追问daily | 饮酒会改变基因？Nature：跨学科团队宣称通用人工智能已至

█ 脑科学动态

Cell：癌症免疫治疗的成败，取决于一个“火花”的随机点燃

刺激丘脑可恢复麻醉大脑的信息整合

确定帕金森病深部脑刺激治疗的特异性脑网络

为何“看一眼就记住”？fMRI与iEEG联合揭示快速感知学习的秘密

饮酒会改变基因？长期饮酒颠覆大脑GPR55受体表达模式

史上最大规模脑成像研究证实：恐慌症与大脑皮层变薄有关

告别单一补充剂：整体饮食质量对青少年抑郁与焦虑干预更有效

胆汁酸充当“守门人”：人体选择性吸收好脂肪的分子机制

█ AI行业动态

IntelliFold 2发布：关键性能超越AlphaFold 3

Claude新功能快2.5倍却贵6倍，开发者直呼用不起

AI数学证明新突破：初创公司Axiom破解四道长期未解难题

█ AI驱动科学

Nature：跨学科团队宣称通用人工智能已至

Nature：像创可贴一样的柔性AI芯片：FLEXI实现低成本端侧智能

海星管足的局部反馈机制启发软体机器人设计

AI模型Prima，数秒内诊断脑部疾病准确率高达97.5%

自校准AI系统突破生成式视频时长限制与训练瓶颈

音乐与同理心语音结合增强人机情感连接

生成式AI与胞内筛选结合，实现RNA适配体单轮高效进化

模拟思维能否永生？“步骤-结构原则”挑战脑仿真中的图灵等价性

脑科学动态

Cell：癌症免疫治疗的成败，取决于一个“火花”的随机点燃

为何癌症免疫治疗的效果时常如“开盲盒”般难以预测？美国国家癌症研究中心的Grégoire Altan-Bonnet, Emanuel Salazar-Cavazos等研究人员揭示了这一现象背后的关键机制。他们发现，治疗的成功与否，很大程度上取决于一种极其罕见但功能强大的“火花T细胞”（Spark T cells）的随机激活，这一发现为预测和提升免疫治疗疗效开辟了新途径。

▷ Credit: Cell Stem Cell (2026).

研究团队通过数千次条件完全相同的体外实验发现，T细胞对癌细胞的杀伤结果表现出巨大的随机性。通过结合数学模型和一种名为Sto/CS的单细胞分析技术，他们成功识别出驱动这种随机性的关键角色——“火花T细胞”。该细胞亚群极为稀有，约占总T细胞的万分之四到万分之十。它的独特之处在于，一旦识别出癌细胞，就能迅速释放大量干扰素-γ（IFN-γ，一种关键的免疫信号分子），像火花一样点燃周围其他T细胞的“战意”，从而启动一场燎原之火般的免疫风暴。这种快速反应能力源于其独特的表观遗传状态，即IFN-γ基因位点随时处于待命的“开放”状态。更重要的是，研究者发现，肿瘤样本中“火花T细胞”的特征信号越强，患者对免疫检查点抑制剂的治疗响应就越好。这一成果不仅解释了免疫治疗的内在随机性，也为开发更精准的生物标志物和新一代细胞疗法提供了理论基础。

#疾病与健康 #个性化医疗 #癌症免疫治疗 #T细胞 #生物标志物

阅读更多：

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

刺激丘脑可恢复麻醉大脑的信息整合

意识的本质是什么，大脑又是如何将其“开启”或“关闭”的？剑桥大学、牛津大学和麦吉尔大学的Andrea Luppi及其国际合作团队通过一项跨物种研究发现，意识的关键在于大脑不同区域能否协同工作，而位于大脑深处的中央丘脑扮演着“交响乐指挥家”的角色，能够重启被麻醉“静音”的大脑。

▷ 将神经影像学、药理学与计算建模相结合，应用于不同物种的研究。Credit: Nature Human Behaviour (2026).

