生酮饮食通过调节突触蛋白质组改善老年小鼠记忆
编码熟悉面孔和物体价值的共同神经机制
新阿尔茨海默病药物Leqembi存在潜在致命副作用
声音刺激有望改善痴呆症患者的睡眠质量
DART.2技术实现药物精准递送
新的衰老图谱揭示线虫细胞和组织的衰老机制
█AI行业动态
《千脑智能》作者推出千脑计划，获盖茨基金会资助
创建“有线微型大脑”的协议
ColorHealth与OpenAI联手推出CancerCopilot
谷歌发布视频生成语音技术新进展
MetaFAIR推出全新AI研究模型与数据集
█AI研发动态
人工智能通过图片任务高效预测焦虑水平
新型眼动追踪控制的VR系统提升了幼儿MRI扫描质量
AI助力个人健康：Google推出新型健康大模型
AI工具揭示心脏病的基因秘密：17个基因中的稀有变体
脑科学动态
研究团队使用超过两年的老年小鼠，采用一周生酮饮食、一周对照饮食的循环模式，以避免小鼠过度进食和肥胖。通过神经生理和行为实验，发现生酮饮食显著改善了小鼠的记忆形成、存储和提取机制。蛋白质组学分析显示，生酮饮食引起了海马突触蛋白质的显著变化，特别是蛋白激酶A（PKA）信号通路的激活。进一步测试表明，生酮饮食中的主要酮体——β-羟基丁酸（BHB）在激活这一通路中起关键作用。研究结果表明，通过直接调控PKA信号通路，可以在不需要生酮饮食的情况下，重现对突触功能和记忆的有益影响。研究发表在CellReportsMedicine上。
#大脑健康#生酮饮食#记忆功能#蛋白激酶A#神经科学
阅读论文：
#神经科学#社会熟悉感#尾状核#物体价值#大脑机制
Leqembi（lecanemab）是一种由日本卫材（Eisai）和美国百健（Biogen）联合开发的单克隆抗体药物，旨在通过清除大脑中的β淀粉样蛋白来减缓阿尔茨海默病进展。
#大脑健康#阿尔茨海默病#药物副作用#临床试验#淀粉样蛋白
睡眠障碍是痴呆症患者常见的症状，影响着大约一半的患者。为了探索如何改善这一问题，来自萨里大学和英国帝国理工学院的英国痴呆症研究中心的研究团队开展了一项创新研究，使用声音刺激来调节大脑的阿尔法节律（alpharhythms）。
研究团队采用了一种名为阿尔法闭环听觉刺激（aCLAS）的新技术，在阿尔法节律的特定相位播放声音（粉红噪音），以实时监测大脑的电活动。实验结果表明，根据声音播放的相位不同，阿尔法节律会变得更快或更慢。具体而言，在入睡阶段，某些相位的声音能防止参与者进入深层睡眠，但不会唤醒他们。这一现象表明，通过闭环方法，研究人员可以在不干扰睡眠的情况下调节大脑活动。
进一步的实验展示了αCLAS技术的有效性，证明了它可以改变阿尔法波的功率、频率和连通性。这种调节方式基于振荡理论和相位重置机制，使得声音刺激成为一种潜在的非侵入性治疗工具。未来的研究将探索这种方法是否能通过调整阿尔法波来增强认知和睡眠，从而为痴呆症患者带来实际益处。研究发表在PLOSBiology上。
#大脑健康#阿尔法节律#闭环听觉刺激#睡眠质量#痴呆症
现有的药物在治疗和研究神经疾病时，常因缺乏精准性而导致副作用，难以明确特定细胞的信号。杜克大学的MichaelTadross教授及其团队开发了DART技术，旨在通过精准递送药物解决这一问题。最新的DART.2工具提高了药物递送的精准性。
团队开发的DART.2（DrugAcutelyRestrictedbyTethering）是一种新型细胞特异性药理学技术，能够在15分钟内实现高达3000倍的细胞特异性。研究团队还创新性地引入了全脑给药方法，避免了局部插管的复杂操作，并使用荧光示踪剂量化药物在全脑的分布。
通过在小鼠大脑的多个区域（包括小脑、纹状体、视觉皮层和视网膜）中应用四种药物，DART.2展示了其多功能性。这些药物可以拮抗或增强兴奋性和抑制性突触后受体的功能。在腹侧被盖区的实验中，DART.2显示出阻断对多巴胺神经元的抑制输入会加速运动，与之前的光遗传学和药理学研究结果相反，提供了新的视角。
