█ 腦科學(xué)動態(tài)

Science：干細(xì)胞造出人工睪丸

Nature：大腦中存在反向傳播？

大腦的思維捷徑：為何我們總是重蹈覆轍？

成年大腦感覺回路仍持續(xù)重塑

血液標(biāo)志物CDR1as可預(yù)測抗抑郁藥療效

在想象中重塑過去：基于意象的療法可減少對失敗的恐懼

█ AI行業(yè)動態(tài)

特朗普政府與硅谷開戰(zhàn)

超越AlphaFold：Isomorphic Labs推出新一代藥物設(shè)計引擎

█ AI驅(qū)動科學(xué)

給大腦掛個“燈籠”：側(cè)腦室腦機接口，信號記錄穩(wěn)如泰山

APOLLO框架：精準(zhǔn)解耦單細(xì)胞多模態(tài)數(shù)據(jù)中的共享與特異信息

柔性剪紙微電極陣列實現(xiàn)非人靈長類大腦長期穩(wěn)定記錄

強化學(xué)習(xí)模型重建受損神經(jīng)通道：無需下游數(shù)據(jù)的仿生脈沖生成

ChatBCI：利用大語言模型革新P300腦機接口拼寫效率

融合數(shù)字孿生與神經(jīng)擬態(tài)工程的腦部疾病治療新范式

Doc-to-LoRA：讓大模型即時“消化”長文本的新技術(shù)

腦科學(xué)動態(tài)

Science：干細(xì)胞造出人工睪丸

來自大阪大學(xué)和京都大學(xué)的Takashi Yoshino、Katsuhiko Hayashi等人組成的團(tuán)隊，在體外配子發(fā)生領(lǐng)域取得了突破性進(jìn)展。針對長期以來難以在體外重建功能性睪丸微環(huán)境這一難題，該團(tuán)隊成功利用小鼠多能干細(xì)胞重建了睪丸發(fā)育過程，并培育出具有受精能力的精子，最終誕下了健康的后代。

研究團(tuán)隊設(shè)計了一種特定的培養(yǎng)方案，通過調(diào)控信號通路模擬體內(nèi)的性別決定過程，誘導(dǎo)干細(xì)胞分化為睪丸體細(xì)胞樣細(xì)胞（TesLCs），并與同樣源自干細(xì)胞的原始生殖細(xì)胞樣細(xì)胞（PGCLCs）組裝成睪丸類器官（testicular organoids）。這種“人工睪丸”成功模擬了體內(nèi)的生精小管結(jié)構(gòu)，為生殖細(xì)胞提供了關(guān)鍵的發(fā)育環(huán)境。實驗數(shù)據(jù)顯示，在這些類器官中生成的精原干細(xì)胞，被移植到不育小鼠體內(nèi)后，能夠完成完整的精子發(fā)生過程。利用這些精子進(jìn)行受精，研究人員獲得了兩代健康且具備生育能力的小鼠，證實了該系統(tǒng)生成的生殖細(xì)胞具有完整的功能性。此外，研究還揭示了性別決定機制中雄性通路比雌性通路更為嚴(yán)格的不對稱性。研究發(fā)表在 Science 上。

#疾病與健康 #其他 #干細(xì)胞 #生殖生物學(xué) #體外配子發(fā)生

閱讀更多：

“Reconstitution of Sex Determination and the Testicular Niche Using Mouse Pluripotent Stem Cells.” Science. www.science.org, https://www.science.org/doi/10.1126/science.aea0296. Accessed 28 Feb. 2026

Nature：大腦中存在反向傳播？

大腦如何知道調(diào)整哪些神經(jīng)連接來優(yōu)化行為？這就是著名的信用分配問題。Valerio Francioni、Mark T. Harnett 等研究人員通過一項精巧的實驗，證實了大腦皮層神經(jīng)元的樹突中存在特定的“矢量化指導(dǎo)信號”。這些信號能夠針對性地指導(dǎo)單個神經(jīng)元的學(xué)習(xí)，為理解生物大腦如何實現(xiàn)類似人工智能反向傳播的高效學(xué)習(xí)提供了生理學(xué)證據(jù)。

研究團(tuán)隊利用神經(jīng)反饋腦機接口任務(wù)，訓(xùn)練小鼠通過調(diào)節(jié)壓后皮層中特定神經(jīng)元群體的活動來控制視覺光柵的旋轉(zhuǎn)以獲取獎勵。實驗過程中，研究人員使用雙光子顯微鏡同時記錄了神經(jīng)元胞體和遠(yuǎn)端頂樹突的鈣信號，并計算了胞體-樹突殘差（SD residual），即樹突活動中無法被胞體活動解釋的部分。結(jié)果顯示，樹突并非單純被動傳輸信號，而是包含了關(guān)于獎賞和誤差的獨立信息。這種信號是矢量化的，意味著它根據(jù)每個神經(jīng)元對任務(wù)的貢獻(xiàn)（如正向或負(fù)向調(diào)節(jié)）而有所不同，正如人工智能中的誤差反向傳播一樣。進(jìn)一步實驗表明，通過光遺傳學(xué)抑制第1層NDNF+中間神經(jīng)元（NDNF+ interneurons）會阻斷這些指導(dǎo)信號，進(jìn)而破壞學(xué)習(xí)過程。研究發(fā)表在 Nature 上。

