• 四甲基吡嗪通过NRF2/HO-1/GPX4途径抑制铁死亡，从而减轻脑缺血再灌注损伤

  •TMP能够减轻MCAO/R大鼠以及OGD/R神经元中的脑损伤，改善功能，并保护线粒体结构。•TMP可激活NRF2/HO-1/GPX4通路，增强抗氧化能力，同时抑制脂质过氧化和铁积累。•NRF2抑制剂ML385可部分抵消TMP的保护作用，这说明TMP的抗铁死亡效应依赖于NRF2。

  来源：Tissue and Cell

  时间：2026-07-30

• 谷氨酰胺通过Agrin-MuSK信号通路缓解多环蛇毒引起的肌肉麻痹

  摘要本研究探讨了谷氨酰胺对被多环蛇毒中毒的大鼠瘫痪症状的影响，并研究了其作用机制，重点关注神经肌肉传导恢复过程中的Agrin-MuSK信号通路。通过离体膈肌张力测定法评估了谷氨酰胺逆转毒液诱导的神经肌肉阻滞的效果。研究使用多环蛇毒（0.15毫克/千克）建立大鼠中毒模型，将大鼠分为

  来源：Toxicon

  时间：2026-07-30

• 利用解淀粉芽孢杆菌发酵提升1-脱氧野尻霉素产量的机器学习策略

  亚氨基糖1-脱氧野尻霉素（1-DNJ）是一种具有重要药用价值的天然生物碱，其在治疗和营养保健领域的应用正在不断拓展。通过微生物合成这种物质，可为植物提取提供一种可持续且可规模化的替代方案。然而，由于营养因素与物理化学发酵参数之间存在着复杂的非线性相互作用，工艺优化面临诸多挑战。本

  来源：Journal of Bioscience and Bioengineering

  时间：2026-07-30

• MindGuard：用于物理智能领域实时多模态威胁检测的嵌入式智能虚拟语言模型

  摘要：随着服务机器人和自主监控代理等物理人工智能系统在公共空间中的广泛应用，确保与其交互的人类的安全与福祉成为一项重要挑战。现有方法通常分别处理语言威胁信号或视觉威胁，缺乏处理复杂现实场景所需的跨模态推理能力。在这项持续的研究中，我们提出了MindGuard，这是一种多模态智能体

  来源：Neurocomputing

  时间：2026-07-30

• 基于加权判别性异构邻域关系的加速属性约简用于邻域粗糙集

  摘要 属性约简是邻域粗糙集中的重要任务，但传统方法通常需要构建完整的邻域结构并反复更新邻域，这导致在处理大规模数据时计算成本很高。本文从异质邻域关系的角度研究属性约简问题。我们证明了NRS的下近似和上近似完全可以由异质邻域对来确定，即具有不同决策标签的样本对。基于这一结果，在

  来源：Neurocomputing

  时间：2026-07-30

• BFCH-SMOTE：边界融合凸包合成少数类过采样技术

  摘要：在分类任务中，类别不平衡问题带来了显著挑战，往往会导致少数类分布出现噪声或复杂性，从而影响分类器的性能。现有的过采样方法，如SMOTE及其变体，通常采用固定的基于邻居的采样方式，难以处理复杂的分布，并生成次优的合成样本。本文提出了边界融合凸包合成少数类过采样技术（BFCH-

  来源：Neurocomputing

  时间：2026-07-30

• AdaDCL：用于推荐系统的自适应噪声增强扩散对比学习方法

  摘要将生成式扩散模型与对比学习相结合，可以有效缓解推荐系统中的数据稀疏问题。然而，现有方法大多依赖随机高斯噪声，这种做法忽略了数据的内在拓扑结构，还会导致分布偏移。此外，简单的线性融合会导致用户意图与噪声之间的特征纠缠。为了解决这些问题，我们提出了AdaDCL，这是一种基于结构化

  来源：Neurocomputing

  时间：2026-07-30

• 一种基于邻域衍生聚类方法的关键节点识别方法

  摘要：在网络科学领域中，识别复杂网络中的关键节点是一项基础且具有挑战性的任务，这些应用场景包括信息传播、病毒控制、舆论监测等。然而，传统方法主要依赖于网络拓扑的局部或全局特征，难以充分捕捉众多现实世界系统中存在的多重交互关系。本文提出了一种基于邻域的聚类方法——NDCM，该方法将

  来源：Neurocomputing

  时间：2026-07-30

• 基于几何统计的三元聚类

  摘要：三向聚类在各种应用中取得了显著成效。然而，其性能在很大程度上取决于阈值确定和边界样本分配。现有方法仍存在两大缺陷：区域划分通常基于一维特征或简单统计量，无法充分描述复杂的数据分布；而边界样本分配缺乏样本级的统计显著性检验，降低了聚类决策的严谨性和可靠性。为解决这些问题，本文

  来源：Neurocomputing

  时间：2026-07-30

• MPFN：一种用于多变量时间序列分析的多视角融合网络

  摘要 实时监测与传感技术的进步使得时间序列数据大量产生。为从这些数据中提取有价值的信息，设计高效且稳健的多变量时间序列分析方法变得尤为迫切。然而，目前的研究主要侧重于从单一视角挖掘有效信息，缺乏能够全面整合时间序列中复杂模式与动态依赖关系的综合框架。为此，我们提出了一种用于多

  来源：Neurocomputing

  时间：2026-07-30

知名企业招聘：