研究团队利用功能性磁共振成像（fMRI）比较了人类、猕猴、狨猴和小鼠在清醒与麻醉状态下的大脑活动。他们发现，清醒的大脑如同一个高度协作的交响乐团，各脑区信息高度整合；而麻醉后，这种协同作用消失，大脑活动变得支离破碎。关键性的突破在于，当研究人员对麻醉中的猕猴进行中央丘脑深部脑刺激时，大脑的“交响乐”被重新奏响，信息整合得以恢复，动物也随之苏醒。为了探究其深层机制，团队结合了脑连接图谱和基因表达数据，构建了计算模型。分析表明，信息整合的崩溃与PVALB基因（一种调控神经抑制的基因）的表达模式密切相关，而中央丘脑因其广泛的结构连接，使其成为恢复全脑信息整合的最优控制节点。这项研究揭示了哺乳动物大脑中控制意识的进化保守机制。研究发表在 Nature Human Behaviour 上。

#意识与脑机接口 #神经机制与脑功能解析 #跨学科整合 #计算模型与人工智能模拟

阅读更多：

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

确定帕金森病深部脑刺激治疗的特异性脑网络

深部脑刺激（DBS）如何精准调控大脑以改善帕金森病症状？由科隆大学医院的Andreas Horn及杜塞尔多夫大学医院的Bahne Bahners等机构研究人员组成的跨学科团队，首次在时间和空间两个维度上完整描绘了DBS的治疗网络，发现其关键在于一个在高β频段（beta frequency band）运行的特定脑网络，该网络的连接强度直接预测了治疗效果。

▷ 刺激部位（丘脑底核，STN）与大脑皮层之间β波连接的三维表示，以及连接随时间变化的示意图。Credit: Bahne Bahners

研究团队通过一种创新的方法，整合了来自50名帕金森病患者的数据，同时分析了植入电极记录的大脑深部信号和全脑脑磁图。这使得他们能够精确绘制出丘脑底核与大脑皮层之间的功能连接。研究发现，最有效的治疗与一个连接丘脑底核和额叶脑区的特定网络密切相关。这个网络并非在所有频率下都活跃，而是主要在一个相对较快的特定节律——高β频段（20-35赫兹）——进行通信。更重要的是，该网络在高β频段的连接强度越高，患者运动症状的改善就越明显。这一发现首次将脑成像研究中的“位置”信息与电生理学研究中的“频率”信息结合起来，为理解DBS的治疗机制提供了统一框架，并有望未来实现更个性化、更精准的电刺激参数设置，以帮助更多患者获益。研究发表在 Brain 上。

#疾病与健康 #神经调控 #帕金森病 #深部脑刺激 #脑网络

阅读更多：

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

为何“看一眼就记住”？fMRI与iEEG联合揭示快速感知学习的秘密

我们为何能在看到一张清晰图片后，瞬间认出其模糊的版本？对于这种被称为“一次性学习”的直觉闪现，其大脑机制长期成谜。纽约大学朗格尼健康中心的Biyu J. He和Eric K. Oermann等研究人员，通过一项结合了脑成像、行为学和人工智能的研究，首次精确定位了高级视觉皮层（high-level visual cortex, HLVC）是实现这一快速学习的关键，并揭示了其工作原理。

▷ 该模型展现了感知学习效应并能预测人类的学习成果。Credit: Nature Communications (2026).

研究团队采用多重方法进行验证。首先，他们通过行为学实验，让参与者观看难以辨认的穆尼图像（Mooney images），在展示清晰原图后，参与者的识别能力翻倍。实验发现，这种学习对图像的位置和方向敏感，表明大脑存储的先验知识是具体的视觉模式。接着，功能磁共振成像（fMRI）扫描显示，只有高级视觉皮层的神经活动模式与这种编码特性相符。为了捕捉快速的神经信号，团队利用颅内脑电图（intracranial electroencephalography, iEEG）进一步证实，在识别过程中，HLVC是全脑最早出现信号变化的区域。最后，研究者构建了一个包含先验模块的视觉转换器人工智能模型，该模型不仅成功模拟了人类的一次性学习行为，其内部表征也与HLVC的神经编码高度相似。这项研究为理解幻觉等神经系统疾病的成因提供了新线索。研究发表在 Nature Communications 上。

#疾病与健康 #神经机制与脑功能解析 #计算模型与人工智能模拟 #认知科学 #一次性学习

阅读更多：

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

饮酒会改变基因？长期饮酒颠覆大脑GPR55受体表达模式

长期饮酒为何难以戒断？西班牙神经科学研究所（埃尔切米格尔·埃尔南德斯大学与西班牙国家研究委员会联合中心）的Jorge Manzanares和María Salud García-Gutiérrez等人进行的一项研究，通过分析长期饮酒者死后的大脑组织，揭示了酒精如何深刻改变大脑奖赏与决策中枢的基因表达，为理解酒精成瘾的生物学基础提供了新证据。

