1,Nat Med:醫生繪製了人體的COVID-19免疫反應圖
來源:細胞
澳大利亞的研究人員近日表示,他們已經繪製出人體對新型冠狀病毒的免疫反應圖譜,這是對抗這種全球殺手的一個潛在突破。研究發表在《Nature Medicine》雜誌上。
該小組在COVID-19患者恢復期間的血液中發現了四種不同的免疫細胞群。觀察結果還有助於衛生當局在未來疾病暴發時更好地預測誰的風險最大。從理論上講,這些免疫系統"標誌物"可以更準確地預測哪些病人可能會出現輕微症狀,哪些病人有死亡的危險。
2,復旦Adv. Sci.:比人腦更出色!超低功耗可穿戴異質突觸
來源:奇物論
儘管受生物系統啟發的報告的神經形態計算設備的能量消耗已經低於傳統記憶,但它仍然大於生物突觸(每個尖峰≈10FJ)。於此,復旦大學孫清清和陳琳等人設計了基於MoS2的柔性異質突觸,其具有兩種調製模式,即電子模式和光激發模式。
超快速和超低功耗為神經形態計算系統提供了一條路徑,該系統具有比人腦更出色的處理能力。通過添加光學調製,構建調節突觸以動態控制突觸前和突觸後之間的相關性並實現複雜的全局神經調節。新型可穿戴異構突觸擴展了突觸權重的可訪問範圍(促進率≈228%),從而為可穿戴2D高效神經形態計算體系結構的應用提供了深入見解。
3,Nat Comm | 劉聰團隊揭示脂質分子質膜相分離調控蛋白結構與功能
來源:BioArt
VAMP2在突觸小泡膜不同區域上的構象及其參與SNARE複合體組裝的模型
細胞內環境複雜,存在著多種有膜及無膜細胞器、小分子及生物大分子。其中多糖、蛋白質以及核酸等生物大分子的濃度可達300 g/L。細胞內的微環境直接影響蛋白質的結構、穩定性、動力學性質和生理功能,尤其是對缺乏穩定三維結構的內在無序蛋白質。
近期,上海有機化學研究所生物與化學交叉中心劉聰課題組與上海交通大學Bio-X研究院李丹課題組合作通過運用蛋白質的in-cell NMR方法,系統研究了突觸小泡膜上的脂質分子局部相分離形成的微區(microdomain)決定突觸小泡相關膜蛋白2(vesicle associated membraneprotein2, VAMP2)膜外無序區的動態三維結構,並進而調控其在SNARE複合體組裝與神經遞質傳遞中的生理功能。相關工作於本月發表在Nature Communications。
4,麻省總醫院發現腸道酶IAP可防止衰老和體弱
來源:生物通
科學家們腸道屏障功能障礙和腸道源性慢性炎症在人類衰老中起作用,但是如何調節這一過程在很大程度上仍是一個謎。來自麻省總醫院由(MGH)普通和胃腸外科分部主任醫學博士Richard Hodin領導的團隊發現了這一難題的重要組成部分,相關成果公布在JCI Insight雜誌上。
通過對小鼠和果蠅進行研究,研究人員發現,腸道鹼性磷酸酶(IAP)有助於防止腸道通透性和腸道源性全身性炎症,從而減少體弱和延長壽命。
5,eLIFE:腦電結合眼動研究:自閉症兒童社交腦網絡的早期改變
來源:思影科技
社交障礙是自閉症譜系障礙(ASD,Autism Spectrum Disorders)的標誌,但是在ASD研究中缺乏針對社交性刺激引起早期社交腦網絡改變的證據。我們記錄了ASD學步兒童及其正常發育(TD, typically developing)的同伴在探索動態社交場景時的注視方式和大腦活動。基於電信號溯源的定向功能連接分析,揭示了theta和alpha頻率的特定頻率非典型腦網絡。結果發現,與自閉症相關的社交網絡的關鍵節點信息在傳輸和連接方式均發生了變化。
對ASD腦與行為關係的分析表明,來自背頂額葉,顳下葉和島狀皮層區域的補償機制與較少的非典型注視模式和較低的臨床障礙有關。本結果提供了有力的證據表明:社交腦網絡的定向功能連接改變是ASD大腦早期非典型發育的核心組成部分。
6,家長接受培訓有助於自閉兒的幹預效果
來源:自閉症互助圈
一項最新的研究成果表明,當家長接受促進社會性溝通的策略的培訓以後,自閉症幼兒受益顯著。家長參加每周一次培訓課雖然也對孩子有好處,但在治療師上門家訪並為家長進行每周二、三次的一對一指導以後,幼兒掌握的技能顯著增加。」研究結果發表在《兒科》雜誌網絡版上。
7,Google發布神經天氣模型,幾秒鐘預測整個美國的降水量
來源:雷鋒網
神經氣象模型 MetNet 的結構
很多氣象機構目前採用的預報是基於大氣的物理模型。儘管在過去幾十年有很大的改進,但這些模型本身受到計算要求的限制。並且,它們對物理定律的近似值非常敏感。另一種能夠克服這些限制的天氣預報方法是使用深神經網絡(DNNs)。DNNs 在強大的專用硬體(如 GPU 和 TPU)上使用並行計算,發現數據中的模式,並學習從輸入到所需輸出的複雜轉換。
近日,在先前對降水量預報的研究基礎上,Google 提出了 MetNet,這是一種用於降水預報的神經天氣模型。這種 DNN 能夠在未來 8 小時內以 1km 的解析度預報降水量,時間間隔為 2 分鐘。MetNet 的預測時間比 NOAA 目前使用的最先進的基於物理的模型提前了 7-8 小時。它可以在幾秒鐘內對整個美國的降水量進行預測,而 NOAA 需要花費一小時。
前文閱讀
1,腦科學日報|HIV如何影響大腦認知功能?漸凍症「元兇」可能是它
2,腦科學日報|Neuron文章挑戰冷暖感知理論;「一滴血」預測AD