人工修復(fù)快66倍，有望讓更多珍貴藝術(shù)品重現(xiàn)光彩。

目前，Alex仍在優(yōu)化這一技術(shù)，目標(biāo)是推動(dòng)藝術(shù)修復(fù)領(lǐng)域的革新。他的研究不僅縮短了修復(fù)時(shí)間，還解決了傳統(tǒng)方法難以記錄修復(fù)歷史的難題。未來，這項(xiàng)技術(shù)或?qū)⒊蔀椴┪镳^和修復(fù)師的得力工具，讓更多文化遺產(chǎn)得以保存并回歸公眾視野。

#AI藝術(shù)修復(fù) #MIT研究 #數(shù)字遮罩技術(shù) #文化遺產(chǎn)保護(hù) #跨界創(chuàng)新

閱讀更多：

https://dspace.mit.edu/handle/1721.1/159269

中國(guó)腦機(jī)接口技術(shù)重大突破！全球最小柔性電極實(shí)現(xiàn)意念操控

中國(guó)科研團(tuán)隊(duì)在侵入式腦機(jī)接口領(lǐng)域取得里程碑式進(jìn)展。由中國(guó)科學(xué)院腦科學(xué)與智能技術(shù)卓越創(chuàng)新中心、復(fù)旦大學(xué)附屬華山醫(yī)院等機(jī)構(gòu)合作，成功完成國(guó)內(nèi)首例侵入式腦機(jī)接口臨床試驗(yàn)。一名四肢截肢的受試者通過植入僅硬幣大小的全球最小神經(jīng)電極（直徑26毫米），實(shí)現(xiàn)了意念操控電腦下棋、發(fā)短信等功能。該技術(shù)采用半導(dǎo)體加工工藝，電極尺寸僅為頭發(fā)絲的1/100，柔性超過馬斯克Neuralink產(chǎn)品的百倍，且植入后"幾乎無異物感"。

團(tuán)隊(duì)在硬件和算法上實(shí)現(xiàn)雙重突破。通過半導(dǎo)體工藝提升電極的生物相容性，解決了Neuralink曾面臨的電極脫落問題，設(shè)備壽命可達(dá)5年。同時(shí)，自主研發(fā)的毫秒級(jí)在線解碼算法，能快速解析神經(jīng)信號(hào)并生成控制指令。受試者僅訓(xùn)練2-3周即達(dá)到接近常人的操控水平，術(shù)后未出現(xiàn)感染或失效。更值得注意的是，該技術(shù)已在獼猴實(shí)驗(yàn)中驗(yàn)證了植入體可安全更換，為未來升級(jí)鋪平道路。

#腦機(jī)接口 #Neuralink #意念控制 #半導(dǎo)體工藝 #醫(yī)療科技

閱讀更多：

https://mp.weixin.qq.com/s?__biz=MTI0MDU3NDYwMQ==&mid=2657794984&idx=1&sn=024f1360c57b1147928fa31ca321a902&scene=21&poc_token=HIsFUGijI6JLfnMY4iALyX8e1u_d8zJGQxZlDciR

AI 驅(qū)動(dòng)科學(xué)

Cell：新技術(shù)實(shí)現(xiàn)哺乳動(dòng)物組織多模態(tài)遺傳篩查

理解組織功能需要多維度基因表型解析，但傳統(tǒng)技術(shù)存在局限。哈佛大學(xué)莊小威團(tuán)隊(duì)開發(fā)出Perturb-Multi平臺(tái)，首次在完整哺乳動(dòng)物組織中實(shí)現(xiàn)成像與測(cè)序的聯(lián)合遺傳篩查，揭示了肝臟功能的基因調(diào)控網(wǎng)絡(luò)。

