生物物理建模 | 来一点医学科学前沿🤯🤯🥹🥹 | 知识分享官

光伏扩张让鸟类"无家可归"：中国2344个县的绿色困境太阳能是应对气候变化的关键，但大规模光伏电站也可能带来生态代价

Fri, 28 Aug 2026 04:04:01 GMT

光伏扩张让鸟类"无家可归"：中国2344个县的绿色困境

太阳能是应对气候变化的关键，但大规模光伏电站也可能带来生态代价。一项覆盖中国2344个县、跨度十年的研究首次系统量化了这一矛盾：政策驱动的光伏扩张在提供清洁电力的同时，也导致鸟类多样性下降。

研究团队构建了光伏政策严格度指数，结合公民科学鸟类数据发现，政策强度每增加一个标准差，鸟类多样性指数下降约2.10%，在非沙漠的较发达地区影响更显著。背后的机制是土地用途变更, , 大量耕地和草地因光伏建设被转化为开发用地。研究还揭示了一种"劣质绿化"现象：光伏板下植被虽更绿了，但单一化植被无法满足多样化鸟类的需求，容易被传统评价忽视。

研究强调并非限制光伏，而是呼吁科学选址。在沙漠戈壁地区，光伏对鸟类影响不显著，印证了"沙戈荒"基地的合理性。但在生态敏感地区，应优先发展屋顶光伏、农光互补等分布式系统。这一发现为清洁能源与生物多样性的协同提供了重要参考。

太阳能板下草变绿了，鸟却飞走了 🌱🐦⬇️☀️

📖Science
📃China's solar expansion policy reduces bird diversity
🗓2026-08-20
#光伏 #鸟类多样性 #绿色困境 #劣质绿化 #生物多样性 #气候变化

Via：乘风破浪派大星

🧬 频道｜ 🧑‍🔬 群组｜ 📨 投稿

人造“细胞”会进化吗？科学家用化学分子拼出了一个能繁殖的小生命模型我们常说“细胞是生命的基本单位”，但一个细胞到底需要具备哪些能力，才能算“像生命”？如果把所有成分拆开，用纯化学材料重新拼一个细胞，它还能像真正的生命一样生长、复制吗？这一直是生命科学里最难的问题之一

Sun, 05 Jul 2026 04:32:01 GMT

人造“细胞”会进化吗？科学家用化学分子拼出了一个能繁殖的小生命模型

我们常说“细胞是生命的基本单位”，但一个细胞到底需要具备哪些能力，才能算“像生命”？如果把所有成分拆开，用纯化学材料重新拼一个细胞，它还能像真正的生命一样生长、复制吗？这一直是生命科学里最难的问题之一。

这篇研究给出了一个明确答案：科学家构建了一个拥有约9万碱基（90kb）基因组的“极简人工细胞”，把它装进脂质小囊泡中，模拟细胞结构。这个系统不仅能进行基因表达（把DNA变成蛋白质），还能复制自身DNA，并通过与“饲料囊泡”融合来获取营养，让膜不断长大。随后，它还能在特定条件下完成“分裂”，形成新的子代。更有意思的是，研究者人为增强了一段与“进食能力”相关的基因表达，结果这种“吃得更好”的细胞在连续5代实验中逐渐占据优势，比例从初始一半上升到超过一半，体现出一种类似达尔文自然选择的过程。简单来说：吃得多、长得快的“细胞”，繁殖得也更多。

这意味着什么？这项工作首次把“生长—复制—繁殖—选择”这几个生命关键环节在一个完全可控的人工体系中串起来。不过要谨慎理解：这些细胞仍然高度依赖外部“投喂”，没有完整代谢能力，也不会自主产生突变或真正进化。因此，它更像一个“生命模型”，而不是独立生命。但它提供了一个前所未有的实验平台，帮助我们一步步接近“生命是如何从化学中产生”的核心问题。

原来“生命”也能被一点点拼出来🧩

📖BioRxiv
📃A Chemically Defined Synthetic Cell Capable Of Growth And Replication
🗓2026年