#神經(jīng)科學(xué) #神經(jīng)機制與腦功能解析 #突觸可塑性 #腦機接口

閱讀更多：

Francioni, Valerio, et al. “Vectorized Instructive Signals in Cortical Dendrites.” Nature, Feb. 2026, pp. 1–10. www.nature.com, https://doi.org/10.1038/s41586-026-10190-7

大腦的思維捷徑：為何我們總是重蹈覆轍？

為什么人們明明有更好的選擇，卻往往固守舊習(xí)？德累斯頓工業(yè)大學(xué)的 Stefan Kiebel 和 Ben J. Wagner 等人組成的研究團(tuán)隊進(jìn)行了一項大規(guī)模研究。他們發(fā)現(xiàn)，許多看似非理性的偏好并非源于復(fù)雜的價值權(quán)衡，而是源于人們傾向于在特定情境下簡單地重復(fù)之前的行為，這種機制深刻影響了后續(xù)的決策路徑。

? 基于價值的決策任務(wù)概述（已獲取數(shù)據(jù)）。Credit: Communications Psychology (2025).

該研究通過分析九項新收集的任務(wù)數(shù)據(jù)和六組既往數(shù)據(jù)集，涵蓋了超過700名參與者的決策行為。研究團(tuán)隊采用了一種基于分層貝葉斯強化學(xué)習(xí)的計算模型，該模型僅基于“獎勵學(xué)習(xí)”和“動作重復(fù)”這兩個核心原則。通過將該模型與傳統(tǒng)的相對價值學(xué)習(xí)及價值歸一化等模型進(jìn)行對比，研究人員發(fā)現(xiàn)，僅僅是“重復(fù)”這一動作本身，就足以讓某個選項在未來被賦予更高的主觀價值。換言之，決定選擇的關(guān)鍵往往不是對利弊的精細(xì)計算，而是大腦采用了一種“思維捷徑”，即記住并重復(fù)之前的動作。這種情境依賴性的重復(fù)行為導(dǎo)致人們在面對新環(huán)境時，依然會偏向于那些被頻繁選擇過的舊選項，即使存在同等甚至更優(yōu)的替代方案。這項研究不僅解釋了購物習(xí)慣或日常例行公事中的非理性行為，也為理解人類決策機制提供了更簡潔的理論框架。研究發(fā)表在 Communications Psychology 上。

#認(rèn)知科學(xué) #意圖與決策 #心理學(xué) #行為偏差 #強化學(xué)習(xí)

閱讀更多：

Wagner, Ben J., et al. “Action Repetition Biases Choice in Context-Dependent Decision-Making.” Communications Psychology, vol. 3, no. 1, Nov. 2025, p. 177. www.nature.com, https://doi.org/10.1038/s44271-025-00363-x

成年大腦感覺回路仍持續(xù)重塑：LRRTM3蛋白介導(dǎo)的丘腦網(wǎng)狀核精細(xì)化

長期以來，學(xué)術(shù)界普遍認(rèn)為人類大腦的感覺處理回路在幼兒期就已定型。然而，一項顛覆性的新研究發(fā)現(xiàn)，這種重塑過程實際上會持續(xù)到成年期。來自大邱慶北科學(xué)技術(shù)院的 Jaewon Ko 和延世大學(xué)的 Eunji Cheong 等人組成的研究團(tuán)隊，通過對小鼠模型的深入分析，首次證實大腦的“感覺檢查點”——丘腦網(wǎng)狀核（TRN）在青春期后仍會進(jìn)行精細(xì)的結(jié)構(gòu)重組，這一過程對于成年后具備高分辨率的感覺感知能力至關(guān)重要。

? TRN LRRTM3 參與成人特有的感覺辨別任務(wù)。Credit: Neuron (2026).

