追問daily | 作息越亂，心態越糟；谷歌再度實現量子霸權；技術進步的關鍵：通過文化創新分配認知負荷

█腦科學動態

Nature：饑餓與激素如何聯手操控雌鼠攻擊幼崽

我們做夢時大腦并未完全睡著？新研究揭示‘半清醒’狀態

發現控制碳水和脂肪偏好的獨立神經通路

重新定義產后精神健康：專家呼吁將其列為獨立疾病以挽救生命

大腦在看到食物后毫秒內快速評估其多重屬性

多發性硬化癥患者唾液中存在“失衡”菌群

一種開銷低、高效、完全模擬的神經網絡計算硬件

█AI行業動態

基因組界的“ChatGPT”：Genos百億參數大模型免費開源

Meta AI部門“瘦身”600人：為追求“超級智能”揮刀砍向官僚主義

█AI驅動科學

谷歌實現可驗證的量子優勢：量子回聲算法超越經典超算

技術進步的關鍵：通過文化創新分配認知負荷

利用大模型預測交通事故：新AI框架提升評估可信度與決策干預

新算法seismic揭示阿爾茨海默病與特定神經元的遺傳關聯

作息越亂，心態越糟：日常節律是心理健康的關鍵指標

電化學新方法有望實現電池快充并延長壽命

腦科學動態

Nature：饑餓與激素如何聯手操控雌鼠攻擊幼崽

大腦如何整合饑餓和激素等多種內部信號來調控復雜的社會行為？弗朗西斯·克里克研究所的 Jonny Kohl 和 Mingran Cao 等研究人員通過研究雌性小鼠發現，饑餓感會通過一條特定的神經通路，抑制大腦中負責育兒行為的區域，從而將關愛行為轉變為攻擊行為，而這一轉變又受到生殖激素水平的嚴格調控。

?Arc AgRP → MPOA 投射介導饑餓誘發的幼崽攻擊行為。Credit: Nature (2025).

研究團隊發現，當未交配的雌性小鼠處于饑餓狀態時，約有60%會對幼崽表現出攻擊性，而飽食時則不會。通過一系列神經科學實驗，他們揭示了這一行為開關背后的精確機制。研究表明，饑餓信號由下丘腦弓狀核中的AgRP神經元（Agouti-related peptide neurons）發出，這些神經元通過釋放神經肽Y，直接抑制大腦中對父母行為至關重要的內側視前區（medial preoptic area, MPOA）。然而，這種抑制作用并非總能觸發攻擊行為。研究人員發現，攻擊行為的發生還取決于小鼠所處的發情周期階段。MPOA神經元的興奮性受卵巢激素中孕酮與雌二醇比例的調節。只有當激素水平使MPOA神經元處于特定的“易感”狀態時，來自AgRP神經元的饑餓抑制信號才能成功地將小鼠的行為從關愛切換為攻擊。這兩種信號最終匯聚在MPOA神經元的HCN通道（hyperpolarization-activated cyclic nucleotide-gated channels，一種影響神經元興奮性的離子通道）上，共同決定了行為輸出。研究發表在 Nature 上。

閱讀更多：

Cao, Mingran, et al. “Integration of Hunger and Hormonal State Gates Infant-Directed Aggression.” Nature, Oct. 2025, pp. 1–8. www.nature.com, https://doi.org/10.1038/s41586-025-09651-2

我們做夢時大腦并未完全睡著？新研究揭示‘半清醒’狀態

夢境研究長期受限于小規模、不標準的數據集。由澳大利亞莫納什大學協調，包括意大利盧卡IMT高等研究院Giulio Bernardi在內的國際研究團隊創建了迄今最大的夢境-腦電數據庫（DREAM），初步分析揭示了做夢時大腦的‘半清醒’狀態。

研究團隊通過整合全球20項研究、505名參與者和2643次覺醒的數據，建立了DREAM數據庫，該庫結合了腦電圖等腦活動記錄與參與者的夢境報告。對數據庫的首次分析顛覆了傳統認知，證實夢境不僅發生在活躍的快速眼動睡眠（REM）期，也同樣出現在更深、更平靜的非快速眼動睡眠（non-REM, NREM，深度睡眠階段）中。尤為關鍵的是，當夢境在NREM期發生時，大腦的電活動模式（特別是低頻delta波減少）與清醒狀態更為相似，而非深度睡眠，這表明大腦可能處于一種“部分清醒”的混合狀態。此外，研究人員利用人工智能算法分析EEG數據，能夠準確預測被試在被喚醒前是否正在做夢。這一成果為客觀研究意識的神經基礎開辟了新途徑。研究發表在 Nature Communications 上。