研究团队分析了平均饮酒史长达35年的酒精使用障碍患者的死后脑组织，并与无成瘾史的对照组进行比较。他们聚焦于大脑的内源性大麻素系统（endocannabinoid system，调节愉悦、动机和情绪的关键网络），并检测了两个核心脑区——负责决策的前额叶皮层和处理奖赏的伏隔核的基因表达。结果显示，与对照组相比，酒精使用障碍患者大脑内与成瘾强化和复发风险相关的CB1受体基因表达在前额叶皮层和伏隔核分别飙升125%和78%；而具有神经保护作用的CB2受体基因则在两区域均下降约50%，意味着大脑的防御机制被削弱。此外，研究还首次发现GPR55受体基因在两个脑区呈现相反的变化。这些分子层面的重塑解释了为何成瘾者执行控制能力受损且极易复发，为开发靶向内源性大麻素系统的个性化治疗策略指明了方向。研究发表在 Addiction 上。

#疾病与健康 #神经机制与脑功能解析 #酒精成瘾 #基因表达 #内源性大麻素系统

阅读更多：

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

史上最大规模脑成像研究证实：恐慌症与大脑皮层变薄有关

恐慌症（PD）的神经基础研究因样本量小而结论不一。由Laura K. M. Han、Moji Aghajani及ENIGMA焦虑症工作组（阿姆斯特丹大学医学中心、莱顿大学等）牵头，通过对全球近5000人的脑部扫描数据进行大型联合分析，首次揭示了与恐慌症相关的稳定且细微的脑结构差异。

▷ 与健康对照组相比，惊恐障碍患者的（A）皮质厚度较低；（B）皮质表面积较小；（C）皮质下体积较小。D 与晚发病（≥21 岁）的惊恐障碍患者相比，早发病（≤21 岁）的惊恐障碍患者的左侧和右侧侧脑室均较大。LH：左半球，RH：右半球。Credit: Molecular Psychiatry (2026).

该研究汇总分析了1146名恐慌症患者和3778名健康对照者的磁共振成像（MRI）数据。结果显示，与健康人群相比，恐慌症患者的额叶、颞叶和顶叶区域的皮质厚度更薄、皮质表面积更小。此外，其皮质下区域，特别是丘脑和尾状核的体积也更小。这些差异在25至55岁的成年患者中尤为明显。研究还发现，早发性恐慌症（21岁前发病）与更大的侧脑室相关。这些发现为恐慌症的神经回路模型（涉及额叶-纹状体-边缘系统）提供了强有力的解剖学证据。研究发表在 Molecular Psychiatry 上。

#疾病与健康 #神经机制与脑功能解析 #心理健康与精神疾病 #大型队列研究 #脑成像

阅读更多：

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

告别单一补充剂：整体饮食质量对青少年抑郁与焦虑干预更有效

青春期是心理健康问题高发的关键时期，饮食习惯在其中扮演了何种角色？来自斯旺西大学（Swansea University）的Jade E. Tucker和Hayley A. Young团队通过一项系统性回顾研究，深入探讨了饮食与青少年心理健康之间的复杂联系。研究结果强调，相比于单一的营养补充，改善整体饮食模式对于促进青少年心理健康更为关键，并为未来的相关研究和公共卫生政策制定了详细的路线图。

该研究采用系统综述，对截至2025年7月的19项高质量研究（包含6项干预试验和13项队列研究）进行了综合分析，涵盖了10至19岁的青少年群体。研究人员评估了包括维生素D、Omega-3脂肪酸在内的单一营养素，以及地中海饮食等整体饮食模式对心理健康的影响。结果显示，虽然维生素D补充剂在某些研究中显示出减少抑郁症状的潜力，但证据尚不一致。相比之下，健康的整体饮食模式和较高的饮食质量指数与良好的心理健康结果（如较少的抑郁症状和心理困扰）之间表现出更一致的关联。研究还发现，目前的文献多集中于抑郁症，对焦虑、压力和自尊等指标关注不足，且研究结果常受到性别和社会经济地位的影响。鉴于此，团队建议未来的临床和公共卫生策略应优先考虑通过饮食质量的整体提升来干预青少年心理健康，而非仅仅依赖孤立的营养补充。研究发表在 Nutrients 上。