該研究重點關(guān)注了位于丘腦的丘腦網(wǎng)狀核，它負(fù)責(zé)過濾傳遞給大腦皮層的感覺信息。研究人員發(fā)現(xiàn)，一種名為富含亮氨酸重復(fù)序列的跨膜蛋白3（LRRTM3）的分子在這一過程中扮演了“守門人”的角色。LRRTM3特異性地分布在TRN中，負(fù)責(zé)微調(diào)神經(jīng)元之間的突觸連接。通過對比實驗，研究人員發(fā)現(xiàn)，當(dāng)小鼠TRN中的LRRTM3基因被移除后，其神經(jīng)回路無法在成年期進(jìn)行必要的“升級”和調(diào)整，導(dǎo)致這些小鼠難以區(qū)分細(xì)微的觸覺差異。研究表明，成年大腦會主動減少某些興奮性輸入，以優(yōu)化信息處理效率。這一發(fā)現(xiàn)不僅揭示了大腦在成年期仍具有顯著的可塑性，也為理解自閉癥、多動癥等伴有感覺處理障礙的神經(jīng)精神疾病提供了新的視角，提示這些疾病可能與成年期神經(jīng)回路成熟機制的異常有關(guān)。研究發(fā)表在 Neuron 上。

#神經(jīng)科學(xué) #神經(jīng)機制與腦功能解析 #大腦可塑性 #感覺處理

閱讀更多：

Lee, Dongsu, et al. “Juvenile-to-Adult Refinement of Thalamic Reticular Circuits via LRRTM3 Enables High-Resolution Sensory Encoding.” Neuron, vol. 0, no. 0, Feb. 2026. www.cell.com, https://doi.org/10.1016/j.neuron.2025.12.020

血液標(biāo)志物CDR1as可預(yù)測抗抑郁藥療效

重度抑郁癥的治療常陷入“試錯”困境，患者往往需嘗試多種藥物才能找到有效方案。來自Circular Genomics Inc.、新墨西哥大學(xué)和Fondation FondaMental的Grigorios Papageorgiou與Nikolaos Mellios等人組成的研究團(tuán)隊，發(fā)現(xiàn)了一種名為CDR1as的血液生物標(biāo)志物。該發(fā)現(xiàn)有望幫助醫(yī)生在治療前預(yù)測患者對特定抗抑郁藥物的反應(yīng)，從而實現(xiàn)精準(zhǔn)治療。

? 基線血液中 CDR1as 環(huán)狀 RNA 水平可預(yù)測舍曲林治療后的反應(yīng)和緩解情況。實驗設(shè)計示意圖。Credit: Papageorgiou et al.

研究團(tuán)隊利用聚合酶鏈?zhǔn)椒磻?yīng)（PCR）技術(shù)，分析了兩個獨立臨床隊列中抑郁癥患者的血液樣本，重點檢測了一種在大腦中富集的環(huán)狀RNA（circRNA）——CDR1as的水平。這種分子能穿過血腦屏障并在血液中穩(wěn)定存在。數(shù)據(jù)顯示，在接受廣泛使用的選擇性5-羥色胺再攝取抑制劑（SSRI）舍曲林治療前，最終療效顯著的患者與無效患者體內(nèi)的CDR1as基線水平存在顯著差異。此外，該標(biāo)志物能特異性預(yù)測SSRI類藥物的療效，而對其他類型的抗抑郁藥（如安非他酮）或安慰劑無效。動物實驗進(jìn)一步揭示，CDR1as受5-羥色胺受體和腦源性神經(jīng)營養(yǎng)因子（BDNF）受體信號通路的強烈調(diào)控，解釋了其作為療效預(yù)測因子的分子機制。研究發(fā)表在 Molecular Psychiatry 上。

#疾病與健康 #個性化醫(yī)療 #神經(jīng)機制與腦功能解析 #抑郁癥 #生物標(biāo)志物

閱讀更多：

Papageorgiou, Grigorios, et al. “A Brain-Enriched circRNA Blood Biomarker Can Predict Response to SSRI Antidepressants.” Molecular Psychiatry, Feb. 2026, pp. 1–16. www.nature.com, https://doi.org/10.1038/s41380-026-03491-w

在想象中重塑過去：基于意象的療法可減少對失敗的恐懼

童年時期遭受的嚴(yán)厲批評往往會演變?yōu)槌赡旰髮κ〉纳顚涌謶?。來自波蘭SWPS大學(xué)和波蘭科學(xué)院南基實驗生物學(xué)研究所的Julia B?czek和Stanis?aw Karkosz等人組成的研究團(tuán)隊，深入探索了基于意象的心理治療技術(shù)。研究證實，通過在想象中“重寫”痛苦的童年記憶，可以顯著且持久地減輕人們對失敗的恐懼及相關(guān)的負(fù)面情緒。

這項隨機對照臨床試驗招募了180名受失敗恐懼困擾的年輕人。研究人員對比了三種干預(yù)方法：意象暴露療法（IE，單純回憶痛苦情境）、意象重塑療法（ImRs，在回憶中引入保護(hù)者改變結(jié)局）以及帶有10分鐘延遲的意象重塑療法（ImRs-DSR）。研究重點考察了記憶重整和預(yù)測誤差這兩種機制的作用。結(jié)果顯示，雖然所有方法均有效降低了參與者的生理壓力反應(yīng)和負(fù)面情緒，但延遲干預(yù)并未帶來額外優(yōu)勢。值得注意的是，數(shù)據(jù)表明“預(yù)測誤差”——即患者的負(fù)面預(yù)期與想象中發(fā)生的積極轉(zhuǎn)折之間的差異——是意象重塑療法成功的關(guān)鍵驅(qū)動力。當(dāng)治療過程中出現(xiàn)這種心理上的“驚喜”時，治療效果更為顯著。這表明，利用想象力創(chuàng)造與舊有認(rèn)知不符的新結(jié)局，能有效更新大腦中的痛苦記憶痕跡。研究發(fā)表在 Frontiers in Psychology 上。

