追問daily | 飲酒會改變基因？Nature：跨學科團隊宣稱通用人工智能已至

█ 腦科學動態

Cell：癌癥免疫治療的成敗，取決于一個“火花”的隨機點燃

刺激丘腦可恢復麻醉大腦的信息整合

確定帕金森病深部腦刺激治療的特異性腦網絡

為何“看一眼就記住”？fMRI與iEEG聯合揭示快速感知學習的秘密

飲酒會改變基因？長期飲酒顛覆大腦GPR55受體表達模式

史上最大規模腦成像研究證實：恐慌癥與大腦皮層變薄有關

告別單一補充劑：整體飲食質量對青少年抑郁與焦慮干預更有效

膽汁酸充當“守門人”：人體選擇性吸收好脂肪的分子機制

█ AI行業動態

IntelliFold 2發布：關鍵性能超越AlphaFold 3

Claude新功能快2.5倍卻貴6倍，開發者直呼用不起

AI數學證明新突破：初創公司Axiom破解四道長期未解難題

█ AI驅動科學

Nature：跨學科團隊宣稱通用人工智能已至

Nature：像創可貼一樣的柔性AI芯片：FLEXI實現低成本端側智能

海星管足的局部反饋機制啟發軟體機器人設計

AI模型Prima，數秒內診斷腦部疾病準確率高達97.5%

自校準AI系統突破生成式視頻時長限制與訓練瓶頸

音樂與同理心語音結合增強人機情感連接

生成式AI與胞內篩選結合，實現RNA適配體單輪高效進化

模擬思維能否永生？“步驟-結構原則”挑戰腦仿真中的圖靈等價性

腦科學動態

Cell：癌癥免疫治療的成敗，取決于一個“火花”的隨機點燃

為何癌癥免疫治療的效果時常如“開盲盒”般難以預測？美國國家癌癥研究中心的Grégoire Altan-Bonnet, Emanuel Salazar-Cavazos等研究人員揭示了這一現象背后的關鍵機制。他們發現，治療的成功與否，很大程度上取決于一種極其罕見但功能強大的“火花T細胞”（Spark T cells）的隨機激活，這一發現為預測和提升免疫治療療效開辟了新途徑。

? Credit: Cell Stem Cell (2026).

研究團隊通過數千次條件完全相同的體外實驗發現，T細胞對癌細胞的殺傷結果表現出巨大的隨機性。通過結合數學模型和一種名為Sto/CS的單細胞分析技術，他們成功識別出驅動這種隨機性的關鍵角色——“火花T細胞”。該細胞亞群極為稀有，約占總T細胞的萬分之四到萬分之十。它的獨特之處在于，一旦識別出癌細胞，就能迅速釋放大量干擾素-γ（IFN-γ，一種關鍵的免疫信號分子），像火花一樣點燃周圍其他T細胞的“戰意”，從而啟動一場燎原之火般的免疫風暴。這種快速反應能力源于其獨特的表觀遺傳狀態，即IFN-γ基因位點隨時處于待命的“開放”狀態。更重要的是，研究者發現，腫瘤樣本中“火花T細胞”的特征信號越強，患者對免疫檢查點抑制劑的治療響應就越好。這一成果不僅解釋了免疫治療的內在隨機性，也為開發更精準的生物標志物和新一代細胞療法提供了理論基礎。

#疾病與健康 #個性化醫療 #癌癥免疫治療 #T細胞 #生物標志物

閱讀更多：

Salazar-Cavazos, Emanuel, et al. “Stochasticity in Cancer Immunotherapy Stems from Rare but Functionally Critical Spark T Cells.” Cell, vol. 0, no. 0, Feb. 2026. www.cell.com, https://doi.org/10.1016/j.cell.2025.12.026

刺激丘腦可恢復麻醉大腦的信息整合

意識的本質是什么，大腦又是如何將其“開啟”或“關閉”的？劍橋大學、牛津大學和麥吉爾大學的Andrea Luppi及其國際合作團隊通過一項跨物種研究發現，意識的關鍵在于大腦不同區域能否協同工作，而位于大腦深處的中央丘腦扮演著“交響樂指揮家”的角色，能夠重啟被麻醉“靜音”的大腦。

? 將神經影像學、藥理學與計算建模相結合，應用于不同物種的研究。Credit: Nature Human Behaviour (2026).