#心理健康与精神疾病 #健康管理与寿命延长 #青少年 #饮食模式 #公共卫生

阅读更多：

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

胆汁酸充当“守门人”：人体选择性吸收好脂肪的分子机制

长期以来，人们认为人体对脂肪的吸收是一视同仁的被动过程。然而，Thomas Q. de Aguiar Vallim及其团队（加州大学洛杉矶分校）的最新研究推翻了这一观点，发现胆汁酸实际上是脂肪吸收的精密“守门人”。该研究揭示了人体在分子层面对“好脂肪”和“坏脂肪”的处理方式截然不同，并提出了一种通过调节胆汁酸来选择性排出坏脂肪、保留好脂肪的潜在疗法。

▷ Credit: Cell Metabolism (2026).

研究团队利用CRISPR技术抑制了小鼠体内合成胆汁酸的关键酶（CYP7A1），并将其与服用减肥药奥利司他（Orlistat）的小鼠进行对比。在高脂饮食下，尽管两组小鼠排出的脂肪都增加了，但只有基因编辑组避免了体重增加且未出现食欲反弹。研究发现，这是因为未被吸收的脂肪进入肠道深处，触发了饱腹感激素GLP-1（胰高血糖素样肽-1）的大量分泌。更重要的是，脂质分析显示胆汁酸并非通用的“洗涤剂”，它们对多不饱和脂肪（好脂肪）有优先亲和力，而饱和脂肪（坏脂肪）则需要更高浓度的胆汁酸才能被吸收。因此，降低胆汁酸水平可以特异性地阻断坏脂肪的吸收，同时保留对代谢有益的好脂肪。这一发现为开发针对肥胖和糖尿病的新型精准疗法提供了分子基础。研究发表在 Cell Metabolism 上。

#疾病与健康 #健康管理与寿命延长 #代谢生物学 #肥胖 #GLP-1

阅读更多：

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 行业动态

IntelliFold 2发布：关键性能超越AlphaFold 3

在生成式科学智能浪潮中，生物基石模型被誉为“皇冠上的明珠”。近日，IntelliGen AI公司正式发布了IntelliFold 2模型，其在多项核心性能指标上实现了对DeepMind旗下AlphaFold 3的超越，为全球竞争激烈的生物计算领域投下了一枚“Answer ball”。在权威的FoldBench基准测试中，IntelliFold 2-Pro版本在抗体-抗原相互作用预测任务上取得了58.2%的成功率，较AlphaFold 3的47.9%领先超过10个百分点；在蛋白-配体共折叠任务上也以67.7%的成功率领先。这些突破意味着在药物研发的早期虚拟筛选阶段，该模型能更精准地锁定候选分子，显著降低实验试错成本。IntelliFold 2已开源其v2-Flash和v2两个版本，旨在降低全球科研人员使用高性能生物计算模型的门槛。

IntelliFold 2的技术突破源于对生成式人工智能（GenAI）底层逻辑的创造性重构，而非单纯堆叠参数或数据。其四大创新核心包括：通过潜在空间缩放技术提升模型表征能力和计算效率；引入随机原子级表征以精细捕捉抗体等柔性结构细节；利用基于近端策略优化（PPO，Proximal Policy Optimization）的强化学习优化扩散模型采样过程，提升预测稳定性；以及采用难度感知的损失函数，让模型更专注于预测难点。这些设计使其能够统一处理从结构预测到亲和力预测、别构（Allosteric，指蛋白质远端位点调节其活性的机制）靶点筛选等多种下游任务，形成了一个“预测-估计-设计”的完整闭环，展示了工业级智能药物设计引擎的应用潜力。