閱讀更多：

Wong, William, et al. “A Dream EEG and Mentation Database.” Nature Communications, vol. 16, no. 1, Aug. 2025, p. 7495. www.nature.com, https://doi.org/10.1038/s41467-025-61945-1

發現控制碳水和脂肪偏好的獨立神經通路

大腦如何決定我們想吃脂肪還是碳水化合物？日本自然科學研究機構生理學研究所、名古屋大學和杉山女學園大學的 Yasuhiko Minokoshi、Ken-ichiro Nakajima 和 Nawarat Rattanajearakul 等研究人員，通過小鼠實驗發現，大腦內存在兩條完全獨立的神經通路，分別掌管著對碳水化合物和脂肪的攝食偏好，揭示了食物選擇背后的精準調控機制。

?2DG 誘導的葡萄糖剝奪通過激活孤束核（NTS）、延髓腹外側核（VLM）和下丘腦弓狀核（ARC）中的神經肽 Y（NPY）神經元，促進下丘腦室旁核（PVH）中高碳水化合物飲食（HCD）和高脂肪飲食（HFD）的攝入。Credit: Yasuhiko Minokoshi

研究團隊通過給小鼠注射2-脫氧-D-葡萄糖（2-deoxy-D-glucose, 2DG）模擬能量缺乏狀態，并觀察它們在高碳水化合物飲食（high-carbohydrate diet, HCD）和高脂肪飲食（high-fat diet, HFD）間的選擇。利用光遺傳學等神經調控技術，他們發現下丘腦室旁核（ PVH）是調控中心。當身體需要快速補充能量時，來自腦干的神經肽Y（neuropeptide Y, NPY）神經元會激活PVH中的一組特定神經元（AMPK-regulated CRH neurons），促使小鼠優先攝入碳水化合物。與此同時，另一條通路則負責脂肪的攝入：來自腦干和下丘腦弓狀核（ ARC）的NPY神經元通過抑制PVH中的黑皮質素4受體（MC4R）神經元，來增加對高脂肪食物的攝取。研究還特別指出，ARC的NPY神經元專門驅動脂肪攝入，這可能與生物體對高能量食物的先天偏好有關。該發現首次清晰分離了大腦對兩種宏量營養素的偏好控制通路。研究發表在 Metabolism 上。

閱讀更多：

Rattanajearakul, Nawarat, et al. “Glucoprivation-Induced Nutrient Preference Relies on Distinct NPY Neurons That Project to the Paraventricular Nucleus of the Hypothalamus.” Metabolism - Clinical and Experimental, vol. 0, no. 0, Oct. 2025. www.metabolismjournal.com, https://doi.org/10.1016/j.metabol.2025.156415

重新定義產后精神健康：專家呼吁將其列為獨立疾病以挽救生命

產后精神病是一種嚴重的精神疾病，但其在現有診斷體系中的地位模糊，導致治療延誤和悲劇風險。為解決此問題，由西奈山醫院的 Veerle Bergink 領導的一個國際專家小組，通過全面回顧科學文獻，強烈建議將產后精神病確立為一個獨立的疾病診斷類別，以挽救生命并改善患者預后。

該國際專家組的共識聲明指出，應將產后精神病（postpartum psychosis, PP）在《精神疾病診斷與統計手冊》（DSM）中歸類為雙相情感障礙譜系內的一個獨特疾病類別。這一建議基于多方面堅實的科學證據。首先，產后精神病具有獨特的生物學基礎，與分娩后劇烈的內分泌、免疫和大腦生理變化密切相關，其發病率在產后出現急劇高峰。其次，其遺傳風險結構雖與雙相情感障礙有重疊，但仍顯示出獨特性。臨床上，大多數患者表現為躁狂、混合發作或伴有精神病性特征的抑郁等情感癥狀，并且對鋰鹽和電休克療法等雙相情感障礙的標準治療反應極佳。更重要的是，約半數首次發病的女性未來會發展為雙相情感障礙。專家組強調，目前的“圍產期發病”標簽無法準確描述其僅在產后急性發作的特性。確立其獨立診斷地位對于早期識別、及時干預至關重要，有助于預防自殺和殺嬰等悲劇性后果。研究發表在 Biological Psychiatry 上。

