2026-06-23 每日论文
| 来源 | 独立页面 |
|---|---|
| arXiv | arXiv |
| bioRxiv | bioRxiv |
| medRxiv | medRxiv |
arXiv
| 标题 | 作者 | 发布日期 | PDF链接 | 摘要 |
|---|---|---|---|---|
| AutoDex：一种用于灵巧抓取数据采集的自动化真实世界系统 | Mingi Choi | 2026-06-22 | 学习鲁棒的灵巧抓取需要记录抓取尝试物理结果的真实世界数据。这类数据难以大规模获取：遥操作能产生有效的物理结果，但速度慢且存在操作者偏差；基于仿真的生成方法成本低且可扩展，但无法验证接触有效性。一种自然的解决方案是生成候选抓取方案并在真实硬件上验证，但这只有在整个采集循环（感知、执行、标注和重置）无需人工干预时才能实现规模化。我们提出AutoDex，一个自动化的真实世界数据采集系统，实现了这一闭环：对于可替换生成器产生的每个候选方案，系统通过密集的20摄像头感知在严重手-物遮挡下定位物体，执行碰撞监控的机器人运动，标注提举保持的成功或失败，并在试验间主动重置物体以暴露稳定姿态下的更多候选方案。最终形成可复用的物理标注抓取试验数据库，下游系统可通过检索和可行性过滤进行查询。利用AutoDex，我们在Allegro和Inspire机械手上对100种不同物体采集了3,593次抓取试验，包含同步多视角观测和机器人状态日志。对于匹配的500次轨迹采集，AutoDex需要10.3小时，而遥操作需要49.4小时，吞吐量提升4.8倍；从AutoDex验证数据库中检索的抓取成功率为76%，而纯仿真验证仅为34%。代码和数据将公开发布。 | |
| Lift4D：协调单视图3D估计以实现野外4D重建 | Yehonathan Litman | 2026-06-22 | 从单目视频重建动态非刚性物体需要整合直接观测的视觉线索与基于数据驱动的几何外观先验。现有方法要么直接从视觉输入学习预测4D表征，要么初始化3D表征后基于视频证据进行形变与优化。然而前者受限于4D训练数据稀缺，后者仅在初始重建阶段利用先验信息，后续完全依赖视频监督；两者均难以处理存在大形变与遮挡的复杂野外场景。我们提出Lift4D——一种测试时优化框架，同时解决上述两个局限。首先通过因果潜在条件约束，将现有单视图3D重建模型适配为生成时序一致逐帧预测，为可变形3D高斯泼溅表征提供连贯初始化。随后通过遮挡感知优化对该表征进行"雕刻"，在忠实恢复可见表面细节的同时，利用视图条件扩散先验补全未观测区域。实验表明Lift4D显著优于现有4D重建方法，尤其在存在严重遮挡与非刚性运动的挑战性野外序列中表现突出。 | |
| 随机YaRN提升了长上下文推理的长度泛化能力 | Manas Mehta | 2026-06-22 | 大型语言模型（LLMs）通常先在短序列上进行预训练，再通过额外训练扩展至长序列处理。然而，这类模型在进一步泛化至超长序列时仍存在困难。我们提出Randomized YaRN训练方法，通过结合基于YaRN的位置外推、随机位置编码与长度课程机制来提升长度泛化能力。在短上下文数据训练阶段，模型会从更大位置范围中采样获得YaRN位置编码，即使处理短上下文输入也能接触分布外位置表征。我们在BABILong与多轮共指消解（MRCR）两个具有挑战性的长上下文推理基准上评估了Randomized YaRN。当使用<8K上下文数据训练时，Randomized YaRN在16K至128K上下文长度范围内持续提升推理性能，并优于标准微调方法，其中在远距离分布外长度上提升最为显著。实验结果表明，渐进式暴露模型于分布外位置分布的策略，为实现可泛化的长上下文推理提供了有效方案。 | |
| LIBERO-Safety：视觉-语言-动作模型中物理与语义安全的综合基准 | Rongxu Cui | 2026-06-22 | 尽管视觉-语言-动作（VLA）模型展现出令人瞩目的操控能力，但其在严格约束条件下的操作安全性仍未得到充分验证。为此，我们引入了一个参数化安全基准，通过程序化生成具有全面随机性的安全关键场景。为克服人工遥操作的可扩展性瓶颈，我们开发了一种新颖的关键帧驱动数据生成流水线。依托该基础设施，我们构建了包含19,664个严格无碰撞演示的大规模数据集，并进行了广泛的域随机化处理。随后，我们对八个VLA模型和两个具身基础模型开展了系统的跨范式评估。分析揭示了一个关键的泛化-安全矛盾：尽管高多样性训练能生成更安全的轨迹，但任务成功率仍从根本上受限于次优轨迹合成与语义对齐偏差。通过提供可扩展的流水线、稳健的数据集以及深刻的故障模式洞察，LIBERO-Safety为开发安全可靠的VLA模型奠定了关键基础。 | |
