追问daily | Cell:为什么生病了不想见人?名气越高,歌手寿命越短

生病时不想见人仅仅是因为身体疲惫吗？实际上，这可能是大脑主动选择的防御策略。来自麻省理工学院的 Gloria B. Choi 和哈佛医学院的 Jun R. Huh 及其团队成员 Liu Yang 等人，深入探索了免疫系统与中枢神经系统如何协同工作以诱导疾病行为，揭示了生病期间社交退缩背后的精确神经机制。

研究团队通过向小鼠脑内注射21种不同的细胞因子，发现只有白细胞介素-1β（IL-1β）能完全重现由感染引起的社交退缩行为，且这种作用与其导致的嗜睡症状在机制上是分离的。进一步研究发现，IL-1β通过与背侧缝核（dorsal raphe nucleus）中表达 IL-1R1 受体的神经元结合发挥作用。利用光遗传学技术，研究人员证实激活这些神经元投射到中间侧隔（intermediate lateral septum）的回路，会直接导致小鼠出现社交回避；反之，抑制该回路则能让感染小鼠恢复社交意愿。这项研究证明了生病时的孤独感并非被动产生，而是由特定免疫-神经通路主动驱动的适应性行为。研究发表在 Cell 上。

剑桥大学科学家将人类大脑一生划分为五个结构时期

大脑的神经连接方式随着成长、成熟和衰老不断重组，但这种变化的整体图景此前并不清晰。为了解构这一过程，剑桥大学的 Alexa Mousley 和 Duncan E. Astle 等研究人员组成团队，通过大规模数据分析，首次确定了人类大脑在一生中经历的五个主要结构时期，以及界定这些时期的四个关键转折点。

研究团队分析了3,802名年龄在0至90岁之间受试者的MRI扩散扫描（MRI diffusion scans）数据，这是一种通过追踪水分子运动来绘制神经连接的技术。研究人员利用均匀流形逼近与投影（Uniform Manifold Approximation and Projection）这一非线性降维技术，处理了复杂的图论指标。结果显示，大脑结构发展并非线性，而是存在四个明显的转折点：9岁、32岁、66岁和83岁。0至9岁为网络巩固期；9至32岁为青春期，此时神经效率（neural efficiency）显著提升，连接方向发生最大转变；32岁标志着进入最长的成年稳定期，大脑结构趋于平稳但区域隔离增加；66岁进入早期衰老期，伴随网络重组；83岁后进入晚期衰老，全脑连接性下降并转向局部依赖。这项研究揭示了大脑发育的非线性动态，有助于理解不同年龄段的认知优势及疾病易感性。研究发表在 Nature Communications 上。

著名歌手往往面临比常人更高的早逝风险，但这究竟是源于“摇滚明星”的生活方式，还是名气本身带来的压力？Johanna Hepp、Christoph Heine、Melanie Schliebener 和 Michael Dufner 等研究人员组成团队，深入探究了名气作为独立因素对歌手寿命的影响。他们试图剥离音乐行业的职业共性，精准定位“成名”这一变量与死亡率之间的联系。

研究团队采用回顾性配对病例对照设计，分析了648名活跃于1950年至1990年间的歌手数据。研究人员从知名音乐数据库中选取了324名著名歌手，并按照出生年份、性别、国籍、种族、音乐流派（如摇滚、R&B、流行等）及表演形式（独唱或乐队），为每一位明星精确匹配了一位不太出名的同行作为对照。分析显示，著名歌手的平均寿命为75岁，而知名度较低的同行则为79岁，这意味着成名可能导致平均寿命缩短约4年。进一步的数据表明，名气使死亡风险增加了33%，这一效应与偶尔吸烟带来的健康危害相当。研究人员指出，虽然成名带来财富，但随之而来的心理社会压力、公众审视及隐私丧失可能抵消了经济优势，使名气成为一种“慢性负担”。研究发表在 Journal of Epidemiology & Community Health 上。