閱讀更多：

Bergink, Veerle, et al. “Postpartum Psychosis and Bipolar Disorder: Review of Neurobiology and Expert Consensus Statement on Classification.” Biological Psychiatry, vol. 0, no. 0, Oct. 2025. www.biologicalpsychiatryjournal.com, https://doi.org/10.1016/j.biopsych.2025.10.016

大腦在看到食物后毫秒內快速評估其多重屬性

我們的大腦如何在毫秒之間對食物做出評價，從而影響飲食選擇？Violet J. Chae、Tijl Grootswagers、Stefan Bode及Daniel Feuerriegel等研究人員合作，揭示了大腦在人們有意識地做出決定之前，就已對食物的多種屬性進行了快速、并行的評估。

?研究中展示的食品示例。Credit: Chae et al., 2025

研究團隊結合腦電圖和機器學習，探究了大腦評價食物的時間進程。研究中，110名參與者觀看食物圖片，其大腦活動被實時記錄；另外421名參與者則對這些圖片從健康、美味、熟悉度等12個維度進行評分。通過表征相似性分析（representational similarity analysis），研究者發現，早在看到食物圖像約200毫秒時，大腦活動模式就已經反映出健康度、卡路里等多種屬性的信息。這一過程發生在潛意識層面，遠快于任何有意識的思考。令人意外的是，數據顯示“健康度”的神經信號比“美味度”更早出現。研究進一步確認，大腦對不同屬性的處理并非逐一進行，而是在相似的時間窗口內快速、并行地展開。最終，數據揭示了兩個核心評價維度：“加工程度”（天然或加工）和“開胃程度”（美味與熟悉的結合），它們同樣在200毫秒的極短時間內被大腦捕捉。研究發表在 Appetite 上。

閱讀更多：

“Characterising the Neural Time-Courses of Food Attribute Representations.” Appetite, vol. 217, Feb. 2026, p. 108337. www.sciencedirect.com, https://doi.org/10.1016/j.appet.2025.108337

多發性硬化癥患者唾液中存在“失衡”菌群

多發性硬化癥（MS）是一種病因復雜的自身免疫性疾病，其與微生物群的關聯備受關注。愛荷華大學的 Ashutosh Mangalam 及其團隊將目光從腸道轉向口腔，對MS患者的口腔微生態系統進行了迄今最全面的分析，揭示了MS患者獨特的口腔微生物與代謝物特征，為理解疾病機制和開發新診斷工具提供了重要線索。

?pwRRMS 和 HCs 口腔微生物組的 α 和 β 多樣性分析。Credit: npj Biofilms and Microbiomes (2025).

該研究通過分析50名復發緩解型多發性硬化癥患者和50名健康對照者的唾液樣本，結合了鳥槍法宏基因組測序與非靶向代謝組學技術。結果發現，MS患者的口腔微生物群落存在顯著失衡：構成健康口腔基礎的鏈球菌（Streptococcus）等有益“早期定植”細菌減少，而具核梭桿菌（Fusobacterium nucleatum）等多種潛在致病菌則異常增多。在代謝層面，MS患者唾液中一種名為亞牛磺酸（hypotaurine，一種參與抗氧化防御和維持神經健康的保護性小分子）的水平顯著降低，研究認為這與菌群的改變直接相關。此外，通過機器學習分析，研究人員發現維持口腔健康的五個關鍵微生物群落在MS患者體內顯著喪失，這意味著其口腔微生態的協作網絡已遭到根本性破壞。這些發現共同指向口腔作為一個重要的免疫-微生物互作場所，其失調可能參與了MS的炎癥和免疫紊亂過程。研究發表在 npj Biofilms and Microbiomes 上。

閱讀更多：

Fitzjerrells, Rachel L., et al. “Multiple Sclerosis Patients Exhibit Oral Dysbiosis with Decreased Early Colonizers and Lower Hypotaurine Level.” Npj Biofilms and Microbiomes, vol. 11, no. 1, Oct. 2025, p. 199. www.nature.com, https://doi.org/10.1038/s41522-025-00787-7

