█脑科学动态

对时间的感知会因你所见而扭曲

低温如何冻结记忆？

醉酒的鱼揭示了迷幻药的作用原理

星形胶质细胞调控精神障碍下异常风险决策

█AI行业动态

上海交通大学成立人工智能学院

全新基准测试拉开Llama 3和GPT-4差距

█AI研发动态

无需编码专业知识即可使用的脑科学工具

DeepWMH：精确分割白质高信号的深度学习工具

AI通过“肠脑轴”改善阿尔茨海默病的治疗

AI技术显著提高帕金森病药物发现的效率

脑科学动态

对时间的感知会因你所见而扭曲

最近发表于Nature Human Behavior的论文指出，图像给人的观感可以决定我们对时间流逝的感知。研究团队对170人设计了一系列实验，测试了不同场景特征如场景大小、复杂度和难忘性对时间感知的影响。通过展示不同特征的196幅图像，并记录48名参与者对这些图像观看时间的感知，发现大型和难忘的场景会使时间感知延长，而复杂的场景则使感知时间缩短。

研究还应用了循环卷积神经网络模型来模拟人类视觉系统对图像的处理，发现更难忘的图像在模型中处理速度更快，这种处理速度的提高与时间感知的延长和精确度的提升有关。研究发表在Nature Human Behaviour上。

#时间感知 #记忆 #视觉系统 #神经网络模型 #场景特征

阅读论文：

Ma, A. C., Cameron, A. D., & Wiener, M. (2024). Memorability shapes perceived time (and vice versa). Nature Human Behaviour, 1–13. https://doi.org/10.1038/s41562-024-01863-2

低温如何冻结记忆？

特拉维夫大学研究团队，在预印本平台bioRxiv发布的研究，揭示了环境因素如温度和锂盐对线虫记忆保持的影响。

研究团队通过对线虫进行嗅觉训练，发现在冰冷环境中或在锂盐处理后，线虫的嗅觉记忆得以保持。具体来说，冰冷处理能使线虫的记忆保持时间至少延长8倍，而逐步适应低温的线虫则会失去这种记忆延迟效应，这是因为遗传编码使其耐寒。此外，通过RNA测序、突变体分析和药理学检测发现，降低AWC感觉神经元中的二酰甘油途径和调节膜性质，是冷诱导记忆延迟和锂的作用机制。记忆痕迹定位在AIY间神经元，这些发现为未来研究提供了新的方向。

#线虫 #记忆保持 #低温处理 #锂盐 #二酰甘油途径

阅读论文：

Berliner, D. L., Goldstein, K., Teichman, G., Anava, S., Gingold, H., Rieger, I., Levi, N., Pechuk, V., Salzberg, Y., Agarwal, P., Sagi, D., Cohen, D., Nikelshparg, E., Ben-Zvi, A., Zaidel-Bar, R., Vizuete, A. M., Oren-Suissa, M., & Rechavi, O. (2024). A Tunable and Druggable Mechanism to Delay Forgetting of Olfactory Memories in C. elegans (p. 2024.04.03.587909). bioRxiv. https://doi.org/10.1101/2024.04.03.587909

“醉酒”的鱼帮助研究者了解迷幻药作用原理

迷幻药物长期以来被认为有助于治疗抑郁、焦虑等心境相关疾病，但其具体作用机制尚不明确。魏茨曼科学研究所研究团队利用自主开发的广域行为跟踪系统和机器学习技术，对斑马鱼幼体进行了详细的行为和神经活动分析。通过对裸盖菇素的应用，他们观察到两种主要行为变化：增强的自发探索和减少应激后的不规则游泳模式，表明裸盖菇素具有刺激性和抗焦虑的双重效果。此外，神经成像显示裸盖菇素通过激活GABA能神经元抑制血清素神经元，揭示了其与人类相似的神经调控机制。这些发现为迷幻药物的行为效应提供了神经机制的直接证据。研究发表在Molecular Psychiatry上。

#迷幻药物 #裸盖菇素 #斑马鱼 #GABA能神经元 #血清素系统

阅读论文：

Braun, D., Rosenberg, A. M., Rabaniam, E., Haruvi, R., Malamud, D., Barbara, R., Aiznkot, T., Levavi-Sivan, B., & Kawashima, T. (2024). High-resolution tracking of unconfined zebrafish behavior reveals stimulatory and anxiolytic effects of psilocybin. Molecular Psychiatry, 1–17. https://doi.org/10.1038/s41380-023-02391-7

星形胶质细胞调控精神障碍下异常风险决策

中国科学院深圳先进技术研究院屠洁研究员团队探索了星形胶质细胞在调控心理疾病中受损的风险评估中的作用。这些研究揭示了心理疾病中风险评估功能障碍的神经基础，为治疗提供了新的方向。

