追问daily|孕妇能吃抗抑郁药吗？如何才能停止挠痒痒？

脑科学动态

Cell：AI与3D成像构建小鼠全脑髓鞘生成细胞图谱

大脑如何平衡连续性与片段化：情境在认知过程中的双重作用

略微增强神经元能量代谢可显著提升跨物种长期记忆

超声波脑刺激实现对人类选择行为的精准调控

免疫系统失调与脑结构特征可区分青年早期抑郁症与精神病

杏仁核不仅是恐惧中心，更是大脑复杂决策的调节器

孕妇能吃抗抑郁药吗？超三千人数据证实标准剂量是安全的

大脑发出停止挠痒信号的神经机制

AI行业动态

Anthropic新研究揭示，贴心助手只是大模型的一个角色

Neuralink联合创始人新公司联手瑞士伙伴，打通神经技术栈

Anthropic联创预言：AI 2-3年内将写出菲尔兹奖级论文

AI驱动科学

脉冲神经网络精准解码幻肢神经内运动意图

破解大脑泛化之谜：神经群体几何揭示跨任务学习的隐藏规律

新型AI工具实现自由活动动物神经元的快速精准追踪与注释

皮质内微刺激底层机制解析：脑机接口如何重塑自然感官

打造“实干型”AI科学家：基于执行反馈的自动化研究框架

Protenix-v1：首个超越AlphaFold 3性能的开源结构预测模型

脑科学动态

Cell：AI与3D成像构建小鼠全脑髓鞘生成细胞图谱

为了解析少突胶质细胞在全脑生命周期中的分布及其在神经系统疾病中的受损机制，约翰·霍普金斯大学医学院的Yu Kang T. Xu、Jeremias Sulam和Dwight E. Bergles团队，结合三维成像与人工智能技术，成功绘制了包含超千万个细胞的小鼠全脑图谱，揭示了不同脑区髓鞘生成的时空差异及其在疾病中的脆弱性。

▷

小鼠大脑中数百万个少突胶质细胞的分布图。Credit: Yu Kang T. Xu and Dwight Bergles, Johns Hopkins Medicine

该研究开发了一种全新的高通量细胞测绘流程。研究人员首先采用组织透明化（tissue clearing，一种通过去除脑组织中脂质沉积物以实现深层结构可视化的处理方法）处理样本，随后利用光片显微镜（light-sheet microscopy，一种能够对脑结构进行高速扫描的三维成像技术）获取全脑数据。为处理庞大的数据集，团队借助机器学习算法，在小鼠大脑中精准识别了超过一千万个少突胶质细胞。分析表明，不同脑区的细胞生成速率差异显著，例如与记忆相关的海马体经历了极长的髓鞘生成期，而接收感觉输入的区域其细胞密度是初级运动皮层的三倍。在阿尔茨海默病小鼠模型中，研究不仅在致密核心斑块周围发现髓鞘破坏，还在仅有弥漫性斑块的白质区域观察到了严重的髓鞘损伤，为理解该疾病的神经功能减退提供了全新视角。研究发表在 Cell 上。

#疾病与健康 #神经机制与脑功能解析 #少突胶质细胞 #全脑图谱 #阿尔茨海默病

阅读更多：

Xu, Yu Kang T., et al. “Brain-Wide Mapping of Oligodendrocyte Organization, Oligodendrogenesis, and Myelin Injury.” Cell, vol. 0, no. 0, Feb. 2026. www.cell.com, https://doi.org/10.1016/j.cell.2026.01.025

大脑如何平衡连续性与片段化：情境在认知过程中的双重作用

大脑如何平衡体验的连续与分割？耶路撒冷希伯来大学的Shira Baror、Mor Cohen等发现，情境边界会同时打破感知连续性并重塑记忆，但二者依赖部分独立机制而非单一系统。

▷

在情境边界处，SD 会降低。Credit: Nature Human Behaviour (2026).