#IntelliFold2 #AlphaFold3 #生成式科学智能 #蛋白质结构预测 #开源模型

阅读更多：

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

Claude新功能快2.5倍却贵6倍，开发者直呼用不起

人工智能公司Anthropic近日为其顶级模型Claude Opus 4.6推出了“极速模式”（Fast Mode），此举在开发者社区引发巨大争议。该模式宣称能将响应速度提升至标准模式的2.5倍，但定价策略极为激进：输出价格从每百万token 25美元飙升至150美元，涨幅高达600%。更引发用户不满的是，极速模式的消费独立于用户订阅套餐额度之外，需额外付费。Anthropic官方明确表示，此模式仅提升速度，模型权重与回答质量与标准模式完全一致。这一定价策略被许多开发者指责为“吃相难看”，在社交平台上引发了关于其究竟是“技术自信”还是“商业自杀”的广泛讨论。

尽管定价高昂，但Claude Opus 4.6本身的性能支撑了Anthropic的定价底气。该模型在多项权威评测中均位列第一，例如在Artificial Intelligence Index v4.0综合评分中超越OpenAI的GPT-5.2，在Arena.ai的代码、文本、专家三大竞技场全部登顶。其技术突破包括支持100万token的超长上下文窗口，以及强大的自我纠错能力。Anthropic内部实验甚至展示了由16个Opus 4.6智能体协作、以极少人力干预完成编写复杂C编译器的壮举。此次极速模式的推出，标志着AI行业的竞争焦点正从“能做什么”向“能多快做到”转变。Anthropic此举是一次大胆的市场试探，旨在评估市场为“速度”这一新维度的智能所愿意支付的溢价，其结果将深刻影响未来AI服务的商业模式。

#Claude #极速模式 #定价争议 #Opus4.6 #AI成本

阅读更多：

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

AI数学证明新突破：初创公司Axiom破解四道长期未解难题

人工智能在深度推理领域取得重要进展。近日，由前弗吉尼亚大学教授Ken Ono等人加盟的AI初创公司Axiom宣布，其开发的数学证明AI系统AxiomProver成功破解了四个长期未被解决的数学问题。其中最具代表性的是解决了由数学家Dawei Chen和Quentin Gendron五年前提出的“陈-让德龙猜想”（Chen-Gendron conjecture），该猜想涉及代数几何与数论的一个关联公式。AI不仅独立完成了该证明，还利用名为Lean的数学语言自行进行了验证。此外，AxiomProver还完全独立地证明了关于“syzygies”（数学中表示代数关系序列的术语）的“费尔猜想”（Fel's Conjecture），该猜想甚至与数学传奇人物Srinivasa Ramanujan百年前的笔记公式相关。

这一系列成果标志着AI作为“智能伙伴”辅助前沿数学研究的范式正在形成。Axiom的方法并非简单检索文献，而是将大语言模型与专为数学推理训练的AxiomProver系统结合，能产生可验证的新颖证明路径。哈佛商学院教授Scott Kominers评价其证明过程与结果均“令人惊叹”。除了推动纯数学发展，此类技术也具有重要的潜在商业价值。例如，相同的“可证明正确”的AI验证逻辑可用于开发更能抵御网络攻击的高可靠性软件代码。Axiom的CEO Carina Hong认为，数学是绝佳的“试验场”，相关技术未来将孕育高价值应用。正如Chen所言，AI不会使数学家遗忘“乘法表”，反而将为数学研究开启更广阔的视野。

#Axiom #AI数学证明 #陈让德龙猜想 #自动推理 #Lean

阅读更多：

https://arxiv.org/abs/2602.03716

AI 驱动科学

Nature：跨学科团队宣称通用人工智能已至：当前大模型满足关键测试标准

通用人工智能是遥不可及的未来，还是已经发生的现实？Eddy Keming Chen、Mikhail Belkin、Leon Bergen和David Danks（加州大学圣地亚哥分校）组成的跨学科团队给出了惊人的结论：按照合理的标准，通用人工智能已经到来。这项研究挑战了认为AI必须达到完美或拥有超级智能才算AGI的传统观点，主张从认知能力的广度与深度来评估机器智能。

研究团队通过哲学、计算机科学和认知科学的视角，重新审视了通用智能的定义。他们指出，不应将AGI与“超级智能”混为一谈，也不应要求机器具备连人类个体都无法达到的全知全能。研究引用了2025年3月的一项数据，显示大语言模型GPT-4.5在图灵测试中被误判为人类的概率高达73%，表现优于真实人类。此外，AI在国际数学奥林匹克竞赛中夺金、解决博士级难题等事实，标志着其已达到“专家层级”。针对批评者提出的“随机鹦鹉”（stochastic parrot）理论——即AI只是在没有理解的情况下重组概率模式——团队反驳称，现有模型能够解决全新的数学问题并进行反事实推理，证明其内部已建立了功能性的世界模型。作者强调，就像霍金虽受身体局限但智慧超群一样，缺乏实体或自主性并不妨碍AI拥有智能。研究发表在 Nature 上。

