█腦科學動態(tài)

Science：破解數(shù)十年的帕金森病之謎，解析出PINK1蛋白結構

Nature：科學家提出腦類器官研究新標準

ConnectionMiner：揭示果蠅運動神經(jīng)元的連接機制

四分之三抑郁癥患者認為抗抑郁藥有幫助

降低生物能量年齡有助于抵御阿爾茨海默病

寬帶技術提升深部腦刺激手術精度

中年飲食與腰臀比影響晚年大腦健康

注意力錯誤如何影響我們的空間工作記憶

觀看自然場景可以減輕疼痛

█AI行業(yè)動態(tài)

ChatGPT升級：Python數(shù)據(jù)分析功能全面上線，o1模型表現(xiàn)亮眼

█AI驅(qū)動科學

大型語言模型顯著提升術后并發(fā)癥預測準確性

便攜式AI系統(tǒng)高效識別輕度認知障礙

AI 精準提取癌癥治療關鍵生物標志物

Exo 2：高性能計算的新編程語言，代碼量減少 100 倍

HyenaDNA：基因組序列建模的新星

自然神經(jīng)元網(wǎng)絡中的振蕩：是一種表觀現(xiàn)象還是一種基本的計算機制？

腦科學動態(tài)

Science：破解數(shù)十年的帕金森病之謎，解析出PINK1蛋白結構

帕金森病是一種快速增長的神經(jīng)退行性疾病，PINK1蛋白與其密切相關。沃爾特和伊麗莎白·霍爾研究所（WEHI）的David Komander教授和Sylvie Callegari博士領導的團隊，首次解析了人類PINK1蛋白與線粒體結合的結構，為開發(fā)治療帕金森病的新藥提供了可能。

?兩種 PINK1 蛋白首次被展示附著在線粒體膜上。Credit: WEHI

研究團隊使用冷凍電鏡技術解析了人類PINK1蛋白與線粒體結合的結構。結果顯示，PINK1通過TOM復合物進入線粒體，并受到氧化的調(diào)控。研究還發(fā)現(xiàn)了一種新的TOM-VDAC組裝方式，解釋了生理底物在轉位過程中如何穿越TOM40。研究發(fā)表在 Science 上。

#大腦健康 #個性化醫(yī)療 #PINK1蛋白 #冷凍電鏡技術 #帕金森病

閱讀更多：

Callegari, Sylvie, et al. “Structure of Human PINK1 at a Mitochondrial TOM-VDAC Array.” Science, vol. 0, no. 0, Mar. 2025, p. eadu6445. science.org (Atypon), https://doi.org/10.1126/science.adu6445

Nature：科學家提出腦類器官研究新標準

腦類器官作為三維腦模型，為研究大腦的發(fā)展、演化和疾病提供了重要工具。然而，其局限性和實驗標準化問題亟待解決。由斯坦福大學的Sergiu Pasca和分子生物技術研究所（IMBA）的Jürgen Knoblich等科學家發(fā)表了一篇共識論文，提出了一個改進腦類器官的實驗框架，旨在提高實驗的可重復性和結果的可轉移性。

?顯微鏡圖像和腦類器官中 CHOOSE 系統(tǒng)的藝術表現(xiàn)。Credit: Knoblich Lab/IMBA

該框架涵蓋了從干細胞選擇到神經(jīng)元功能評估的多個方面。首先，研究人員建議使用高質(zhì)量的人類多能干細胞（hPSC, human pluripotent stem cells）作為起點，確保類器官的細胞來源可靠。其次，框架詳細描述了生成和表征神經(jīng)細胞的過程，包括如何誘導干細胞形成特定腦區(qū)的模型。此外，研究還提出了評估腦類器官功能特性的方法，如測量神經(jīng)元活性和將類器官整合到神經(jīng)元回路中。通過這些標準化步驟，研究人員能夠更好地模擬大腦的生理功能，并揭示新的組織生物學和病理生理學見解。研究發(fā)表在 Nature 上。

#神經(jīng)科學 #跨學科整合 #腦類器官 #干細胞 #神經(jīng)回路

閱讀更多：

Pa?ca, Sergiu P., et al. “A Framework for Neural Organoids, Assembloids and Transplantation Studies.” Nature, vol. 639, no. 8054, Mar. 2025, pp. 315–20. www.nature.com, https://doi.org/10.1038/s41586-024-08487-6