研究團隊利用功能性磁共振成像（fMRI）比較了人類、獼猴、狨猴和小鼠在清醒與麻醉狀態下的大腦活動。他們發現，清醒的大腦如同一個高度協作的交響樂團，各腦區信息高度整合；而麻醉后，這種協同作用消失，大腦活動變得支離破碎。關鍵性的突破在于，當研究人員對麻醉中的獼猴進行中央丘腦深部腦刺激時，大腦的“交響樂”被重新奏響，信息整合得以恢復，動物也隨之蘇醒。為了探究其深層機制，團隊結合了腦連接圖譜和基因表達數據，構建了計算模型。分析表明，信息整合的崩潰與PVALB基因（一種調控神經抑制的基因）的表達模式密切相關，而中央丘腦因其廣泛的結構連接，使其成為恢復全腦信息整合的最優控制節點。這項研究揭示了哺乳動物大腦中控制意識的進化保守機制。研究發表在 Nature Human Behaviour 上。

#意識與腦機接口 #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

閱讀更多：

Luppi, Andrea I., et al. “Convergent Transcriptomic and Connectomic Controllers of Information Integration and Its Anaesthetic Breakdown across Mammalian Brains.” Nature Human Behaviour, Jan. 2026, pp. 1–26. www.nature.com, https://doi.org/10.1038/s41562-025-02381-5

確定帕金森病深部腦刺激治療的特異性腦網絡

深部腦刺激（DBS）如何精準調控大腦以改善帕金森病癥狀？由科隆大學醫院的Andreas Horn及杜塞爾多夫大學醫院的Bahne Bahners等機構研究人員組成的跨學科團隊，首次在時間和空間兩個維度上完整描繪了DBS的治療網絡，發現其關鍵在于一個在高β頻段（beta frequency band）運行的特定腦網絡，該網絡的連接強度直接預測了治療效果。

? 刺激部位（丘腦底核，STN）與大腦皮層之間β波連接的三維表示，以及連接隨時間變化的示意圖。Credit: Bahne Bahners

研究團隊通過一種創新的方法，整合了來自50名帕金森病患者的數據，同時分析了植入電極記錄的大腦深部信號和全腦腦磁圖。這使得他們能夠精確繪制出丘腦底核與大腦皮層之間的功能連接。研究發現，最有效的治療與一個連接丘腦底核和額葉腦區的特定網絡密切相關。這個網絡并非在所有頻率下都活躍，而是主要在一個相對較快的特定節律——高β頻段（20-35赫茲）——進行通信。更重要的是，該網絡在高β頻段的連接強度越高，患者運動癥狀的改善就越明顯。這一發現首次將腦成像研究中的“位置”信息與電生理學研究中的“頻率”信息結合起來，為理解DBS的治療機制提供了統一框架，并有望未來實現更個性化、更精準的電刺激參數設置，以幫助更多患者獲益。研究發表在 Brain 上。

#疾病與健康 #神經調控 #帕金森病 #深部腦刺激 #腦網絡

閱讀更多：

Bahners, Bahne H, et al. “The Deep Brain Stimulation Response Network in Parkinson’s Disease Operates in the High Beta Band.” Brain, Feb. 2026, p. awaf445. Silverchair, https://doi.org/10.1093/brain/awaf445

為何“看一眼就記住”？fMRI與iEEG聯合揭示快速感知學習的秘密

我們為何能在看到一張清晰圖片后，瞬間認出其模糊的版本？對于這種被稱為“一次性學習”的直覺閃現，其大腦機制長期成謎。紐約大學朗格尼健康中心的Biyu J. He和Eric K. Oermann等研究人員，通過一項結合了腦成像、行為學和人工智能的研究，首次精確定位了高級視覺皮層（high-level visual cortex, HLVC）是實現這一快速學習的關鍵，并揭示了其工作原理。

? 該模型展現了感知學習效應并能預測人類的學習成果。Credit: Nature Communications (2026).

研究團隊采用多重方法進行驗證。首先，他們通過行為學實驗，讓參與者觀看難以辨認的穆尼圖像（Mooney images），在展示清晰原圖后，參與者的識別能力翻倍。實驗發現，這種學習對圖像的位置和方向敏感，表明大腦存儲的先驗知識是具體的視覺模式。接著，功能磁共振成像（fMRI）掃描顯示，只有高級視覺皮層的神經活動模式與這種編碼特性相符。為了捕捉快速的神經信號，團隊利用顱內腦電圖（intracranial electroencephalography, iEEG）進一步證實，在識別過程中，HLVC是全腦最早出現信號變化的區域。最后，研究者構建了一個包含先驗模塊的視覺轉換器人工智能模型，該模型不僅成功模擬了人類的一次性學習行為，其內部表征也與HLVC的神經編碼高度相似。這項研究為理解幻覺等神經系統疾病的成因提供了新線索。研究發表在 Nature Communications 上。

#疾病與健康 #神經機制與腦功能解析 #計算模型與人工智能模擬 #認知科學 #一次性學習

閱讀更多：

Hachisuka, Ayaka, et al. “Neural and Computational Mechanisms Underlying One-Shot Perceptual Learning in Humans.” Nature Communications, vol. 17, no. 1, Feb. 2026, p. 1204. www.nature.com, https://doi.org/10.1038/s41467-026-68711-x

