• 基于低场核磁共振与深度学习的冷冻模型食品无损品质评估新方法

  冷冻技术作为食品保鲜的重要手段，通过抑制微生物活动和生化反应延长货架期。然而，冰晶形成导致的细胞结构破坏会引发质地软化、营养流失和滴水损失等问题，成为制约行业发展的瓶颈。传统品质评估方法依赖破坏性检测，耗时费力且无法实时监控。尽管新兴冷冻技术（如液氮冷冻、电磁场辅助冷冻）不断涌现，其效果评价仍缺乏高效手段。为解决这一难题，来自中国的研究团队在《Food Chemistry》发表研究，以水分含量90%和80%的凝胶模型食品为对象，系统探究了梯度温度（-5°C至-80°C）冷冻条件下的品质变化规律。研究创新性地将低场核磁共振（LF-NMR，通过检测氢质子弛豫时间分析水分状态）与机器学习结合，构建了

  来源：Food Chemistry

  时间：2025-06-17

• 未修饰tau肽段内源性聚集与传播的分子机制：R2R3作为最小模型系统的研究

  在阿尔茨海默病（AD）和其他tau蛋白病中，tau蛋白异常聚集形成的神经原纤维缠结（NFTs）是病理标志。尽管已知微管结合域（MTBD）中VQIINK和VQIVYK等淀粉样原性基序是关键驱动因素，但相邻重复序列（R1-R4）如何影响tau的天然聚集和朊病毒样传播仍不清楚。这一知识缺口阻碍了靶向治疗的发展，因为现有研究多聚焦于化学修饰（如乙酰化、磷酸化模拟）肽段，而忽略了天然序列的基础作用。为回答这一问题，研究人员通过构建三种未修饰的生理相关tau肽段（R1R3、R2R3、R3R4），系统比较了它们的聚集动力学、结构特征及播种活性。研究发现，R2R3展现出最快的硫黄素T（ThT）荧光增强速率，圆

  来源：Biophysical Journal

  时间：2025-06-17

• 基于Swin Transformer的构音障碍语音识别新框架：DSR-Swinoid模型的创新与突破

  构音障碍是中风、帕金森病和脑瘫等神经系统疾病的常见并发症，严重影响患者的沟通能力。传统诊断方法依赖医生主观评估，耗时耗力且成本高昂。虽然机器学习方法如支持向量机（SVM）和高斯混合模型-隐马尔可夫模型（GMM-HMM）已被应用于语音识别，但仍面临误报率高、环境噪声干扰等问题。更棘手的是，构音障碍语音的模糊音素信息和数据稀缺性进一步增加了识别难度。为解决这些挑战，巴基斯坦Taxila工程技术大学计算机科学系的Rabbia Mahum联合沙特阿拉伯国王大学等机构的研究团队，在《Scientific Reports》发表了一项创新研究。该团队开发了基于Swin Transformer的DSR-Swi

  来源：Scientific Reports

  时间：2025-06-17

• α-突触核蛋白Lewy-MSA杂合折叠驱动独特的神经元病理：结构分类新范式

  神经退行性疾病领域长期存在一个核心谜题：为何相同蛋白质在不同疾病中会形成截然不同的病理特征？α-突触核蛋白(α-Syn)的异常聚集是Lewy体病(LBD)和多系统萎缩(MSA)的共同病理标志，但前者主要表现为神经元内Lewy体，后者则以少突胶质细胞Papp-Lantos小体为特征。传统观点认为这种细胞特异性病理源于不同的蛋白折叠构象，然而是否存在过渡形态或杂合结构仍属未知。多伦多大学医院网络的研究团队在《Communications Biology》发表突破性研究，通过对一例罕见非典型MSA(aMSA)患者的脑组织分析，首次发现α-Syn可形成同时包含Lewy体和MSA特征结构的"Lewy-M

  来源：Communications Biology

  时间：2025-06-17

• KMT2D失活作为垂体肿瘤潜在新驱动因素的基因组与单细胞转录组学证据：一项病例报告

  垂体神经内分泌肿瘤(PitNET)作为颅内第三大常见肿瘤，临床发病率达4.07/10万，但其几乎从不转移的生物学特性长期困扰学界。尽管已知GNAS和USP8等基因驱动特定亚型，多数PitNET的分子机制仍属未知。瑞士洛桑大学医院团队在《BJC Reports》发表的研究，通过多组学技术揭示KMT2D失活可能是混合型生长激素-泌乳素肿瘤的新驱动因素。G剪接位点变异，该变异导致外显子33异常剪接，经SpliceAI预测为致病性。主要技术方法全基因组测序(WGS)：检测肿瘤与匹配血液样本的体细胞变异和染色体拷贝数变异单细胞RNA测序：使用10X Chromium平台分析2,928个高质量细胞，揭示肿