多巴胺调节神经信号竟不依赖多巴胺受体

多巴胺在调节运动和动机方面起着至关重要的作用，特别是其在基底神经节中的功能备受关注。然而，科学家长期未解的一个谜题是，多巴胺神经元在其自身胞体周围（即黑质网状部）局部释放的多巴胺究竟有何作用。来自瑞典卡罗林斯卡医学院、哥伦比亚大学和旧金山大学的研究团队，由 Anders Borgkvist 和 Maya Molinari 等人组成，不仅解开了这一谜题，还发现了一种全新的神经递质相互作用机制，即多巴胺通过“借用”血清素来调节大脑活动。

为了揭示这一机制，研究团队采用了多种先进技术，包括使用双光子成像（two-photon imaging）实时监测脑片中的血清素水平，以及利用光遗传学精确控制神经元活动。研究人员在分析黑质网状部（SNr）的神经活动时发现，多巴胺能够抑制纹状体神经元释放抑制性神经递质 GABA，从而对神经信号进行“高通滤波”。令人惊讶的是，这种调节并非直接通过多巴胺受体完成，而是多巴胺通过抑制血清素的再摄取，提高了局部血清素浓度，进而激活 5-HT1B 受体（一种血清素受体）来实现的。这项研究首次证实了多巴胺可以通过调节血清素水平来间接影响神经回路，这种“串扰”机制可能对理解帕金森病及精神疾病的治疗具有重要意义。研究发表在 Science Advances 上。

长期热量限制可延缓灵长类动物大脑细胞衰老

大脑衰老往往伴随着髓鞘的退化和有害的神经炎症，如何有效干预这一过程是抗衰老研究的重点。波士顿大学乔巴尼安和阿维迪西安医学院的 Ana T. Vitantonio 和 Tara L. Moore 等研究人员，与美国国家老龄研究所合作，利用一项跨度超过20年的珍贵实验资源，揭示了长期饮食干预对灵长类大脑的保护作用。该研究证实，减少卡路里摄入不仅能改善代谢，还能在细胞及分子层面显著延缓大脑白质的衰老特征。

这项研究的对象是人类的近亲——恒河猴。研究团队对比了正常饮食组和持续20多年减少30%卡路里摄入（calorie restriction, CR）组的猴子大脑。利用单细胞核RNA测序技术，研究人员深入分析了死后大脑样本中单个细胞的基因表达情况。结果显示，热量限制组的少突胶质细胞（Oligodendrocytes，负责制造保护神经纤维的髓鞘）在代谢上更健康，其糖酵解和脂肪酸生物合成途径活性增强，有助于维持髓鞘完整性。同时，大脑中的免疫卫士——小胶质细胞在热量限制组中表现出较低的炎症水平，处理髓鞘碎片的能力更强。研究表明，长期的饮食习惯可以直接影响大脑健康的微观机制，为通过饮食干预延缓认知衰退提供了有力的生物学证据。研究发表在 Aging Cell 上。

合作重塑大脑：共同规则学习促进大脑间信息对齐

“英雄所见略同”在神经科学层面可能确有其事。为了探究人类在社会互动中如何通过合作塑造感知，来自西悉尼大学的 Denise Moerel 和 Manuel Varlet 等研究人员，利用脑电图超扫描技术，揭示了合作者在执行共同任务时，大脑处理信息的方式会发生显著的趋同现象。

研究团队招募了24对参与者，要求他们背靠背坐着，根据预先共同商定的规则（如按形状或线条粗细）对视觉图案进行分类。研究采用了超扫描（Hyperscanning，一种同时测量多人互动时大脑活动的技术）记录脑电信号，并结合脑间表征相似性分析（Interbrain RSA，一种量化不同大脑中信息表征模式相似程度的分析方法）进行数据处理。

结果显示，在看到图案的最初45-180毫秒内，所有参与者（包括随机匹配的对照组）的大脑活动都表现出相似性，这主要源于对同一视觉刺激的基础感觉反应。然而，在200毫秒之后，只有真正进行合作的搭档之间出现了独特的信息对齐。这种深层的神经一致性并非仅仅由视觉输入驱动，而是由双方共同建立的认知规则所主导。随着任务的进行和默契的增加，这种大脑活动的同步性会进一步增强。研究表明，合作不仅是行为上的协调，更在神经层面上重塑了我们表征和理解信息的方式。研究发表在 PLOS Biology 上。