研究團(tuán)隊(duì)開發(fā)的Perturb-Multi技術(shù)整合了兩種方法：RCA-MERFISH成像技術(shù)可在原位捕獲基因型和多重RNA-蛋白質(zhì)表型，固定細(xì)胞Perturb-seq則實(shí)現(xiàn)了保留完整轉(zhuǎn)錄組的體內(nèi)CRISPR篩選。通過該平臺(tái)，研究人員對(duì)小鼠肝臟中數(shù)百個(gè)基因進(jìn)行并行擾動(dòng)，同步獲取了單細(xì)胞分辨率的三類關(guān)鍵數(shù)據(jù)——基因表達(dá)譜、亞細(xì)胞形態(tài)特征和空間位置信息。應(yīng)用結(jié)果顯示，該方法成功解析了肝細(xì)胞分區(qū)（hepatocyte zonation）的動(dòng)態(tài)調(diào)控機(jī)制，揭示了未折疊蛋白反應(yīng)（UPR）和脂肪變性（steatosis）的遺傳調(diào)控因子。該技術(shù)突破了傳統(tǒng)單細(xì)胞測(cè)序或顯微成像的單一維度限制，為構(gòu)建組織水平的基因型-表型圖譜提供了標(biāo)準(zhǔn)化工具。研究團(tuán)隊(duì)指出，產(chǎn)生的大規(guī)模多模態(tài)數(shù)據(jù)還可用于訓(xùn)練預(yù)測(cè)細(xì)胞功能的機(jī)器學(xué)習(xí)模型。研究發(fā)表在 Cell 上。

#疾病與健康 #跨學(xué)科整合 #基因調(diào)控 #多模態(tài)分析 #肝臟生理學(xué)

閱讀更多：

Saunders, Reuben A., et al. “Perturb-Multimodal: A Platform for Pooled Genetic Screens with Imaging and Sequencing in Intact Mammalian Tissue.” Cell, vol. 0, no. 0, June 2025. www.cell.com, https://doi.org/10.1016/j.cell.2025.05.022

可解釋AI新突破：約束概念細(xì)化框架實(shí)現(xiàn)透明決策

醫(yī)療診斷等高風(fēng)險(xiǎn)領(lǐng)域需要AI決策透明化，但現(xiàn)有方法往往犧牲準(zhǔn)確性。密歇根大學(xué)Geyu Liang、Senne Michielssen和Salar Fattahi團(tuán)隊(duì)開發(fā)的約束概念細(xì)化（CCR）框架，首次實(shí)現(xiàn)了解釋性與性能的同步提升，運(yùn)行效率提高十倍。

?紅色箭頭表示經(jīng)典可解釋人工智能模型的反向傳播訓(xùn)練過程。本文擴(kuò)展了訓(xùn)練過程，通過約束概念嵌入與初始嵌入的偏差（綠色箭頭和方框表示）來優(yōu)化概念嵌入。Credit: arXiv (2025).

研究團(tuán)隊(duì)提出約束概念細(xì)化（Constrained Concept Refinement）框架，通過兩個(gè)創(chuàng)新解決傳統(tǒng)問題：1）將可解釋性直接編碼進(jìn)模型架構(gòu)，而非事后添加；2）引入彈性概念嵌入機(jī)制，允許CLIP等預(yù)訓(xùn)練模型生成的初始嵌入（如健康骨骼）根據(jù)任務(wù)數(shù)據(jù)自動(dòng)校正誤差。在CIFAR10/100等基準(zhǔn)測(cè)試中，CCR準(zhǔn)確率超越CLIP-IP-OMP和無標(biāo)簽CBM方法，同時(shí)保持人類可理解的決策路徑。特別在醫(yī)療影像分類中，其臨床可驗(yàn)證率達(dá)95%，運(yùn)行時(shí)間僅為傳統(tǒng)方法的1/10。理論分析表明，CCR能在生成模型中實(shí)現(xiàn)零訓(xùn)練損失，并通過約束優(yōu)化漸進(jìn)增強(qiáng)解釋性。該框架支持參數(shù)調(diào)節(jié)，用戶可最高提升15%解釋性或8%準(zhǔn)確性，為金融、醫(yī)療等高風(fēng)險(xiǎn)領(lǐng)域提供可靠解決方案。

#AI驅(qū)動(dòng)科學(xué) #預(yù)測(cè)模型構(gòu)建 #跨學(xué)科整合 #醫(yī)療診斷 #可解釋AI

閱讀更多：

Liang, Geyu, et al. Enhancing Performance of Explainable AI Models with Constrained Concept Refinement. arXiv:2502.06775, arXiv, 27 May 2025. arXiv.org, https://doi.org/10.48550/arXiv.2502.06775

AI工具通過血液DNA片段分析實(shí)現(xiàn)快速經(jīng)濟(jì)的癌癥監(jiān)測(cè)