飲酒會改變基因？長期飲酒顛覆大腦GPR55受體表達模式

長期飲酒為何難以戒斷？西班牙神經科學研究所（埃爾切米格爾·埃爾南德斯大學與西班牙國家研究委員會聯合中心）的Jorge Manzanares和María Salud García-Gutiérrez等人進行的一項研究，通過分析長期飲酒者死后的大腦組織，揭示了酒精如何深刻改變大腦獎賞與決策中樞的基因表達，為理解酒精成癮的生物學基礎提供了新證據。

研究團隊分析了平均飲酒史長達35年的酒精使用障礙患者的死后腦組織，并與無成癮史的對照組進行比較。他們聚焦于大腦的內源性大麻素系統（endocannabinoid system，調節愉悅、動機和情緒的關鍵網絡），并檢測了兩個核心腦區——負責決策的前額葉皮層和處理獎賞的伏隔核的基因表達。結果顯示，與對照組相比，酒精使用障礙患者大腦內與成癮強化和復發風險相關的CB1受體基因表達在前額葉皮層和伏隔核分別飆升125%和78%；而具有神經保護作用的CB2受體基因則在兩區域均下降約50%，意味著大腦的防御機制被削弱。此外，研究還首次發現GPR55受體基因在兩個腦區呈現相反的變化。這些分子層面的重塑解釋了為何成癮者執行控制能力受損且極易復發，為開發靶向內源性大麻素系統的個性化治療策略指明了方向。研究發表在 Addiction 上。

#疾病與健康 #神經機制與腦功能解析 #酒精成癮 #基因表達 #內源性大麻素系統

閱讀更多：

García-Gutiérrez, María Salud, et al. “Endocannabinoid System Gene Expression in Mesocorticolimbic Brain Regions of Individuals with Alcohol Use Disorder: A Descriptive Study.” Addiction, n/a, no. n/a. Wiley Online Library, https://doi.org/10.1111/add.70293. Accessed 9 Feb. 2026

史上最大規模腦成像研究證實：恐慌癥與大腦皮層變薄有關

恐慌癥（PD）的神經基礎研究因樣本量小而結論不一。由Laura K. M. Han、Moji Aghajani及ENIGMA焦慮癥工作組（阿姆斯特丹大學醫學中心、萊頓大學等）牽頭，通過對全球近5000人的腦部掃描數據進行大型聯合分析，首次揭示了與恐慌癥相關的穩定且細微的腦結構差異。

? 與健康對照組相比，驚恐障礙患者的（A）皮質厚度較低；（B）皮質表面積較小；（C）皮質下體積較小。D 與晚發病（≥21 歲）的驚恐障礙患者相比，早發病（≤21 歲）的驚恐障礙患者的左側和右側側腦室均較大。LH：左半球，RH：右半球。Credit: Molecular Psychiatry (2026).

該研究匯總分析了1146名恐慌癥患者和3778名健康對照者的磁共振成像（MRI）數據。結果顯示，與健康人群相比，恐慌癥患者的額葉、顳葉和頂葉區域的皮質厚度更薄、皮質表面積更小。此外，其皮質下區域，特別是丘腦和尾狀核的體積也更小。這些差異在25至55歲的成年患者中尤為明顯。研究還發現，早發性恐慌癥（21歲前發病）與更大的側腦室相關。這些發現為恐慌癥的神經回路模型（涉及額葉-紋狀體-邊緣系統）提供了強有力的解剖學證據。研究發表在 Molecular Psychiatry 上。

#疾病與健康 #神經機制與腦功能解析 #心理健康與精神疾病 #大型隊列研究 #腦成像

閱讀更多：

Han, Laura K. M., et al. “Structural Brain Differences Associated with Panic Disorder: An ENIGMA-Anxiety Working Group Mega-Analysis of 4924 Individuals Worldwide.” Molecular Psychiatry, Jan. 2026, pp. 1–16. www.nature.com, https://doi.org/10.1038/s41380-025-03376-4

告別單一補充劑：整體飲食質量對青少年抑郁與焦慮干預更有效

青春期是心理健康問題高發的關鍵時期，飲食習慣在其中扮演了何種角色？來自斯旺西大學（Swansea University）的Jade E. Tucker和Hayley A. Young團隊通過一項系統性回顧研究，深入探討了飲食與青少年心理健康之間的復雜聯系。研究結果強調，相比于單一的營養補充，改善整體飲食模式對于促進青少年心理健康更為關鍵，并為未來的相關研究和公共衛生政策制定了詳細的路線圖。