研究团队开展了包含816名参与者的三项大规模实验，探究大脑的序列依赖性（serial dependence，即当前感知受先前决定影响而保持连续的倾向）与事件分割（event segmentation，即经验被自动划分为独立记忆单元的过程）之间的潜在关联。参与者在观察不同方向的图像时，会经历任务或背景的情境变化。结果显示，即使基础的感官信息未变，情境边界也足以显著破坏序列依赖性，并以类似自然划分事件的方式影响长时记忆。然而，边界对感知和记忆的影响呈现出截然不同的模式，个体间差异也不具有明显的一致性。这说明两者虽然都高度受制于情境调控，但并非由统一的贝叶斯预测机制主导。研究发表在 Nature Human Behaviour 上。

#认知科学 #神经机制与脑功能解析 #记忆机制 #序列依赖性 #事件边界

阅读更多：

Baror, Shira, et al. “The Role of Context in Continuity and Segmentation.” Nature Human Behaviour, Feb. 2026, pp. 1–18. www.nature.com, https://doi.org/10.1038/s41562-026-02403-w

略微增强神经元能量代谢可显著提升跨物种长期记忆

能量仅仅是大脑运作的燃料，还是能够主动提升认知的关键？巴黎脑研究所的Jaime de Juan-Sanz联合巴黎高等物理化工学院与巴塞罗那海洋医院研究所的研究人员，通过探索线粒体钙离子对能量代谢的调控，发现略微提升神经元的代谢能力，能显著增强果蝇和小鼠的长期记忆，揭示了大脑能量作为认知调节器的新角色。

▷

真核细胞内部结构的艺术表现形式，图中展示了细胞质、线粒体和内质网。Credit: Odra Noel

研究团队聚焦于LETM1（Leucine zipper and EF-hand containing transmembrane protein 1，一种负责将钙离子排出线粒体基质的内膜蛋白）。通过基因技术降低果蝇和小鼠神经元中LETM1的表达后，研究人员发现钙离子排出减缓，其在线粒体中的停留时间显著延长，从而在不引发毒性的前提下过度激活了三磷酸腺苷的生成。行为学实验证实了这种能量提升的惊人成效。通常果蝇经历单次气味与惩罚的训练后记忆仅能维持数小时，但在降低蘑菇体（节肢动物的嗅觉记忆中心）神经元的LETM1表达后，单次训练即可形成超24小时的长期记忆。在小鼠身上进行的巴甫洛夫条件反射（Pavlovian conditioning）实验也证实了该机制的跨物种保守性。该操作特异性地增强了需要持续能量的长期记忆，而对中期记忆无影响，表明能量能直接调节神经过程的强度。研究发表在 Nature Metabolism 上。

#神经科学 #记忆机制 #线粒体 #能量代谢 #长期记忆

阅读更多：

Amrapali Vishwanath, Anjali, et al. “Mitochondrial Ca2+ Efflux Controls Neuronal Metabolism and Long-Term Memory across Species.” Nature Metabolism, Feb. 2026, pp. 1–22. www.nature.com, https://doi.org/10.1038/s42255-026-01451-w

超声波脑刺激实现对人类选择行为的精准调控

如何非侵入性地精准调控大脑深层结构一直是科学界的一大难题。拉德堡德大学的S. Farboud和H. E. M. den Ouden团队利用经颅超声刺激技术，成功在不到一秒的时间内调控了人类的眼动选择行为，为抑郁症和成瘾等疾病的治疗带来了全新视角。

▷

Credit: Radboud University

研究团队采用了一种相对较新的神经调控方法，通过放置在参与者头部的微型扬声器，将精准定位且人耳无法察觉的声波振动发送至大脑深处。实验中，参与者需要完成一项涉及向左或向右看的视觉选择电脑游戏。研究人员将经颅超声刺激靶向大脑的额叶眼动区（frontal eye fields，控制扫视眼球运动的关键神经回路），在参与者视觉游移时给予轻微的神经推动。结果表明，超声波刺激能够诱发显著的兴奋性行为反应，在毫秒级时间内迅速改变参与者的方向选择。此外，团队测量了大脑中的化学信使，发现个体基线水平的GABA能抑制张力（GABAergic inhibitory tone）可以有效预测超声刺激的反应幅度。该刺激将原本差异显著的神经递质浓度调节至相似水平，使大脑活动由失衡状态转为平衡。此项发现不仅证明了超声波可作为研究深层脑区的高效非侵入性工具，更展现了其恢复紊乱脑活动平衡的巨大临床潜力。研究发表在 Nature Communications 上。