ConnectionMiner：揭示果蠅運動神經(jīng)元的連接機制

神經(jīng)系統(tǒng)如何組裝自身是神經(jīng)科學中的一個基本問題。紐約大學坦頓工程學院的 Erdem Varol 及其團隊開發(fā)了 ConnectionMiner 工具，結合基因表達數(shù)據(jù)和電子顯微鏡衍生的連接組數(shù)據(jù)，揭示了果蠅腿部運動神經(jīng)元的連接機制。

?ConnectionMiner 概覽。Credit: Neuroscience (2025).

研究團隊通過單細胞 RNA 測序（scRNAseq）追蹤了果蠅腿部運動神經(jīng)元在不同發(fā)育階段的基因表達變化，發(fā)現(xiàn)轉錄因子（TFs）和細胞粘附分子（CAMs）在塑造神經(jīng)元身份和突觸連接強度中起關鍵作用。ConnectionMiner 工具利用機器學習整合了 scRNAseq 數(shù)據(jù)和連接組數(shù)據(jù)，成功解析了果蠅腿部運動系統(tǒng)中從前運動神經(jīng)元（preMNs）到運動神經(jīng)元（MNs）再到肌肉的神經(jīng)回路組裝機制。研究還預測了驅(qū)動這些連接的分子相互作用，為理解神經(jīng)系統(tǒng)如何組裝自身提供了新的框架。研究發(fā)表在 Neuroscience 上。

#神經(jīng)技術 #預測模型構建 #神經(jīng)機制與腦功能解析 #果蠅 #ConnectionMiner

閱讀更多：

Gupta, Himanshu Pawankumar, et al. Decoding Neuronal Wiring by Joint Inference of Cell Identity and Synaptic Connectivity. bioRxiv, 4 Mar. 2025, p. 2025.03.04.640006. bioRxiv, https://doi.org/10.1101/2025.03.04.640006

四分之三抑郁癥患者認為抗抑郁藥有幫助

重度抑郁癥（MDD）是一種全球范圍內(nèi)廣泛存在的精神疾病，抗抑郁藥尤其是選擇性5-羥色胺再攝取抑制劑（SSRIs）是其主要治療手段。然而，不同患者對SSRIs的反應存在顯著差異。倫敦國王學院精神病學、心理學與神經(jīng)科學研究所（IoPPN）的研究團隊通過分析英國生物樣本庫的數(shù)據(jù)，揭示了影響SSRIs有效性的多種因素，為個性化治療提供了新的見解。

研究團隊分析了19,516名MDD患者的數(shù)據(jù)，這些患者至少嘗試過一種SSRI（如西酞普蘭、氟西汀、帕羅西汀或舍曲林）至少兩周。參與者通過問卷報告了SSRI是否幫助他們“感覺更好”。結果顯示，74.9%的參與者認為SSRI有效，而18.8%的人表示無效。研究發(fā)現(xiàn)，年齡較大、男性、低收入、有酒精或非法藥物使用史、抑郁發(fā)作持續(xù)時間超過兩年以及遺傳風險較高的患者更可能報告SSRI無效。此外，CYP2C19代謝不良者的無反應率較高，抑郁的多基因評分也預測了SSRI的負面結果。研究發(fā)表在 Psychological Medicine 上。

#大腦健康 #心理健康與精神疾病 #個性化醫(yī)療 #抗抑郁藥 #SSRIs

閱讀更多：

Kamp, Michelle, et al. “Sociodemographic, Clinical, and Genetic Factors Associated with Self-Reported Antidepressant Response Outcomes in the UK Biobank.” Psychological Medicine, vol. 55, Jan. 2025, p. e80. Cambridge University Press, https://doi.org/10.1017/S0033291725000388

降低生物能量年齡有助于抵御阿爾茨海默病

阿爾茨海默病（AD）的早期預警信號之一是大腦細胞能量代謝的下降，但有些人多年后才表現(xiàn)出癥狀。威爾康奈爾醫(yī)學院的Jan Krumsiek博士和赫爾姆霍茨慕尼黑的Matthias Arnold博士領導的研究團隊發(fā)現(xiàn)，健康生活方式可以降低生物能量年齡，延緩或預防阿爾茨海默病的發(fā)作。

?個體生物能容量概念反映大腦能量代謝受損。Credit: Nature Communications (2025).