該研究采用系統綜述，對截至2025年7月的19項高質量研究（包含6項干預試驗和13項隊列研究）進行了綜合分析，涵蓋了10至19歲的青少年群體。研究人員評估了包括維生素D、Omega-3脂肪酸在內的單一營養素，以及地中海飲食等整體飲食模式對心理健康的影響。結果顯示，雖然維生素D補充劑在某些研究中顯示出減少抑郁癥狀的潛力，但證據尚不一致。相比之下，健康的整體飲食模式和較高的飲食質量指數與良好的心理健康結果（如較少的抑郁癥狀和心理困擾）之間表現出更一致的關聯。研究還發現，目前的文獻多集中于抑郁癥，對焦慮、壓力和自尊等指標關注不足，且研究結果常受到性別和社會經濟地位的影響。鑒于此，團隊建議未來的臨床和公共衛生策略應優先考慮通過飲食質量的整體提升來干預青少年心理健康，而非僅僅依賴孤立的營養補充。研究發表在 Nutrients 上。

#心理健康與精神疾病 #健康管理與壽命延長 #青少年 #飲食模式 #公共衛生

閱讀更多：

Tucker, Jade E., et al. “A Recipe for Resilience: A Systematic Review of Diet and Adolescent Mental Health.” Nutrients, vol. 17, no. 23, Nov. 2025. www.mdpi.com, https://doi.org/10.3390/nu17233677

膽汁酸充當“守門人”：人體選擇性吸收好脂肪的分子機制

長期以來，人們認為人體對脂肪的吸收是一視同仁的被動過程。然而，Thomas Q. de Aguiar Vallim及其團隊（加州大學洛杉磯分校）的最新研究推翻了這一觀點，發現膽汁酸實際上是脂肪吸收的精密“守門人”。該研究揭示了人體在分子層面對“好脂肪”和“壞脂肪”的處理方式截然不同，并提出了一種通過調節膽汁酸來選擇性排出壞脂肪、保留好脂肪的潛在療法。

? Credit: Cell Metabolism (2026).

研究團隊利用CRISPR技術抑制了小鼠體內合成膽汁酸的關鍵酶（CYP7A1），并將其與服用減肥藥奧利司他（Orlistat）的小鼠進行對比。在高脂飲食下，盡管兩組小鼠排出的脂肪都增加了，但只有基因編輯組避免了體重增加且未出現食欲反彈。研究發現，這是因為未被吸收的脂肪進入腸道深處，觸發了飽腹感激素GLP-1（胰高血糖素樣肽-1）的大量分泌。更重要的是，脂質分析顯示膽汁酸并非通用的“洗滌劑”，它們對多不飽和脂肪（好脂肪）有優先親和力，而飽和脂肪（壞脂肪）則需要更高濃度的膽汁酸才能被吸收。因此，降低膽汁酸水平可以特異性地阻斷壞脂肪的吸收，同時保留對代謝有益的好脂肪。這一發現為開發針對肥胖和糖尿病的新型精準療法提供了分子基礎。研究發表在 Cell Metabolism 上。

#疾病與健康 #健康管理與壽命延長 #代謝生物學 #肥胖 #GLP-1

閱讀更多：

Chan, Alvin P., et al. “Bile Acids Regulate Lipid Metabolism through Selective Actions on Fatty Acid Absorption.” Cell Metabolism, vol. 38, no. 2, Feb. 2026, pp. 263-280.e10. www.cell.com, https://doi.org/10.1016/j.cmet.2025.11.010

AI 行業動態

IntelliFold 2發布：關鍵性能超越AlphaFold 3

在生成式科學智能浪潮中，生物基石模型被譽為“皇冠上的明珠”。近日，IntelliGen AI公司正式發布了IntelliFold 2模型，其在多項核心性能指標上實現了對DeepMind旗下AlphaFold 3的超越，為全球競爭激烈的生物計算領域投下了一枚“Answer ball”。在權威的FoldBench基準測試中，IntelliFold 2-Pro版本在抗體-抗原相互作用預測任務上取得了58.2%的成功率，較AlphaFold 3的47.9%領先超過10個百分點；在蛋白-配體共折疊任務上也以67.7%的成功率領先。這些突破意味著在藥物研發的早期虛擬篩選階段，該模型能更精準地鎖定候選分子，顯著降低實驗試錯成本。IntelliFold 2已開源其v2-Flash和v2兩個版本，旨在降低全球科研人員使用高性能生物計算模型的門檻。

IntelliFold 2的技術突破源于對生成式人工智能（GenAI）底層邏輯的創造性重構，而非單純堆疊參數或數據。其四大創新核心包括：通過潛在空間縮放技術提升模型表征能力和計算效率；引入隨機原子級表征以精細捕捉抗體等柔性結構細節；利用基于近端策略優化（PPO，Proximal Policy Optimization）的強化學習優化擴散模型采樣過程，提升預測穩定性；以及采用難度感知的損失函數，讓模型更專注于預測難點。這些設計使其能夠統一處理從結構預測到親和力預測、別構（Allosteric，指蛋白質遠端位點調節其活性的機制）靶點篩選等多種下游任務，形成了一個“預測-估計-設計”的完整閉環，展示了工業級智能藥物設計引擎的應用潛力。