現(xiàn)有癌癥監(jiān)測(cè)方法成本高且依賴突變篩查，不同患者突變差異導(dǎo)致結(jié)果不穩(wěn)定。新加坡A*STAR基因組研究所Guanhua Zhu、Anders Jacobsen Skanderup團(tuán)隊(duì)開發(fā)了Fragle系統(tǒng)，通過AI分析DNA片段長(zhǎng)度模式，實(shí)現(xiàn)僅需50新元的精準(zhǔn)監(jiān)測(cè)。

研究團(tuán)隊(duì)訓(xùn)練深度學(xué)習(xí)模型識(shí)別循環(huán)腫瘤DNA（ctDNA）特有的片段長(zhǎng)度分布特征。與傳統(tǒng)需要篩查特定突變的方法不同，F(xiàn)ragle直接分析全基因組cfDNA（cell-free DNA）片段大小，在多種癌癥類型中驗(yàn)證顯示其檢測(cè)限低至0.1%突變頻率。在結(jié)直腸癌患者中，縱向監(jiān)測(cè)顯示ctDNA水平變化與治療響應(yīng)高度一致；對(duì)于術(shù)后肺癌患者，F(xiàn)ragle預(yù)測(cè)微小殘留病（MRD）的準(zhǔn)確率比傳統(tǒng)方法提高35%。臨床優(yōu)勢(shì)包括：檢測(cè)成本降低95%，與醫(yī)院現(xiàn)有DNA分析流程兼容，且無需預(yù)先獲知患者特定突變信息。目前正在100多名患者中開展每?jī)稍乱淮蔚谋O(jiān)測(cè)研究，探索早期預(yù)測(cè)復(fù)發(fā)的可能性。研究發(fā)表在 Nature Biomedical Engineering 上。

#AI驅(qū)動(dòng)科學(xué) #個(gè)性化醫(yī)療 #癌癥監(jiān)測(cè) #液體活檢

閱讀更多：

Zhu, Guanhua, et al. “A Deep-Learning Model for Quantifying Circulating Tumour DNA from the Density Distribution of DNA-Fragment Lengths.” Nature Biomedical Engineering, vol. 9, no. 3, Mar. 2025, pp. 307–19. www.nature.com, https://doi.org/10.1038/s41551-025-01370-3

AI動(dòng)態(tài)建模開發(fā)出廣譜抗冠狀病毒口服藥

全球30%呼吸道感染由冠狀病毒引起，但疫苗分配不均和變異株逃逸問題亟待解決。哈佛大學(xué)威斯生物啟發(fā)工程研究所的Charles B. Reilly、Joel Moore等研究人員通過融合電影特效技術(shù)與AI建模，開發(fā)出可口服的廣譜抗病毒藥物WYS-694，顯著降低動(dòng)物模型病毒載量。

?刺突蛋白（S）同源三聚體促進(jìn)膜融合。Credit: Frontiers in Molecular Biosciences (2025).

研究團(tuán)隊(duì)采用電影行業(yè)程序動(dòng)畫軟件構(gòu)建分子動(dòng)力學(xué)模擬（molecular dynamics simulation）流程，動(dòng)態(tài)追蹤刺突蛋白（Spike protein）從結(jié)合宿主細(xì)胞到膜融合的全過程。通過AI分析生成的合成數(shù)據(jù)，鎖定S2亞基中一個(gè)在融合前暴露的保守口袋。對(duì)10,000種FDA批準(zhǔn)藥物進(jìn)行虛擬篩選后，發(fā)現(xiàn)抗腫瘤藥bemcentinib能結(jié)合該位點(diǎn)并抑制病毒入侵，且該作用獨(dú)立于其原有靶點(diǎn)AXL激酶。進(jìn)一步優(yōu)化獲得的化合物WYS-694在小鼠實(shí)驗(yàn)中使SARS-CoV-2病毒載量降低4倍，對(duì)α、β、γ、δ、ο變異株及SARS-CoV、MERS-CoV均有效。該藥物通過凍結(jié)刺突蛋白構(gòu)象變化阻斷膜融合，為應(yīng)對(duì)未來疫情提供新策略。研究發(fā)表在 Frontiers in Molecular Biosciences 上。

#AI驅(qū)動(dòng)科學(xué) #疾病與健康 #預(yù)測(cè)模型構(gòu)建 #大模型技術(shù) #跨學(xué)科整合

閱讀更多：

Reilly, Charles B., et al. “Broad-Spectrum Coronavirus Inhibitors Discovered by Modeling Viral Fusion Dynamics.” Frontiers in Molecular Biosciences, vol. 12, May 2025. Frontiers, https://doi.org/10.3389/fmolb.2025.1575747