此外，研究团队通过DART.2成功实现了GABA（γ-氨基丁酸）受体的精准调控。GABA是一种抑制性神经递质，通过阻止其与受体结合，研究人员能够增加神经元活动。然而，以前使用这种方法在活体动物中非常困难，因为低剂量的药物也会引发癫痫反应。DART.2解决了这个问题，使得gabazine可以安全递送到目标神经元，并有效研究GABA受体的功能。
DART.2的高精度还使得研究团队能够在脑脊液中递送药物，从而通过循环系统传递药物到整个大脑。该系统效率极高，使药物集中在特定的脑区域和细胞上，同时避免了对其他脑区的副作用。研究发表在NatureMethods上。
#神经技术#精准药物递送#神经元研究#GABA受体#DART技术
衰老影响了身体的所有组织，从肌肉到皮肤。了解单个组织和细胞如何衰老可以帮助研究人员更好地理解衰老过程，并开发抗衰老治疗方法。该研究由HHMI的Janelia研究园区、贝勒医学院和克里顿大学医学院的研究团队共同完成。
#神经科学#衰老#基因表达#多聚腺苷酸化
AI行业动态
由盖茨基金会资助的千脑计划，致力于开发一种全新的人造智能框架，其创始人JeffHawkings称该框架将基于人类大脑的运作原理，与当前占据主导地位的深度神经网络有本质区别。这个开源计划旨在与电子公司、政府机构和大学研究人员合作，探索其新平台的潜在应用。
现今的人工神经网络通过被称为“神经元”的组件处理数据并协作解决问题，如图像识别或预测序列中的下一个单词。然而，尽管深度神经网络在许多测试中可以匹敌甚至超越人类表现，如识别皮肤癌和玩复杂游戏，但它们也面临诸多问题。例如，随着网络规模和能力的增长，能耗也随之增加。据《自然》杂志2022年的一项研究，为训练OpenAI的GPT-3，公司花费了460万美元，动用了9200个GPU连续运行两周。此外，神经网络的稳定性也常常受到质疑，微小的数据改动可能导致结果的巨大变化。
为了克服这些挑战，千脑计划旨在通过逆向工程人类大脑的新皮层来开发新的AI平台。新皮层约占人类大脑质量的80%，包含数千个所谓的皮层柱，每个柱子都可以看作是一个独立的学习机器。项目联合创始人JeffHawkings解释道，这些皮层柱可以生成多个世界模型，就像人类大脑在同时并行工作。
千脑计划的目标是模仿这种神经科学结构，创建多个类似皮层柱的单元，每个单元能够执行感知运动任务，并通过类似于新皮层长距离连接的方式进行通信。这种模块化结构将使该方法具有很好的可扩展性。
此外，该项目还基于新皮层的感知运动学习能力进行研究。与目前依赖静态数据集的深度神经网络不同，新皮层通过感知和身体运动动态地学习环境，并从中建立世界模型。这种主动学习模式不仅更具适应性，还能够快速应对新数据。
#千脑计划#人工智能#深度学习#新皮层#感知运动学习
加利福尼亚大学圣地亚哥分校的研究人员最近发布了一项创建脑皮层类器官的协议，这些类器官实际上是具有功能性神经网络的微型人工大脑。
协议详细介绍了如何创建高度逼真的人类脑皮层类器官，这些类器官的复杂程度可以媲美胎儿大脑的神经网络。领导这项研究的AlyssonMuotri指出，这项技术允许科学家研究源自不同神经发育障碍患者的神经网络，尤其是这些疾病中电活动异常的情况。
与其他两种现有的脑类器官协议不同，Muotri的方法不仅能让研究人员创建大脑的不同区域，还能使这些区域自然共同发育。Muotri表示，这种“迷你大脑”可以用于测试潜在的治疗药物和基因疗法，以及筛选其效果和副作用。
这项研究的应用前景广阔。Muotri与巴西亚马逊联邦大学的研究人员合作，计划利用这一协议在太空中研究亚马逊部落的阿尔茨海默症治疗方法。此外，Muotri还与NASA合作，将来自阿尔茨海默病和ALS（肌萎缩侧索硬化症）患者干细胞的脑类器官送入太空，研究微重力条件下这些疾病的进展。
#迷你大脑#神经网络#神经疾病#脑类器官#微重力研究
MichaelQ.Fitzgerald,TiffanyChu,FrancescaPuppo,RebecaBlanch,MiguelChillón,ShankarSubramaniam,AlyssonR.Muotri.Generationof‘semi-guided’corticalorganoidswithcomplexneuraloscillations.NatureProtocols,2024;DOI:10.1038/s41596-024-00994-0