#IntelliFold2 #AlphaFold3 #生成式科學智能 #蛋白質結構預測 #開源模型

閱讀更多：

https://github.com/IntelliGen-AI/IntelliFold

Claude新功能快2.5倍卻貴6倍，開發者直呼用不起

人工智能公司Anthropic近日為其頂級模型Claude Opus 4.6推出了“極速模式”（Fast Mode），此舉在開發者社區引發巨大爭議。該模式宣稱能將響應速度提升至標準模式的2.5倍，但定價策略極為激進：輸出價格從每百萬token 25美元飆升至150美元，漲幅高達600%。更引發用戶不滿的是，極速模式的消費獨立于用戶訂閱套餐額度之外，需額外付費。Anthropic官方明確表示，此模式僅提升速度，模型權重與回答質量與標準模式完全一致。這一定價策略被許多開發者指責為“吃相難看”，在社交平臺上引發了關于其究竟是“技術自信”還是“商業自殺”的廣泛討論。

盡管定價高昂，但Claude Opus 4.6本身的性能支撐了Anthropic的定價底氣。該模型在多項權威評測中均位列第一，例如在Artificial Intelligence Index v4.0綜合評分中超越OpenAI的GPT-5.2，在Arena.ai的代碼、文本、專家三大競技場全部登頂。其技術突破包括支持100萬token的超長上下文窗口，以及強大的自我糾錯能力。Anthropic內部實驗甚至展示了由16個Opus 4.6智能體協作、以極少人力干預完成編寫復雜C編譯器的壯舉。此次極速模式的推出，標志著AI行業的競爭焦點正從“能做什么”向“能多快做到”轉變。Anthropic此舉是一次大膽的市場試探，旨在評估市場為“速度”這一新維度的智能所愿意支付的溢價，其結果將深刻影響未來AI服務的商業模式。

#Claude #極速模式 #定價爭議 #Opus4.6 #AI成本

閱讀更多：

https://code.claude.com/docs/en/fast-mode#toggle-fast-mode

AI數學證明新突破：初創公司Axiom破解四道長期未解難題

人工智能在深度推理領域取得重要進展。近日，由前弗吉尼亞大學教授Ken Ono等人加盟的AI初創公司Axiom宣布，其開發的數學證明AI系統AxiomProver成功破解了四個長期未被解決的數學問題。其中最具代表性的是解決了由數學家Dawei Chen和Quentin Gendron五年前提出的“陳-讓德龍猜想”（Chen-Gendron conjecture），該猜想涉及代數幾何與數論的一個關聯公式。AI不僅獨立完成了該證明，還利用名為Lean的數學語言自行進行了驗證。此外，AxiomProver還完全獨立地證明了關于“syzygies”（數學中表示代數關系序列的術語）的“費爾猜想”（Fel's Conjecture），該猜想甚至與數學傳奇人物Srinivasa Ramanujan百年前的筆記公式相關。

這一系列成果標志著AI作為“智能伙伴”輔助前沿數學研究的范式正在形成。Axiom的方法并非簡單檢索文獻，而是將大語言模型與專為數學推理訓練的AxiomProver系統結合，能產生可驗證的新穎證明路徑。哈佛商學院教授Scott Kominers評價其證明過程與結果均“令人驚嘆”。除了推動純數學發展，此類技術也具有重要的潛在商業價值。例如，相同的“可證明正確”的AI驗證邏輯可用于開發更能抵御網絡攻擊的高可靠性軟件代碼。Axiom的CEO Carina Hong認為，數學是絕佳的“試驗場”，相關技術未來將孕育高價值應用。正如Chen所言，AI不會使數學家遺忘“乘法表”，反而將為數學研究開啟更廣闊的視野。

#Axiom #AI數學證明 #陳讓德龍猜想 #自動推理 #Lean

閱讀更多：

https://arxiv.org/abs/2602.03716

AI 驅動科學

Nature：跨學科團隊宣稱通用人工智能已至：當前大模型滿足關鍵測試標準

通用人工智能是遙不可及的未來，還是已經發生的現實？Eddy Keming Chen、Mikhail Belkin、Leon Bergen和David Danks（加州大學圣地亞哥分校）組成的跨學科團隊給出了驚人的結論：按照合理的標準，通用人工智能已經到來。這項研究挑戰了認為AI必須達到完美或擁有超級智能才算AGI的傳統觀點，主張從認知能力的廣度與深度來評估機器智能。