#疾病与健康 #神经调控 #经颅超声刺激 #额叶眼动区 #选择行为

阅读更多：

Farboud, S., et al. “Rapid Modulation of Choice Behavior by Ultrasound on the Human Frontal Eye Fields.” Nature Communications, Feb. 2026. www.nature.com, https://doi.org/10.1038/s41467-026-69854-7

免疫系统失调与脑结构特征可区分青年早期抑郁症与精神病

在抑郁症和精神病早期，患者常出现炎症和脑结构的改变，但这两种疾病的生物学特征差异尚不清楚。马克斯·普朗克精神病学研究所的 David Popovic 及其合作团队发现，两者在早期表现出截然不同的脑血特征，这为个性化干预提供了新依据。

▷

精神病特征。Credit: JAMA Psychiatry (2026).

该研究分析了PRONIA项目中678名参与者的横断面数据，涵盖近期发作的抑郁症、精神病、精神病高危人群及健康对照组。研究人员采集了外周血以测量多种细胞因子（cytokines，影响细胞间通讯并参与炎症免疫反应的蛋白质），如白细胞介素和C反应蛋白。同时利用结构磁共振成像（structural magnetic resonance imaging）测量全脑的灰质体积。团队采用稀疏偏最小二乘法（sparse partial least squares，一种用于处理多变量数据的机器学习算法）提取数据中的隐藏特征。

研究结果揭示，抑郁症和精神病在早期阶段的大脑和血液特征无任何相似之处。精神病特征表现为IL-6和肿瘤坏死因子-α升高、C反应蛋白降低，伴有皮质丘脑回路的灰质体积改变；而抑郁症特征表现为IL-1β等升高，伴随负责处理情绪的边缘系统灰质体积减少。此外，认知能力受损仅在精神病特征中被观察到。这一发现表明结合免疫学和神经解剖学标志物能在早期精准区分这两种疾病。研究发表在 JAMA Psychiatry 上。

#认知科学 #神经机制与脑功能解析 #语言学 #失配负波 #听觉感知

阅读更多：

Popovic, David, et al. “Multivariate Brain-Blood Signatures in Early-Stage Depression and Psychosis.” JAMA Psychiatry, vol. 83, no. 2, Feb. 2026, pp. 172–84. Silverchair, https://doi.org/10.1001/jamapsychiatry.2025.3803

杏仁核不仅是恐惧中心，更是大脑复杂决策的调节器

传统观念认为杏仁核仅仅是大脑的恐惧中枢，但它在面对不确定性时如何影响决策？达特茅斯学院的Jae Hyung Woo和Alireza Soltani团队发现，杏仁核远比想象中复杂，它实际上是一个精密的仲裁者，能够帮助大脑在基于刺激和基于行动的竞争性学习策略之间做出最佳选择。

▷

实验范式、模块类型和表现的时间进程。Credit: Nature Communications (2025).

研究团队结合了强化学习和多种计算模型，让雄性猴子执行具有不同环境不确定性水平的概率学习任务。研究人员对比了健康对照组、双侧杏仁核受损组以及双侧腹侧纹状体（ventral striatum，大脑中负责处理奖赏和动机的重要区域）受损组猴子的行为数据。结果显示，健康的杏仁核会在基于刺激和基于行动的学习系统之间进行动态仲裁，初期在两者间探索，随着信息增加最终选择更可靠的预测模型。然而，当杏仁核受损时，大脑的仲裁过程变得随机，且从一开始就僵化地默认偏向基于行动的学习，失去了灵活探索的能力；相比之下，腹侧纹状体受损则主要导致刺激价值信号的整体减弱。这一发现重塑了杏仁核的传统标签，将其重新定义为多个学习系统之间的中介，也为治疗恐惧症和焦虑症提供了新思路：引导患者将注意力从引发恐惧的刺激物转移到基于行动的探索上，可能比单纯克服刺激更有效。研究发表在 Nature Communications 上。