| LaST-HD：从可扩展人类数据中学习潜在物理推理以用于机器人操作 | Jiaming Liu | 2026-06-22 | 人类手部演示为机器人学习提供了直接且可扩展的物理交互数据来源。虽然手动重定向对于建立不同形态间的运动学动作对应关系不可或缺，但鲁棒的迁移需要超越几何层面，解决人与机器人操作之间物理动力学的底层对齐问题。为此，我们提出LaST-HD这一全新的人到机器人动作学习范式，通过将人类手部与机器人演示对齐到共享的潜在推理空间，扩展了"先推理后行动"的视觉-语言-动作模型。LaST-HD并非模仿人类运动学，而是在未配对的人类手部与机器人轨迹上训练辅助的动作条件世界模型，以合成统一的潜在目标。在此共享前向动力学空间中完成跨形态表征对齐后，这些目标将监督LaST-HD的潜在推理过程，使其内化共享的物理动力学并驱动高效的人类手部动作学习。此外，我们开发了专为LaST-HD设计的低成本动作捕捉手套OOL Glove，用于采集人类手部数据。捕获的人类数据可提供精确的关键点，并作为夹爪与灵巧手的通用动作监督信号。借助对齐的潜在空间与高保真人类手部数据，我们提出渐进式混合到人类训练方案，包含混合人机协同训练与人类手部在线校正后训练。通过混合协同训练，LaST-HD仅使用人类手部演示即可提升对新物体、场景和位置的泛化能力。结合在线校正，LaST-HD能进一步适应新环境，仅需20分钟的OOL手套数据即可实现超过90%的准确率。 | |
| 保留关键信息：通过令牌丢弃实现高效的参考条件生成 | Rishubh Parihar | 2026-06-22 | 基于参考图像的扩散模型通过利用输入图像中的元素来引导提示驱动的合成，从而实现了高度可控的图像生成。然而，这类模型在运行时计算成本高昂，且其开销会随着输入参考图像数量的增加而严重增长。尽管扩散模型在提示驱动生成场景下的效率问题已被广泛研究，但在基于参考图像的模型中，这一领域仍鲜有探索。该场景带来了仅关注生成过程的方法无法解决的独特挑战——尤其是参考图像被表示为密集的标记网格这一低效方式，为改进提供了重要空间。本文提出稀疏上下文方法，通过仅保留参考标记的缩减子集来构建稀疏参考表示。我们发现，即使不修改模型，在推理时丢弃大部分参考标记仍能基本保持其生成能力。为充分释放这一潜力，我们采用不同比例的随机标记丢弃策略对模型进行微调，增强其对部分参考表示的鲁棒性。关键在于，这种训练策略使模型不再依赖特定标记选择规则，从而在推理时实现灵活控制。在推理阶段，我们采用任务感知的标记选择策略替代随机丢弃，优先保留参考图像中最具信息量的区域，并根据输入和任务需求动态调整标记预算。大量实验表明，该方法在多参考生成中实现4倍推理加速，在单参考生成中实现2倍加速。重要的是，这种效率提升并未牺牲空间对齐编辑和主体驱动生成场景下的视觉质量。 | |
| CoorDex：协调身体与手部先验以实现连续灵巧的人形移动操作 | Sikai Li | 2026-06-22 | 人形机器人全身操作常被简化为"走走停停"流程：行走到物体旁、停下操作、再恢复移动。这类操作通常依赖低自由度末端执行器，仅能实现开合抓取等基础动作。我们提出CoorDex学习框架，将高维身体与灵巧手控制转化为协调的隐式残差控制，使高自由度灵巧操作可在移动中完成。该方法从全身与手部示教数据出发，分别训练人形身体与灵巧手的特权运动跟踪教师模型，将其蒸馏为基于本体感知的隐式先验，并将冻结的先验作为下游残差强化学习的动作空间。协调隐式残差策略通过共享任务上下文与独立的身体-手部残差头组合这些先验，在保持自然全身运动的同时提升手指级接触可靠性。CoorDex使配备20自由度WUJI灵巧手的宇树G1人形机器人能在移动中执行灵巧操作，包括不停顿抓取搬运瓶子、行进中打开冰箱门、抓取翻转方块等。在行走-抓取-搬运任务的消融实验中，关节空间PPO、关节空间手部控制及整体隐式预测在相同奖励预算下均失败，而隐式先验接口与协调残差结构使高维接触丰富的全身操作变得可训练。项目页面：https://skevinci.github.io/coordex/ | |
