脑科学日报：婴儿抓周的科学解释；AI构建「银河系漫游指南」

　　1，迄今为止最大的单细胞数据集！为找到癫痫影响的基因，研究人员分析了超11万神经元

　　来源：生物探索

　　癫痫和非癫痫数据集的整合以及与疾病相关的神经元亚型的鉴定

　　来自丹麦哥本哈根大学的研究人员在对117,221个神经元转录组进行单核转录组学分析后，确定了癫痫皮层转录组中分布于多种神经元亚型的大规模变化，并找到了受癫痫影响最大的确切神经元。这项研究是迄今为止发表的最大的脑部疾病单细胞数据集。相关成果发表于《Nature Communications》上。

　　具体而言，为了确定人类大脑癫痫发作活动中功能失调的神经元亚型，研究人员对来自多个颞叶癫痫和非癫痫患者颞皮层样本中的超过110,000个神经元转录组进行了单核转录组学分析。结果发现，最大的转录组变化发生在几个主要神经元家族（L5-6_Fezf2和L2-3_Cux2）和GABA能中间神经元（Sst和Pvalb）的不同神经元亚型中，而同一家族中的其他亚型则受影响较小。研究还发现，谷氨酸信号传导是癫痫病失调最严重的信号之一，突显出多个谷氨酸受体基因的逐层转录变化以及编码AMPA受体辅助亚基基因的强烈上调。

　　2，Science子刊：喝酒为何会上瘾？酒精会改变脑细胞外空间形状及大脑中递质扩散

　　来源：Bio生物世界

　　近日，西班牙神经科学研究所的研究人员在国际顶尖学术期刊 Science 子刊 Science Advances 杂志发表了题为：Chronic alcohol consumption alters extracellular space geometry and transmitter diffusion in the brain 的研究论文。

　　该研究证明了长期慢性饮酒的人和大鼠会随着时间的推移增加大脑灰质细胞外空间（ECS）的扩散率，进而逐渐增加神经递质（如多巴胺）的浓度，两者协同组合可能是一种新的酒精成瘾机制。

　　3，师冰洋/薛雪/郑蒙Science子刊：血脑屏障穿透siRNA纳米药物用于阿尔茨海默病治疗

　　来源：奇物论

　　中毒性聚集性淀粉样蛋白-β积聚是阿尔茨海默病(AD)的关键致病事件，它是由淀粉样前体蛋白(APP)通过BACE1(β位点APP裂解酶1)和γ分泌酶顺序切割而产生。小干扰RNA(siRNAs)通过BACE1的特异性沉默在AD的治疗中表示出巨大的应用前景。

　　河南大学师冰洋、郑蒙，南开大学薛雪等人开发了一种糖基化“三重相互作用”稳定的聚合siRNA纳米药物(Gal-NP@siRNA)，以靶向APP/PS1转基因AD小鼠模型中的BACE1。Gal-NP@siRNA具有良好的血液稳定性，可以通过血糖控制的葡萄糖转运蛋白1(Glut1)介导的转运有效地穿透血脑屏障（BBB），从而确保siRNAs降低BACE1的表达并改变相关途径。Gal-NP@siBACE1给药恢复了AD小鼠认知能力的恶化，没有明显的副作用。

　　4，手性金纳米粒子改善阿尔茨海默症模型小鼠的记忆缺陷

　　来源：X-MOL资讯

　　手性金纳米粒子可抑制Aβ42聚集，通过血脑屏障，无明显毒性

　　阿尔茨海默病的病理学主要标志是细胞外的Aβ淀粉样蛋白斑块和细胞内Tau蛋白引起的神经纤维缠结。近日，国家纳米科学中心唐智勇研究员和哈尔滨工业大学刘绍琴教授设计和合成了手性L-和D-谷胱甘肽保护的3.3 nm金纳米粒子（标记为L3.3和D3.3）以阻断Aβ的聚集。