前额叶皮层如何“微调”视觉？不同亚区承担相反的调节角色

前额叶皮层被认为能通过长程反馈调节感觉处理，但其具体机制尚不明晰。麻省理工学院的 Sofie Ährlund-Richter 和 Mriganka Sur 等研究人员组成团队，利用小鼠模型揭示了前额叶皮层不同亚区如何通过特定的神经回路，根据行为状态向视觉和运动区域发送定制化信息，从而精细调节感知功能。

研究团队采用了轴突追踪（Axonal tracing，一种标记神经纤维投射路径的技术）来绘制神经回路，并结合双光子钙成像和化学遗传学操作，观察小鼠在跑轮上观看不同对比度图像时的脑部反应。研究发现，前扣带回皮层（ACA）和眶额皮层（ORB）在调节初级视觉皮层（VISp）时表现出截然不同的分工。ACA 的轴突主要连接到视觉皮层的第6层，它能传递更强的视觉信号，帮助大脑在唤醒状态下“聚焦”，增强视觉编码的清晰度。相反，ORB 的轴突连接到第5层，它仅在小鼠极度兴奋时介入，似乎通过降低高对比度信号的清晰度来抑制无关的强烈干扰。这两个区域相互制衡：ACA 负责增强难以察觉的信号，而 ORB 负责抑制可能无关的强信号，共同确保大脑在不同状态下实现最优的视觉处理。研究发表在 Neuron 上。

Safe Superintelligence Inc.（安全超级智能公司）的创始人 Ilya Sutskever 近日在一次备受瞩目的深度访谈中断言，“规模时代（Age of Scaling）已经终结”。这位顶尖的研究人员指出，过去几年依靠单纯堆砌算力和数据进行预训练的模式已遭遇瓶颈，随着预训练数据逐渐耗尽且边际效益递减，AI 领域正重返“研究时代（Age of Research）”。在这一新阶段，重点不再是盲目扩大模型规模，而是寻找更聪明的“配方”，例如优化推理过程。Ilya Sutskever 特别提到了当前模型能力存在的“参差不齐”（Model Jaggedness）现象，即模型能在高难度评测中拿高分，却在简单任务上频频出错。他认为这源于“奖励黑客行为”（Reward Hacking，指模型为了获得高分而采取取巧策略，而非真正理解任务），目前的模型更像是通过海量题海战术训练出来的“刷题家”，缺乏人类那种基于少量样本就能快速掌握技能的样本效率。 

在探讨如何突破当前局限时，Ilya Sutskever 提出了深刻见解，认为人类的情绪本质上类似于机器学习中的价值函数（Value Function，一种评估当前状态或动作预期回报的数学机制）。情绪并非进化的累赘，而是帮助人类在漫长的决策链条中进行高效判断和自我纠正的关键。基于此，Safe Superintelligence Inc.（安全超级智能公司）制定了独特的战略：避开商业产品的恶性竞争，采取“直通超级智能”的路线，专注于解决根本性的技术问题，直到攻克安全的超级智能。Ilya Sutskever 强调，核心的对齐目标应该是“关爱感知生命”，因为 AI 本身也将成为感知生命的一部分。他还展望了未来可能出现的大陆级规模 AI 集群，并提出人类未来或许可以通过脑机接口与 AI 融合，从而在超级智能时代保持一种长期的均衡状态。

ChatGPT变身私人导购：OpenAI推出深度“购物研究”功能

OpenAI 近日正式在 ChatGPT 中推出了一项极具实用价值的新功能——“购物研究”，旨在通过深度智能交互彻底重塑用户的在线消费决策流程。与传统的搜索模式不同，这一功能将深度信息检索与自然语言对话完美融合。当用户提出如“寻找适合小公寓的静音吸尘器”等模糊需求时，ChatGPT 不再只是机械地罗列链接，而是会像一位经验丰富的导购一样主动提问，通过询问预算、具体用途等关键信息来澄清需求。该功能具备强大的个性化推荐能力，能够结合 ChatGPT 的记忆功能，随着交互的深入逐渐精准掌握用户的独特喜好。它还能执行深度互联网搜索，广泛抓取价格、库存状态、用户评价及产品规格等关键数据，并自动筛选高可信度的来源，最终生成带有引用标注的综合建议，大幅降低了用户筛选信息的门槛。 