#认知科学 #计算模型与人工智能模拟 #大模型技术 #通用人工智能 #图灵测试

阅读更多：

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

给海星背上3D打印书包：海星管足的局部反馈机制启发软体机器人设计

没有大脑如何协调四肢？Amandine Deridoux、Eva Kanso和Sylvain Gabriele团队（南加州大学、蒙斯大学）通过研究海星揭示了这一谜题。他们发现海星的数百个管足并非由中央神经系统指挥，而是依靠每个管足对局部机械力的独立反应来实现整体的自适应运动。这一发现为设计更具韧性的自主机器人提供了重要的生物学蓝图。

▷ 俯视图，图中是背着 3D 打印背包的红海星（Asterias rubens）。

研究团队设计了一系列精巧的实验。他们为海星制作了特殊的3D打印“背包”以增加其体重负荷，并进行了倒置运动测试。利用受抑全内反射（FTIR）成像技术，研究人员能够实时观察并量化单个管足与接触面的附着情况。实验结果显示，海星管足的运动具有高度的独立性和适应性：当感受到负荷增加时，管足会自动延长附着时间以增加抓地力；在倒置状态下，它们也会相应调整接触行为。

团队建立的生物力学模型进一步证实，这种协调运动源于一种分布式的反馈机制。每个管足就像一个独立的传感器和执行器，根据局部的机械应变决定何时附着或松开。这种通过身体力学耦合实现的去中心化控制，使得海星即使在部分管足失效或环境突变时，仍能保持稳定的运动能力。这为开发能够在极端环境中工作的软体机器人提供了全新的思路。研究发表在 PNAS 上。

#认知科学 #机器人及其进展 #仿生学 #去中心化控制 #生物力学

阅读更多：

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

密歇根大学开发AI模型Prima，数秒内诊断脑部疾病准确率高达97.5%

随着全球MRI检查需求激增，放射科医生面临着巨大的工作负荷，导致诊断报告延迟和潜在的误诊风险。Todd Hollon、Yiwei Lyu和Samir Harake等人（密歇根大学）开发了一种名为“Prima”的人工智能模型。该团队旨在通过整合医疗系统规模的数据，创建一个能够辅助医生快速、精准解读脑部影像的“副驾驶”工具。

▷ 在临床背景下可解释的 Prima 预测。Credit: Nature Biomedical Engineering (2026).

Prima是一种视觉语言模型，也是神经影像领域的首个基础模型。与以往仅依赖小规模人工整理数据进行特定任务训练的模型不同，研究团队使用了超过20万项完整的MRI检查和560万个图像序列，结合患者的临床病史和医生开单原因对Prima进行训练。在一项涉及近3万例MRI检查的测试中，Prima展现了惊人的性能：它能在几秒钟内完成读取和诊断，对神经系统疾病的检测准确率高达97.5%（平均AUC为92.0%），优于现有的最先进模型。此外，Prima具备临床分流能力，能自动识别脑出血或中风等紧急情况并向相关专科医生发送警报，同时提供可解释的诊断建议。研究人员认为，这项技术有望缓解医疗资源短缺问题，改善诊断流程。研究发表在 Nature Biomedical Engineering 上。

#疾病与健康 #大模型技术 #医学影像 #人工智能 #神经系统疾病

阅读更多：

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

自校准AI系统突破生成式视频时长限制与训练瓶颈

生成式AI在视频创作领域长期受困于“漂移”问题——视频播放几十秒后画面便会崩坏且逻辑混乱。瑞士洛桑联邦理工学院（EPFL）的Alexandre Alahi教授、李武阳博士及Yasaman Haghighi等人组成的研究团队（VITA实验室），开发了两种突破性技术：能够消除时间限制的“Stable Video Infinity”系统，以及一种名为“LayerSync”的高效训练方法。这些成果不仅解决了视频生成的连贯性问题，还大幅降低了模型训练对外部资源的依赖。