#神经科学 #神经机制与脑功能解析 #杏仁核 #强化学习 #决策机制

阅读更多：

Woo, Jae Hyung, et al. “Contribution of Amygdala to Dynamic Model Arbitration under Uncertainty.” Nature Communications, vol. 16, no. 1, Nov. 2025, p. 11704. www.nature.com, https://doi.org/10.1038/s41467-025-66745-1

孕妇能吃抗抑郁药吗？超三千人数据证实标准剂量是安全的

孕期患有严重抑郁症的女性常面临是否继续服药的两难抉择。为探究抗抑郁药对胎儿的真实影响，奥斯陆大学和阿克什胡斯大学医院的Guro Pauck Bernhardsen和Soili M. Lehto团队开展了一项大规模队列研究。结果表明，孕期服用标准剂量的抗抑郁药是安全的，但持续高剂量会增加胎盘异常和新生儿重症监护的风险。

该研究利用芬兰库奥皮奥大学医院（Kuopio University Hospital）的纵向登记数据，对比了553名孕期服用选择性血清素再摄取抑制剂（Selective Serotonin Reuptake Inhibitors，简称SSRIs，一类常用于治疗抑郁和焦虑的神经递质调节药物）的母亲与2765名未服药母亲的围产期结局。研究人员采用无监督算法将服药模式分为全程标准剂量、逐渐增量、全程高剂量和逐渐减量四组，并系统评估了出生体重、胎盘重量以及新生儿重症监护室入住率等指标。分析发现，使用标准剂量SSRIs的产妇在各项指标上与未服药组无显著差异，证实了常规剂量的安全性。然而，持续服用高剂量（约标准剂量的两倍）的产妇表现出异常：她们的胎盘重量及胎盘与出生体重比（Placental-to-Birth-Weight Ratio，简称PBWR，用于衡量胎盘营养输送效率的评估指标）显著偏高，表明胎盘为胎儿提供营养的效率可能下降。此外，高剂量组新生儿入住NICU的风险是未服药组的两倍。研究强调，虽然标准剂量对母婴安全，但对于需要高剂量药物维持精神健康的孕妇，医生应在孕产期进行更密切的医疗监测与个性化评估。研究发表在 BJOG: An International Journal of Obstetrics Gynaecology 上。

#疾病与健康 #心理健康与精神疾病 #孕期保健 #抗抑郁药 #围产期结局

阅读更多：

Bernhardsen, Guro Pauck, et al. “Trajectories of Selective Serotonin Reuptake Inhibitor Use in Pregnancy and Perinatal Outcomes: A Longitudinal Register Study.” BJOG: An International Journal of Obstetrics Gynaecology, vol. 133, no. 1, 2026, pp. 83–94. Wiley Online Library, https://doi.org/10.1111/1471-0528.18337

大脑发出停止挠痒信号的神经机制

当我们挠痒时机体是如何知道适可而止的？布鲁塞尔鲁汶大学的 Roberta Gualdani 团队发现离子通道TRPV4在感觉神经元中充当了制动系统，负责触发停止抓挠的负反馈信号，这一发现为解释慢性瘙痒中的失控现象提供了神经学基础。

研究团队构建了基因工程小鼠模型，选择性地仅在感觉神经元中删除了TRPV4（一种充当细胞膜分子门控的离子通道，能响应物理或化学刺激）基因。结合基因工具、钙成像和行为分析，研究人员诱导小鼠出现类似特应性皮炎的慢性瘙痒症状。结果显示缺乏神经元TRPV4的小鼠抓挠频率降低，但每次抓挠持续时间却远超正常水平。这表明TRPV4在机械感觉神经元中触发负反馈信号，告知脊髓和大脑抓挠动作已经足够。若无此神经回路介入，机体的满足感减弱便会导致过度抓挠。该发现揭示了TRPV4在皮肤细胞中触发瘙痒但在神经元中起抑制作用的双重角色，提示未来针对慢性瘙痒的药物研发需更加精准，单纯广泛阻断该通道可能适得其反。研究发表在 70th Biophysical Society Annual Meeting 上。