視覺語(yǔ)言模型通過人工世界和3D場(chǎng)景描述獲得空間推理能力

如何讓機(jī)器人像人類一樣理解空間關(guān)系？意大利理工學(xué)院（IIT）和阿伯丁大學(xué)的Joel Currie、Gioele Migno、Davide De Tommaso等研究人員開發(fā)了新型合成數(shù)據(jù)集，通過3D模擬場(chǎng)景訓(xùn)練視覺語(yǔ)言模型（VLMs）的視覺視角采擇（VPT）能力。

?左側(cè)為模擬環(huán)境，其中包含一個(gè)放置在平面上的長(zhǎng)方體，并由一個(gè)攝像頭進(jìn)行觀察，該攝像頭放置在物體正上方，距離物體不同。右側(cè)為用于訓(xùn)練模型的數(shù)據(jù)集元素示例：圖像和文本提示作為輸入，長(zhǎng)方體和攝像頭之間的空間關(guān)系以變換矩陣的形式表示，作為期望輸出。Credit: Gioele Migno.

研究團(tuán)隊(duì)利用NVIDIA Omniverse Replicator平臺(tái)構(gòu)建虛擬環(huán)境，生成包含立方體的簡(jiǎn)單3D場(chǎng)景，并從不同角度和距離捕捉圖像。每幅圖像都配有自然語(yǔ)言描述和4×4變換矩陣，形成結(jié)構(gòu)化訓(xùn)練數(shù)據(jù)。這種方法可快速生成數(shù)萬組圖像-矩陣對(duì)，克服了真實(shí)世界數(shù)據(jù)采集的困難。實(shí)驗(yàn)表明，該框架將VPT重新定義為可通過視覺和語(yǔ)言聯(lián)合學(xué)習(xí)的認(rèn)知能力，而非傳統(tǒng)依賴的硬編碼幾何規(guī)則。特別值得注意的是，系統(tǒng)能教會(huì)AI不僅從自身視角，還能從他人視角理解空間關(guān)系，這是實(shí)現(xiàn)真正社會(huì)智能的基礎(chǔ)。下一步，團(tuán)隊(duì)計(jì)劃提升場(chǎng)景真實(shí)度，并探索該能力如何優(yōu)化人機(jī)協(xié)作場(chǎng)景中的空間共識(shí)建立。

#AI驅(qū)動(dòng)科學(xué) #計(jì)算模型與人工智能模擬 #人機(jī)交互 #空間推理 #合成數(shù)據(jù)

閱讀更多：

Currie, Joel, et al. Towards Embodied Cognition in Robots via Spatially Grounded Synthetic Worlds. arXiv:2505.14366, arXiv, 20 May 2025. arXiv.org, https://doi.org/10.48550/arXiv.2505.14366

多模態(tài)推理模型幻覺問題新解：RH-AUC指標(biāo)揭示推理與感知的平衡

多模態(tài)大模型（如GPT-4V）在長(zhǎng)推理鏈任務(wù)中頻繁產(chǎn)生與輸入圖像不符的幻覺。加州大學(xué)圣克魯斯分校Chengzhi Liu、斯坦福大學(xué)James Zou等團(tuán)隊(duì)開發(fā)了RH-AUC量化指標(biāo)和RH-Bench診斷基準(zhǔn)，首次系統(tǒng)評(píng)估了推理能力與幻覺風(fēng)險(xiǎn)的動(dòng)態(tài)關(guān)系。

?五種感知基準(zhǔn)上推理和非推理模型的比較。左圖為 3B 模型，右圖為 7B 模型。分?jǐn)?shù)越高，幻覺程度越低。Credit: arXiv (2025).