为了解决视频漂移，研究团队采用了一种“误差循环再训练”（error recycling）的策略。通过将模型生成过程中的错误画面反馈回训练系统，迫使AI学习如何在输入不完美数据的情况下“重回正轨”，从而实现了时长无限且逻辑连贯的视频生成。同时，团队还提出了LayerSync（层同步）技术，利用扩散模型内部深层网络对语义理解更深刻的特点，以此作为“内部导师”来指导浅层网络的学习。这种“自我对齐”机制无需借助昂贵的外部预训练模型。实验数据显示，LayerSync在图像生成任务中将训练速度提升了8.75倍，质量提升23.6%，并在音频和动作生成等多个领域验证了其有效性。研究相关论文发表在 arXiv 预印本平台上，并将于2026年4月在 International Conference on Learning Representations 上展示。

#大模型技术 #计算模型与人工智能模拟 #生成式AI #视频生成

阅读更多：

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

音乐与同理心语音结合增强人机情感连接

孤独感已成为影响现代人特别是老年群体心理健康的重要因素，而能够提供情感支持的机器人被视为潜在的解决方案。为了提升人机互动的温度，Johan F. Hoorn和Ivy S. Huang（香港理工大学、香港中文大学）组成的团队进行了一项创新研究，旨在探究如何通过结合音乐与语音来增强机器人的情感共鸣能力，并观察这种影响在长期互动中的变化。

研究团队设计了一个屏幕上的NAO机器人，并招募了讲粤语的参与者进行了为期两周、共三次的重复互动实验。研究发现，当机器人同时使用富有同理心的语音和背景音乐时，参与者感知到的同理心最为强烈，这种多模态方法产生了相互强化效应。尽管数据显示，随着时间的推移，用户对机器人最初的情感联结和感知到的同理心会逐渐消退，但音乐的加入产生了一个意想不到的积极效果：它让机器人在后续互动中显得更加“真实”且与用户个人更“相关”。这种体验类似于人类咨询师利用音乐安抚客户，使得机器人看起来更具人格化。此外，研究还发现对于极度孤独的个体，机器人的单纯存在本身就具有显著的陪伴意义。这些发现表明，为了维持长期的陪伴效果，未来的机器人设计需要具备适应性，能够根据用户的反馈调整音乐和对话策略。研究发表在 ACM Transactions on Human-Robot Interaction 上。

#疾病与健康 #心理健康与精神疾病 #机器人及其进展 #情感计算 #人机交互

阅读更多：

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与胞内筛选结合，实现RNA适配体单轮高效进化

如何摆脱传统核酸适配体筛选中繁琐的多轮迭代，并确保其在细胞内的真实活性？王宇研究员带领的团队（中国科学院深圳先进技术研究院合成生物学研究所等）给出了革命性的答案。他们将生成式人工智能与胞内筛选技术相结合，开发了一套全新的进化框架，仅需一轮实验即可获得高质量的RNA适配体，这一成果得到了诺贝尔奖得主、核酸适配体领域开创者Jack Szostak的高度评价。

该研究团队提出了一种名为GRAPE-LM的生成式AI框架，通过将“物理进化”与“数字优化”相结合，实现了RNA适配体的高效发现。研究人员首先利用CRISmers（一种基于CRISPR-Cas的胞内筛选系统）在细胞内完成一轮筛选，捕捉具有生物学活性的种子序列。随后，GRAPE-LM利用基于Transformer架构的条件自编码器和核酸语言模型，以这些胞内筛选数据为引导，在庞大的序列空间中进行数字化推演和优化。实验结果显示，该方法在针对人T细胞受体CD3ε、新冠病毒刺突蛋白RBD以及致癌转录因子c-Myc等不同类型的靶标时，仅用一轮筛选便获得了优于传统多轮方法（SELEX）的适配体。此外，该技术将起始文库需求量降低了数百万倍，成功打破了胞内筛选通量受限的瓶颈，为核酸药物和探针的开发提供了强大的新范式。研究发表在 Nature Biotechnology 上。

#AI 驱动科学 #大模型技术 #RNA适配体 #合成生物学 #生成式AI

阅读更多：

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：像创可贴一样的柔性AI芯片：FLEXI实现低成本端侧智能