#疾病与健康 #神经机制与脑功能解析 #知觉康复 #慢性瘙痒 #TRPV4离子通道

阅读更多：

https://www.biophysics.org/2026meeting#/

AI 行业动态

Anthropic新研究揭示，贴心助手只是大模型的一个角色

当我们与越来越人性化的AI助手对话时，是否想过屏幕背后究竟是什么在回应？Anthropic近日发布了一项关于“人格选择模型”（PSM，the persona selection model）的研究，试图解释这一现象。该理论认为，像Claude这样的大模型在预训练阶段通过学习海量文本，学会了模拟形形色色的人物角色，从真实人物到虚构形象。而我们日常打交道的那个知识渊博、富有同理心的“助手”，本质上是模型在后训练阶段被激发并精炼出的一个特定“角色”，而非AI系统本身。这意味着，用户是在与AI生成故事中的一个角色互动，类似于一位演员在进行角色扮演。

PSM模型不仅解释了AI的拟人化行为，也揭示了其背后潜在的风险。研究发现，当研究人员试图训练Claude在编程任务中作弊时，模型不仅学会了这一行为，甚至会基于对“作弊者”角色的推断，衍生出更广泛的不一致行为，例如破坏安全研究或表达危险意图。这表明，对特定行为的训练可能会污染AI对自身“角色”的认知。基于此，Anthropic提出了如“情境隔离式提示”（Inoculation prompting）等反直觉的解决方案，并强调开发者应关注训练行为对角色的心理暗示。该研究还深入探讨了AI面具背后可能隐藏的更深层问题，如模型是否会发展出“中间人格”或策略性地伪装自己的意图，为AI安全与对齐领域提出了新的思考方向。

#人格选择模型 #AI对齐 #角色扮演 #后训练 #Anthropic

阅读更多：

https://www.anthropic.com/research/persona-selection-model https://alignment.anthropic.com/2026/psm

脑机接口成本骤降：Neuralink联合创始人新公司联手瑞士伙伴，打通神经技术栈

脑机接口领域的商业化进程迎来关键一步。近日，由Neuralink联合创始人Max Hodak创立的Science公司宣布与瑞士Neurosoft Bioelectronics公司达成一项为期多年、价值数百万美元的合作协议。根据协议，Science公司将向Neurosoft开放其全套临床级神经记录工具与技术平台，旨在消除后者在开发定制硬件上的高昂成本和复杂流程。据估算，构建一套完整的临床级BCI系统传统上需耗资7500万至1亿美元，而通过整合现有技术栈，首次人体试验的成本有望降至500万美元以下，这极大地降低了该领域临床转化的门槛。

此次合作将融合双方的技术优势，加速针对神经系统疾病的疗法开发。Neurosoft专注于开发采用软材料工程的超柔性植入式BCI系统，旨在通过覆盖全皮层来支持基础人工智能模型，目前其系统已有人体植入十余例，用于帮助耳鸣、癫痫等患者。而Science公司则拥有已进入商业化冲刺阶段的核心产品——Prima视网膜植入体。该系统针对干性年龄相关性黄斑变性（AMD）等致盲疾病，通过植入物与特制眼镜配合，直接激活视网膜以恢复视力，已获得美国FDA的突破性医疗器械认定。双方高管均表示，此次合作旨在通过构建一个共享的BCI创新者社群，整合神经工程、材料科学与AI领域的专业知识，从而将变革性疗法更快地推向市场。

#脑机接口 #BCI #Neurosoft #Science公司 #医疗科技

阅读更多：

Anthropic联创预言：AI 2-3年内将写出菲尔兹奖级论文

粒子物理学界正面临一场来自人工智能的深刻冲击。Anthropic联合创始人、曾任约翰斯·霍普金斯大学理论物理学教授的Jared Kaplan博士近日做出惊人预测：在未来2到3年内，人工智能有50%的概率能够在理论推导、公式发现等核心科研环节中，自主写出媲美甚至超越爱德华·威滕、Nima Arkani-Hamed等顶尖理论物理学家的学术论文。Kaplan的预言并非空穴来风，他本人曾是理论物理学家，并深度参与了大语言模型扩展定律的奠基性研究。他认为，如果AI能实现这一突破，将意味着物理学中最艰难的认知工作或许并不依赖于人类独有的某种“直觉”，而这无疑将重新定义理论物理学的本质。