| 语义浏览：图像生成的可控多样性 | Sara Dorfman | 2026-06-22 | 现代文本到图像模型在视觉保真度和提示遵循方面表现出色。然而，这种严格遵循是以多样性为代价的：生成的样本往往坍缩为单一的视觉解释。现有提升多样性的方法产生的输出由偶然变化驱动，而非有意义的设计选择。这催生了多样性任务的新变体，要求对生成样本施加结构约束。我们提出了一种可控多样性的方法，实现语义浏览功能——用户可导航结构化图像画廊，通过系统遍历有意义、可解释的变化轴进行创意探索。实现这种语义控制需要对场景有深刻理解。我们利用近期文本到图像模型基于精细描述训练的特性，有效将语义决策与像素生成解耦。这带来了范式转变：不再依赖文本到图像模型内的随机变化，而是直接在文本层面诱导多样性。通过利用丰富的文本表征，我们使视觉语言模型能够处理完整场景上下文。为克服标准视觉语言模型输出同质化的问题，我们采用智能体工作流，明确施加与原始提示相协调的结构化变化。实验证明，我们的方法能生成多样且可导航的设计空间，其中每个变化都对应一个用户可理解的特定语义决策。 | |
| AIR：多模态大语言模型中基于代码的自适应交错推理 | Cong Han | 2026-06-22 | 继OpenAI o3引发的范式转变后，将代码与推理交错结合以增强多模态大语言模型（MLLMs）已成为关键研究前沿。现有文献主要关注视觉感知任务中的工具使用，但这类方法通常依赖预定义的视觉操作启发式规则，且因仅聚焦视觉操作而无法处理数值计算问题。本文通过扩展强化学习训练，在代码增强的复杂数值计算任务中赋予MLLMs自适应交错推理能力。为此，我们提出包含三个组件的综合解决方案：两阶段冷启动数据构建流程、用于强化学习数据集筛选的数据过滤策略，以及基于分组约束奖励函数的自适应工具调用策略（用于生成交错推理轨迹）。大量实验表明，采用分组约束奖励函数进行强化学习训练后，评估基准性能平均提升6.1个百分点。其中交错推理样本的准确率提升9.9个百分点，工具使用整体成功率超过95%。数据和代码已开源：https://github.com/CongHan0808/AIR.git | |
| 开放问题：AdamW 在重尾噪声下是否有效？ | Dingzhi Yu | 2026-06-22 | AdamW是训练大型语言模型（LLMs）的事实标准优化器，但其背后的理论仍主要局限于有限方差场景。这一现状日益令人不满，因为实证证据表明，LLM预训练中的随机梯度噪声通常呈现重尾分布。近期研究表明，Lion和Muon等基于符号的优化器能达到尖锐的重尾收敛速率，而AdaGrad也能在重尾噪声下收敛。然而，目前尚未建立AdamW在此场景下的严格收敛理论。AdamW能否在相同的重尾假设下收敛？其二阶矩累积器是否构成实质性障碍？我们将此问题表述为开放性问题，证明了一个正加权度量基准，并通过走廊下界机制揭示了分母记忆如何隐藏大梯度。 |
bioRxiv
| 标题 | 作者 | 发布日期 | PDF链接 | 摘要 |
|---|---|---|---|---|
| 在类风湿关节炎中，一种APOC1+炎症性CAF样状态驱动了衰老、治疗抵抗性微环境的形成。 | Yoshihara, R. | 2026-06-23 | 目的：类风湿关节炎（RA）滑膜炎常在细胞因子靶向治疗后仍持续存在，提示存在独立于经典免疫通路的致病性基质程序维持慢性炎症。尽管滑膜成纤维细胞（SF）在治疗抵抗中的作用日益受到关注，但驱动难治性疾病的致病性成纤维细胞状态及其治疗靶点仍不明确。方法：我们整合了54例RA患者滑膜组织的多模态单细胞和空间图谱，结合前瞻性治疗反应数据及人成纤维细胞和实验性关节炎模型的功能研究。结果：我们鉴定出在治疗抵抗性滑膜炎中选择性富集的C-X-C基序趋化因子12（CXCL12）高表达载脂蛋白C1（APOC1）+成纤维细胞群。空间分析显示，这些成纤维细胞在发炎滑膜内建立CXCL12依赖性浆母细胞微环境，类似于肿瘤微环境中调控免疫细胞募集的炎性癌症相关成纤维细胞（iCAF）。CXCL12hi APOC1+成纤维细胞呈现以STAT3-C/EBP激活和APOC1表达为特征的衰老相关iCAF样转录程序，并与TNF和IL-6通路抑制治疗反应不良相关。机制上，RA-SF中APOC1敲低可减弱侵袭性间充质行为并破坏衰老相关炎性程序，证实APOC1是致病性成纤维细胞重编程的核心调控因子。重要的是，遗传或药物清除衰老细胞可改善实验性关节炎并增强TNF阻断疗效。结论：这些发现将具有衰老特性的iCAF样成纤维细胞确定为难治性RA滑膜炎的机制驱动因素，并提名基质衰老程序作为超越细胞因子抑制的可干预治疗靶点。 | |