为了确保推荐结果的精准度，“购物研究”功能引入了精细的实时反馈机制。用户可以对推荐结果直接标记“不感兴趣”或要求查看“更多类似”商品，系统会根据这些即时反馈动态调整后续的推荐策略。在技术底层，该功能据称基于经过特别优化的 GPT-5 迷你版模型构建，并利用强化学习显著提高了在购物场景下的准确性，确保模型能有效阅读可信赖网站并综合多种信息。目前，该功能已在移动端和网页版全面上线，覆盖包括免费版在内的所有用户计划。为了迎接即将到来的节日购物季，OpenAI 宣布在假期期间向所有用户几乎无限制地开放此功能，使其成为用户寻找节日礼物和进行比价的得力助手。

Talagrand卷积猜想自1989年提出以来，一直是概率论与泛函分析领域的重大难题，困扰数学界长达36年。近日，杜克大学和苏黎世联邦理工学院的华人学者 Yuansi Chen 独立完成了一项突破性研究，成功解决了该猜想中的核心问题。这一成果不仅在数学基础理论上具有里程碑意义，还可能对计算机科学和人工智能算法产生深远影响。

研究团队采用了一种名为“扰动反向热过程”（perturbed reverse heat process）的创新方法。Yuansi Chen 在布尔超立方体（Boolean hypercube，一种多维离散空间结构）上构建了复杂的马尔可夫跳跃过程耦合（coupling），通过引入精心设计的跳跃速率扰动，克服了离散空间缺乏连续光滑结构的挑战。研究结果证明，热半群作用下的函数具有优于马尔可夫不等式的尾部界限，且这一界限与维度无关，仅比猜想的最优速率多出一个微小的 log log 因子。这项工作不仅为离散随机分析提供了新工具，还与当前AI领域热门的扩散模型在数学本质上相通，为理解生成模型的理论基础提供了新视角。

人工智能首次在常规CT扫描中检测到慢性压力的影像生物标志物

慢性压力是诱发心脏病等重大疾病的隐形杀手，但长期以来缺乏客观、便捷的量化手段。针对这一难题，来自约翰·霍普金斯大学医学院的 Elena Ghotbi 和 Shadpour Demehri 以及加州大学洛杉矶分校的 Teresa E. Seeman 等研究人员组成的团队，利用深度学习技术，成功从常规医疗影像中提取出了反映慢性压力的生物标志物，为评估压力对健康的累积影响开辟了新路径。

研究团队基于“多民族动脉粥样硬化研究”（MESA）队列，分析了2,842名参与者的临床数据。这组罕见的数据集结合了胸部CT扫描、经过验证的压力问卷、皮质醇测量以及异质性负荷（allostatic load，指慢性压力对身体的累积生理和心理效应）指标。研究人员开发并训练了一个深度学习模型，能够自动在CT影像中分割并精确测量肾上腺体积，进而计算出“肾上腺体积指数”（AVI）。

研究结果显示，AI测得的AVI就像一个反映慢性压力的“生物晴雨表”。较高的AVI值不仅与高水平的皮质醇、较高的异质性负荷以及参与者自述的高感知压力显著相关，还与左心室质量指数的增加有关。更重要的是，通过长达10年的随访数据分析，研究团队发现AVI具有独立的临床预测价值：AVI每增加1 cm³/m²，患者未来发生心力衰竭和死亡的风险就会随之升高。这一发现意味着，医生利用现有的常规胸部CT扫描，无需额外的测试或辐射，即可实现对心血管风险的更精准分层和预防性护理。研究成果发表在 北美放射学会（RSNA）年会 上。