ColorHealth与OpenAI联手推出CancerCopilot，加速癌症治疗进程
ColorHealth最近宣布与OpenAI合作，推出一款名为CancerCopilot的革命性工具，旨在加速癌症患者的治疗过程。CancerCopilot能够通过收集和分析患者的个人健康背景信息，包括遗传因素、家族病史和生活习惯，评估其罹患各种类型癌症的可能性，从而实现早期癌症筛查。
总体来说，大多数早期癌症的存活率超过90%，但癌症的筛查、诊断和治疗过程复杂且耗时。研究表明，治疗延迟仅四周的患者即面临6-13%更高的死亡风险。Color的CancerCopilot通过提高早期筛查效率和帮助医生更早做出决策，大大降低了这一风险。
#癌症治疗#早期筛查#人工智能#健康科技#OpenAI
谷歌强调，这项技术与现有解决方案不同，它能够理解原始视频像素，添加文本提示是可选的，且无需手动对齐音视频，大大简化了创作流程。然而，这项技术仍有改进空间，例如视频质量会影响音频效果，唇形同步也有待优化。为了确保技术安全，谷歌将在向公众开放前进行严格评估，并在内容中添加水印防止滥用。
#视频生成#谷歌#DeepMind#音效
Meta公司旗下的FAIR（FundamentalAIResearch）团队近日宣布公开发布多项新的AI研究成果。此次发布旨在促进研究界的创新探索，推动大规模AI应用的发展。Meta坚持开放、合作、卓越和规模化的核心原则，致力于构建一个人人受益的先进AI生态系统。
FAIR团队此次发布的六项研究成果涵盖了图文生成、文本到音乐生成、多标记预测以及AI生成语音检测等领域。其中，MetaChameleon模型系列能够统一处理文本和图像输入输出，显著提升了模型设计、维护和扩展的效率。该系列包括Chameleon7B和34B模型，支持混合模式输入和文本输出，并已进行安全调校。
此外，FAIR团队推出了多标记预测模型，旨在提升语言模型的训练效率和预测能力。与传统的一次预测一个词的方法相比，多标记预测能够同时预测多个未来词汇，大幅提高了模型的速度和能力。
在文本到音乐生成领域，Meta发布了JASCO模型，它能够接受各种条件输入，显著提升了音乐生成的控制能力和质量。团队还引入了AudioSeal，这是首个专为AI生成语音检测设计的音频水印技术，大幅提升了检测速度和效率，适用于大规模和实时应用。
此外，FAIR团队还支持发布了PRISM数据集，旨在通过多元化的反馈改进大语言模型的表现。该数据集涵盖了来自75个国家1500名参与者的偏好和细致反馈，为AI开发提供了宝贵的资源。
#MetaFAIR#AI创新#开放科学#多标记预测#生成模型
AI研发动态
辛辛那提大学的研究人员开发了一种新的人工智能技术，旨在通过简短的图片评级任务和少量上下文变量来预测一个人是否正在经历焦虑。该研究由辛辛那提大学工程与应用科学学院的高级研究助理SumraBari领导。
研究团队使用了一种名为“CompCogAI”的方法，结合计算认知与人工智能，通过个体对48张带有轻微情感内容的图片进行正负面评价，以及年龄和孤独感等上下文问题来进行预测。研究对象为3476名来自美国各地的成年参与者，他们通过电子邮件调查数据库招募而来，并在个人数字设备上完成了2-3分钟的图片评级任务。
研究结果表明，这种方法在预测焦虑水平方面的准确率高达81%，AUCROC值为0.71。最重要的预测因素包括年龄、孤独感、家庭收入和就业状态，这些变量贡献了总累计相对重要性的29-31%，而判断变量则贡献了最多61%。研究还发现，判断变量和上下文变量之间的交互作用对准确预测焦虑水平至关重要。焦虑水平较高的个体表现出较少的韧性、更多的回避行为和更多的冷漠行为。
研究支持了这样一个假设：通过15个解释性判断变量和上下文变量，可以构建一个高效且高度可扩展的心理健康评估系统。这一系统未来可以开发成应用程序，用于医疗专业人员、医院或军队，以识别急需焦虑干预的人群。研究发表在npjMentalHealthResearch期刊上。
#认知科学#人工智能#心理健康#焦虑预测#图片评级任务