  来源：BJC Reports

  时间：2025-06-17

• 中国版神经性厌食症利弊量表(P-CAN-C)的心理测量学特性验证研究：基于神经性厌食症患者的跨文化适应性分析

  神经性厌食症(AN)这个听起来专业的名词，其实离我们的生活并不遥远。想象一下，有人因为对体重和体型的过度焦虑，宁愿饿到骨瘦如柴也不愿进食——这种致死率最高的精神疾病，正在中国以惊人的速度蔓延。最新数据显示，中国AN患者已超131万，且发病率持续攀升，与全球稳定趋势形成鲜明对比。更令人担忧的是，许多患者就像陷入了一个矛盾的怪圈：既被疾病带来的"好处"（如控制感、情绪调节）所吸引，又深受其害（如身体衰竭、社交障碍）。这种矛盾心理就像无形的枷锁，严重阻碍着康复进程。在香港中文大学等机构的研究人员看来，破解这个矛盾的关键在于精准评估患者对疾病的认知。西方学者开发的神经性厌食症利弊量表(P-CAN)虽能

  来源：Journal of Eating Disorders

  时间：2025-06-17

• 2024年Cnidofest会议揭示刺胞动物生物学新突破：从再生机制到神经进化

  在动物进化树上，刺胞动物（包括水母、珊瑚、海葵等）与两侧对称动物分道扬镳已超过5亿年。这个古老类群具有独特的生物学特性：既能通过简单的两胚层身体结构完成复杂生命活动，又展现出惊人的再生能力和多样化的生活史。然而，其发育调控机制与高等动物的异同、特殊细胞类型（如刺细胞）的演化起源等核心问题长期困扰着进化发育生物学家。2024年8月在美国利哈伊大学举办的第三届Cnidofest会议，汇集了11个国家的刺胞动物研究者，通过前沿技术揭示了这些"活化石"中隐藏的生命密码。为系统解析刺胞动物的生物学特性，由Lehigh大学Michael J. Layden团队牵头，联合康奈尔大学、加州大学戴维斯分校等机构

  来源：EvoDevo

  时间：2025-06-17

• 多输出热化学预测新突破：基于热力学约束的神经网络方法在材料热力学性质预测中的应用

  在材料科学领域，准确预测热化学性质如同掌握材料的"基因密码"。Gibbs自由能(G)作为衡量材料在恒温恒压下最大可逆功的关键指标，直接影响着催化效率、能源存储等核心性能。然而传统实验方法如量热法、电化学测量不仅耗时耗力，计算手段如密度泛函理论(DFT)和分子动力学也面临计算资源消耗大的瓶颈。更棘手的是，化学数据集往往规模小且分布复杂，常规机器学习模型在数据不足或分布外(OOD)场景下表现堪忧。针对这一系列挑战，来自TIFR Hyderabad的研究人员Raheel Hammad和Sownyak Mondal开发了名为ThermoLearn的热力学约束神经网络。这项发表在《Journal of

  来源：Journal of Cheminformatics

  时间：2025-06-17

• 新生儿肠道菌群与脑岛结构关联的突破性发现及其对神经发育的启示

  生命最初的1000天是肠道菌群与大脑发育的关键窗口期。就像两个同步生长的"宇宙"，数万亿微生物在婴儿肠道内构建复杂生态系统的同时，大脑神经网络也在进行精密布线。越来越多的证据表明，这两个系统通过肠-脑轴(Gut-Brain Axis)进行着神秘对话，但这场对话究竟何时开始、如何影响神经发育，尤其是涉及情感和感觉处理的关键脑区，仍是未解之谜。现有研究多聚焦于较大婴儿的杏仁核、海马体等皮层下结构，而对新生儿期这一发育敏感期的研究几乎空白。美国北卡罗来纳大学的研究团队在《Physiology》发表的研究填补了这一空白。他们创新性地采用脑磁共振成像(MRI)和粪便全基因组测序技术，对203名2周龄婴儿

  来源：Physiology & Behavior

  时间：2025-06-17

• 孕酮联合运动预处理通过调控神经炎症改善创伤性脑损伤大鼠的认知障碍与平衡功能障碍

  创伤性脑损伤(TBI)作为青年男性致死的首要原因，其继发的神经炎症和脑水肿常导致不可逆的认知与运动功能障碍。尽管临床已尝试多种治疗手段，但针对继发性损伤的干预效果仍不理想。有趣的是，流行病学数据显示女性TBI患者预后优于男性，这提示性激素可能具有神经保护作用。与此同时，运动训练被证实可通过多重机制增强脑组织抗损伤能力。然而，孕酮与高强度间歇运动(HIIT)的协同效应尚未被系统研究。为解答这一科学问题，克尔曼医科大学的研究团队在《Physiology》发表了一项开创性研究。该团队采用Marmarou撞击法建立TBI大鼠模型，通过设立7种干预方案（包括假手术组、TBI组、溶剂组、孕酮组、运动组、运