#疾病與健康 #心理健康與精神疾病 #記憶機制 #認(rèn)知科學(xué) #創(chuàng)傷修復(fù)

閱讀更多：

B?czek, Julia, et al. “Imagine Yourself as a Little Girl…—Efficacy and Psychophysiology of Imagery Techniques Targeting Adverse Autobiographical Childhood Experiences- Multi-Arm Randomised Controlled Trial.” Frontiers in Psychology, vol. 16, Jan. 2026. Frontiers, https://doi.org/10.3389/fpsyg.2025.1710963

AI 行業(yè)動態(tài)

特朗普政府與硅谷“開戰(zhàn)”，因拒簽“無限制使用”協(xié)議將Anthropic拉入黑名單

一場關(guān)于人工智能倫理與國家安全的激烈碰撞，在特朗普政府與頂級AI公司Anthropic之間爆發(fā)。由于Anthropic拒絕接受五角大樓提出的、允許其技術(shù)被用于“一切合法目的”的要求，特別是擔(dān)心技術(shù)可能被用于開發(fā)完全自主的致命武器或進(jìn)行大規(guī)模國內(nèi)監(jiān)控，特朗普總統(tǒng)于周五下令所有聯(lián)邦機構(gòu)“立即停止”使用該公司的技術(shù)，并限時六個月完成從國防部等部門的全面撤出。國防部長赫格塞斯隨即宣布將Anthropic列為“國家安全供應(yīng)鏈風(fēng)險”，此舉意味著該公司將被排除在美國政府合同之外。Anthropic對此表示“深感遺憾”，并誓言將通過法律途徑挑戰(zhàn)這一認(rèn)定，認(rèn)為其“在法律上站不住腳”，且為所有與美國政府談判的企業(yè)樹立了危險先例。

此次封殺事件源于一份價值2億美元的合同分歧。Anthropic去年與五角大樓簽約，但其堅持要求在合同中加入限制條款，禁止將其AI模型用于全自動武器和大規(guī)模監(jiān)控。五角大樓強硬拒絕了這一要求，并設(shè)下最后通牒。隨著談判破裂，特朗普在社交媒體上激烈抨擊Anthropic的立場是“將意識形態(tài)凌駕于憲法之上”，危及國家安全。此舉引發(fā)了國會資深民主黨人馬克·沃納的嚴(yán)厲譴責(zé)，他批評政府以政治考量驅(qū)動國家安全決策，并擔(dān)憂這會破壞私營部門與國防及情報機構(gòu)的合作信任。與此同時，競爭對手OpenAI的CEO Sam Altman雖表態(tài)支持類似的人工智能倫理“紅線”，但其與五角大樓的現(xiàn)有合同僅涉及日常辦公等非機密領(lǐng)域，因此并未卷入此次風(fēng)波。

#Anthropic #特朗普政府 #AI倫理 #國家安全 #五角大樓

閱讀更多：

https://www.anthropic.com/news/statement-comments-secretary-war

超越AlphaFold：Isomorphic Labs推出新一代藥物設(shè)計引擎

在AlphaFold 3于2024年問世并加速全球結(jié)構(gòu)生物學(xué)研究后，其開發(fā)者之一Isomorphic Labs近日宣布取得重大突破，正式推出全新的藥物設(shè)計引擎。這一統(tǒng)一的計算系統(tǒng)不僅在預(yù)測精度上超越了前代模型，更重要的是，它能夠模擬和理解更復(fù)雜的生物分子動態(tài)過程，從而彌合了從靜態(tài)結(jié)構(gòu)預(yù)測到實際藥物發(fā)現(xiàn)之間的關(guān)鍵鴻溝。研究人員介紹，該引擎能夠僅憑氨基酸序列識別蛋白質(zhì)上全新的、隱藏的藥物結(jié)合口袋，并能準(zhǔn)確預(yù)測小分子與靶點的結(jié)合強度，其速度和成本遠(yuǎn)低于傳統(tǒng)的物理學(xué)模擬方法，為計算機輔助藥物設(shè)計開辟了全新的可能性。