#合成生物学 #人工细胞 #自我复制 #自然选择 #生命起源

Via：乘风破浪派大星

🧬 频道｜ 🧑‍🔬 群组｜ 📨 投稿

不用蛋白“机器”，人工细胞也能实现不对称分裂在生命世界里，细胞并不总是“一分为二、两个一样”

Fri, 15 May 2026 23:30:17 GMT

不用蛋白“机器”，人工细胞也能实现不对称分裂

在生命世界里，细胞并不总是“一分为二、两个一样”。干细胞、早期胚胎常通过不对称分裂，一次分裂就产生命运不同的子细胞。这种“一个变两个，而且两个不一样”的能力，被认为是生命复杂性的关键一步。可在人工细胞研究中，科学家长期只能实现对称分裂：要么平分、要么整体崩解，始终缺少天然细胞内部那种复杂的结构边界。人工细胞究竟能不能在没有蛋白质分裂装置的情况下，复现这种关键行为？

最新发表在《Nature》的一项研究给出了肯定答案。研究人员构建了一种由脂质和核苷酸组成的多层液晶液滴人工细胞，其内部天然存在层状有序结构与微小拓扑缺陷。当向体系中加入碱性磷酸酶、或镁、钙等多价金属离子时，原本稳定的液滴会经历一种完全不同于以往的分裂方式：在液滴表面先形成一个微米级小凹陷，随后这个“小窝”沿着内部潜在的核—壳结构边界周向扩展；当张角增大到一定程度后，内核被整体“挤出”，外层则自动闭合，最终生成一个液滴和一个多层囊泡两种形态迥异的子代。研究显示，这种“剥离式”不对称分裂并不依赖蛋白质机器，而源于局部、瞬态的化学不均匀性所建立的界面能梯度。更重要的是，研究团队还观察到，预先封装的功能性酶分子在分裂后可被分配到不同子代中，并保持活性。

这项工作的重要意义在于，它首次证明：复杂的类生命行为，并不一定需要复杂的生物分子装置。在高度简化的化学体系中，仅凭结构有序性与局部物理化学扰动，就能实现不对称分裂与初步的功能分化。当然，这并不意味着我们已经“造出了生命”。这种人工细胞仍然缺乏遗传、代谢与多代增殖能力，结论也主要基于特定结构体系。但它为理解生命起源阶段原始细胞如何获得分化潜能，提供了一个可实验、可操控的模型，也为未来合成生命和生物制造研究打开了新的思路。

生命的复杂性，有时源于一次并不对称的“裂开”🧫

📖 Nature
🗓2026-05-13

#人工细胞 #不对称分裂 #生命起源 #合成生命

Via：提前退休卡皮🐟

🧬 频道｜ 🧑‍🔬 群组｜ 📨 投稿

大脑如何“想象”？科学家发现感知与想象的神经代码共享我们常常能轻松地在脑海中“重播”过去的场景，或“创造”新的画面

Tue, 14 Apr 2026 23:45:51 GMT

大脑如何“想象”？科学家发现感知与想象的神经代码共享

我们常常能轻松地在脑海中“重播”过去的场景，或“创造”新的画面。这种神奇的“视觉想象”能力，让记忆和创造力成为可能。然而，大脑中究竟如何实现这一过程，特别是它与实际“看”东西的神经机制有何关系，一直是科学界的谜题。动物研究对视觉感知的神经基础已有深入探索，但对于人类大脑中“想象”的神经编码，了解却相对有限。

新研究通过记录人类腹侧颞叶皮层（VTC，负责视觉识别的关键区域）中单个神经元的活动，揭示了这一谜题的答案。科学家发现，约80%的视觉响应神经元使用一种“分布式轴代码”来表示不同物体。他们利用这一代码成功重建了物体的视觉特征，并生成能最大化激活这些神经元的“合成刺激”。随后，当被试者想象特定物体时，记录显示，约40%的这些神经元会重新激活，其活动模式与实际看到该物体时完全一致。这表明，视觉想象并非凭空产生，而是通过“再激活”参与感知的同一神经元群体实现的。

这一发现为“生成模型”理论提供了直接证据，即大脑可能通过重用感知时的神经活动模式来构建想象。这意味着，想象并非独立于感知的全新过程，而是感知机制的延伸。研究还指出，尽管大部分神经元参与想象，但仍有部分神经元不参与，这可能与个体差异或想象的具体内容有关。未来研究需要更大样本和更精细的刺激设计，以进一步阐明这一共享代码的完整机制。

原来想象是大脑的“回放”功能！🧠

来源：Science (New York, N.Y.)