  来源：Physiology & Behavior

  时间：2025-06-17

• 异质图对比学习中高效信息共享的协调机制研究

  随着电子商务、生物医学等领域的快速发展，异质图神经网络(HGNN)因其能建模多类型节点间复杂关系的特性，成为图数据分析的重要工具。然而，现有基于元路径(metapath)的异质图对比学习(HGCL)方法面临两大困境：一方面，源自DGI的全局表征一致性缺陷导致节点丰富上下文信息难以捕捉；另一方面，独立编码的语义子图形成"信息孤岛"，既忽略语义结构间交互又造成计算冗余。更棘手的是，HDGI等模型采用的InfoNCE损失会使全局向量s收敛至固定值，而多判别器设计虽提升效果却显著增加计算开销。针对这些挑战，山东某研究团队在《Pattern Recognition》发表创新成果HarmoHGCL。该方法

  来源：Pattern Recognition

  时间：2025-06-17

• 基于超图引导的特征解耦学习模型Hyper-BTS在脑肿瘤多模态MRI分割中的创新应用

  论文解读脑肿瘤作为致死率最高的恶性肿瘤之一，其诊断高度依赖多模态MRI成像。然而，肿瘤区域的异质性、边界模糊性以及跨模态特征的非线性关联（如T1与T1Gd模态对坏死核心NCR的差异化表征），使得传统分割方法难以精准捕捉复杂形态。现有基于图卷积网络(GCN)的方法仅能建模二阶关系，而超图神经网络(HGNN)通过超边连接多节点特性，为跨模态高阶关联（如嵌套式肿瘤子区域的空间分布）提供了新思路。吉林大学研究团队在《Pattern Recognition》发表的研究提出Hyper-BTS模型，通过三大核心技术突破：1) 多级语义编码(MLSE)整合多模态(T1/T1Gd/T2/FLAIR)与多尺度特征

  来源：Pattern Recognition

  时间：2025-06-17

• 基于多尺度加权配对粗化与对比学习的属性图聚类模型MPCCL研究

  在信息爆炸时代，数据间的复杂关联蕴含着丰富价值，而属性图（Attributed Graph）作为融合拓扑结构与节点特征的载体，已成为社交网络分析、生物信息学等领域的关键工具。然而，现有属性图聚类技术面临三重困境：图神经网络（GNN）因局部感受野难以捕捉长程依赖，对比学习方法易受局部邻居偏差导致特征坍塌，而传统图粗化（Graph Coarsening）虽能降维却牺牲细粒度结构信息。这些问题严重制约了聚类性能，尤其在处理具有长尾分布的复杂图数据（如Cora文献引用网络）时表现尤为突出。针对这些挑战，成都大学的研究团队在《Neurocomputing》发表了一项创新研究，提出多尺度加权配对粗化与对比

  来源：Neurocomputing

  时间：2025-06-17

• 神经自适应延迟微分方程：基于可学习延迟的连续深度网络模型创新

  在人工智能与动力系统交叉领域，神经普通微分方程(NODEs)通过将残差网络(ResNet)的离散层转化为连续时间动力学，开辟了连续深度神经网络的新方向。然而这类模型存在固有缺陷：其拓扑结构限制了对交叉反射等复杂映射的学习能力，且传统神经延迟微分方程(NDDEs)依赖预设固定延迟参数，难以适应不同任务对历史信息利用的差异化需求。当面对如生理信号分析或气候预测等具有未知延迟效应的系统时，固定延迟可能导致关键时序特征的丢失。为解决这一瓶颈，中国科学院深圳先进技术研究院的Chao Zhou团队在《Neurocomputing》发表研究，提出神经自适应延迟微分方程(NADDEs)。该模型突破性地将延迟参

  来源：Neurocomputing

  时间：2025-06-17

• 基于局部空间自注意力的气象数据降尺度深度网络LSSANet：多尺度特征融合与地形嵌入的创新方法

  气象数据的精细化建模一直是农业、林业等天气敏感行业决策的重要基础。然而，现有气象产品空间分辨率普遍低于0.1°，难以捕捉农田碎片化分布等微尺度气象差异。传统深度学习方法将气象降尺度视为图像超分辨率(SISR)任务，忽视了气象数据特有的多尺度局部空间相关性、局部-全局空间依赖性以及地形与气象场的复杂相互作用，导致建模精度受限。为解决这一难题，哈尔滨工业大学的研究团队在《Neurocomputing》发表论文，提出基于局部空间自注意力(LSSANet)的创新模型。该研究通过构建局部空间自注意力模块(LSAM)捕捉气象场的局部-全局空间关联，设计多尺度动态聚合模块(MDAM)整合不同尺度的局部特征，