如何让贴在皮肤上的柔性贴片拥有像智能手机一样的分析能力，同时还能保持低功耗和低成本？针对这一难题，任天令教授、刘仿钇副研究员（清华大学集成电路学院）与颜博南研究员（北京大学人工智能研究院）合作，开发了一种全新的解决方案。他们通过跨层协同优化策略，成功突破了柔性电子在高性能与低功耗之间难以兼顾的瓶颈，研制出了一款名为FLEXI的柔性芯片，为未来的可穿戴医疗和智能机器人提供了强大的“柔性大脑”。

该研究采用了一种全方位的跨层优化方法。在底层制造上，团队利用成熟的低温多晶硅薄膜晶体管（LTPS-TFT）工艺，通过特定处理赋予芯片坚固而柔韧的“骨骼”；在电路层面，创新性地应用了数字存内计算架构，即让数据在存储的地方直接进行计算，从而消除了传统架构中数据搬运带来的巨大能耗和延迟。此外，团队还通过算法优化将AI模型压缩，使其能高效部署在仅有指甲盖大小的柔性芯片上。实验结果显示，FLEXI芯片在心律失常检测中准确率高达99.2%，且在经历超过4万次弯折后性能依然稳定。其单颗制造成本不到一毛钱人民币，功耗极低，极具大规模商业化潜力。研究发表在 Nature 上。

#疾病与健康 #跨学科整合 #柔性电子 #存内计算 #端侧智能

阅读更多：

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

模拟思维能否永生？“步骤-结构原则”挑战脑仿真中的图灵等价性

随着全脑仿真和意识上传从科幻构想走向技术探讨，一个核心假设正面临严峻挑战：数字计算机真的能承载人类意识吗？Chris Percy（共感知倡议，The Co-Sentience Initiative）发表最新研究，质疑了支撑“思维上传”的关键基石——图灵等价性，并指出目前的数字化路径可能存在根本性的安全隐患。

Chris Percy在研究中引入了“步骤-结构原则”（Step-Structure Principle），指出虽然图灵机可以模拟任何计算功能的输入和输出行为，但它并不保留计算的“步骤结构”，即计算步骤的数量、输入输出的组织方式以及信息处理密度。简而言之，模拟“做什么”并不等同于保留了“怎么做”。如果大脑的意识产生依赖于特定的模拟结构而非单纯的逻辑运算，那么基于数字架构的脑仿真可能创造出行为上与人无异、但内部毫无知觉的“哲学僵尸”。

作者提出了三个支持“步骤结构”关乎意识的论据：复杂系统的计算不可简化性、神经科学中观察到的类似相变的阈值效应，以及意识体验中的现象结合问题。研究警告称，如果忽视这一区别，人类可能会为了追求数字永生而陷入一种原本可以避免的生存性风险——将自己替换为毫无意识的代码。论文呼吁在推进脑上传技术前，通过神经科学和计算建模的对抗性合作，对这一原则进行严格的实证测试。该研究作为白皮书发布在 The Co-Sentience Initiative 上。

#意识与脑机接口 #计算模型与人工智能模拟 #神经机制与脑功能解析 #跨学科整合

阅读更多：

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

整理｜ChatGPT

编辑｜丹雀、存源

关于追问nextquestion

天桥脑科学研究院旗下科学媒体，旨在以科学追问为纽带，深入探究人工智能与人类智能相互融合与促进，不断探索科学的边界。欢迎评论区留言，或后台留言“社群”即可加入社群与我们互动。您也可以在后台提问，我们将基于追问知识库为你做出智能回复哦~

关于天桥脑科学研究院

天桥脑科学研究院（Tianqiao and Chrissy Chen Institute）是由陈天桥、雒芊芊夫妇出资10亿美元创建的世界最大私人脑科学研究机构之一，围绕全球化、跨学科和青年科学家三大重点，支持脑科学研究，造福人类。

研究院在华山医院、上海市精神卫生中心分别设立了应用神经技术前沿实验室、人工智能与精神健康前沿实验室；与加州理工学院合作成立了加州理工陈天桥雒芊芊神经科学研究院。

研究院还建成了支持脑科学和人工智能领域研究的生态系统，项目遍布欧美、亚洲和大洋洲，包括、、、科研型临床医生奖励计划、、、科普视频媒体「大圆镜」等。