研究團隊通過哲學、計算機科學和認知科學的視角，重新審視了通用智能的定義。他們指出，不應將AGI與“超級智能”混為一談，也不應要求機器具備連人類個體都無法達到的全知全能。研究引用了2025年3月的一項數據，顯示大語言模型GPT-4.5在圖靈測試中被誤判為人類的概率高達73%，表現優于真實人類。此外，AI在國際數學奧林匹克競賽中奪金、解決博士級難題等事實，標志著其已達到“專家層級”。針對批評者提出的“隨機鸚鵡”（stochastic parrot）理論——即AI只是在沒有理解的情況下重組概率模式——團隊反駁稱，現有模型能夠解決全新的數學問題并進行反事實推理，證明其內部已建立了功能性的世界模型。作者強調，就像霍金雖受身體局限但智慧超群一樣，缺乏實體或自主性并不妨礙AI擁有智能。研究發表在 Nature 上。

#認知科學 #計算模型與人工智能模擬 #大模型技術 #通用人工智能 #圖靈測試

閱讀更多：

Chen, Eddy Keming, et al. “Does AI Already Have Human-Level Intelligence? The Evidence Is Clear.” Nature, vol. 650, no. 8100, Feb. 2026, pp. 36–40. www.nature.com, https://doi.org/10.1038/d41586-026-00285-6

給海星背上3D打印書包：海星管足的局部反饋機制啟發軟體機器人設計

沒有大腦如何協調四肢？Amandine Deridoux、Eva Kanso和Sylvain Gabriele團隊（南加州大學、蒙斯大學）通過研究海星揭示了這一謎題。他們發現海星的數百個管足并非由中央神經系統指揮，而是依靠每個管足對局部機械力的獨立反應來實現整體的自適應運動。這一發現為設計更具韌性的自主機器人提供了重要的生物學藍圖。

? 俯視圖，圖中是背著 3D 打印背包的紅海星（Asterias rubens）。

研究團隊設計了一系列精巧的實驗。他們為海星制作了特殊的3D打印“背包”以增加其體重負荷，并進行了倒置運動測試。利用受抑全內反射（FTIR）成像技術，研究人員能夠實時觀察并量化單個管足與接觸面的附著情況。實驗結果顯示，海星管足的運動具有高度的獨立性和適應性：當感受到負荷增加時，管足會自動延長附著時間以增加抓地力；在倒置狀態下，它們也會相應調整接觸行為。

團隊建立的生物力學模型進一步證實，這種協調運動源于一種分布式的反饋機制。每個管足就像一個獨立的傳感器和執行器，根據局部的機械應變決定何時附著或松開。這種通過身體力學耦合實現的去中心化控制，使得海星即使在部分管足失效或環境突變時，仍能保持穩定的運動能力。這為開發能夠在極端環境中工作的軟體機器人提供了全新的思路。研究發表在 PNAS 上。

#認知科學 #機器人及其進展 #仿生學 #去中心化控制 #生物力學

閱讀更多：

Deridoux, Amandine, et al. “Tube Feet Dynamics Drive Adaptation in Sea Star Locomotion.” Proceedings of the National Academy of Sciences, vol. 123, no. 3, Jan. 2026, p. e2509681123. pnas.org (Atypon), https://doi.org/10.1073/pnas.2509681123

密歇根大學開發AI模型Prima，數秒內診斷腦部疾病準確率高達97.5%

隨著全球MRI檢查需求激增，放射科醫生面臨著巨大的工作負荷，導致診斷報告延遲和潛在的誤診風險。Todd Hollon、Yiwei Lyu和Samir Harake等人（密歇根大學）開發了一種名為“Prima”的人工智能模型。該團隊旨在通過整合醫療系統規模的數據，創建一個能夠輔助醫生快速、精準解讀腦部影像的“副駕駛”工具。

? 在臨床背景下可解釋的 Prima 預測。Credit: Nature Biomedical Engineering (2026).

Prima是一種視覺語言模型，也是神經影像領域的首個基礎模型。與以往僅依賴小規模人工整理數據進行特定任務訓練的模型不同，研究團隊使用了超過20萬項完整的MRI檢查和560萬個圖像序列，結合患者的臨床病史和醫生開單原因對Prima進行訓練。在一項涉及近3萬例MRI檢查的測試中，Prima展現了驚人的性能：它能在幾秒鐘內完成讀取和診斷，對神經系統疾病的檢測準確率高達97.5%（平均AUC為92.0%），優于現有的最先進模型。此外，Prima具備臨床分流能力，能自動識別腦出血或中風等緊急情況并向相關專科醫生發送警報，同時提供可解釋的診斷建議。研究人員認為，這項技術有望緩解醫療資源短缺問題，改善診斷流程。研究發表在 Nature Biomedical Engineering 上。

#疾病與健康 #大模型技術 #醫學影像 #人工智能 #神經系統疾病

閱讀更多：

Lyu, Yiwei, et al. “Learning Neuroimaging Models from Health System-Scale Data.” Nature Biomedical Engineering, Feb. 2026, pp. 1–13. www.nature.com, https://doi.org/10.1038/s41551-025-01608-0