該引擎的核心突破體現(xiàn)在幾個關(guān)鍵領(lǐng)域。在泛化能力上，它能準(zhǔn)確預(yù)測與訓(xùn)練數(shù)據(jù)差異極大的全新蛋白質(zhì)-配體結(jié)構(gòu)，在特定基準(zhǔn)測試中的準(zhǔn)確率比AlphaFold 3提升了一倍以上。對于復(fù)雜的生物制劑，如抗體，它在預(yù)測最具挑戰(zhàn)性的抗體可變區(qū)方面性能卓越，為從頭設(shè)計全新抗體奠定了基礎(chǔ)。此外，在藥物優(yōu)化的關(guān)鍵環(huán)節(jié)——結(jié)合親和力預(yù)測上，其準(zhǔn)確率已超越被視為“黃金標(biāo)準(zhǔn)”的基于物理的方法。通過復(fù)現(xiàn)近期一項關(guān)于蛋白質(zhì)新結(jié)合口袋的實驗發(fā)現(xiàn)，該引擎展示了其強大的“盲測”能力，能夠在不依賴已知配體信息的情況下，揭示蛋白質(zhì)上全部潛在的作用機制，這對于攻克傳統(tǒng)上難以成藥的靶點具有革命性意義。

#IsoDDE #AI藥物設(shè)計 #結(jié)構(gòu)生物學(xué) #計算機輔助藥物設(shè)計 #IsomorphicLabs

閱讀更多：

https://www.isomorphiclabs.com/articles/the-isomorphic-labs-drug-design-engine-unlocks-a-new-frontier

AI 驅(qū)動科學(xué)

給大腦掛個“燈籠”：清華團(tuán)隊首創(chuàng)側(cè)腦室腦機接口，信號記錄穩(wěn)如泰山

為了解決侵入式腦機接口長期信號衰減的難題，來自清華大學(xué)生物醫(yī)學(xué)工程學(xué)院的高小榕教授、劉冉研究員，清華大學(xué)藥學(xué)院的魯白教授以及中國醫(yī)學(xué)科學(xué)院的陳小剛研究員團(tuán)隊提出了一種全新的解決方案。他們避開了傳統(tǒng)的皮層植入方式，轉(zhuǎn)而利用充滿腦脊液的側(cè)腦室作為植入位點，開發(fā)出一種獨特的燈籠狀柔性電極。該技術(shù)不僅實現(xiàn)了微創(chuàng)植入，還成功在動物實驗中維持了長達(dá)數(shù)月的穩(wěn)定神經(jīng)信號記錄，在記憶引導(dǎo)的決策任務(wù)中展現(xiàn)出卓越的解碼性能。

該研究的核心創(chuàng)新在于設(shè)計了一種側(cè)腦室腦機接口，并配備了受中國傳統(tǒng)燈籠結(jié)構(gòu)啟發(fā)的柔性可展開電極。這種電極在植入時呈收攏狀態(tài)，通過微創(chuàng)通道進(jìn)入側(cè)腦室后徑向展開，其弓形支撐結(jié)構(gòu)能夠分散接觸應(yīng)力，使電極與腦室壁柔順貼合，避免了對腦組織的機械損傷。研究團(tuán)隊在大鼠模型上進(jìn)行了長達(dá)168天的對比實驗，結(jié)果顯示，與傳統(tǒng)的硬膜下皮層腦電圖電極相比，新型腦室電極誘發(fā)的免疫反應(yīng)極低，僅在術(shù)后早期出現(xiàn)短暫的微膠質(zhì)細(xì)胞活化，隨后迅速恢復(fù)正常，未出現(xiàn)持續(xù)的瘢痕包裹。在功能測試方面，研究人員設(shè)計了“動作-記憶T迷宮”任務(wù)，利用腦室電極記錄的信號構(gòu)建了微狀態(tài)序列分類器，成功預(yù)測大鼠的轉(zhuǎn)向決策，準(zhǔn)確率高達(dá)98%。這一結(jié)果表明，該系統(tǒng)能夠有效捕捉到海馬體等深部腦區(qū)與記憶和決策相關(guān)的信息，為長期穩(wěn)定的腦機接口應(yīng)用提供了極具潛力的新路徑。研究發(fā)表在 National Science Review 上。

#意識與腦機接口 #腦機接口 #神經(jīng)工程 #生物醫(yī)學(xué)工程 #記憶解碼

閱讀更多：

Sun, Yike, et al. “Lateral Ventricular Brain-Computer Interface System with Lantern-Inspired Electrode for Stable Performance and Memory-Guided Decoding.” National Science Review, Feb. 2026, p. nwag081. Silverchair, https://doi.org/10.1093/nsr/nwag081