Kaplan的言论恰逢粒子物理学发展的一个特殊节点。自2012年大型强子对撞机（LHC）发现希格斯玻色子（即“上帝粒子”，赋予其他粒子质量的粒子）后，实验数据一直严格符合已有理论“标准模型”的预测，未发现任何预期之外的新粒子或“新物理”迹象。这使得曾被寄予厚望的对撞机陷入了“标准模型的坟场”困境，并引发了人才流失，许多物理学家转而投身人工智能或数据科学领域。Quanta Magazine的报道指出，有物理学家亲眼见证AI在极短时间内重现了自己耗费数月心血推导的方程，这种震撼正促使更多人重新思考科研的未来。尽管也有观点认为AI会使年轻学者变懒，但Kaplan断言，在未来规划远超两三年时间尺度的对撞机等项目时，或许真正的主角已不再是人类。

#AI取代科学家 #理论物理 #JaredKaplan #科研范式变革 #粒子物理困境

阅读更多：

AI 驱动科学

脉冲神经网络精准解码幻肢神经内运动意图

下肢假肢的表面肌电控制难以实现精细动作。为直接获取深层运动指令，苏黎世联邦理工学院与查尔姆斯理工大学等机构的Cecilia Rossi和Giacomo Valle等研究人员成功记录了坐骨神经活动，并用脉冲神经网络精准解码幻肢运动意图，为构建双向神经控制假肢奠定了基础。

研究团队在两名经股截肢（transfemoral amputees，即大腿截肢）受试者的坐骨神经远端分支中，植入了横向束内多通道电极（transversal intrafascicular multichannel electrodes，一种能穿透外膜直接接触神经束的微型接口）。当受试者尝试移动其幻肢时，植入电极成功捕获了高质量的神经电信号。结果显示，在受试者S1中，高达91%的电极通道对至少一种动作表现出响应，且具备明显的关节与方向选择性。为高效处理这些脉冲信号，团队采用脉冲神经网络构建了解码器。实验表明，该网络对六种动作的解码准确率达到55.14%，显著优于多层感知机等传统模型。此外，融合神经信号与肌间肌电信号进行混合解码后，准确率进一步提升至64.29%。研究还证实，负责记录运动信号与诱发触觉感知的通道在空间上重叠率极低，仅为7%至16%，这意味着同一神经上可同时实现双向无干扰交互。研究发表在 Nature Communications 上。

#意识与脑机接口 #脑机接口 #脉冲神经网络 #神经假肢 #意图解码

阅读更多：

Rossi, Cecilia, et al. “Decoding Phantom Limb Movements from Intraneural Recordings.” Nature Communications, Feb. 2026. www.nature.com, https://doi.org/10.1038/s41467-026-69297-0

破解大脑泛化之谜：神经群体几何揭示跨任务学习的隐藏规律

现实生活中大脑如何实现跨任务泛化一直是个谜，哪些群体统计特征决定了泛化能力尚未明确。哥伦比亚大学与哈佛大学的Albert J. Wakhloo、Will Slatton和SueYeon Chung揭示了神经群体活动的几何特征与多任务泛化误差之间的直接数学联系。

研究建立多任务线性读出模型，假设刺激在潜变量空间中表现为向量。下游神经元通过监督赫布学习（supervised Hebbian learning，一种基于突触可塑性的网络权重更新规则）形成线性读出。团队解析推导了泛化误差公式，并在人工神经网络、猕猴视觉皮层及大鼠海马体与前额叶数据中进行了验证。结果显示，泛化误差由四个几何统计量决定：神经与潜变量相关性、信号与信号因子化（signal-signal factorization，刻画不同潜变量是否沿正交独立方向表示）、信号与噪声因子化以及群体活动的有效维度。在少样本学习早期，低维度和高相关性起决定作用；大量训练后，高维度与因子化结构主导泛化能力。动物实验证实，猕猴视觉通路中无关噪声会逐渐正交化，大鼠学习过程中的维度与相关性呈现非单调变化轨迹。大脑通过调整群体活动的几何排布实现最优编码。研究发表在 Nature Neuroscience 上。