#大脑神经机制 #视觉想象 #腹侧颞叶皮层 #生成模型

🧬 频道｜ 🧑‍🔬 群组｜ 📨 投稿

射精越频繁，精子质量越好？新研究颠覆"禁欲备孕"传统建议"备孕前禁欲几天让精子积累"——这几乎是生殖医学领域流传最广的民间智慧之一，世界卫生组织的官方建议也是取样前禁欲2至7天

Thu, 26 Mar 2026 11:29:08 GMT

射精越频繁，精子质量越好？新研究颠覆"禁欲备孕"传统建议

"备孕前禁欲几天让精子积累"——这几乎是生殖医学领域流传最广的民间智慧之一，世界卫生组织的官方建议也是取样前禁欲2至7天。然而，一项覆盖近5.5万名男性的大规模荟萃分析正在动摇这一共识。

研究团队整合了115项已发表研究的精液数据，发现禁欲时间越长，精子质量反而越差：精子运动能力（游动能力）下降，存活率降低，DNA损伤程度上升。研究识别出两个主要机制：一是氧化应激——一种在储存精子中积累的生物性"锈蚀"，对精子造成物理损伤；二是能量耗竭——精子不同于多数细胞，能量储备极为有限，长时间储存会"耗尽燃料"。

研究还发现，精子在女性体内的衰减速度慢于在男性体内，推测是因为部分物种的雌性生殖道进化出了分泌抗氧化物质的专门器官，能延长精子的功能寿命。进一步分析56项跨30个动物物种的数据后，研究者确认精子储存劣化是跨物种的普遍生物规律——父方储精时间越长，后代胚胎存活率越低。研究建议：在辅助生殖（如IVF）中优先使用"新鲜"精子，并支持在取样前48小时内射精以改善结果。

用进化生物学的话说，频繁射精可能是一种适应性行为——把老化的库存精子冲刷掉，换上新货。所以这研究的结论翻译成人话就是：想冲就冲！

📖 Proceedings of the Royal Society B
🗓 2026-03-25

#生殖医学 #男性生育力 #精子 #生育健康

Via：乘风破浪派大星

🧬 频道｜ 🧑‍🔬 群组｜ 📨 投稿

给神经器官装上“智能皮肤”：新框架实现高精度电生理监测神经器官是研究人类大脑的“迷你模型”，但现有技术难以全面捕捉其复杂的神经活动

Wed, 04 Mar 2026 23:01:00 GMT

给神经器官装上“智能皮肤”：新框架实现高精度电生理监测

神经器官是研究人类大脑的“迷你模型”，但现有技术难以全面捕捉其复杂的神经活动。科学家们一直面临一个难题：如何让电极更“贴近”这些微小的脑组织，同时不破坏其结构？新的研究可能带来突破。

研究人员开发了一种形状适配的软质三维多孔框架，通过逆建模技术，能自组装成与神经器官完美贴合的形态。这种框架几乎完全覆盖器官表面，支持高密度的电极阵列，从而实现高分辨率的空间电生理记录。它不仅能记录神经信号，还能进行程序化电刺激，甚至结合荧光成像和光遗传学技术，实现多模态研究。

这一创新为研究人类大脑发育、疾病模型（如自闭症或脊髓损伤）提供了新工具。它允许科学家更全面地理解神经网络的功能和连接，而不仅仅是局部区域。不过，目前研究主要针对皮质和脊髓器官，未来可能需要验证其在其他类型器官中的适用性。