传统声学材料一旦制造完成，其功能往往就被固定，难以适应复杂多变的应用场景。为了突破这一限制，来自康涅狄格大学的 Osama R. Bilal 教授与博士候选人 Melanie R. Keogh 等研究人员组成的团队，开发了一种全新的可重构声学超材料。该团队所在的“极端智能材料波工程实验室”（We-Xite）致力于探索材料的极限性能，此次他们成功设计出一种能够实时编程的超材料，为控制声波提供了前所未有的灵活性。

研究团队设计了一种由11×11网格排列的非对称柱体构成的超材料结构，每个柱体形状类似“苹果核”并带有凹面。通过电机或齿轮系统，这些柱体可以独立旋转，从而改变声波在网格中的反射路径。这种设计引入了组合学的概念，使得该材料的潜在构型数量理论上超过了宇宙中的原子总数。研究人员利用这种结构实现了对声波的多种操控，包括聚焦、衰减以及引导声波沿特定路径传播。研究中还应用了超胞（supercells，即由多个基本单元组合而成的更大的重复结构）概念，进一步扩展了设计空间。实验证明，该材料不仅能像声镊一样将声波聚焦于一点，用于潜在的肾结石或脑瘤治疗，还能表现出拓扑绝缘体（topological insulators，即内部绝缘但表面或边缘允许波传播的材料）的特性。这一突破性成果证明了通过机械调整实现实时声学编程的可行性。研究发表在 PNAS 上。

狮子不仅会咆哮：AI揭示非洲狮的第二种吼叫类型

非洲狮种群数量急剧下降，而传统的种群监测方法存在局限性。狮子的吼声是个体识别的关键，但长期依赖专家主观判断。为此，来自埃克塞特大学的 Jonathan Growcott 以及牛津大学、法兰克福动物学会等机构的研究人员组成的团队，利用人工智能技术重新定义了狮子的吼声结构，发现并分类了一种全新的叫声类型，极大地提高了野生动物声学监测的准确性。

研究团队采用了先进的机器学习技术，具体使用了高斯隐马尔可夫模型和K-均值聚类算法，对狮子的录音数据进行分析。研究首次证实，狮子的一连串吼叫中不仅包含众所周知的全喉咆哮（full-throated roar），还包含一种此前未被归类的中间咆哮（intermediary roar）。这种中间咆哮通常出现在全喉咆哮之后、呼噜声之前，其持续时间和频率与前者有显著差异。通过基于最大频率和叫声长度的自动化分析，该模型能以95.4%的极高准确率区分不同的叫声类型。更重要的是，利用AI筛选出的数据进行个体狮子身份识别时，其准确性指标F1分数达到了0.87，显著优于人工专家分类的0.80。这项技术消除了人为偏见，简化了被动声学监测流程，为保护这一易危物种提供了强有力的技术支持。研究发表在 Ecology and Evolution 上。

ULTRARAM存储技术的商业化困境：物理学与工程实现的鸿沟

ULTRARAM曾被誉为革命性的存储技术，声称能同时实现DRAM的高速度和闪存的长效保持，但其从实验室走向商业应用的道路却充满挑战。针对这一问题，阿德莱德大学的Dominic Lane博士深入探究了科学现实与商业量产之间的鸿沟。作为该技术的共同发明人，Lane博士指出，尽管ULTRARAM基于III-V族半导体的物理原理十分优雅，但在实际制造和扩展方面面临严峻考验。

该研究通过对ULTRARAM技术现状的批判性评估，揭示了阻碍其大规模应用的核心问题。Lane博士分析发现，利用量子力学效应（如共振隧穿 resonant tunneling）虽然能实现低能耗电荷存储，但基础材料和工程障碍——特别是界面缺陷（interface defects）和电荷俘获（charge-trapping）的不稳定性——严重制约了该技术的发展。研究表明，由于浮栅和注入阱之间存在离散量子态，ULTRARAM对界面陷阱密度（interface trap density）异常敏感，且目前缺乏在标准300毫米硅晶圆上生长无缺陷III-V族堆叠层的明确途径。Lane博士总结认为，除非在界面工程（interface engineering）和材料集成方面取得突破，否则ULTRARAM将难以走出实验室，无法成为可行的下一代商业存储技术。研究发表在 Journal of Applied Physics 上。