研究人員使用酰基肉堿（acylcarnitines，一種與能量代謝相關的分子）作為生物能量能力的指標，分析了阿爾茨海默病神經(jīng)影像學倡議（ADNI）的數(shù)據(jù)。研究發(fā)現(xiàn)，高酰基肉堿水平與較高的生物能量年齡、惡化的阿爾茨海默病病理、認知衰退和大腦萎縮相關。健康生活方式，如植物性飲食和鍛煉，可以降低酰基肉堿水平，從而降低生物能量年齡，延緩或預防阿爾茨海默病的發(fā)作。研究發(fā)表在 Nature Communications 上。

#大腦健康 #疾病預防 #生物能量年齡 #酰基肉堿 #阿爾茨海默病

閱讀更多：

Arnold, Matthias, et al. “Individual Bioenergetic Capacity as a Potential Source of Resilience to Alzheimer’s Disease.” Nature Communications, vol. 16, no. 1, Feb. 2025, p. 1910. www.nature.com, https://doi.org/10.1038/s41467-025-57032-0

寬帶技術提升深部腦刺激手術精度

深部腦刺激（DBS）是治療帕金森病和震顫等運動障礙的常見方法，但傳統(tǒng)的腦電波監(jiān)測方法精度有限。梅奧診所的研究團隊開發(fā)了一種新的監(jiān)測方法，利用“寬帶”技術提高檢測精度。

?實驗方法和信號處理技術。Credit: Journal of Neurophysiology (2024).

研究團隊使用了更靈敏的研究級設備和定制算法，記錄更廣泛的腦細胞活動頻率范圍。他們在15名接受DBS手術的患者中記錄了與手部運動相關的寬帶信號，發(fā)現(xiàn)這些信號在運動時增加，并且在定位上比傳統(tǒng)的窄頻率信號更精確。這一發(fā)現(xiàn)可能有助于醫(yī)生在手術中實時調(diào)整電極放置和刺激，為患者提供更個性化的治療。研究發(fā)表在 Journal of Neurophysiology 上。

#神經(jīng)技術 #個性化醫(yī)療 #深部腦刺激 #寬帶技術 #腦電波監(jiān)測

閱讀更多：

Klassen, Bryan T., et al. “Spectral Changes in Motor Thalamus Field Potentials during Movement.” Journal of Neurophysiology, vol. 133, no. 1, Jan. 2025, pp. 101–08. journals.physiology.org (Atypon), https://doi.org/10.1152/jn.00419.2024

中年飲食與腰臀比影響晚年大腦健康

全球飲食習慣的變化導致肥胖、心血管疾病和糖尿病的發(fā)病率上升，這些疾病與癡呆癥風險增加相關。牛津大學、倫敦大學學院及德國、法國和荷蘭的協(xié)作機構的研究團隊發(fā)現(xiàn)，中年時的飲食質(zhì)量和腰臀比與晚年時的腦連接性和認知表現(xiàn)相關。

研究分析了英國公務員縱向隊列研究——白廳II研究的數(shù)據(jù)，使用替代健康飲食指數(shù)-2010（AHEI-2010）評估飲食質(zhì)量，腰臀比在21年期間的五次測量中進行了測量。大腦的結構和功能連接性使用彌散張量成像和靜息態(tài)功能磁共振成像進行評估。研究顯示，中年時期更健康的飲食質(zhì)量與更好的工作記憶、執(zhí)行功能和整體認知表現(xiàn)相關，工作記憶和執(zhí)行功能的改善部分可歸因于更好的白質(zhì)完整性。中年時期腰臀比更高與白質(zhì)完整性廣泛下降相關。研究發(fā)表在 JAMA Network Open 上。

#大腦健康 #疾病預防 #飲食質(zhì)量 #腰臀比 #白質(zhì)完整性

閱讀更多：

Edwin Thanarajah, Sharmili. “Midlife Dietary Quality and Body Composition Relevance for Brain Connectivity and Cognitive Performance in Later Life.” JAMA Network Open, vol. 8, no. 3, Mar. 2025, p. e250181. Silverchair, https://doi.org/10.1001/jamanetworkopen.2025.0181