研究者利用单核RNA测序和膜片钳技术结合实时定量单细胞PCR来分析杏仁核基底外侧（BLA）中的神经元。他们发现了一种表达Wolfram综合征1（WFS1）的谷氨酸兴奋性神经元，这些神经元在风险评估中的功能受损。通过光遗传学/化学遗传学方法激活这些星形胶质细胞，并通过D-丝氨酸作用于这些神经元的NMDA受体，成功恢复了神经元的活动，改善了DISC1-N小鼠的风险评估行为。这一发现突显了星形胶质细胞与神经元之间的互动在维持正常风险评估中的重要性。研究发表在Neuron上。

#星形胶质细胞 #风险评估 #神经元活动 #光遗传学 #精神疾病

阅读论文：

Zhou, X., Xiao, Q., Liu, Y., Chen, S., Xu, X., Zhang, Z., Hong, Y., Shao, J., Chen, Y., Chen, Y., Wang, L., Yang, F., & Tu, J. (2024). Astrocyte-mediated regulation of BLAWFS1 neurons alleviates risk-assessment deficits in DISC1-N mice. Neuron, 0(0). https://doi.org/10.1016/j.neuron.2024.03.028

AI 行业动态

上海交通大学成立人工智能学院

上海交通大学近期在徐汇校区隆重举行了人工智能学院的成立暨揭牌仪式。作为继集成电路学院、心理学院之后，该校一个月内成立的第三所新学院，人工智能学院将与上海市政府及国家级平台上海人工智能实验室共同合作，致力于解决人工智能核心技术的关键难题。

在揭牌仪式上，两位计算机科学领域的图灵奖得主，姚期智和John Hopcroft，分别通过视频和现场发言祝贺了学院的成立。学院的成立是对国家战略需求的积极响应，也明确了其在推动人工智能基础理论、核心算法和底层架构创新的方向。

#人工智能 #上海交通大学 #科技教育 #创新研究 #校企合作

全新基准测试拉开Llama 3和GPT-4差距

随Claude 3、Llama 3陆续问世，业界对能有效区分这些大模型性能的新基准测试需求日益增长。为此，LMSYS组织推出了新一代基准测试Arena-Hard，该测试不仅增强了区分度，而且与人类偏好高度一致。

Arena-Hard测试与以往的MT Bench测试相比，区分度显著提高，从22.6%飙升至87.4%，使得模型间的优劣更加明显。这一新测试不仅采用了实时人类数据，而且包括了AI在训练阶段从未见过的新提示词，有效减少了数据泄露的可能性。

具体操作上，Arena-Hard通过分析大模型竞技场的20万用户查询，从中选取500个高质量提示词组成测试集。这些提示词的选择不仅注重多样性，还涉及具体性、领域知识、复杂性、解决问题的能力、创造力、技术准确性和实际应用七个关键指标，确保了问题的高质量和挑战性。

不过，Arena-Hard测试也存在不足，例如使用GPT-4作为裁判时，测试结果可能偏好自家模型。为解决这一问题，LMSYS进行了多种实验，包括使用Claude 3进行评分，结果显示虽然区分度及与人类评分的一致性有所下降，但这也暴露出多模型综合打分的可能优势。

#AI基准测试 #大模型性能 #人类数据应用 #高质量提示词 #模型评分优化

阅读更多：

https://arena.lmsys.org/

AI 研发动态

无需编码专业知识即可使用的脑科学工具

亥姆霍兹慕尼黑研究中心和慕尼黑大学医院开发了一种名为DELiVR的新型人工智能工具，能够改进对脑细胞的映射和分析。这项工作使非专业实验室也能进行高级脑部分析，有助于研究与多种疾病相关的脑细胞变化。

研究团队首先通过虚拟现实（VR）训练深度学习算法识别三维显微图像中的活跃神经元。通过虚拟现实进行标注，比传统二维方法更快更精确。利用DELiVR，研究者可以自动识别活跃神经元，并将这些信息与脑图谱进行匹配。此外，DELiVR与Fiji（一种开源图像分析软件）无缝集成，形成端到端的工作流程。研究团队还展示了如何使用DELiVR研究癌症对大脑活动的影响，发现了区分导致体重减轻与否的癌症的大脑活动模式。研究发表在Nature Methods上。

#人工智能 #脑细胞映射 #虚拟现实 #神经科学 #癌症研究

阅读论文：

Kaltenecker, D., Al-Maskari, R., Negwer, M., Hoeher, L., Kofler, F., Zhao, S., Todorov, M., Rong, Z., Paetzold, J. C., Wiestler, B., Piraud, M., Rueckert, D., Geppert, J., Morigny, P., Rohm, M., Menze, B. H., Herzig, S., Berriel Diaz, M., & Ertürk, A. (2024). Virtual reality-empowered deep-learning analysis of brain cells. Nature Methods, 1–10. https://doi.org/10.1038/s41592-024-02245-2