研究團(tuán)隊(duì)通過注意力分析發(fā)現(xiàn)，模型在長(zhǎng)推理鏈中對(duì)視覺輸入的關(guān)注度下降40-60%，導(dǎo)致更多依賴語(yǔ)言先驗(yàn)（language priors）而產(chǎn)生幻覺。新提出的RH-AUC指標(biāo)通過計(jì)算不同推理長(zhǎng)度下的感知準(zhǔn)確度曲線下面積，量化模型保持視覺基礎(chǔ)（visual grounding）的能力。在包含1,000個(gè)任務(wù)的RH-Bench測(cè)試中，7B規(guī)模模型比3B模型平衡能力提升15%，強(qiáng)化學(xué)習(xí)訓(xùn)練的模型比監(jiān)督微調(diào)模型減少18%幻覺。關(guān)鍵發(fā)現(xiàn)表明：數(shù)據(jù)領(lǐng)域（如科學(xué)文本）比數(shù)據(jù)量對(duì)平衡影響更大，特定領(lǐng)域數(shù)據(jù)訓(xùn)練的模型RH-AUC可提升0.22。這些工具為開發(fā)可靠的多模態(tài)推理系統(tǒng)提供了新標(biāo)準(zhǔn)。

#大模型技術(shù) #預(yù)測(cè)模型構(gòu)建 #多模態(tài)學(xué)習(xí) #AI評(píng)估 #視覺推理

閱讀更多：

Liu, Chengzhi, et al. More Thinking, Less Seeing? Assessing Amplified Hallucination in Multimodal Reasoning Models. arXiv:2505.21523, arXiv, 31 May 2025. arXiv.org, https://doi.org/10.48550/arXiv.2505.21523

下一代神經(jīng)網(wǎng)絡(luò)：3D結(jié)構(gòu)與遞歸循環(huán)帶來突破性進(jìn)展

AI模型規(guī)模擴(kuò)大導(dǎo)致資源消耗劇增，如何突破這一瓶頸？倫斯勒理工學(xué)院的Ge Wang與香港城市大學(xué)的Feng-Lei Fan團(tuán)隊(duì)提出新解決方案：通過模擬生物神經(jīng)網(wǎng)絡(luò)的3D結(jié)構(gòu)和引入遞歸循環(huán)，新架構(gòu)在降低50%資源消耗的同時(shí)提升多維學(xué)習(xí)能力。

研究突破傳統(tǒng)神經(jīng)網(wǎng)絡(luò)僅增加寬度和深度的思路，首創(chuàng)性引入垂直高度維度，構(gòu)建類似生物神經(jīng)網(wǎng)絡(luò)的3D結(jié)構(gòu)。通過整合跨尺度遞歸反饋循環(huán)，系統(tǒng)產(chǎn)生類似物理相變的復(fù)雜動(dòng)態(tài)行為，顯著增強(qiáng)網(wǎng)絡(luò)自省能力。實(shí)驗(yàn)表明，該架構(gòu)在三維及以上維度展現(xiàn)出卓越的學(xué)習(xí)適應(yīng)性，特別適用于醫(yī)療影像的立體分析和教育場(chǎng)景的個(gè)性化建模。相比傳統(tǒng)Transformer架構(gòu)，新方法在保持同等性能前提下減少一半計(jì)算資源需求，同時(shí)為理解人腦工作機(jī)制提供新視角。研究團(tuán)隊(duì)指出，這一突破可能推動(dòng)機(jī)器人實(shí)時(shí)決策和個(gè)性化醫(yī)療等領(lǐng)域發(fā)展。研究發(fā)表在 Patterns 上。

#大模型技術(shù) #計(jì)算模型與人工智能模擬 #神經(jīng)機(jī)制與腦功能解析 #跨學(xué)科整合

閱讀更多：

Wang, Ge, and Feng-Lei Fan. “Dimensionality and Dynamics for Next-Generation Artificial Neural Networks.” Patterns, vol. 0, no. 0, Apr. 2025. www.cell.com, https://doi.org/10.1016/j.patter.2025.101231

大語(yǔ)言模型推理能力被誤判？實(shí)驗(yàn)設(shè)計(jì)缺陷引發(fā)準(zhǔn)確度崩潰爭(zhēng)議

大型語(yǔ)言模型是否真的存在推理能力極限？Open Philanthropy的A. Lawsen對(duì)Shojaee等人(2025)的研究提出質(zhì)疑，發(fā)現(xiàn)所謂"準(zhǔn)確度崩潰"現(xiàn)象主要源于實(shí)驗(yàn)設(shè)計(jì)問題而非模型本質(zhì)缺陷，為AI能力評(píng)估提供了重要方法論反思。

