-
脂质组分析揭示了盐分作用导致的鸭蛋黄中脂质的释放过程
鲜辉香|甘虎|梅王|贾富林|国峰金|莫斯塔法·古达|普特里·维迪安蒂·哈琳娜|谢云晓|荆普|方庚
中国四川省成都市成都大学食品与生物工程学院蛋科学与技术研究所,邮编610106
**摘要**
咸鸭蛋是一种通过腌制工艺制成的传统腌制蛋制品。在腌制过程中,鸭蛋黄中约50
来源:Poultry Science
时间:2026-04-22
-
人类与黑猩猩在皮下解剖结构上的形态学和解剖学差异,这些差异与人类行为特征的遗传模式有关
摘要关于人类进化过程中大脑皮层的重组,已有大量研究,但对于作为皮层关键伙伴的皮下神经回路的重组却知之甚少。在此,我们利用先进的图像分析和比较神经成像技术,系统地绘制了人类与黑猩猩在纹状体、苍白球和丘脑解剖结构上的差异。我们将物种间的差异(作为进化变化的指标)与人类的遗传学特征及行
来源:Communications Biology
时间:2026-04-22
-
固定床生物催化法富集EPA和DHA乙酯:工艺强化与分子层面的研究
选择性酶催化分离ω-3脂肪酸乙酯工艺研究及分子机制解析。
来源:Separation and Purification Technology
时间:2026-04-22
-
BBBD多模态数据集:教育视频观看情境下的脑-体-行为同步记录与注意-学习机制研究
为解决自然情境下注意与学习机制研究的模态单一问题,研究人员开展了教育视频观看中的多模态同步记录研究,构建了包含EEG、ECG、眼动等信号的BBBD数据集,验证了α-band power、blink rate等指标在区分attentive vs. distracted状态中的有效性,为神经教育学研究提供了标准化数据资源。
来源:Scientific Data
时间:2026-04-22
-
2型糖尿病加剧缺血性脑卒中后夜间及清晨心脏自主神经昼夜节律紊乱:一项基于7天连续心电监测的研究
本研究针对2型糖尿病(T2DM)是否加剧缺血性脑卒中后心脏自主神经功能(CAN)的昼夜节律紊乱问题,开展病例对照研究。结果发现,T2DM患者夜间及清晨心率(HR)更高、心率变异性(HRV)更低,且与HbA1c呈剂量反应关系,提示需加强该时段监测。
来源:Journal of Diabetes Research
时间:2026-04-22
-
综述:MEF2C的新兴治疗意义:结构、功能及其在疾病中的作用
这篇综述系统探讨了转录因子MEF2C在健康和疾病中的核心作用。文章围绕“结构-功能-疾病”框架展开,详细阐述了MEF2C的蛋白结构(特别是其MADS-box和MEF2结构域),并梳理了其表达与活性的多层次调控机制。重点剖析了MEF2C在心脏与骨骼肌发育、细胞重编程中的关键生理功能,以及其在心血管疾病、神经退行性疾病(如阿尔茨海默病(AD)、自闭症谱系障碍(ASD))和肿瘤发生中的病理意义。综述强调了MEF2C作为连接基础生物学过程与精准医疗的桥梁,为开发针对MEF2C相关疾病的治疗策略提供了理论基础。
来源:Developmental Dynamics
时间:2026-04-22
-
家族性高风险神经性厌食症女童的精神共患病:一项针对潜在早期心理病理学脆弱性的研究
神经性厌食症(AN)具有高共病率,但对其病前心理健康状况知之甚少。本研究采用家族性高风险(FHR)方法,探究了有AN家族史的6-12岁女童的精神共患病及心理病理学特征。结果发现,FHR女童罹患至少一种精神障碍的绝对风险显著高于低风险对照组,其中焦虑障碍和自闭症最为常见,且情绪问题更为突出。这表明精神共患病可能是发展AN的潜在风险因素,为AN的早期识别与干预提供了新线索。
来源:International Journal of Eating Disorders
时间:2026-04-22
-
三大主流大语言模型在父母导向神经性厌食症提问中的比较评估
为评估人工智能大语言模型(LLMs)在向父母提供儿童青少年神经性厌食症(AN)相关信息时的准确性与可靠性,研究人员开展了这项比较研究。研究针对20个典型问题,系统评估了ChatGPT(GPT-4o)、Google Gemini和DeepSeek三个模型在信息质量、有用性和可靠性维度的表现。结果显示,尽管模型整体准确性较高(≈86%-92%),但仍普遍存在临床相关信息遗漏的问题,且在诊断评估领域的准确性相对较低。该研究提示,LLM生成的信息可作为初步咨询的补充资源,但不应替代专业的临床指导。
来源:International Journal of Eating Disorders
时间:2026-04-22
-
马铃薯叶部病害检测中深度特征与分类器的比较评估:基于PlantVillage与Beunto数据集的实证研究
本研究针对马铃薯早疫病、晚疫病与健康叶片在复杂田间条件下的分类难题,系统评估了VGG19、ResNet50等5种预训练CNN特征提取器与DNN-3等分类器的组合性能。结果表明,ResNet50+DNN-3组合在PlantVillage及自建Beunto数据集上分别取得98.56%与98.20%的最高准确率,证实了骨干网络特征质量对分类性能的决定性作用,为农业图像分析提供了可靠的基准框架。
来源:Potato Research
时间:2026-04-22
-
综述:评估卷积神经网络在作物病害检测中的功效
这篇综述系统地评估了卷积神经网络(CNN)在木薯、大蕉和可可等关键作物病害检测中的应用成效。文章深入探讨了CNN的模型架构、分类能力及性能指标(如准确率、精确率、召回率和F1分数),并与传统机器学习方法进行了对比分析。综述不仅总结了当前最先进的CNN模型(如ResNet-101、AlexNet、DenseNet-201、GoogLeNet和DarkNet-53)的优势,也指出了在现实农业场景中面临的挑战与局限,最后展望了结合无人机、物联网等技术的未来发展方向,为提升区域精准农业水平提供了重要参考。
来源:Advances in Agriculture
时间:2026-04-22