• 通过靶向MAPK依赖性通路来调节神经退行性疾病中的反应性星形胶质细胞病理变化

  摘要反应性星形胶质细胞在神经退行性疾病的发病机制中起着关键作用；然而，胶质细胞相互作用的具体机制仍不明确。本研究显示，在三培养系统中，人类原代星形胶质细胞和iPSC衍生的星形胶质细胞会进入一种反应性状态，其分子表型与ALS（肌萎缩侧索硬化症）星形胶质细胞的转录组特征具有重叠。综合

  来源：Communications Biology

  时间：2026-06-03

• 在减法任务中功能性神经网络的激活

  摘要算术处理涉及前额叶-顶叶和颞叶网络，其动态特征受运算类型和复杂性的影响。然而，算术表现个体差异背后的频谱特性和连接机制仍缺乏深入研究。在本研究中，我们通过测量连续减法任务中的频谱功率和互信息（MI）来探讨任务表现的相关因素。左侧前额叶的β波功率以及右侧颞区的δ波功率与算术成绩

  来源：Scientific Reports

  时间：2026-06-03

• 在地下环境中，针对点云鲁棒分割的群体感知与位置交互式学习方法

  摘要在诸如煤矿巷道等遮挡严重的地下环境中，高精度的3D感知在基础设施检查、灾害预防和控制中发挥着至关重要的作用。然而，现有的通用点云语义分割方法在地下环境中普遍存在泛化能力不足的问题，这主要是由于边界模糊、噪声干扰严重以及结构模式高度重复等挑战所致。此外，这些方法通常会带来过高的

  来源：Scientific Reports

  时间：2026-06-03

• 同源细胞类型标记物揭示了家鸡海马结构的细分区域

  摘要海马体（HF）是哺乳动物大脑中负责认知和情感功能的重要区域。这些复杂功能是通过连接海马体各部分的神经回路实现的。为了阐明海马体的进化连续性，鸟类海马体近年来受到了越来越多的关注。然而，由于对其内部结构的划分存在争议，导致详细比较受到阻碍。本研究旨在就鸟类海马体的划分达成共识。

  来源：Scientific Reports

  时间：2026-06-03

• 基于贝叶斯卷积前端技术的、具有不确定性感知能力的混合量子-经典图像分类方法

  摘要在噪声较大的中等规模量子（NISQ）设备上进行的量子机器学习常常面临噪声敏感、小数据过拟合以及预测置信度校准不准确的问题。我们提出了一种具有不确定性意识的混合贝叶斯量子神经网络（BQNN），该网络将贝叶斯卷积前端与参数化量子电路（PQC）相结合，形成了一个三阶段处理流程：贝叶

  来源：Scientific Reports

  时间：2026-06-03

• 大规模多模态预训练模型驱动的陶瓷设计知识图谱构建及跨领域创新设计推理机制

  摘要本文提出了一种新的框架，该框架将大规模的多模态预训练模型与知识图谱技术相结合，以推动陶瓷设计的创新。我们提出了一种全面的方法论，用于构建特定领域的知识图谱，这些知识图谱能够捕捉陶瓷设计知识在文本、视觉和三维模式中的多方面特性。该框架采用了专门的实体和关系提取技术、半监督学习机

  来源：Scientific Reports

  时间：2026-06-03

• 功能角色和语义结构影响单词的记忆效果：提示回忆中的提示词与目标词之间的不对称性

  阿努斯卡·马伊蒂（Anuska Maity）|维什努·斯里库马尔（Vishnu Sreekumar）摘要记忆性，即某个项目在个体间被持续记住的能力，通常被视为刺激本身的固有属性，反映了项目自身的固定特征。然而，基于线索的检索模型预测，记忆性还应取决于该项目在检索过程中所起的功能作

  来源：Cognition

  时间：2026-06-03

• 基于计算模拟将精神分裂症前额叶微环路抑制减弱与脑电生物标志物关联研究

  精神分裂症中由小清蛋白（parvalbumin, PV）阳性中间神经元介导的皮层抑制降低被认为与前额叶皮层（prefrontal cortex, PFC）处理功能受损及脑电信号改变相关，例如在奇异刺激任务中出现Oddball失配负波（mismatch nega

  来源：PLOS Computational Biology

  时间：2026-06-03

• 考虑可识别性(Identifiability)的基于模拟的推断(Simulation-Based Inference, SBI)方法在具有可识别性考量的传染病模型中的比较研究

  流行病学模型在经适当校准至流行病学数据后，对于理解传播动力学、生成预测及指导公共卫生干预措施具有关键作用。传统贝叶斯推断(Bayesian inference)依赖似然函数(Likelihood function)依据观测数据更新先验知识，然而对于现实传染病模

  来源：PLOS Computational Biology

  时间：2026-06-03

• PepAnno：一种结构感知深度学习框架用于生物活性肽预测、结构可视化与理化性质分析

  肽类分子因其多样的生理功能及结构简洁性，正日益成为具有前景的治疗候选分子。尽管目前已存在多种生物活性肽预测的计算工具，但诸多工具存在界面不直观、仅基于序列表征、结构感知不足、可解释性有限或分析流程碎片化等局限，导致研究效率降低与成本升高。为应对上述挑战，研究人

  来源：PLOS Computational Biology

  时间：2026-06-03

知名企业招聘：