研究人員首先分析了原始實(shí)驗(yàn)的三個(gè)關(guān)鍵問題：河內(nèi)塔測(cè)試中模型輸出被token限制強(qiáng)制截?cái)唷⒆詣?dòng)評(píng)估框架無法區(qū)分真實(shí)推理失敗與輸出約束、渡河問題中包含數(shù)學(xué)上無解的測(cè)試案例。通過建立token需求模型，團(tuán)隊(duì)證明報(bào)告中的崩潰點(diǎn)(7-8層河內(nèi)塔)恰好對(duì)應(yīng)主流模型的token上限(64,000-100,000 tokens)。更關(guān)鍵的是，當(dāng)改用函數(shù)生成等壓縮表示法時(shí)，相同模型在原先"崩潰"的15層河內(nèi)塔問題上表現(xiàn)出色，生成的Lua函數(shù)能正確實(shí)現(xiàn)遞歸算法。研究還指出原始評(píng)估將解決方案長(zhǎng)度與問題難度錯(cuò)誤關(guān)聯(lián)——河內(nèi)塔雖需指數(shù)級(jí)步驟但決策簡(jiǎn)單，而渡河問題步驟少卻涉及NP難搜索。這些發(fā)現(xiàn)表明，現(xiàn)有評(píng)估方法可能嚴(yán)重低估了大語(yǔ)言模型的真實(shí)推理能力。

#大模型技術(shù) #預(yù)測(cè)模型構(gòu)建 #多模態(tài)學(xué)習(xí) #AI評(píng)估 #視覺推理

閱讀更多：

Opus, C., and A. Lawsen. Comment on The Illusion of Thinking: Understanding the Strengths and Limitations of Reasoning Models via the Lens of Problem Complexity. 1, arXiv:2506.09250, arXiv, 10 June 2025. arXiv.org, https://doi.org/10.48550/arXiv.2506.09250

otto-SR模型：48小時(shí)更新整套Cochrane評(píng)價(jià)

系統(tǒng)評(píng)價(jià)（Systematic Reviews）作為循證醫(yī)學(xué)核心工具長(zhǎng)期面臨效率瓶頸。由多倫多大學(xué)Christian Cao、哈佛醫(yī)學(xué)院Rohit Arora等27人組成的跨國(guó)團(tuán)隊(duì)開發(fā)出基于大語(yǔ)言模型的otto-SR系統(tǒng)，在兩天內(nèi)完成傳統(tǒng)需12人年的工作，且準(zhǔn)確率全面超越人工流程。

研究團(tuán)隊(duì)構(gòu)建了端到端代理工作流otto-SR，采用GPT-4.1處理文獻(xiàn)篩選（article screening），o3-mini-high負(fù)責(zé)數(shù)據(jù)提取。與傳統(tǒng)雙盲人工流程對(duì)比測(cè)試顯示，otto-SR在篩選階段達(dá)到96.7%敏感度（人類81.7%）和97.9%特異度（人類98.1%）；數(shù)據(jù)提取準(zhǔn)確率達(dá)93.1%（人類79.7%）。為驗(yàn)證實(shí)際效用，團(tuán)隊(duì)用該系統(tǒng)在48小時(shí)內(nèi)復(fù)現(xiàn)更新了12篇Cochrane評(píng)價(jià)，相當(dāng)于壓縮12個(gè)工作年度。分析發(fā)現(xiàn)otto-SR平均檢出2項(xiàng)可能被原評(píng)價(jià)遺漏的合格研究（四分位距1-6.5），并修正了3篇評(píng)價(jià)的統(tǒng)計(jì)學(xué)結(jié)論。該系統(tǒng)僅需輸入研究方案、檢索結(jié)果和提取變量即可運(yùn)行，為醫(yī)療決策提供實(shí)時(shí)證據(jù)支持。

#大模型技術(shù) #自動(dòng)化科研 #循證醫(yī)學(xué) #醫(yī)療決策 #人工智能

閱讀更多：

Cao, Christian, et al. Automation of Systematic Reviews with Large Language Models. medRxiv, 13 June 2025, p. 2025.06.13.25329541. medRxiv, https://doi.org/10.1101/2025.06.13.25329541

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。如果您有進(jìn)一步想要討論的內(nèi)容，歡迎評(píng)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)。

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。

Chen Institute與華山醫(yī)院、上海市精神衛(wèi)生中心設(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天橋神經(jīng)科學(xué)研究院。

Chen Institute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、、等。