APOLLO框架：精準(zhǔn)解耦單細(xì)胞多模態(tài)數(shù)據(jù)中的共享與特異信息

如何從復(fù)雜的單細(xì)胞多模態(tài)數(shù)據(jù)中還原真實的細(xì)胞狀態(tài)？來自麻省理工學(xué)院、哈佛大學(xué)、蘇黎世聯(lián)邦理工學(xué)院和保羅·謝勒研究所（PSI）的Xinyi Zhang、G. V. Shivashankar和Caroline Uhler等人組成的團(tuán)隊，提出了一種名為APOLLO的新型計算框架。該框架利用可解釋的機器學(xué)習(xí)模型，成功解決了現(xiàn)有方法在整合不同測量技術(shù)（如RNA測序、染色質(zhì)成像等）數(shù)據(jù)時，難以區(qū)分共享信息與特有信息的問題，為理解細(xì)胞狀態(tài)提供了更全面的視角。

這項研究的核心在于APOLLO框架的設(shè)計，即基于潛在優(yōu)化學(xué)習(xí)的部分重疊潛在空間的自編碼器（Autoencoder with a Partially Overlapping Latent space learned through Latent Optimization）。研究人員摒棄了簡單的信息強制融合，而是將數(shù)據(jù)的潛在空間明確劃分為捕捉所有模態(tài)共有信息的共享區(qū)域，以及僅捕捉特定技術(shù)所測信息的模態(tài)特有區(qū)域。通過獨特的兩步訓(xùn)練法，APOLLO不僅能精準(zhǔn)重構(gòu)原始數(shù)據(jù)，還能在SHARE-seq（scRNA-seq和scATAC-seq）和CITE-seq（scRNA-seq和蛋白質(zhì)豐度）等多種真實數(shù)據(jù)集上表現(xiàn)出色。結(jié)果顯示，APOLLO能夠有效分離生物學(xué)信號，例如將細(xì)胞周期基因與啟動子活性區(qū)分開，或?qū)嶒炁涡?yīng)從細(xì)胞類型信號中剝離。此外，該模型還展示了強大的跨模態(tài)預(yù)測能力，能夠僅憑染色質(zhì)圖像預(yù)測未測量的蛋白質(zhì)定位，這對于資源受限的實驗具有重要意義。研究發(fā)表在 Nature Computational Science 上。

#AI驅(qū)動科學(xué) #計算模型與人工智能模擬 #單細(xì)胞多模態(tài) #APOLLO框架 #生物信息學(xué)

閱讀更多：

Zhang, Xinyi, et al. “Partially Shared Multi-Modal Embedding Learns Holistic Representation of Cell State.” Nature Computational Science, Feb. 2026, pp. 1–16. www.nature.com, https://doi.org/10.1038/s43588-025-00948-w

柔性剪紙微電極陣列實現(xiàn)非人靈長類大腦長期穩(wěn)定記錄

如何解決傳統(tǒng)剛性電極在靈長類大腦中因劇烈運動而失效的難題？來自中國腦科學(xué)研究院的 Ying Fang、Runjiu Fang、Huihui Tian 等研究人員，受剪紙藝術(shù)啟發(fā)，開發(fā)了一種新型柔性微電極陣列。該陣列通過獨特的螺旋線設(shè)計，成功解決了腦機接口在大面積、長期記錄中面臨的機械失配問題，為非人靈長類動物的神經(jīng)科學(xué)研究提供了強有力的工具。

這項研究的核心在于一種被稱為“剪紙微電極陣列”（ki-MEAs）的創(chuàng)新設(shè)計。研究團(tuán)隊利用平面光刻技術(shù)制造網(wǎng)格，并通過剪紙結(jié)構(gòu)將其轉(zhuǎn)化為三維的可拉伸螺旋線。這種設(shè)計允許電極的基部像“浮標(biāo)”一樣緊密貼合在腦表面，而螺旋線則深入皮層，能夠隨大腦的毫米級運動而自由伸縮，極大減少了對腦組織的損傷。在實驗中，研究人員通過水溶性載體將該陣列植入獼猴大腦，成功實現(xiàn)了對超過700個皮層神經(jīng)元的同時記錄。此外，結(jié)合遞歸神經(jīng)網(wǎng)絡(luò)，團(tuán)隊不僅捕捉到了高質(zhì)量的神經(jīng)信號，還成功從初級運動皮層（M1）的信號中準(zhǔn)確解碼了獼猴的上肢運動軌跡。這一成果證明了該技術(shù)在高性能腦機接口領(lǐng)域的巨大應(yīng)用潛力。研究發(fā)表在 Nature Electronics 上。

#意識與腦機接口 #神經(jīng)機制與腦功能解析 #柔性電子 #生物醫(yī)學(xué)工程

閱讀更多：

Fang, Runjiu, et al. “Flexible Kirigami Microelectrode Arrays for Neuronal Activity Recordings in Non-Human Primate Brains.” Nature Electronics, Feb. 2026, pp. 1–13. www.nature.com, https://doi.org/10.1038/s41928-025-01560-6