Jensen, Daria E. A., et al. “Association of Diet and Waist-to-Hip Ratio With Brain Connectivity and Memory in Aging.” JAMA Network Open, vol. 8, no. 3, Mar. 2025, p. e250171. Silverchair, https://doi.org/10.1001/jamanetworkopen.2025.0171

注意力錯誤如何影響我們的空間工作記憶

密歇根大學的研究團隊，由James A. Brissenden領導，探索了注意力錯誤對空間工作記憶的影響。他們的研究揭示了人類大腦如何通過調(diào)整空間表征來響應注意力分配中的錯誤。

?注意錯誤和空間工作記憶實驗范式。Credit: Nature Human Behaviour (2025).

研究團隊設計了五項實驗，其中三項在線進行，兩項使用眼動追蹤技術。在這些實驗中，參與者的注意力被有意引導到特定位置，導致注意力分配錯誤。研究發(fā)現(xiàn)，隨著這些錯誤的累積，參與者會自適應地改變他們被要求記憶的刺激的回憶，以抵消這些錯誤。具體來說，在工作記憶測試中，參與者記得所呈現(xiàn)的物體位于應該注意到的位置附近，以便在注意測試中最好地識別目標刺激。這一結果表明，我們在環(huán)境中注意和記憶信息的方式正在不斷調(diào)整和校準，這種微調(diào)可能在沒有意識意識的情況下發(fā)生。研究發(fā)表在 Nature Human Behaviour 上。

#認知科學 #記憶機制 #注意力錯誤 #空間工作記憶 #眼動追蹤

閱讀更多：

Brissenden, James A., et al. “Errors of Attention Adaptively Warp Spatial Cognition.” Nature Human Behaviour, Feb. 2025, pp. 1–12. www.nature.com, https://doi.org/10.1038/s41562-025-02109-5

觀看自然場景可以減輕疼痛

自然環(huán)境對健康有益，但其減輕疼痛的機制尚不明確。維也納大學和埃克塞特大學的研究團隊通過神經(jīng)影像學研究發(fā)現(xiàn)，觀看虛擬自然場景可以減少疼痛感。

研究使用功能磁共振成像技術，監(jiān)測49名健康參與者在接受電擊疼痛時的腦部活動。參與者觀看虛擬自然場景、城市場景和室內(nèi)場景，同時接受電擊。通過多體素腦簽名方法（NPS和SIIPS1）分析疼痛相關的腦活動模式。結果顯示，觀看自然場景時，參與者報告的疼痛感較低，且與痛覺相關的腦活動減少。這表明自然暴露通過改變痛覺和體感處理產(chǎn)生真正的鎮(zhèn)痛效果。研究發(fā)表在 Nature Communications 上。

#神經(jīng)科學 #疼痛 #虛擬現(xiàn)實 #神經(jīng)影像學 #自然療法

閱讀更多：

Steininger, Maximilian O., et al. “Nature Exposure Induces Analgesic Effects by Acting on Nociception-Related Neural Processing.” Nature Communications, vol. 16, no. 1, Mar. 2025, p. 2037. www.nature.com, https://doi.org/10.1038/s41467-025-56870-2

AI 行業(yè)動態(tài)

ChatGPT升級：Python數(shù)據(jù)分析功能全面上線，o1模型表現(xiàn)亮眼

OpenAI近日宣布，ChatGPT的o1和o3-mini模型現(xiàn)已支持Python數(shù)據(jù)分析功能，用戶可以通過這兩款模型進行數(shù)據(jù)分析、可視化及場景模擬等任務。盡管界面沒有明顯變化，但Python已在o1模型中悄然“上崗”。這一更新被網(wǎng)友稱為高級數(shù)據(jù)分析（ADA）功能的第三個版本，甚至有評論認為o1已經(jīng)從助理進化成了全能的數(shù)據(jù)分析Copilot。