DeepWMH：精确分割白质高信号的深度学习工具

随着神经系统疾病的诊断需求增加，对白质高信号异常（WMHs）的研究日益重要。这些异常是衡量大脑老化和病理变化的重要指标，涉及诸如阿尔茨海默病、帕金森病等多种疾病。传统的WMH分析方法耗时且效率低下。因此，该研究团队开发了一种名为DeepWMH的高效自动化分割工具，以提高临床和科研的效率。

DeepWMH工具通过结合深度学习技术和大脑的解剖知识，无需人工标注即可实现WMH的高精度分割。在训练阶段，DeepWMH采用无监督学习策略，通过正常大脑扫描提示潜在的WMH位置，并以此训练模型，使其对标签噪声具有强大的抵抗力。在推断阶段，已训练的模型能够自动进行高质量的WMH分割。在多个数据集上的测试表明，DeepWMH在骰子相似系数（Dice similarity coefficient）和实例级F1得分方面均显著优于其他无标注方法，显示了优越的性能和应用潜力。研究发表在 Science Bulletin 上。

#白质高信号异常 #DeepWMH #自动化分割 #深度学习 #神经系统疾病

阅读论文：

Liu, C., Zhuo, Z., Qu, L., Jin, Y., Hua, T., Xu, J., Tan, G., Li, Y., Duan, Y., Wang, T., Zhang, Z., Zhang, Y., Chen, R., Yu, P., Zhang, P., Shi, Y., Zhang, J., Tian, D., Li, R., … Ye, C. (2024). DeepWMH: A deep learning tool for accurate white matter hyperintensity segmentation without requiring manual annotations for trainingDeepWMH Science Bulletin, 69(7), 872–875. https://doi.org/10.1016/j.scib.2024.01.034

AI通过“肠脑轴”改善阿尔茨海默病的治疗

克利夫兰诊所的研究团队使用人工智能技术，深入研究肠道菌群代谢物如何通过与人体细胞受体的互作影响阿尔茨海默病的发展。通过结合机器学习和多组学分析，研究团队预测了大约109万对肠道代谢物-受体相互作用，并筛选出与阿尔茨海默病相关的关键受体GPCR。他们采用遗传学导向的门捷列夫随机化和综合人类大脑转录组及蛋白质组数据。特别地，胍基胺（Agmatine）和苯乙胺（Phenethylamine）在实验中被发现能有效降低患者源诱导多能干细胞衍生的神经元中tau蛋白的磷酸化水平，展示了这些代谢物的潜在治疗作用。该研究发表在Cell Reports上。

#人工智能 #肠道菌群 #代谢物 #阿尔茨海默病 #GPCR

阅读论文：

Qiu, Y., Hou, Y., Gohel, D., Zhou, Y., Xu, J., Bykova, M., Yang, Y., Leverenz, J. B., Pieper, A. A., Nussinov, R., Caldwell, J. Z. K., Brown, J. M., & Cheng, F. (2024). Systematic characterization of multi-omics landscape between gut microbial metabolites and GPCRome in Alzheimer’s disease. Cell Reports, 43(5). https://doi.org/10.1016/j.celrep.2024.114128

AI技术显著提高帕金森病药物发现的效率

剑桥大学的研究团队利用机器学习技术在帕金森病治疗领域取得了突破性进展。他们的研究聚焦于α-突触核蛋白，这是一种与帕金森病密切相关的蛋白质，其异常聚集与疾病的发展有关。

研究团队首先使用基于结构的机器学习技术，在化学库中筛查了数百万种化合物，以识别能够结合并阻止α-突触核蛋白聚集的小分子。他们采用迭代方式，将实验数据反馈到机器学习模型中，不断优化抑制剂的选择。经过几轮筛选，研究团队成功识别出了几种比以前的候选药物更有效一百倍的强效化合物。这些新化合物的发现，不仅提高了筛选的效率，还大幅降低了成本。研究发表在Nature Chemical Biology上。

#人工智能 #帕金森病 #药物发现 #α-突触核蛋白 #机器学习

阅读论文：

Horne, R. I., Andrzejewska, E. A., Alam, P., Brotzakis, Z. F., Srivastava, A., Aubert, A., Nowinska, M., Gregory, R. C., Staats, R., Possenti, A., Chia, S., Sormanni, P., Ghetti, B., Caughey, B., Knowles, T. P. J., & Vendruscolo, M. (2024). Discovery of potent inhibitors of α-synuclein aggregation using structure-based iterative learning. Nature Chemical Biology. https://doi.org/10.1038/s41589-024-01580-x

整理｜ChatGPT

编辑｜丹雀 & 存源

追问互动

○如果您对本期内容有进一步想要追问的问题或者讨论的内容，欢迎在评论区留言，或者扫描二维码添加追问微信号，发送自我介绍，加入我们的社群参与互动。如需转载，还请留言。