阅读更多：
新型眼动追踪控制的VR系统提升幼儿MRI扫描质量
来自伦敦国王学院的生物医学工程与成像科学学院的研究团队开发了一种新型眼动追踪技术，旨在解决幼儿在MRI扫描期间的焦虑和运动问题。传统的眼动估计（gazeestimation）技术在进行人机交互（HCI）时，通常需要复杂的校准过程，尤其对于儿童来说，难以实现即时控制。
伦敦国王学院的研究团队开发了一种无需明确设置任务即可运行的眼动追踪技术。该技术被集成到一个MR兼容的VR系统中，允许儿童在进行MRI扫描时通过眼动进行互动。研究团队在23名2至13岁的儿童中测试了该系统，结果表明，儿童能够通过眼动控制进行游戏或观看影片，显著减少了扫描期间的焦虑和运动。
研究方法包括探索多种坐标原点选择策略，并结合先验模型替代特定受试者的校准。研究结果显示，将所有提取特征参考到由受试者起始位置确定的局部坐标原点，可以实现稳健的即时操作。在前瞻性测试中，第75百分位视线误差为0.7度，最大视线误差为1.7度。这些创新的技术结合了DISORDER方法，可以对扫描图像进行运动校正，从而获得高质量的大脑MR图像。这项研究发表在ScientificReports上。
#神经技术#眼动追踪#虚拟现实#人机交互#医学成像
谷歌最近发布了两篇关于个人健康和AI技术的新研究论文，展示了如何利用大语言模型（LLM）来改善个人健康监测和建议。这些研究旨在通过分析来自移动设备和可穿戴设备的数据，提供个性化的健康见解和建议。
这项研究表明，PH-LLM在理解和解读个人健康数据方面表现出色，特别是在睡眠和健身建议方面。通过与专家建议进行对比，研究发现PH-LLM在健身建议方面的表现与专家几乎没有统计学上的差异，而在睡眠建议方面也接近专家水平。
另一篇论文介绍了一种基于GeminiUltra1.0模型的个人健康智能代理（HealthInsightsAgent），该代理通过代码生成和信息检索等功能，能够迭代分析复杂的健康数据，提供个性化的健康建议。这种代理不仅可以处理来自可穿戴设备的数据，还能整合最新的医学知识，为用户提供全面的健康见解。
#个人健康#大语言模型#可穿戴设备#个性化建议#AI健康管理
通过先进的人工智能工具，西奈山伊坎医学院的研究人员识别出了17个基因中的稀有编码变体，这些发现为冠状动脉疾病（CAD）的分子基础提供了新的见解。CAD是全球主要的发病和死亡原因，这项研究的成果为个性化心血管护理和靶向治疗开辟了新途径。
研究人员利用一种基于机器学习的冠状动脉疾病计算评分（ISCAD），该评分综合了电子健康记录中的数百种临床特征，包括生命体征、实验室测试结果、药物使用、症状和诊断等。通过对英国生物银行、所有人研究计划和BioMe生物银行中604,914名个体的数据进行训练，生成了这个评分。
ISCAD评分随后被用于检测这些个体外显子序列中的稀有和极稀有编码变体的关联性。研究团队进一步探讨了这些基因在CAD风险因素、临床表现和传统大规模基因组关联研究中的作用。
由于稀有编码变体仅出现在少数个体中，但当它们存在时，对疾病风险或易感性的影响可能显著。因此，研究这些变体对于理解疾病的遗传基础至关重要，并能为治疗目标提供信息。
研究人员计划进一步探讨所识别基因在CAD生物学中的角色，并探索机器学习在其他复杂疾病基因研究中的潜在应用，以推动疾病机制的理解、发现新疗法并改善患者的治疗效果。
#人工智能#冠状动脉疾病#基因变体#个性化医学#机器学习
整理｜ChatGPT
编辑｜丹雀&存源
关于追问nextquestion
关于天桥脑科学研究院
天桥脑科学研究院（TianqiaoandChrissyChenInstitute,TCCl）是由陈天桥、雒芊芊夫妇出资10亿美元创建的全球最大私人脑科学研究机构之一，总部设在美国。TCCI与华山医院、上海市精神卫生中心设立了应用神经技术前沿实验室、人工智能与精神健康前沿实验室；与加州理工学院合作成立了TCCI加州理工神经科学研究院。TCCI建成了支持脑科学研究的生态系统，项目遍布欧美、亚洲和大洋洲，包括学术会议和交流、夏校培训、AI加速科学大奖、科研型临床医生奖励计划、特殊病例社区、中文媒体追问等。