　　研究发现D3.3相对于L3.3与Aβ42之间的结合力更强，对Aβ42聚集有更好的抑制效果。D3.3和L3.3经过尾静脉注射的方式能顺利通过小鼠的血脑屏障，并且相比于L3.3，D3.3通过血脑屏障的效率更高。此外，手性金纳米粒子没有给小鼠造成明显的毒性。最后，研究人员对阿尔茨海默症模型小鼠进行每周一次共四周的给药后，进行了水迷宫实验以探究阿尔茨海默症模型小鼠的行为学变化。实验结果表明D3.3显著地改善了阿尔茨海默症模型小鼠的记忆缺陷。论文发表在国际期刊Nature Communications上。

　　5，精神障碍患者会不会出院后就自杀？看看高危因素有哪些

　　来源：精神时间

　　既往有自杀未遂史是未来自杀的强预测因素，但对于不同诊断的精神科住院患者，既往的自伤自杀行为对其出院 30 天内的自杀风险有何影响，尚无一致结论。为此，来自瑞典 Karolinska 研究所 Axel 教授及其研究团队对 2，883，088 人次精神科出院病例进行了研究分析，研究成果发表在 2019 年 2 月的 J Clin Psychiatry 杂志上。

　　结果表明，对于不同诊断的精神科出院患者来说，无论入院前是否有自伤自杀行为，抑郁障碍、急性应激反应、适应障碍及创伤后应激障碍患者出院后短期内自杀死亡风险均较高，特别是男性患者更应提高警惕。对于所有精神科出院患者来说，即使出院时评估的自杀风险不高，如果患者在入院前 30 天内有明确的自伤自杀行为，仍应警惕其出院后 30 天内出现自杀行为。特别强调的是，精神分裂症患者出院后短期内出现自杀死亡的风险并不是很高，但若入院前 30 天有自伤自杀行为，其风险会显著增高，需特别关注。

　　6，婴儿抓周的科学解释：婴儿的随机选择，将促成他们日后的行为偏好

　　来源：学术头条

　　尽管研究人员早就知道，成年人在一生中会在本质上相同的事物之间做出选择，从而形成无意识的偏见。但约翰霍普金斯大学一项新的研究发现，即使是婴儿也会出现这种现象，这表明，这种基于直觉的选择，会在某种程度上成为人类经验形成的基础。

　　人们认为他们选择了自己喜欢的东西，但研究表明，这背后的逻辑可能要反一下：我们喜欢某样东西，是因为我们先随机选择了它们。而且，我们会不喜欢我们没有选择的东西。

　　7，AI构建「银河系漫游指南」，首次绘制宇宙超详细3D地图

　　来源：新智元

　　来自夏威夷大学马诺阿分校天文研究所的一组天文学家在AI神经网络的帮助下，创造了迄今为止最全面的「天文学成像目录」，包括恒星、星系和类星体等。

　　Pan-STARRS 是一个由夏威夷大学天文研究所天文台开发和操作的广域天文成像系统。利用最先进的优化算法，研究人员利用近400万光源的光谱学训练集来训练神经网络预测光源类型和星系距离，同时修正银河系中尘埃的消光现象。模型训练的效果在随后的神经网络对物体进行分类时表现出色，实现了星系98.1% ，恒星97.8% ，类星体96.6% 的成功率。该系统还测定了与星系的距离，最多只有3% 的误差。根据夏威夷大学的说法，最终的成果是「世界上最大的恒星、星系和类星体三维成像目录」。

　　8，AI又一次证明了自己！借助肠道微生物群可有效筛查心血管疾病

　　来源：转化医学网

　　近期，由美国托莱多大学的科学家进行的一项研究已经证明，借助人工智能深度学习，将能够通过肠道微生物群来诊断和筛查心血管疾病，而无需进行一系列专门的检测。该研究建立的机器学习模型能够高概率识别患有心血管疾病的人群，可作为额外的检测手段，节省时间且降低成本。

　　研究发表在《高血压》杂志，题为“Machine Learning Strategy for Gut Microbiome-Based Diagnostic Screening of Cardiovascular Disease”。这项研究首次将心血管疾病患者作为一个群体，识别肠道微生物群特征，并将这些特征应用于人工智能深度学习，开发基于肠道微生物组的疾病诊断筛查方法。

　　前文阅读

　　脑科学日报：全麻增加痴呆风险吗？社交媒体上越真实，心理越健康