一種開銷低、高效、完全模擬的神經網絡計算硬件

為應對AI計算日益增長的能耗挑戰，并彌合現有硬件與人腦在效率上的巨大差距，Jiabao Ye、Wannian Wang、Caiping Shi、Xuecheng Cui、Bing Chen及其同事設計并制造了一種全新的全模擬神經網絡計算硬件（FANCH）。該硬件通過模擬人腦的數據壓縮和全模擬信號處理方式，旨在徹底擺脫傳統架構的能效瓶頸，為邊緣計算提供低功耗、高效率的解決方案。

當前AI硬件普遍基于馮·諾依曼架構，計算與存儲分離導致了嚴重的能效瓶頸。即使是部分類腦計算芯片，也因采用數字或混合信號設計，依賴高功耗的模數轉換器（ADCs）和數模轉換器（DACs），限制了效率提升。為突破這一限制，研究團隊開發了一種全模擬神經網絡計算硬件（FANCH）。該系統在芯片和系統層面均實現了徹底的模擬化，模仿人腦高效處理信息的方式。其核心創新在于兩點：首先，它引入了輸入數據壓縮機制以降低計算復雜度；其次，從信號輸入到結果輸出，整個計算流程均由專門的模擬電路完成，根除了A/D轉換帶來的巨大能耗。團隊還采用軟硬件協同設計方法優化了硬件的泛化能力。在標準的手寫數字識別任務測試中，FANCH的識別準確率與純軟件計算的基準相比僅相差0.36%，但其能效遠超現有的主流AI加速芯片。這一成果為開發低功耗、高效率的邊緣計算設備提供了一條極具前景的技術路徑。研究發表在 Science Advances 上。

閱讀更多：

Ye, Jiabao, et al. “An Overhead-Reduced, Efficient, Fully Analog Neural-Network Computing Hardware.” Science Advances, Oct. 2025. world, www.science.org, https://www.science.org/doi/10.1126/sciadv.adv7555

AI 行業動態

基因組界的“ChatGPT”：Genos百億參數大模型免費開源

2025年10月23日，在第二十屆國際基因組學大會（ICG-20）上，華大生命科學研究院與之江實驗室聯合發布了全球首個百億參數人類基因組通用基礎模型——Genos。長期以來，如何從人類30億堿基對中“讀懂”生命的深層奧秘是基因組研究的巨大挑戰。Genos的推出，標志著研究范式從簡單的堿基序列“讀出”邁向對生命底層邏輯的“讀懂”，有望為臨床診斷和前沿科學研究帶來顛覆性變革。為了捕捉人類豐富的遺傳多樣性，Genos系統整合了包括人類泛基因組參考聯盟（HPRC）等多個權威資源，首次匯集了全球范圍內636個“端粒到端粒”（Telomere-to-Telomere, T2T，指從染色體一端到另一端的完整序列）級別的高質量人類基因組作為訓練數據，旨在從源頭上減少數據偏見。該模型采用了混合專家架構（Mixture-of-Experts, MoE，一種高效的神經網絡架構，僅激活模型中與任務最相關的部分以降低計算成本），使其在擁有百億級參數知識總量的同時，推理成本遠低于同等規模模型，實現了“既強大，又好用”的目標。

Genos具備百萬堿基對的超長上下文分析能力和單堿基分辨率，在基因組元件識別、遠程調控預測等多項經典任務中表現全面超越現有最佳水平（SOTA）。尤其在直接面向臨床應用的致病性突變解讀任務中，Genos實現了92%的準確性，與之江實驗室開發的021科學基礎模型（021 LSM）結合后，準確率更是高達98.3%。為實現“共有、共為、共享”的核心理念，華大生命科學研究院宣布，Genos模型已全面、徹底地開源開放，同時提供12億參數和100億參數兩個版本，依據MIT開源協議公開發布在GitHub、Hugging Face等平臺。此外，該模型被深度整合進DCS Cloud云平臺，提供免費推理服務，極大地降低了基因組智能分析的門檻。

閱讀更多：

https://academic.oup.com/gigascience/advance-article/doi/10.1093/gigascience/giaf132/8296738