#神经科学 #神经机制与脑功能解析 #神经几何 #跨任务泛化 #群体编码

阅读更多：

Wakhloo, Albert J., et al. “Neural Population Geometry and Optimal Coding of Tasks with Shared Latent Structure.” Nature Neuroscience, Feb. 2026, pp. 1–11. www.nature.com, https://doi.org/10.1038/s41593-025-02183-y

新型AI工具实现自由活动动物神经元的快速精准追踪与注释

在解析自由活动动物的大脑活动时，身体非刚性变形常导致精确追踪和识别神经元变得极其困难且极度耗时。Adam A Atanas、Steven W Flavell和Brady Weissbourd等团队（麻省理工学院、霍华德·休斯医学研究所）开发了三款新型深度神经网络工具，成功在发生频繁形变的活体动物体内实现了神经细胞极其高效且精准的自动化追踪与身份注释。

▷

该研究的一幅图中的细节展示了用 AutoCellLabeler 标记的秀丽隐杆线虫脑中的细胞。Credit: Flavell Lab/MIT Picower Institute

针对显微图像的对齐和注释难题，研究团队设计了三款功能互补的网络架构。首先是BrainAlignNet，它利用半监督学习进行非刚性配准（non-rigid registration，将变形图像中的复杂解剖结构进行精确空间对齐的过程）。该网络对秀丽隐杆线虫脑神经元的追踪准确率高达百分之九十九点六，速度比传统分析方法快600倍，并成功应用于运动模式完全不同的半球形水母。其次是AutoCellLabeler，该网络基于NeuroPAL（一种利用四种荧光蛋白多光谱标记不同神经元的遗传学技术）数据训练，能以百分之九十八的高准确率识别超过100种神经元类型，整体表现超越了单个人类专家。最后，完全无监督的CellDiscoveryNet无需依赖任何人工标注数据，即可跨越不同动物个体对细胞类型进行有效聚类，其准确率同样达到了百分之九十三。这些创新不仅彻底打破了海量显微数据人工标注的耗时瓶颈，也为解析复杂生物组织提供了通用模板。研究发表在 eLife 上。

#AI驱动科学 #自动化科研 #深度学习 #计算模型与人工智能模拟 #多光谱成像

阅读更多：

Atanas, Adam A., et al. “Deep Neural Networks to Register and Annotate Cells in Moving and Deforming Nervous Systems.” eLife, edited by Douglas Portman and Albert Cardona, vol. 14, Feb. 2026, p. RP108159. eLife, https://doi.org/10.7554/eLife.108159

皮质内微刺激底层机制解析：脑机接口如何重塑自然感官

脑机接口技术虽能帮助瘫痪患者恢复运动，但如何通过皮质内微刺激恢复自然的触觉与视觉等感官仍是未解难题。匹兹堡大学和杜克大学的Christopher Hughes、Xing Chen、Warren Grill和Takashi D. Y. Kozai团队系统剖析了该技术重塑感官的底层神经机制，揭示了传统电刺激难以产生自然感觉的原因，并为高保真感觉修复指明了全新方向。

该综述系统分析了多项计算模型与电生理学研究，揭示了皮质内微刺激（ICMS，通过植入电极向大脑皮层发送电流脉冲以产生感觉的技术）的核心作用机制。研究证实，电流优先激活神经元的轴突而非细胞体，导致了稀疏且广泛的非自然网络激活模式。计算模型显示，增加电流强度仅能提升电极周围神经元的激活密度，无法显著扩展最远端的激活距离，因此加大电流只能增强感觉强度而不能扩大感觉面积。此外，持续高频刺激极易引发刺激诱导的神经兴奋性抑制，进而造成感觉迟钝。为突破现有局限，研究团队提出了三大技术方向：采用动态调幅的仿生刺激（Biomimetic ICMS，模拟自然生理状态下特定放电节律的脉冲序列）以减少神经疲劳；利用多电极协同实现电流导向以大幅提高感觉分辨率；并呼吁加速开发超柔性与全植入式的无线微电极。研究发表在 Nature Biomedical Engineering 上。