為了測試o1在數(shù)據(jù)分析上的表現(xiàn)，研究人員進行了一系列實測。首先，他們整理了一架飛機近一年的400多條航班記錄，要求模型回答四個問題：航線及執(zhí)飛次數(shù)、執(zhí)飛次數(shù)最多的航班號、實際起飛時段（UTC時間換算為北京時間）、延誤次數(shù)及平均和最長延誤時間。o1在調(diào)用Python后，成功回答了所有問題，盡管4o也答對了，但輸出格式不夠美觀。Claude（3.7 Sonnet）則因文件名包含中文而無法讀取文件，最終自行編造了錯誤答案，但在去掉中文后成功讀取并給出了正確結論。

在可視化能力測試中，研究人員使用了一班航班的1700多個數(shù)據(jù)點，要求繪制高度和速度隨時間變化的折線圖，并進行時區(qū)和計量單位的換算。o1和4o都成功繪制了圖像，但4o的標記更易于分辨，而o1的混色繪制則有些混淆。Claude則制作了可交互的網(wǎng)頁，但在時區(qū)轉換和數(shù)據(jù)點連接上出現(xiàn)了錯誤。

此外，OpenAI還宣布，之前僅限Mac客戶端會員使用的Work with Apps功能現(xiàn)已向所有用戶開放，該功能可以從文本編輯和IDE工具中讀取代碼等數(shù)據(jù)，簡化編程任務。

#ChatGPT #Python數(shù)據(jù)分析 #o1模型 #OpenAI #可視化

閱讀更多：

https://x.com/OpenAI/status/1900308446211432484

AI 驅(qū)動科學

大型語言模型顯著提升術后并發(fā)癥預測準確性

術后并發(fā)癥如肺炎和血栓嚴重影響患者康復，傳統(tǒng)預測方法依賴結構化數(shù)據(jù)，難以捕捉臨床筆記中的細微信息。華盛頓大學圣路易斯分校的Chenyang Lu團隊開發(fā)了一種基于大型語言模型的新方法，通過分析術前筆記顯著提高了術后風險預測的準確性。

?比較不同的微調(diào)策略。a 比較了僅使用預訓練模型與使用其自監(jiān)督目標對模型進行微調(diào)的使用情況。自監(jiān)督微調(diào)涉及通過其目標損失函數(shù)（們）對預訓練模型的權重進行細化，使用提供的臨床筆記。b 闡述了半監(jiān)督微調(diào)與基礎微調(diào)之間的差異。半監(jiān)督微調(diào)側重于優(yōu)化模型以實現(xiàn)感興趣的特定結果，而基礎微調(diào)采用多任務學習（MTL）目標，將數(shù)據(jù)集中所有可用的術后標簽納入其中。Credit: npj Digital Medicine (2025).

研究團隊使用84,875份術前筆記，通過自監(jiān)督微調(diào)和基礎微調(diào)優(yōu)化LLMs。自監(jiān)督微調(diào)通過目標損失函數(shù)細化模型權重，而基礎微調(diào)采用多任務學習目標，整合所有術后標簽。結果顯示，預訓練的LLMs在AUROC（曲線下面積，area under the receiver operating characteristic curve）和AUPRC（精確率-召回率曲線下面積，area under the precision-recall curve）上分別比傳統(tǒng)方法提高了38.3%和33.2%。基礎微調(diào)進一步將AUROC和AUPRC提升了3.6%和2.6%。研究發(fā)表在 npj Digital Medicine 上。

#預測模型構建 #個性化醫(yī)療 #大型語言模型 #術后并發(fā)癥 #臨床筆記分析

閱讀更多：

Alba, Charles, et al. “The Foundational Capabilities of Large Language Models in Predicting Postoperative Risks Using Clinical Notes.” Npj Digital Medicine, vol. 8, no. 1, Feb. 2025, pp. 1–17. www.nature.com, https://doi.org/10.1038/s41746-025-01489-2

便攜式AI系統(tǒng)高效識別輕度認知障礙

輕度認知障礙（MCI）是阿爾茨海默病和癡呆的早期指標，但診斷過程復雜且耗時。密蘇里大學的Trent Guess、Jamie Hall和Praveen Rao團隊開發(fā)了一種便攜式系統(tǒng)，通過測量運動功能來識別MCI，準確率達到83%。

?由密蘇里大學研究人員創(chuàng)建的便攜式系統(tǒng)，用于測量運動功能。Credit: Sophia Scheller, University of Missouri