| 整个生命树中密码子使用的广义查加夫对称性 | Iannibelli, V. | 2026-06-23 | 密码子使用偏好是突变、选择、漂变和翻译约束的核心记录，但通常与广义的查加夫对称性（即长DNA序列中词及其反向互补序列出现频率相近的趋势）分开处理。本研究探究密码子使用是否包含可测量的反向互补成分，以及偏离该成分的程度是否可量化。我们首先避免强加反向互补对称性，而是系统评估了64个密码子的所有非平凡符号对合（f(f(x)) = x），这些对合由自逆核苷酸映射和自逆密码子位置置换构建而成。跨物种分析表明，反向互补变换是最优方案，其密码子频率与变换后密码子频率的中位相关性最高。随机模型和氨基酸保留参考模型显示，该信号并非密码子谱的普遍特性，且仅部分由蛋白质组成解释。额外控制实验在保留氨基酸组成且匹配预期GC3后表明，观测到的反向互补相关性仍高于仅由这些约束预期的水平，属级聚合分析证实最优性并非由过度代表的属驱动。对称性以生物学有序方式打破：第三位（最简并密码子位置）最接近反向互补基线，第一位偏离最显著，第二位则处于中间状态且具有谱系依赖性。分类学比较揭示了密码子水平对称性保留程度的广泛和精细异质性。综合而言，这些结果表明密码子使用可量化为反向互补保留与位置、谱系和功能依赖性偏离GCT相关组成基线的组合，从而在单一可测量框架内连接了序列水平对称性、进化机制和密码子水平组织。 | |
| 比较尼日利亚小反刍兽疫控制中基于牲畜流动性的策略：网络骨干的核心作用 | Mesdour, A. | 2026-06-23 | 动物流动性是西非牧民生计和区域贸易的核心，但也促进了小反刍兽疫（PPR）等跨境动物疾病的传播。在尼日利亚，PPR疫情频繁复发，但由于缺乏常规动物流动追踪，监测和控制手段仍然有限。本研究利用在尼日利亚北部三个州开展的一次性市场调查重建的牲畜流动性网络，评估并比较了基于流动信息的PPR控制方案。我们在该网络上模拟疾病传播，并评估三种干预策略：（i）针对易感村庄，（ii）针对连接流动社区的链路，以及（iii）针对属于网络骨干的村庄。在所有情景中，基于骨干的靶向策略在减少网络连通性和疫情结果方面始终产生最大效果，优于针对易感节点或社区间链路的策略。这些结果表明，在常规流动数据稀缺的环境中，基于骨干的控制措施可提供一条实用且资源高效的途径来加强PPR防控。 | |
| OmniCell：单细胞与空间转录组学的统一基础建模，用于细胞与分子层面的洞察 | Pang, J. | 2026-06-23 | 细胞的转录程序并非仅由基因表达完全定义，还取决于该程序执行时的组织环境。单细胞RNA测序在解离后解析分子身份，而空间转录组学虽能保留组织结构，却受限于检测特异性稀疏性和基因覆盖度。我们在此提出OmniCell——一个基于6700万解离与空间解析图谱预训练的组织情境转录组基础模型。通过整合基因身份、表达量级与组织环境，OmniCell将转录程序与其运作的细胞邻域和解剖学背景相关联。该模型在分子、细胞和组织尺度上组织转录组，恢复了细胞类型特异性程序与组织对齐的基因模块，在批次、物种及稀有群体中保持稳健的细胞状态结构，并提升了空间细胞身份、解剖域及细胞类型组成的重建能力。在人类肝癌Stereo-seq数据中，OmniCell解析出以免疫浸润、急性期炎症、凝血/补体活性及金属硫蛋白相关金属离子解毒为特征的肿瘤边缘过渡区。情境化基因嵌入相似性分析显示，基因关系在肿瘤核心、过渡区及癌旁/邻近非恶性微环境中存在差异，表明OmniCell捕捉的是组织依赖性基因功能而非单纯表达相似性。在小鼠脑发育与猕猴皮层研究中，空间虚拟扰动将调控基因映射至阶段和区域特异性解剖程序。这些结果共同确立了组织环境作为转录组表征的核心维度，并为研究完整组织中细胞程序如何获得情境依赖性生物学意义提供了框架。 | |
