• 靳三针舌法辅助治疗亚急性期卒中后布鲁卡失语症的分层疗效与外周神经炎症机制：一项 1:1 倾向评分匹配回顾性队列研究

  摘要卒中后布罗卡型运动性失语的特征为口语表达和命名功能受损（Cătălin Jianu 2022）。单一标准化语言康复需要较长的神经重塑期，并存在语言功能长期恶化的风险。金氏舌三针是一种针对性舌部针灸疗法，被全国多家康复科室广泛采用为辅助失语症干预手段。现有相关临床研究存在局

  来源：Journal of Molecular Neuroscience

  时间：2026-08-21

• 通过单细胞RNA测序揭示偏头痛患者外周CD4 T细胞状态的重组

  摘要偏头痛可能涉及神经免疫相关机制，但偏头痛相关的外周免疫细胞状态尚未完全明确。我们的目标是在单细胞水平上表征偏头痛患者的外周血液免疫重塑情况。我们重新分析了PBMC单细胞RNA测序数据集GSE269117，以偏头痛患者和前庭性偏头痛患者为研究组，健康对照组作为参照组。经过质量控

  来源：Journal of Molecular Neuroscience

  时间：2026-08-21

• 基于 Fe3O4 量子点的用于血清中肾上腺素、去甲肾上腺素和多巴胺快速、可视化判别与检测的三色比率荧光平台

  摘要儿茶酚胺（CAs）水平异常提示可能存在某些疾病。为了满足神经退行性疾病临床诊断和治疗的需求，构建了一种新型三色比率荧光平台，用于肾上腺素（EP）、去甲肾上腺素（NEP）和多巴胺（DA）的快速、可视化识别和分析。首先建立了 Fe3O4 QDs 传感器，通过监测 Fe3O4

  来源：Journal of Fluorescence

  时间：2026-08-21

• 整合分析揭示了猴头菇中猴头菌素 A 积累的外源诱导与分子调控

  摘要：猴头菌素 A 是一种主要来源于Hericium erinaceus（猴头菇）菌丝体的杯烷型二萜类化合物，具有显著的神经营养和神经保护活性，使其成为管理神经退行性疾病的潜在候选药物。然而，其低丰度和尚不明确的遗传调控机制阻碍了其作为营养保健品的应用。本研究旨在解析其调控机

  来源：Microbiological Research

  时间：2026-08-21

• 普通话重音识别：利用事件相关电位探索听觉基线与视觉调制

  摘要本研究旨在确定重音识别的感知基线——即重音识别是依赖于通过句内在线比较计算出的内部基线，还是依赖于从先前声学经验积累的外部基线——并进一步考察这一听觉基线是否受内部认知处理结果调节。为实现这些目标，设计了两个事件相关电位（ERP）实验。实验 1 采用被动听觉异探范式，比较

  来源：Brain Research

  时间：2026-08-21

• 用于帕金森病模型中神经炎症持续监测与神经调控的生物电子接口

  摘要：神经炎症日益被公认为帕金森病 (PD) 发病和进展的关键驱动因素，然而能够在体内持续追踪神经炎症动态的技术仍然有限。在此，我们报道了一种可植入生物电子接口，该接口将基于适配体的多重电化学生物传感与脑深部电刺激 (DBS) 相结合，用于大鼠脑内生物标志物监测和神经调控。该

  来源：Biosensors and Bioelectronics

  时间：2026-08-21

• 综述：昆虫中的Sulfakinin神经肽及其受体：分子信号传导、生理多样性及其在害虫管理中的应用

  摘要 Sulfakinin（SK）肽是古老的胆囊收缩素（CCK）/胃泌素超家族中的昆虫成员，其特征是C末端附近有一个硫酸化的酪氨酸残基和一个C末端酰胺化的七肽核心，这些结构修饰对受体活性至关重要。尽管SK肽在C末端与脊椎动物的CCK-8和胃泌素具有相似性，但这种同源性在药理学

  来源：Peptides

  时间：2026-08-21

• DPAC：突破参数高效微调效率上限的三维协同框架

  摘要 虽然参数高效微调（PEFT）已成为适配大型预训练模型的关键，但在参数量预算和任务性能之间实现最佳平衡具有挑战性。核心难点在于减少参数数量，并在异构模型组件中最大化每个已分配参数的利用效率。像 DoRA 这样的最新进展通过幅度 - 方向权重分解改进了 LoRA。然而，存在

  来源：Neural Networks

  时间：2026-08-21

• GECL：面向无监督域适应的细粒度颗粒包络对比学习

  摘要 无监督域适应（UDA）旨在在分布偏移的情况下，将知识从标记源数据转移到无标记目标域。现有的类感知 UDA 方法通过利用标签信息来缓解负迁移。然而，它们往往忽视了类内多样性和概念偏移，限制了其捕捉细粒度语义结构的能力。在这项工作中，我们提出了一种新颖的粒度包络对比学习（G

  来源：Neural Networks

  时间：2026-08-21

• 基于多目标学习的可解释且公平的广义加性神经网络

  摘要 可解释性和公平性是可信人工智能（AI）中两个最受强调的维度。已经引入了各种可解释人工智能（XAI）方法来改善可解释性。本文专注于基于神经网络（NN）的广义加性模型（GAMs），这是一类自解释模型。虽然大多数现有研究优先考虑提高基于神经网络的 GAMs 的准确性，但它们的

  来源：Neural Networks

  时间：2026-08-21

知名企业招聘：