自校準AI系統突破生成式視頻時長限制與訓練瓶頸

生成式AI在視頻創作領域長期受困于“漂移”問題——視頻播放幾十秒后畫面便會崩壞且邏輯混亂。瑞士洛桑聯邦理工學院（EPFL）的Alexandre Alahi教授、李武陽博士及Yasaman Haghighi等人組成的研究團隊（VITA實驗室），開發了兩種突破性技術：能夠消除時間限制的“Stable Video Infinity”系統，以及一種名為“LayerSync”的高效訓練方法。這些成果不僅解決了視頻生成的連貫性問題，還大幅降低了模型訓練對外部資源的依賴。

為了解決視頻漂移，研究團隊采用了一種“誤差循環再訓練”（error recycling）的策略。通過將模型生成過程中的錯誤畫面反饋回訓練系統，迫使AI學習如何在輸入不完美數據的情況下“重回正軌”，從而實現了時長無限且邏輯連貫的視頻生成。同時，團隊還提出了LayerSync（層同步）技術，利用擴散模型內部深層網絡對語義理解更深刻的特點，以此作為“內部導師”來指導淺層網絡的學習。這種“自我對齊”機制無需借助昂貴的外部預訓練模型。實驗數據顯示，LayerSync在圖像生成任務中將訓練速度提升了8.75倍，質量提升23.6%，并在音頻和動作生成等多個領域驗證了其有效性。研究相關論文發表在 arXiv 預印本平臺上，并將于2026年4月在 International Conference on Learning Representations 上展示。

#大模型技術 #計算模型與人工智能模擬 #生成式AI #視頻生成

閱讀更多：

Haghighi, Yasaman, et al. “LayerSync: Self-Aligning Intermediate Layers.” arXiv:2510.12581, arXiv, 14 Oct. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2510.12581

音樂與同理心語音結合增強人機情感連接

孤獨感已成為影響現代人特別是老年群體心理健康的重要因素，而能夠提供情感支持的機器人被視為潛在的解決方案。為了提升人機互動的溫度，Johan F. Hoorn和Ivy S. Huang（香港理工大學、香港中文大學）組成的團隊進行了一項創新研究，旨在探究如何通過結合音樂與語音來增強機器人的情感共鳴能力，并觀察這種影響在長期互動中的變化。

研究團隊設計了一個屏幕上的NAO機器人，并招募了講粵語的參與者進行了為期兩周、共三次的重復互動實驗。研究發現，當機器人同時使用富有同理心的語音和背景音樂時，參與者感知到的同理心最為強烈，這種多模態方法產生了相互強化效應。盡管數據顯示，隨著時間的推移，用戶對機器人最初的情感聯結和感知到的同理心會逐漸消退，但音樂的加入產生了一個意想不到的積極效果：它讓機器人在后續互動中顯得更加“真實”且與用戶個人更“相關”。這種體驗類似于人類咨詢師利用音樂安撫客戶，使得機器人看起來更具人格化。此外，研究還發現對于極度孤獨的個體，機器人的單純存在本身就具有顯著的陪伴意義。這些發現表明，為了維持長期的陪伴效果，未來的機器人設計需要具備適應性，能夠根據用戶的反饋調整音樂和對話策略。研究發表在 ACM Transactions on Human-Robot Interaction 上。

#疾病與健康 #心理健康與精神疾病 #機器人及其進展 #情感計算 #人機交互

閱讀更多：

Huang, Ivy S., and Johan F. Hoorn. “A Talking Musical Robot over Multiple Interactions: After Bonding and Empathy Fade, Relevance and Realism Arise.” J. Hum.-Robot Interact., vol. 15, no. 1, Oct. 2025, p. 18:1-18:38. ACM Digital Library, https://doi.org/10.1145/3758102

生成式AI與胞內篩選結合，實現RNA適配體單輪高效進化

如何擺脫傳統核酸適配體篩選中繁瑣的多輪迭代，并確保其在細胞內的真實活性？王宇研究員帶領的團隊（中國科學院深圳先進技術研究院合成生物學研究所等）給出了革命性的答案。他們將生成式人工智能與胞內篩選技術相結合，開發了一套全新的進化框架，僅需一輪實驗即可獲得高質量的RNA適配體，這一成果得到了諾貝爾獎得主、核酸適配體領域開創者Jack Szostak的高度評價。