| HoloCell：面向整体细胞建模的生成式基础模型 | Jiang, Q. | 2026-06-23 | 单细胞多组学技术的最新进展使得能够在单个细胞内分析表观基因组、转录组和蛋白质组层面，为将细胞状态作为整合生物系统进行表征提供了新机遇。然而，开发一个能够无缝整合不同组学模态、并对异质性模态缺失保持鲁棒性的统一框架仍具挑战。现有方法通常针对特定模态或模态对设计，依赖数据集特异性训练或配对测量。本文提出HoloCell——据我们所知，这是首个面向三大单细胞组学模态（表观基因组学、转录组学和蛋白质组学）的联合表征学习与生成式建模基础生成模型。HoloCell包含超过8.6亿参数，在人类多组学语料库上预训练，该语料库涵盖约4.68亿个跨三大组学层的单细胞图谱，对应超过4250亿个token。HoloCell引入了一种简单且具有生物学动机的分层token化策略，将顺式调控元件、基因和蛋白质编码为共享建模框架内的结构化token。我们通过单组学表征学习、配对多组学整合、非配对多组学对齐以及基于迭代扩散与重掩码的跨模态生成对HoloCell进行评估，证明其在多样组学任务中的卓越性能与灵活性。从表征角度看，HoloCell提供了跨多个组学层的细胞状态统一数字映射，将细胞异质性作为整合系统进行捕获。从生成角度看，其迭代扩散与重掩码框架允许超越固定从左到右因果关系的灵活生成顺序，实现多组学信息流的计算机模拟。这些能力共同使HoloCell成为迈向虚拟细胞这一新兴概念的通用基础模型，在统一框架内实现细胞系统的系统性表征与生成式模拟。 | |
| 人类受体酪氨酸激酶（RTKs）的单分子行为与细胞生长调控 | Abe, M. | 2026-06-23 | 受体酪氨酸激酶（RTKs）是动物细胞中负责多种细胞功能（包括命运决定、代谢、极化和迁移）的主要细胞表面受体蛋白家族。侧向迁移、二聚化、聚集和寡聚化是RTKs在细胞表面激活过程中的关键行为。然而，除少数RTK成员外，这些分子行为与分子功能之间的关系仍有待阐明。本研究利用自动化活细胞单分子成像与分析系统，在配体刺激过程中实时观测了58种人类RTK中52种的行为。我们为每种RTK提取了72个单分子参数，以探究其与功能、结构和进化之间的关系。研究发现，公共领域大规模功能缺失实验中观察到的RTK抑制或促进细胞生长的能力与其行为显著相关。生长抑制信号与不移动聚集体的即时形成相关，随后伴随不移动和慢移动结构域的扩大。相反，生长支持信号则与更高的侧向扩散率和延迟的不移动分子聚集相关。结构与功能的关系表明，功能差异与膜筏分区及磷脂酰肌醇转换引起的迁移率变化有关。在多元线性回归模型中，分子行为解释了与细胞生长相关的半数或更多分子功能，其解释力与进化分组相当。 | |
| 与小鼠和大鼠相比，小埃及跳鼠（Jaculus jaculus）尾部解剖的特化结构 | Miyamae, J. A. | 2026-06-23 | 哺乳动物尾巴的形态多样性和功能多样性早已被认知，然而在理解并模仿尾巴各种性能功能的动机与已知的尾巴解剖学知识之间仍存在显著差距。本研究旨在揭示小埃及跳鼠（Jaculus jaculus）尾巴快速鞭打运动的解剖学基础，这种运动可能有助于该动物在通过弹跳式双足跳跃躲避捕食者时快速改变方向。我们采用显微CT扫描、解剖和博物馆数据，将跳鼠与实验室小鼠（Mus musculus）和大鼠（Rattus norvegicus）的肌肉骨骼解剖结构进行比较。尽管这些物种的尾巴解剖结构在许多方面具有保守性，但跳鼠确实拥有独特特征：因尾椎延长形成的超长尾巴、分化出外侧和内侧成分以增加骨骼附着点的发达背侧肌群，以及一个新颖的解剖结构——双叶颅侧横突，该结构作为额外的背侧肌腱附着点，并可能充当支架以保护可能承受高机械应力的尾椎节段的腹侧肌腱和内在肌。 | |
| 功能梯度区分了皮层各层 | Degutis, J. K. | 2026-06-23 | 功能皮层梯度揭示了大脑沿感觉-联合（G1）和视觉-体感运动（G2）轴的大尺度组织模式，但支撑这些轴的分层回路机制仍不明确。通过利用全脑亚毫米7T静息态功能磁共振成像，我们估算了深层、中层和浅层皮层深度的功能连接，将其整合为多层网络，并推导出跨皮层的深度解析功能梯度。随后计算了区域间差异指数以量化各皮层区域与其余皮层的区分度，发现存在系统性深度分离：浅层指数与G1高度吻合，而深层指数与G2一致。深层指数在接收主导区域达到峰值，这与深层作为反馈投射主要靶区的特性相符；浅层指数则在细胞构筑分化程度较低的跨模态皮层中最高，与其密集的循环回路特征一致。这些发现共同表明功能梯度与分层连接相关，并为解析全脑皮层连接建立了中尺度框架。 | |