神经科学家终于能“摸”到器官的神经活动了！🧠

来源：Nature biomedical engineering

#神经器官 #电生理学 #生物工程 #脑研究 #器官模型

🧬 频道｜ 🧑‍🔬 群组｜ 📨 投稿

给虚拟大脑请位“AI调音师”：新算法让生物模拟不再靠猜想要在电脑里造一个逼真的“虚拟大脑”，最难的不是画出结构，而是调参

Wed, 19 Nov 2025 03:29:33 GMT

给虚拟大脑请位“AI调音师”：新算法让生物模拟不再靠猜

想要在电脑里造一个逼真的“虚拟大脑”，最难的不是画出结构，而是调参。真实的神经元极其复杂，拥有成千上万个控制离子流动和电化学反应的微小开关，过去科学家为了让模型符合生物学实验数据，只能像盲人摸象一样，依靠遗传算法进行低效率的随机试错。这种方法一旦遇到拥有数百万突触的大型网络，计算量就会大到令人绝望，导致神经科学模型往往难以兼顾规模与精度。

Nature Methods上最近发表了一个名为JAXLEY的新工具，它给生物模拟器装上了AI的“大脑” 。该工具创造性地将深度学习的核心技术自动微分和反向传播引入生物物理模拟。计算机能通过计算梯度，精确知道如何微调每一个离子通道或突触参数来减少误差。实验显示，JAXLEY能同时优化拥有10万个参数的精细神经元网络，甚至能训练这些完全遵循生物定律的数字神经元去执行识别手写数字等任务，效率比传统方法快了几个数量级。

这项突破架让科学家首次能用AI的高效优化能力，去驾驭极其复杂的生物物理细节。这意味着我们终于有能力构建大规模、数据驱动的精细大脑模型，从而深入研究微观结构如何涌现出宏观功能。不过，虽然工具强大，科学家仍需警惕数学上的最优解可能并不唯一，因为在真实的生物系统中，往往存在多种不同的参数组合能产生相似的生理功能。

血肉苦弱，机械飞升🫡

来源：Nature Methods

#计算神经科学 #可微模拟 #生物物理建模

🧬 频道｜ 🧑‍🔬 群组｜ 📨 投稿

AI 版“生命预测师”：GPT 新模型可预测上千种疾病演变近日，《自然》报道了一个名为 Delphi-2M 的人工智能模型

Thu, 18 Sep 2025 23:39:23 GMT

AI 版“生命预测师”：GPT 新模型可预测上千种疾病演变

近日，《自然》报道了一个名为 Delphi-2M 的人工智能模型。它的研究团队基于 GPT 架构，使其能理解并处理贯穿人一生的、带有时间顺序的健康事件。该模型通过对英国生物样本库中超过 40 万名参与者的健康数据进行深度学习，构建了一个能预测超过 1000 种疾病演变的复杂模型。为了验证其可靠性，研究者将其直接应用于一个全新的数据集 ——190 万丹麦人的健康记录，在未做任何参数修改的情况下，模型依然展现出强大的预测能力。

Delphi-2M 的预测准确性令人瞩目。在评估死亡风险这项终极健康事件时，其准确率（年龄分层 AUC）达到了惊人的 0.97 。在与多种现行的临床单一疾病风险评估工具（如心血管疾病和痴呆症的评分）的比较中，Delphi-2M 的表现相当，甚至在某些方面更优。然而，该模型最核心的突破在于其“生成”能力：它不仅能预测，还能模拟、创造出长达 20 年的个人未来健康轨迹的虚拟数据。更令人惊讶的是，当研究者用这些完全合成的、不含任何真实个人信息的数据来训练一个新模型时，新模型的性能仅比原版略有下降，这为在绝对保护患者隐私的前提下进行医学研究开辟了全新路径。

这项技术为我们描绘了个性化精准医疗的未来蓝图，但研究团队也明确指出，AI 会忠实地学习训练数据中的任何偏见，例如“健康志愿者偏见”（即研究参与者通常比普通人群更健康），因此将其直接用于临床诊断决策需格外谨慎。

AI 预测我 20 年后会不会生病，可我更想知道我下周的 deadline 能不能活过去。😭😭😭

Nature
#人工智能 #疾病预测 #生成式AI