強化學(xué)習(xí)模型重建受損神經(jīng)通道：無需下游數(shù)據(jù)的仿生脈沖生成

針對中風(fēng)或脊髓損傷導(dǎo)致的神經(jīng)通道中斷問題，香港科技大學(xué)的Yiwen Wang（王怡雯）團(tuán)隊聯(lián)合中國科學(xué)院深圳先進(jìn)技術(shù)研究院、帝國理工學(xué)院及佛羅里達(dá)大學(xué)的研究人員，取得了一項重要突破。他們開發(fā)了一種基于強化學(xué)習(xí)的神經(jīng)脈沖生成模型，能夠繞過受損腦區(qū)，建立人工信息通道。該研究成果成功解決了傳統(tǒng)神經(jīng)假體依賴受損下游腦區(qū)數(shù)據(jù)這一核心難題，為恢復(fù)患者的運動和認(rèn)知功能提供了全新的康復(fù)思路。

該研究提出了一種基于強化學(xué)習(xí)的點過程框架。傳統(tǒng)的監(jiān)督學(xué)習(xí)方法需要下游神經(jīng)元的記錄作為訓(xùn)練的“真值”，但這在神經(jīng)受損患者中無法獲取。王怡雯團(tuán)隊的創(chuàng)新在于，他們不再試圖模仿缺失的下游信號，而是讓模型像大腦一樣通過“試錯”學(xué)習(xí)：將上游信號轉(zhuǎn)換為脈沖序列，并以“行為是否成功”作為反饋獎勵來優(yōu)化模型。實驗結(jié)果顯示，該模型生成的人工脈沖不僅能高效驅(qū)動大鼠完成目標(biāo)運動，且其信號特征與健康大腦的自然神經(jīng)調(diào)制高度相似，展現(xiàn)出優(yōu)異的仿生特性和適應(yīng)能力。研究發(fā)表在 Nature Computational Science 上。

#疾病與健康 #腦機接口 #計算模型與人工智能模擬 #神經(jīng)調(diào)控

閱讀更多：

Wu, Shenghui, et al. “A Generative Spike Prediction Model Using Behavioral Reinforcement for Re-Establishing Neural Functional Connectivity.” Nature Computational Science, vol. 6, no. 2, Feb. 2026, pp. 179–92. www.nature.com, https://doi.org/10.1038/s43588-025-00915-5

ChatBCI：利用大語言模型革新P300腦機接口拼寫效率

為了解決傳統(tǒng)腦機接口打字速度慢、用戶認(rèn)知負(fù)擔(dān)重的問題，Jiazhen Hong, Weinan Wang & Laleh Najafizadeh 團(tuán)隊開發(fā)了名為 ChatBCI 的新型系統(tǒng)。傳統(tǒng)的 P300 拼寫器通常要求用戶逐個字母進(jìn)行選擇，導(dǎo)致拼寫長句時效率低下。該團(tuán)隊通過引入大型語言模型，旨在利用上下文感知能力來優(yōu)化拼寫過程，無需本地部署龐大的模型即可實現(xiàn)智能預(yù)測。

這項研究的核心在于將 P300 腦機接口與 GPT-3.5 API 相結(jié)合。P300 是一種在事件相關(guān)電位中出現(xiàn)的特定腦波成分，常用于檢測用戶的意圖。在 ChatBCI 中，研究人員設(shè)計了一種改進(jìn)的圖形用戶界面，除了常規(guī)字母外，還能顯示由 GPT-3.5 根據(jù)上下文生成的單詞建議。系統(tǒng)采用逐步線性判別分析（SWLDA）算法來處理腦電信號并識別用戶選擇。在涉及7名受試者的實驗中，通過抄寫自編句子和即興創(chuàng)作兩項任務(wù)，結(jié)果顯示 ChatBCI 相比傳統(tǒng)逐字拼寫器顯著減少了完成任務(wù)所需的時間和按鍵次數(shù)，同時提升了信息傳輸率（ITR）。這種結(jié)合了大模型零樣本學(xué)習(xí)能力的方法，為運動或語言障礙人士提供了一種更高效的實時交流工具。研究發(fā)表在 Scientific Reports 上。

#意識與腦機接口 #大模型技術(shù) #AI驅(qū)動科學(xué) #神經(jīng)科學(xué)

閱讀更多：

Hong, Jiazhen, et al. “ChatBCI, a P300 Speller BCI with Context-Driven Word Prediction Leveraging Large Language Models, from Concept to Evaluation.” Scientific Reports, vol. 16, no. 1, Feb. 2026, p. 6379. www.nature.com, https://doi.org/10.1038/s41598-025-25660-7

神經(jīng)擬態(tài)孿生：融合數(shù)字孿生與神經(jīng)擬態(tài)工程的腦部疾病治療新范式

當(dāng)前神經(jīng)工程療法在治療帕金森病等腦部疾病時面臨個性化和適應(yīng)性不足的瓶頸。Michela Chiappalone和Timothée Levi提出了一種名為“神經(jīng)擬態(tài)孿生”（Neuromorphic Twin）的前沿概念，旨在創(chuàng)建一個能與患者大腦實時互動、共同進(jìn)化的硬件“雙胞胎”，從而實現(xiàn)真正的個性化神經(jīng)修復(fù)。