| 猕猴运动皮层中时间尺度的区域和层特异性组织 | Nandi, N. | 2026-06-23 | 大脑的层级组织在空间和时间尺度上显现，实现了从快速感觉编码到持续认知控制的转换，这种组织在感觉系统中已得到充分证实。相比之下，灵长类运动皮层的层级组织仍存在争议，部分原因在于其无颗粒层结构以及缺乏清晰的层限制性输入-输出投射。特别是，背侧前运动皮层（PMd）与初级运动皮层（M1）的相对层级位置无法仅通过解剖学确定。为探究两者的相对组织，我们采用独特的多模态方法，基于猕猴在执行延迟匹配样本到达任务时的单神经元放电活动（SUA）和局部场电位（LFP）提取时间尺度。我们发现跨脑区时间组织的趋同证据：M1中SUA时间尺度更长，LFP非周期谱指数更小。然而，在皮层深度维度上，时间动态取决于信号模态。M1深层LFP自相关时间尺度系统性更长，且两个脑区深层LFP谱指数均更小。相比之下，SUA在时间尺度上未显示显著层差异。功能上，时间尺度更长的神经元在PMd运动准备期间表现出更稳定的运动方向表征，并在两个脑区执行期间表现出更广泛的时间泛化能力。我们的结果将M1置于时间层级中PMd之上，并首次对任何皮层区域的SUA时间尺度进行层特征描述。SUA与LFP在层时间组织上的差异可能反映其不同生理起源：细胞外锋电位捕捉胞体附近的神经元输出，而LFP主要反映突触群体活动，可能在整合顶端和基底树突输入时表现出层差异。 | |
| 静脉注射咪达唑仑对年轻人和老年人短间隔配对脉冲TMS反应的影响不同 | McGregor, K. M. | 2026-06-23 | 目的：衰老与皮质兴奋性变化及对苯二氮卓类药物反应性改变相关，但苯二氮卓类药物激发对老年人运动皮质配对脉冲生理学的影响尚不完全清楚。我们研究了静脉注射咪达唑仑对年轻人和老年人皮质脊髓兴奋性及短间隔配对脉冲经颅磁刺激（TMS）反应的差异性调节作用。方法：15名年轻人（18-35岁）和15名老年人（50-69岁）在基线状态及静脉注射咪达唑仑期间接受左侧初级运动皮质的单脉冲和配对脉冲TMS。采用单脉冲运动诱发电位（MEP）振幅评估皮质脊髓兴奋性，短间隔配对脉冲反应通过条件刺激与非条件刺激MEP振幅比值量化。结果：基线状态下，年轻人皮质脊髓兴奋性高于老年人，表现为更大的单脉冲MEP振幅（校正后p=0.04）。年轻人基线时呈现配对脉冲抑制，条件/非条件MEP比值低于1.0（比值=0.73；校正后p<0.01），而老年人未显示抑制，平均比值高于1.0（比值=1.25）。咪达唑仑降低了两组单脉冲MEP振幅。给药期间，年轻人不再出现配对脉冲抑制，老年人仍无抑制证据。结论：年轻人和老年人在基线皮质脊髓兴奋性及短间隔配对脉冲TMS反应中存在差异。静脉注射咪达唑仑降低了皮质脊髓兴奋性并改变了配对脉冲反应模式，消除了年轻人的基线配对脉冲抑制，但对老年人未产生显著可测变化。这些发现提示衰老可能改变运动皮质对苯二氮卓类药物激发的净反应。结果需结合所用配对脉冲刺激参数进行解读，并支持采用互补方法进一步研究抑制性和易化性运动皮质回路的年龄相关差异。 |
medRxiv
| 标题 | 作者 | 发布日期 | PDF链接 | 摘要 |
|---|---|---|---|---|
| 进食时间：增加用餐规律性、减重与幸福感——一项随机对照试点研究 | Wilming, I. | 2026-06-23 | 昼夜节律紊乱与代谢及情绪障碍相关，但增加进餐规律性是否能在不限制饮食的情况下减轻体重并改善健康尚不明确。这项单中心随机先导研究中，121名BMI≥22 kg/m²的成年人被分配至个性化规律进餐方案组或采用自选18小时进食窗的最低干预对照组。其中100名参与者完成研究。六周后，遵循个性化进餐方案的参与者平均减重2.62公斤，对照组为0.56公斤，经基线BMI、年龄和性别校正后体重和BMI降幅更显著。体重减轻与进餐规律性改善相关，但与自我报告的能量摄入或宏量营养素构成变化无关。实验组健康水平亦有所提升，组间校正证据最强的改善体现在睡眠质量。这些发现支持进餐规律性作为代谢调节中可修正的行为维度。 | |
| 一项与结核病严重程度相关的蛋白质组宿主反应特征的多国验证 | Mousavian, Z. | 2026-06-23 | 引言：为改善结核病（TB）在不同临床表型中的检测效果，尤其针对痰检阴性患者，亟需开发基于非痰液样本的宿主反应生物标志物。我们此前发现一组与结核病严重程度相关的12标志物血浆蛋白特征。本研究在瑞典和意大利独立队列中评估该特征的可重复性与普适性，并探索在保持诊断效能前提下精简标志物组合的可能性。方法：我们分析了314名参与者（包括结核病患者、结核感染者及其他非结核疾病患者）的387份血浆样本。通过血浆蛋白质组学分析，验证原始特征在不同临床谱系队列中的富集情况。将12标志物特征精简为6蛋白（CDCP1、VEGFA、IFN-γ、CXCL9、IL-6、MCP-3）和4蛋白（CDCP1、IL-6、IFN-γ、CXCL9）组合，并与既往发表的十种结核病蛋白特征进行性能比较。结果：6标志物与4标志物特征在各队列中均显示结核病富集，其诊断效能与原始12标志物组合及十种已发表特征相当。在固定特异性70%条件下，区分结核病与结核感染的灵敏度在合并队列中为84%，意大利队列中达94%；区分结核病与非结核疾病的灵敏度为81%。该特征在肝素钠与EDTA血浆样本中均表现稳定，关键细胞因子水平通过独立微球平台验证。结论：本研究证实精简后的宿主反应蛋白特征在不同人群及样本采集方法中均能稳定捕获结核病相关炎症状态。6蛋白与4蛋白特征值得在肺内及肺外结核的非痰液诊断转化研究中进一步评估。 | |