  来源：Neurocomputing

  时间：2025-06-17

• 基于神经网络的分布式自适应容错包含控制研究及其在多智能体系统中的应用

  在无人机编队、机器人协作等领域，多智能体系统(MASs)的协同控制一直是研究热点。然而实际应用中，系统常面临两大挑战：一是执行器可能发生部分失效或输出偏置等故障，二是系统动力学往往存在难以精确建模的非线性特性。传统控制方法在处理这类问题时，要么需要精确的数学模型，要么难以应对复杂的故障场景。更棘手的是，单个节点的故障可能通过通信网络扩散，导致整个系统失控。尽管已有研究尝试用模糊控制、滑模控制等方法解决部分问题，但这些方案要么依赖专家经验调参，要么存在设计保守性高的问题。北京理工大学的研究团队在《Neurocomputing》发表的研究中，创新性地将径向基函数(RBF)神经网络与自适应控制相结合

  来源：Neurocomputing

  时间：2025-06-17

• 基于非凸正则化与深度先验联合的低秩张量恢复方法研究及其在图像处理中的应用

  在当今大数据时代，多维数据如彩色图像、视频和医学影像常因传感器限制或传输问题出现缺失或噪声污染。传统低秩张量恢复方法面临两大挑战：一是现有凸松弛方法（如TNN）对张量秩的近似不够精确；二是全局低秩先验难以捕捉局部细节特征。北京体育大学的研究团队在《Neurocomputing》发表的研究中，创新性地将非凸ℓrp伪范数与深度学习相结合，为这一领域带来突破性进展。研究采用三大关键技术：1) 基于张量奇异值分解(t-SVD)框架构建非凸ℓrp伪范数正则项；2) 嵌入无需预训练的CNN去噪器作为深度先验；3) 设计多变量ADMM优化算法实现高效求解。实验使用标准测试数据集（包括CAVE多光谱图像和YU

  来源：Neurocomputing

  时间：2025-06-17

• 基于CRISPR-Cas12a磁珠适配体传感器的脑源性神经营养因子高灵敏检测新方法

  脑源性神经营养因子（BDNF）作为调控神经元发育的关键蛋白，其血清浓度异常与阿尔茨海默病、抑郁症等神经疾病密切相关。然而传统ELISA检测需5小时以上，且抗体易失活、成本高昂。香港中文大学Zheng Zou团队创新性地将CRISPR-Cas12a系统与磁珠技术结合，构建了可直检血清样本的"智能分子开关"。研究采用三种核心技术：1）设计含BDNF aptamer和Cas12a激活序列的"发夹DNA"（AP-locker）；2）利用磁珠（MBs）富集血清BDNF以降低背景干扰；3）通过Cas12atrans切割FAM标记ssDNA（FQ-reporters）实现荧光信号级联放大。【材料与试剂】采用

  来源：Microchemical Journal

  时间：2025-06-17

• 屏幕久坐行为对5-7岁儿童认知发展的性别差异化影响：前瞻性队列研究

  在儿童早期发育的"5-7岁关键窗口期"，大脑经历着突触修剪和髓鞘化的高速发展，这一时期认知能力的塑造对终身学习具有奠基作用。然而随着电子设备普及，全球约44%的2-5岁儿童每日屏幕时间超过2小时，这种久坐行为(Sedentary Behavior, SB)可能通过挤占运动、睡眠等有益活动时间（位移假说）或直接改变神经可塑性影响认知发育。更复杂的是，现有研究对屏幕活动的影响存在争议：有报道称电子游戏能提升空间认知，而电视观看会损害注意力，但这些结论常因忽略SB类型（认知主动/被动）、剂量效应和性别差异等调节因素而难以统一。为破解这一难题，研究人员利用英国千禧队列研究(MCS)的纵向数据，对12,

  来源：Mental Health and Physical Activity

  时间：2025-06-17

• 综述：刻板印象威胁对运动表现与学习的影响：30年系统回顾

  Abstract刻板印象威胁（ST）会损害担心证实群体负面刻板印象个体的表现。该系统综述分析了30年来ST对运动表现与学习的影响，涵盖808项研究中筛选出的65项（79个实验，5734名受试者）。性别刻板印象研究最多（45项），其次是年龄（13项）、种族（7项）等。显性操纵（如文本提示）为主流方法，少数结合隐性手段（如实验者性别）。关键机制包括感知能力下降、自我效能降低和焦虑加剧，多数研究证实ST对运动表现与学习存在负面影响。IntroductionST作为情境现象，最早由Steele和Aronson（1995）在黑人智力测试中证实。后续研究扩展至年龄、性别、体重等领域，显示其损害认知表现（如

  来源：Learning and Motivation

  时间：2025-06-17

知名企业招聘：