該技術(shù)的核心是將數(shù)字孿生的建模能力與神經(jīng)擬態(tài)工程的低功耗、高效率特性相結(jié)合。與現(xiàn)有的僅能單向模擬的虛擬大腦模型不同，神經(jīng)擬態(tài)孿生能夠通過閉環(huán)回路與真實大腦進(jìn)行持續(xù)的雙向通信。其架構(gòu)包含三個關(guān)鍵部分：首先，一個基于硬件的信號處理模塊，利用脈沖神經(jīng)網(wǎng)絡(luò)實時解碼采集到的大腦信號；其次，一個生物仿生的硬件網(wǎng)絡(luò)，精確模擬特定腦區(qū)的功能；最后，一個軟件層，根據(jù)大腦狀態(tài)的變化，周期性地調(diào)整硬件模型的參數(shù)，實現(xiàn)長期的自適應(yīng)與個性化。這種設(shè)計不僅能為神經(jīng)退行性疾病、癲癇或腦損傷患者提供動態(tài)調(diào)整的精準(zhǔn)刺激，還能被嵌入低功耗的可植入設(shè)備中，有望徹底改變神經(jīng)疾病的治療模式，并為生物混合智能的發(fā)展開辟新道路。研究發(fā)表在 Nature Communications 上。

#疾病與健康 #計算模型與人工智能模擬 #神經(jīng)調(diào)控 #跨學(xué)科整合

閱讀更多：

Chiappalone, Michela, and Timothée Levi. “Advancing Neuroengineering with Neuromorphic Twins.” Nature Communications, vol. 17, no. 1, Feb. 2026, p. 1938. www.nature.com, https://doi.org/10.1038/s41467-026-68923-1

Doc-to-LoRA：讓大模型即時“消化”長文本的新技術(shù)

大型語言模型處理長文本時效率低下，如何讓模型快速“消化”并記住文檔內(nèi)容？Sakana AI和密涅瓦大學(xué)（Minerva University）的Rujikorn Charakorn、Edoardo Cetin、Shinnosuke Uesaka、Robert T. Lange等人提出了一種名為Doc-to-LoRA（D2L）的創(chuàng)新框架，它通過一個輕量級超網(wǎng)絡(luò)，讓大模型在一次讀取后就能即時內(nèi)化文檔信息。

該研究的核心是“元學(xué)習(xí)”上下文蒸餾過程。研究團(tuán)隊設(shè)計了一個超網(wǎng)絡(luò)，它能讀取任意一篇新文檔，并在單次前向計算中，為目標(biāo)LLM量身定做一個LoRA適配器。將此適配器加載后，LLM就相當(dāng)于“記住”了文檔內(nèi)容，后續(xù)回答相關(guān)問題時無需再次加載冗長的原文，從而極大地降低了推理延遲和內(nèi)存占用。為處理超長文檔，D2L采用了基于Perceiver的架構(gòu)和分塊機制。實驗結(jié)果令人矚目：在“大海撈針”測試中，D2L處理的文本長度可達(dá)模型原生上下文窗口的四倍以上，且準(zhǔn)確率近乎完美。在真實問答任務(wù)中，其效率和性能在計算資源受限時均優(yōu)于傳統(tǒng)蒸餾方法，甚至能實現(xiàn)從視覺模型到文本模型的知識遷移。

#大模型技術(shù) #計算模型與人工智能模擬 #高效推理 #上下文內(nèi)化

閱讀更多：

Charakorn, Rujikorn, et al. “Doc-to-LoRA: Learning to Instantly Internalize Contexts.” arXiv:2602.15902, arXiv, 13 Feb. 2026. arXiv.org, https://doi.org/10.48550/arXiv.2602.15902

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。歡迎評論區(qū)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(fù)哦~

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10億美元創(chuàng)建的世界最大私人腦科學(xué)研究機構(gòu)之一，圍繞全球化、跨學(xué)科和青年科學(xué)家三大重點，支持腦科學(xué)研究，造福人類。

研究院在華山醫(yī)院、上海市精神衛(wèi)生中心分別設(shè)立了應(yīng)用神經(jīng)技術(shù)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(xué)院合作成立了加州理工陳天橋雒芊芊神經(jīng)科學(xué)研究院。

研究院還建成了支持腦科學(xué)和人工智能領(lǐng)域研究的生態(tài)系統(tǒng)，項目遍布?xì)W美、亞洲和大洋洲，包括、、、科研型臨床醫(yī)生獎勵計劃、、、科普視頻媒體「大圓鏡」等。