該研究團隊提出了一種名為GRAPE-LM的生成式AI框架，通過將“物理進化”與“數字優化”相結合，實現了RNA適配體的高效發現。研究人員首先利用CRISmers（一種基于CRISPR-Cas的胞內篩選系統）在細胞內完成一輪篩選，捕捉具有生物學活性的種子序列。隨后，GRAPE-LM利用基于Transformer架構的條件自編碼器和核酸語言模型，以這些胞內篩選數據為引導，在龐大的序列空間中進行數字化推演和優化。實驗結果顯示，該方法在針對人T細胞受體CD3ε、新冠病毒刺突蛋白RBD以及致癌轉錄因子c-Myc等不同類型的靶標時，僅用一輪篩選便獲得了優于傳統多輪方法（SELEX）的適配體。此外，該技術將起始文庫需求量降低了數百萬倍，成功打破了胞內篩選通量受限的瓶頸，為核酸藥物和探針的開發提供了強大的新范式。研究發表在 Nature Biotechnology 上。

#AI 驅動科學 #大模型技術 #RNA適配體 #合成生物學 #生成式AI

閱讀更多：

Zhang, Jun, et al. “Single-Round Evolution of RNA Aptamers with GRAPE-LM.” Nature Biotechnology, Feb. 2026, pp. 1–13. www.nature.com, https://doi.org/10.1038/s41587-026-03007-5

Nature：像創可貼一樣的柔性AI芯片：FLEXI實現低成本端側智能

如何讓貼在皮膚上的柔性貼片擁有像智能手機一樣的分析能力，同時還能保持低功耗和低成本？針對這一難題，任天令教授、劉仿釔副研究員（清華大學集成電路學院）與顏博南研究員（北京大學人工智能研究院）合作，開發了一種全新的解決方案。他們通過跨層協同優化策略，成功突破了柔性電子在高性能與低功耗之間難以兼顧的瓶頸，研制出了一款名為FLEXI的柔性芯片，為未來的可穿戴醫療和智能機器人提供了強大的“柔性大腦”。

該研究采用了一種全方位的跨層優化方法。在底層制造上，團隊利用成熟的低溫多晶硅薄膜晶體管（LTPS-TFT）工藝，通過特定處理賦予芯片堅固而柔韌的“骨骼”；在電路層面，創新性地應用了數字存內計算架構，即讓數據在存儲的地方直接進行計算，從而消除了傳統架構中數據搬運帶來的巨大能耗和延遲。此外，團隊還通過算法優化將AI模型壓縮，使其能高效部署在僅有指甲蓋大小的柔性芯片上。實驗結果顯示，FLEXI芯片在心律失常檢測中準確率高達99.2%，且在經歷超過4萬次彎折后性能依然穩定。其單顆制造成本不到一毛錢人民幣，功耗極低，極具大規模商業化潛力。研究發表在 Nature 上。

#疾病與健康 #跨學科整合 #柔性電子 #存內計算 #端側智能

閱讀更多：

Yan, Anzhi, et al. “A Flexible Digital Compute-in-Memory Chip for Edge Intelligence.” Nature, vol. 649, no. 8099, Jan. 2026, pp. 1165–71. www.nature.com, https://doi.org/10.1038/s41586-025-09931-x

模擬思維能否永生？“步驟-結構原則”挑戰腦仿真中的圖靈等價性

隨著全腦仿真和意識上傳從科幻構想走向技術探討，一個核心假設正面臨嚴峻挑戰：數字計算機真的能承載人類意識嗎？Chris Percy（共感知倡議，The Co-Sentience Initiative）發表最新研究，質疑了支撐“思維上傳”的關鍵基石——圖靈等價性，并指出目前的數字化路徑可能存在根本性的安全隱患。

Chris Percy在研究中引入了“步驟-結構原則”（Step-Structure Principle），指出雖然圖靈機可以模擬任何計算功能的輸入和輸出行為，但它并不保留計算的“步驟結構”，即計算步驟的數量、輸入輸出的組織方式以及信息處理密度。簡而言之，模擬“做什么”并不等同于保留了“怎么做”。如果大腦的意識產生依賴于特定的模擬結構而非單純的邏輯運算，那么基于數字架構的腦仿真可能創造出行為上與人無異、但內部毫無知覺的“哲學僵尸”。

作者提出了三個支持“步驟結構”關乎意識的論據：復雜系統的計算不可簡化性、神經科學中觀察到的類似相變的閾值效應，以及意識體驗中的現象結合問題。研究警告稱，如果忽視這一區別，人類可能會為了追求數字永生而陷入一種原本可以避免的生存性風險——將自己替換為毫無意識的代碼。論文呼吁在推進腦上傳技術前，通過神經科學和計算建模的對抗性合作，對這一原則進行嚴格的實證測試。該研究作為白皮書發布在 The Co-Sentience Initiative 上。

#意識與腦機接口 #計算模型與人工智能模擬 #神經機制與腦功能解析 #跨學科整合

閱讀更多：

https://philarchive.org/rec/PERCAM-13

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。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。您也可以在后臺提問，我們將基于追問知識庫為你做出智能回復哦~

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。

研究院在華山醫院、上海市精神衛生中心分別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陳天橋雒芊芊神經科學研究院。

研究院還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、、、科普視頻媒體「大圓鏡」等。