研究使用了一種結合深度相機、力板（forceplate）和接口板的便攜式設備，讓老年人在單任務和雙任務條件下完成站立、行走和坐立活動。數(shù)據(jù)被輸入到機器學習模型中，最佳模型決策樹（decision trees）準確識別了83%的MCI患者。研究發(fā)表在 Alzheimer Disease & Associated Disorders 上。

#大腦健康 #預測模型構建 #便攜式設備 #機器學習 #輕度認知障礙

閱讀更多：

Hall, Jamie B., et al. “Feasibility of Using a Novel, Multimodal Motor Function Assessment Platform With Machine Learning to Identify Individuals With Mild Cognitive Impairment.” Alzheimer Disease & Associated Disorders, vol. 38, no. 4, Dec. 2024, p. 344. journals.lww.com, https://doi.org/10.1097/WAD.0000000000000646

AI 精準提取癌癥治療關鍵生物標志物

PD-L1 生物標志物檢測對癌癥治療決策至關重要，但由于實驗室報告的非結構化和隨時間變化的文檔模式，這些結果難以獲取。來自 Flatiron Health 和紐約大學朗格尼醫(yī)學中心的 Aaron Cohen 及其團隊應用開源大型語言模型從 Flatiron Health 美國全國性的 EHR 數(shù)據(jù)庫中提取與 PD-L1 檢測相關的七個生物標志物細節(jié)，結果顯示微調(diào)的 LLMs 能夠準確提取復雜的 PD-L1 測試細節(jié)。

研究團隊應用開源 LLMs（Llama-2-7B 和 Mistral-v0.1-7B）從 Flatiron Health 美國全國性的 EHR 數(shù)據(jù)庫中提取與 PD-L1 檢測相關的七個生物標志物細節(jié)。研究采用兩種方法：zero-shot 實驗（無微調(diào)）和基于 500、1000 和 1500 份文檔的手動標注數(shù)據(jù)進行微調(diào)。研究還比較了 LLMs 與基于 >10,000 個樣本訓練的深度學習模型的性能。結果顯示，微調(diào)的 LLMs 能夠準確提取復雜的 PD-L1 測試細節(jié)，F(xiàn)1 分數(shù)在 0.8 到 0.95 之間，日期準確率（15 天內(nèi)）在 0.85 到 0.9 之間。微調(diào)的 LLMs 性能優(yōu)于深度學習模型基線（ΔF1 = 0.05），盡管訓練數(shù)據(jù)量存在顯著差異。研究發(fā)表在 AI in Precision Oncology 上。

#個性化醫(yī)療 #大模型技術 #癌癥治療 #電子健康記錄 #生物標志物

閱讀更多：

Cohen, Aaron B., et al. “Large Language Model Extraction of PD-L1 Biomarker Testing Details From Electronic Health Records.” AI in Precision Oncology, Feb. 2025. liebertpub.com (Atypon), https://doi.org/10.1089/aipo.2024.0043

Exo 2：高性能計算的新編程語言，代碼量減少 100 倍

高性能計算（HPC）庫的開發(fā)通常需要大量代碼和專業(yè)知識，形成技術壁壘。麻省理工學院計算機科學與人工智能實驗室（CSAIL）的 Yuka Ikarashi 等人開發(fā)了一種名為 Exo 2 的新型編程語言，通過允許用戶定義調(diào)度操作，顯著減少了代碼量并提高了性能。

Exo 2 是一種“用戶可調(diào)度語言”（USLs, User-Schedulable Languages），允許程序員通過編寫“調(diào)度”代碼來控制編譯器生成高效代碼。與現(xiàn)有 USLs 不同，Exo 2 允許用戶在編譯器外部定義新的調(diào)度操作，從而支持跨應用和硬件目標的代碼重用。研究團隊實現(xiàn)了一個包含約 2,000 行代碼的調(diào)度庫，封裝了針對線性代數(shù)和特定硬件（如 AVX512 和 Neon）的優(yōu)化。該庫支持超過 80 個高性能內(nèi)核，每個內(nèi)核僅需十幾行代碼，性能與 MKL、OpenBLAS 等現(xiàn)有庫相當甚至更優(yōu)。此外，Exo 2 引入了Cursors機制，確保調(diào)度代碼的穩(wěn)定性和可重用性。未來，團隊計劃擴展 Exo 2 對 GPU 等硬件加速器的支持。