Meta AI部門“瘦身”600人：為追求“超級智能”揮刀砍向官僚主義

Meta正在對其人工智能部門進行一次重大的組織重塑。據 Axios 獲得的一份內部備忘錄顯示，該公司正在其超級智能實驗室裁減約 600 個職位，旨在解決其長期人工智能工作中出現的過度官僚主義問題。此次裁員將影響 FAIR AI 研究（FAIR AI research，Meta 內部的長期人工智能研究部門）、產品相關 AI 和 AI 基礎設施部門。Meta 首席人工智能官 Alexandr Wang 在備忘錄中解釋道，通過縮減團隊規模，決策過程將更加精簡，團隊成員將承擔更大的責任和影響力，以創造更靈活的運營模式。首席執行官 Mark Zuckerberg 幾個月前就對現有 AI 工作未能帶來突破或性能提升表示擔憂，這是導致此次重組的關鍵因素。盡管面臨裁員，Meta 鼓勵受影響的美國員工申請公司內部的其他職位，并期望大多數人能在內部找到新的崗位。

與裁員形成鮮明對比的是，Meta 正同步加速其新的戰略方向和人才招募。新成立的 TBD 實驗室（TBD Lab，Meta 新成立的人工智能研究部門）在此次裁員中幸免，并且該公司正為其積極招聘頂尖人才，凸顯了 Meta 致力于邁向“超級智能”的決心。這次重組和 TBD 實驗室的成立，恰逢 Meta 對 Scale AI（一家數據標注和模型訓練公司）進行了 150 億美元的投資，并聘請了 Alexandr Wang。在人才引進方面，Meta 持續積極行動，最近聘請了前 OpenAI 研究機構的研究科學家 Ananya Kumar。此前，Meta 還成功招募了 Andrew Tulloch，他是 Thinking Machines 公司的聯合創始人之一。 Alexandr Wang 對公司正在訓練的模型、計算計劃和構建的產品表示興奮，并對實現超級智能的目標充滿信心，證明此次組織調整是其長期 AI 戰略的一部分。

閱讀更多：

https://www.axios.com/2025/10/22/meta-superintelligence-tbd-ai-reorg

AI 驅動科學

Nature ：谷歌實現可驗證的量子優勢：量子回聲算法超越經典超算

為解決量子計算結果難以驗證且實用性不足的挑戰，由谷歌量子AI團隊及其合作者（包括谷歌DeepMind、加州大學伯克利分校等，諾獎得主Michel Devoret也參與其中）開發出一種可驗證的量子算法，首次在硬件上實現了超越頂尖超級計算機的量子優勢，為量子計算的實際應用鋪平了道路。

研究團隊在谷歌最新的Willow量子芯片上，運行了一種名為量子回聲（Quantum Echoes）的新算法。該算法的核心是測量一種特殊的量子可觀測量——非時間序相關器（out-of-time-order correlator, OTOC），其過程類似一個精密的回聲實驗：向系統發射信號，輕微擾動一個量子比特，再精確地反轉演化過程以測量返回的“回聲”。這種方法利用了相長干涉（constructive interference）效應來放大信號，從而實現極高精度的測量。實驗結果顯示，該算法在解決原子相互作用問題時，比目前最強的Frontier超級計算機快13000倍，將一項需要3.2年才能完成的計算縮短到了幾小時。更重要的是，這是量子計算機首次成功運行可驗證的算法，其結果是穩定的量子期望值，可在其他同等量子計算機上重復驗證，標志著量子計算從理論優勢邁向了實用和可靠。為進一步確認其準確性，團隊還模擬了分子結構，結果與傳統的核磁共振（Nuclear Magnetic Resonance, NMR）數據高度一致。研究發表在 Nature 上。

閱讀更多：

Abanin, Dmitry A., et al. “Observation of Constructive Interference at the Edge of Quantum Ergodicity.” Nature, vol. 646, no. 8086, Oct. 2025, pp. 825–30. www.nature.com, https://doi.org/10.1038/s41586-025-09526-6

技術進步的關鍵：通過文化創新分配認知負荷

為何技術越先進，操作卻可能越困難？針對技術復雜性常超出個人認知極限并阻礙其發展的問題，斯坦福大學商學院的 Helena Miton 與芝加哥大學布斯管理學院的 Joshua Jackson 共同發表研究，提出了一個核心觀點：成功的技術演進離不開能夠有效分配認知負荷的文化創新。

?技術與認知分布的協同進化動力學。Credit: Trends in Cognitive Sciences (2025).