| 人类遗传学分析揭示循环α-1抗胰蛋白酶水平是脓毒症的保护因素 | Tan, D. | 2026-06-23 | 脓毒症是宿主对感染的失调反应，也是全球死亡的主要原因之一，但目前仍缺乏有效的靶向治疗。本研究采用蛋白质基因组学框架，将大规模人类遗传学与循环蛋白质组学相结合，以识别治疗靶点。通过对60,314例脓毒症病例和1,464,733例对照的全基因组关联研究进行荟萃分析，我们确定了四个全基因组显著位点，其中包括编码α-1抗胰蛋白酶（AAT）的SERPINA1基因中的一个错义变异，该变异也与英国生物银行中30天脓毒症死亡率相关。孟德尔随机化（MR）和共定位分析支持了更高遗传预测的循环AAT水平对脓毒症风险的因果保护作用。这种保护性关联对急性感染表型（包括肺炎）具有高度特异性，在非感染性状中未观察到。在两个独立队列（英国脓毒症基因组进展研究和魁北克COVID-19生物银行）中，循环AAT在急性疾病期间显著升高，但在错义变异携带者中呈剂量依赖性显著减弱，这与蛋白酶-抗蛋白酶平衡受损一致。对AAT调控蛋白质组的MR分析复现了既往脓毒症试验的结果（包括阴性和阳性），为这一通路的治疗调节提供了正交遗传支持。综合来看，这些发现首次提供了AAT在脓毒症中因果作用的人类遗传学证据，将SERPINA1定位为药物再利用和靶向治疗干预的高优先级候选基因。 | |
| 帕金森病中的注意与记忆：一种判别分析方法 | Calabria, M. | 2026-06-23 | 背景。帕金森病（PD）的认知障碍具有高患病率和异质性。评估多个认知领域具有挑战性且存在冗余风险。本研究评估了判别分析方法能否优化特定任务和指标的筛选，以识别PD患者的注意力和记忆缺陷。方法。30名PD患者和25名认知未受损（CU）对照者完成了四项实验任务：两项评估注意力（侧翼任务和空间斯特鲁普任务），一项识别记忆任务，一项工作记忆任务（n-back任务）。在组间差异分析后，进行判别分析以确定哪些任务及表现指标对区分PD患者与CU个体具有最高敏感性。结果。在组水平上，PD患者在两项注意力任务中的冲突成本显著更高，且在识别记忆任务中的敏感性分数（d'）显著低于CU对照组。判别分析显示，空间斯特鲁普任务的时间相关指标和识别记忆任务的敏感性分数对区分两组人群具有最高判别力。结论。这些发现表明，通过使用针对性的指标子集，可以高诊断准确性识别PD患者的认知缺陷，无需对注意力和记忆进行广泛且冗余的神经心理学测试组合。 | |
| 整合性全基因组关联研究揭示COVID-19易感性与住院风险位点与长新冠相关 | cheng, z. | 2026-06-23 | 长新冠构成了重大的公共卫生挑战，其特征是报告了超过200种涉及多个器官系统的症状，而全基因组关联研究（GWAS）因该疾病的症状异质性和可用数据集统计效力有限而受阻。为克服长新冠队列样本量不足或异质性的挑战，本研究采用基于代理变量的假设生成策略，通过分析COVID-19宿主遗传学倡议（HGI，第7版）中关于COVID-19易感性、住院及长新冠的GWAS汇总统计数据，优先筛选可能促成长新冠的候选风险位点，最终获得62个由独立单核苷酸多态性（SNP）代表的候选位点。这些SNP根据其与急性期COVID-19的关联分为三组：（1）重症COVID-19特异性SNP，例如映射至SARS-CoV2入侵相关两个已知位点（ACE2 [rs190509934]和TMPRSS2 [rs12329760]）的SNP，以及DPP9（rs7251000）、FOXP4（rs12660421）和HLA-DQA1（rs17219281）的变异，这些变异与重症COVID-19显著相关，但在非住院COVID-19病例中信号较弱；（2）与重症和轻症COVID-19均相关的SNP，包括靠近ABO基因的SNP（rs505922）；（3）非住院特异性SNP，如KCTD16（rs62401842）和WASF3（rs56143829）的变异，揭示了轻症COVID-19病例特有的遗传贡献因素。