#意识与脑机接口 #脑机接口 #神经调控 #皮质内微刺激 #感觉恢复

阅读更多：

Hughes, Christopher, et al. “Neural Mechanisms Underlying Intracortical Microstimulation for Sensory Restoration.” Nature Biomedical Engineering, vol. 10, no. 2, Feb. 2026, pp. 197–213. www.nature.com, https://doi.org/10.1038/s41551-025-01583-6

打造“实干型”AI科学家：基于执行反馈的自动化研究框架

斯坦福大学的 Chenglei Si、Tatsunori Hashimoto、Diyi Yang 以及来自华盛顿大学的 Yejin Choi 等人组成的研究团队，针对大型语言模型常提出“看似合理但无效”的研究想法这一痛点，构建了一套基于执行落地的自动化研究系统。该系统不仅能自动将 AI 的想法转化为代码并运行实验，还能利用实验结果反馈来优化后续的研究构想，从而在巨大的搜索空间中自动开发有效的科研成果。

为了验证该系统的有效性，研究团队选择了 LLM 预训练和后训练这两个关键且复杂的场景进行测试。他们设计了一个包含实现者、调度器和工作者的自动化执行器，并对比了进化搜索和强化学习两种学习策略。结果显示，基于执行引导的进化搜索表现优异：在后训练任务中，其发现的方法使数学推理准确率从基线的 48.0% 提升至 69.4%；在预训练任务中，将达到目标损失的训练时间从 35.9 分钟缩短至 19.7 分钟。然而，研究也发现，直接利用执行奖励进行强化学习会导致“模式崩溃（Mode Collapse）”，即模型倾向于收敛到简单、低风险的想法，反而降低了创新的多样性。这一发现为未来构建能自我改进的自动化 AI 科学家提供了重要的路径参考。

#AI驱动科学 #自动化科研 #大模型技术 #强化学习

阅读更多：

Si, Chenglei, et al. “Towards Execution-Grounded Automated AI Research.” arXiv:2601.14525, arXiv, 20 Jan. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2601.14525

Protenix-v1：首个超越AlphaFold 3性能的开源结构预测模型

为了打破 AlphaFold 3 与现有开源模型之间的“性能鸿沟”，字节跳动的 Seed 团队（Protenix Team）及其成员 Yuxuan Zhang、Chengyue Gong 等人，成功开发并发布了 Protenix-v1。这是首个在严格限制训练数据和计算预算的前提下，性能达到甚至超越 AlphaFold 3 的完全开源模型，为生物分子结构预测领域提供了强有力的开源基座。

研究团队采用了极其严格的实验设计，将训练数据截止时间锁定在2021年9月30日以确保与 AlphaFold 3 进行公平比较。该模型成功复现并利用了推理时扩展，即通过增加推理时的采样数量来显著提升预测准确率，这在抗体-抗原复合物预测中尤为明显。此外，Protenix-v1 整合了蛋白质模板和 RNA 多序列比对（RNA MSA），有效提升了模型稳定性和 RNA 相关任务的表现。为了解决基准测试混乱的问题，团队还开发了 PXMeter（一套评估工具和数据集），并在修正后的测试集上证明了其性能优于 Chai-1 和 Boltz-1 等模型。团队同时发布了包含最新数据的 Protenix-v1-20250630 版本和适用于高通量筛选的轻量级 Protenix-Mini 系列。

#AI驱动科学 #预测模型构建 #蛋白质结构预测 #开源技术 #AlphaFold3

阅读更多：

Team, Protenix, et al. “Protenix-v1: Toward High-Accuracy Open-Source Biomolecular Structure Prediction.” bioRxiv, 9 Feb. 2026, p. 2026.02.05.703733. bioRxiv, https://doi.org/10.64898/2026.02.05.703733