研究團隊通過分析“飛行堡壘”轟炸機因操作過于復雜而墜毀等歷史案例指出，技術的成功應用受限于人類的認知能力。為此，人類社會發展出了“認知負荷分配”（cognitive load distribution）的策略，即將復雜的認知任務分解，一部分外包給環境（認知卸載，cognitive offloading），如使用待辦事項清單；另一部分則分散給不同的人，形成勞動分工。然而，這種分配會帶來高昂的協調成本，協調失敗是許多重大工業災難（如切爾諾貝利核事故）的根源。論文的核心論點是，為了在這種認知負荷與協調成本之間取得平衡，人類社會在文化層面不斷創新。這些創新形式多樣，從簡單的航空檢查清單、標準化的操作語言，到復雜的項目管理軟件和組織管理層級，其共同目標是讓認知分配過程更高效、更可靠。研究者認為，這些文化創新與技術復雜性之間存在協同進化關系——文化創新解決了現有技術的認知瓶頸，從而為更復雜技術的誕生創造了條件。研究發表在 Trends in Cognitive Sciences 上。

閱讀更多：

Miton, Helena, and Joshua C. Jackson. “Complex Technology Requires Cultural Innovations for Distributing Cognition.” Trends in Cognitive Sciences, vol. 0, no. 0, Sept. 2025. www.cell.com, https://doi.org/10.1016/j.tics.2025.08.003

利用大模型預測交通事故：新AI框架提升評估可信度與決策干預

傳統交通事故預測模型因準確性和可解釋性不足而面臨瓶頸。為解決這一難題，約翰霍普金斯大學的Hao "Frank" Yang及其研究團隊開發了一個名為SafeTraffic Copilot的人工智能框架。該框架利用大型語言模型的強大能力，不僅能更準確地預測事故風險，還能為交通安全決策提供可靠、可解釋的干預依據。

?SafeTraffic 事件數據集的構建過程。Credit: Nature Communications (2025).

研究團隊將交通事故預測重構為一個基于文本的推理任務。首先，他們構建了SafeTraffic Event數據集，將來自美國五個州的超過66,000起真實事故案例的多模態數據轉化為統一的文本格式。隨后，團隊在此數據集上定制并微調了一個大型語言模型SafeTraffic LLM，使其能夠精準預測事故類型、嚴重程度及受傷人數，其平均預測表現比現有方法提升了33.3%至45.8%。該框架的一大突破是引入了SafeTraffic Attribution歸因系統，它不僅能解釋模型決策的依據，還能進行“假設”（what-if）分析，例如預測調整交通信號燈時長對事故率的影響。研究發現，酒駕和魯莽駕駛是導致嚴重事故的最危險因素，其風險是其他行為的三倍。SafeTraffic Copilot通過提供置信度分數來解決AI的“黑箱”問題，增強了預測結果在實際應用中的可信度。研究發表在 Nature Communications 上。

閱讀更多：

Zhao, Yang, et al. “SafeTraffic Copilot: Adapting Large Language Models for Trustworthy Traffic Safety Assessments and Decision Interventions.” Nature Communications, vol. 16, no. 1, Oct. 2025, p. 8846. www.nature.com, https://doi.org/10.1038/s41467-025-64574-w

新算法seismic揭示阿爾茨海默病與特定神經元的遺傳關聯

阿爾茨海默病的遺傳基礎長期存在一個謎團：基因數據指向大腦的免疫細胞，而患者死亡的卻是記憶神經元。萊斯大學與波士頓大學的Qiliang Lai和Vicky Yao等人開發了一款名為seismic的強大計算工具，該工具能夠精準整合遺傳學和細胞生物學數據，首次從遺傳層面證實了阿爾茨海默病與特定記憶神經元的直接關聯。

?識別細胞類型-性狀關聯的通用框架及地震學概述。Credit: Nature Communications (2025).

研究團隊為解決阿爾茨海默病研究中的核心矛盾，開發了名為seismic的計算框架。該方法創新性地整合了兩種大規模生物數據：全基因組關聯研究和單細胞RNA測序。以往的方法常因依賴武斷的參數設置和忽略數據細節而難以得出可靠結論。seismic通過一種新的特異性評分算法，能夠更穩健地識別出哪些細胞類型與特定的遺傳風險高度相關，并能進一步 pinpoint 驅動這種關聯的關鍵基因。研究團隊應用seismic分析阿爾茨海默病數據時發現，當使用基于疾病生物標志物（如腦脊液中的tau蛋白水平）的GWAS數據，而非寬泛的臨床診斷數據時，算法明確地將遺傳風險指向了脆弱的記憶形成神經元，而不是傳統認為的小膠質細胞。這一發現不僅解決了長期的科學爭論，也證明了在研究復雜疾病時，采用更精細的細胞分類和更精確的疾病指標至關重要。研究發表在 Nature Communications 上。