#神經(jīng)技術 #自動化科研 #高性能計算 #編程語言 #編譯器優(yōu)化

閱讀更多：

Ikarashi, Yuka, et al. Exo 2: Growing a Scheduling Language. arXiv:2411.07211, arXiv, 30 Jan. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2411.07211

HyenaDNA：基因組序列建模的新星

基因組語言模型（gLMs）正在解決解讀復雜基因組序列的挑戰(zhàn)，預測基因調(diào)控和變異效應。由Micaela E. Consens領導的團隊，包括Cameron Dufault、Michael Wainberg等，利用Transformer架構在基因組數(shù)據(jù)中捕捉長距離依賴關系，提高模型準確性。

研究團隊使用Transformer架構，這種在自然語言處理中表現(xiàn)出色的技術，來捕捉基因組數(shù)據(jù)中的長距離依賴關系，從而提高模型的準確性。研究還引入了HyenaDNA等創(chuàng)新架構，有效進行長距離基因組序列建模。研究結果顯示，gLMs在預測基因調(diào)控和變異效應方面表現(xiàn)出色，同時揭示了Transformer架構的優(yōu)勢和局限性。研究發(fā)表在 Nature Machine Intelligence 上。

#神經(jīng)技術 #預測模型構建 #基因組學 #Transformer架構

閱讀更多：

Consens, Micaela E., et al. “Transformers and Genome Language Models.” Nature Machine Intelligence, Mar. 2025, pp. 1–17. www.nature.com, https://doi.org/10.1038/s42256-025-01007-9

自然神經(jīng)元網(wǎng)絡中的振蕩：是一種表觀現(xiàn)象還是一種基本的計算機制？

長期以來，神經(jīng)元振蕩被認為是循環(huán)相互作用的副現(xiàn)象，但一項新研究通過模擬實驗表明，振蕩在信息處理中扮演著關鍵角色。

研究團隊設計了一種名為諧波振蕩循環(huán)網(wǎng)絡（HORN）的模型，模擬了大腦皮層中的神經(jīng)元振蕩。通過將網(wǎng)絡節(jié)點配置為阻尼諧波振蕩器，研究人員發(fā)現(xiàn)，振蕩節(jié)點顯著提升了網(wǎng)絡在模式分類任務中的性能。特別是在噪聲環(huán)境下，振蕩網(wǎng)絡表現(xiàn)出更強的魯棒性。

研究還發(fā)現(xiàn)，異質(zhì)網(wǎng)絡（即節(jié)點具有不同振蕩頻率和延遲的網(wǎng)絡）在處理復雜任務時表現(xiàn)更佳。此外，Hebbian學習機制在HORN網(wǎng)絡中的應用進一步增強了網(wǎng)絡的分類能力，表明相關性學習在自然神經(jīng)元網(wǎng)絡中具有重要作用。

這項研究不僅揭示了振蕩在神經(jīng)元網(wǎng)絡中的計算功能，還為未來設計更高效的機器學習模型提供了新的思路。通過模擬自然神經(jīng)元網(wǎng)絡的動態(tài)特性，研究人員展示了振蕩在特征綁定和場景分割等復雜任務中的潛力。研究發(fā)表在Human Arenas 上。

#認知科學 #預測模型構建 #神經(jīng)元振蕩 #諧波振蕩循環(huán)網(wǎng)絡

閱讀更多：

Singer, Wolf, and Felix Effenberger. “Oscillations in Natural Neuronal Networks; An Epiphenomenon or a Fundamental Computational Mechanism?” Human Arenas, Mar. 2025. Springer Link, https://doi.org/10.1007/s42087-025-00478-x

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。如果您有進一步想要討論的內(nèi)容，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。

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(chuàng)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。

Chen Institute與華山醫(yī)院、上海市精神衛(wèi)生中心設立了應用神經(jīng)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天橋神經(jīng)科學研究院。

Chen Institute建成了支持腦科學和人工智能領域研究的生態(tài)系統(tǒng)，項目遍布歐美、亞洲和大洋洲，包括、、、科研型臨床醫(yī)生獎勵計劃、、等。