閱讀更多：

Lai, Qiliang, et al. “Disentangling Associations between Complex Traits and Cell Types with Seismic.” Nature Communications, vol. 16, no. 1, Oct. 2025, p. 8744. www.nature.com, https://doi.org/10.1038/s41467-025-63753-z

作息越亂，心態越糟：日常節律是心理健康的關鍵指標

隨著獨居成為一種普遍生活方式，其伴隨的心理健康問題日益受到關注。韓國科學技術院（KAIST）的Uichin Lee團隊突破了傳統監測方法的局限，通過一項試點研究證明，利用家庭物聯網（IoT）傳感器數據，可以有效揭示日常生活規律性與心理健康之間的密切聯系，為開發個性化遠程心理健康護理系統提供了新思路。

?不規律性高組（紅色）和不規律性低組（藍色）平均心理健康狀況比較。Credit: Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies (2025).

研究團隊對20個年輕的單人家庭進行了為期四周的追蹤研究，在他們家中部署了包括智能家電、睡眠墊和運動傳感器在內的多種物聯網設備，并結合了智能手機與可穿戴設備的數據。分析結果明確指出，日常生活節奏的規律性是影響心理健康的核心因素，其重要性甚至超過了某些特定行為的頻率。當個體的日常作息變得不規律時，其心理健康狀況普遍隨之惡化。研究還發現了一些具體的關聯，例如，睡眠時間的減少與更高水平的抑郁、焦慮和壓力直接相關，而室內活動量的銳減或冰箱使用頻率的異常增加，則可能分別反映出個體在壓力下的“嗜睡”或“暴飲暴食”傾向。有趣的是，當參與者通過可視化工具回顧自己的數據時，他們普遍認為這有助于自我洞察，對隱私的擔憂也隨之降低。研究發表在 Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies 上。

閱讀更多：

Koh, Youngji, et al. “Harnessing Home IoT for Self-Tracking Emotional Wellbeing: Behavioral Patterns, Self-Reflection, and Privacy Concerns.” Proc. ACM Interact. Mob. Wearable Ubiquitous Technol., vol. 9, no. 3, Sept. 2025, p. 96:1-96:36. ACM Digital Library, https://doi.org/10.1145/3749485

電化學新方法有望實現電池快充并延長壽命

如何讓電池充電更快、壽命更長是能源技術的核心挑戰。沙迦大學的 Anis Allagui 及其合作者針對這一問題，通過研究混合離子電子導體（MIECs）的充電機制，開發出一種新的電化學分析方法，為設計性能更優的儲能設備提供了堅實的理論與實驗基礎。

?厚度為 L 的薄膜電化學插入示意圖。b) 用于測量 MIEC-電解質體系的實驗裝置。Credit: Advanced Materials (2025).

研究團隊致力于解決混合離子電子導體（MIECs，一類對下一代電池和生物電子設備至關重要的材料）中復雜的電荷傳輸問題。他們創新性地將頻域分析工具電化學阻抗譜（Electrochemical Impedance Spectroscopy, EIS）與時域分析工具計時電流法（chronoamperometry）相結合，以全面表征材料的充電動態。研究的核心是應用了分數擴散模型（fractional diffusion models），該理論能更好地描述許多復雜材料中普遍存在的、傳統模型難以解釋的異常擴散現象。研究人員在三種代表性材料（PEDOT:PSS、三氧化鎢（WO3）和n-PBDF聚合物薄膜）上驗證了他們的方法。結果顯示，該模型不僅成功建立了頻域阻抗和時域電流之間的精確定量關系，還準確預測了材料的性能，例如，更薄的薄膜展現出更快的充放電行為。這一框架為優化電化學設備提供了明確的設計原則，有望推動開發充電更快、能量密度更高、壽命更長的下一代電池。研究發表在 Advanced Materials 上。

閱讀更多：

Zhang, Heyi, et al. Transient Charging of Mixed Ionic‐Electronic Conductors by Anomalous Diffusion. advanced.onlinelibrary.wiley.com, https://doi.org/10.1002/adma.202507739. Accessed 23 Oct. 2025

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容，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。

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。

Chen Institute與華山醫院、上海市精神衛生中心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天橋神經科學研究院。

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、、等。