利用HGI近期发布的长新冠GWAS数据对这些候选SNP进行分析，发现大多数候选SNP与长新冠的关联性显著减弱。进一步对48个GTEx组织中COVID-19住院/易感性/长新冠的GWAS进行转录组全关联研究（TWAS），结果表明这些候选SNP邻近基因（62个SNP中的43个）在心脏、大脑和肌肉相关组织中与长新冠的关联信号相对较弱，尤其值得注意的是DPP9（rs7251000）、CCR1（rs17078348）和THBS3（rs41264915）等显著TWAS位点，其与长新冠的关联性远弱于急性期COVID-19。全表型组TWAS还发现HLA-DQA1（rs17219281）、HLA-A（rs9260038）、HLA-C（rs1634761）、GSDMB（rs9916158）和FOXP4（rs12660421）与长新冠密切相关的其他表型存在关联。这些结果通过利用急性期COVID-19数据为长新冠提供了新见解。 | |
| 基于AI驱动的多模态表征学习，用于发现社会经济劣势、心理社会因素与心血管代谢多病共患的潜在中介结构 | Ma, S. | 2026-06-23 | 社会劣势与多病共存相关，但社会条件与疾病负担之间的关联路径仍不明确。我们开发了一种基于人工智能的多模态中介分析框架，整合了"全民健康研究计划"中的社会经济、社会心理、临床、实验室、行为及基因组数据。通过模态特异性变分自编码器提取各数据域的潜在表征，随后在潜在空间中进行中介分析，评估社会经济劣势、社会心理因素与多病共存之间的间接关联。最终分析队列包含20,804名具有完整多模态数据的参与者。在800项暴露-中介-结局组合中，中介信号集中于少数潜在维度。最强的间接关联连接了社会经济劣势维度、社会心理脆弱性维度与心血管代谢多病共存维度（NIE=0.002517）。社会心理维度表现为较差的心理健康、更高的孤独感、较低的社会幸福感及健康素养，而结局维度与高血压、糖尿病、高脂血症、肥胖、慢性肾病及心脏病相关。Bootstrap分析支持该主导路径的稳定性。这些发现表明，社会心理脆弱性可能介导社会经济劣势与心血管代谢多病共存之间的关联。更广泛而言，该框架展示了如何利用基于人工智能的表征学习探究高维多模态健康数据中的复杂关系。 | |
| 因果锚定的多组学深度学习从人类体力活动中恢复了运动响应和衰老因果基因。 | Juan, C. G. | 2026-06-23 | 体力活动是降低死亡率和多病共存的最强流行病学相关因素之一，但运动在人体中发挥这些效应的分子机制尚未完全阐明。本研究将因果锚定的多组学孟德尔随机化与基于图的深度学习相结合，以英国生物样本库中加速度计衍生的剧烈体力活动作为暴露因素，用于人类运动-衰老生物学中的基因优先级排序。通过整合五个分子层面的多组学孟德尔随机化，本研究探讨了因果推断与深度学习能否复现既往研究中独立鉴定的运动响应性及潜在衰老因果基因。原始孟德尔随机化信号中未检测到实验验证的运动响应性基因富集（p=0.97），但图模型成功恢复了该富集（p=0.007，所有初始化条件下均可重复）；剧烈体力活动孟德尔随机化锚定基因与衰老因果基因的收敛性（单独分析时显著，倍数为1.6倍，p=0.023）同样被图模型恢复，而p值和效应量排序方法无法实现。该模型进一步复现了已确立的急性运动响应性免疫和脂质代谢程序，证实其恢复了真实信号。将优先级排序基因扩展至正式因果检验后，对八个收敛基因与四个衰老结局进行系统性顺式孟德尔随机化与共定位分析，发现组织蛋白酶F与超常长寿存在因果关联，其蛋白水平和LD聚类表达臂的效应估计值一致呈正向，并在蛋白水平获得共定位支持。因此本研究贡献有二：一是建立了运动锚定基因与衰老因果基因之间无模型的一对一收敛关系；二是开发了基于图的方法，该方法能够恢复这种收敛性及运动响应性生物学特征，超越了单基因孟德尔随机化排序的局限性。 | |
| 重建真实世界转移性治疗线数可实现乳腺癌进展风险分层 | Zhao, X. | 2026-06-23 | 在精准肿瘤学中，估算每个转移性治疗线（mLoT）的无进展生存期（PFS）是一项有价值但具有挑战性的任务，因为治疗方案和进展状态很少以结构化真实世界标签的形式提供。在本研究中，我们开发了一个框架，包括：（i）一个证据富集流程，可从纵向电子健康记录（EHR）数据中大规模重建mLoT和PFS；（ii）一个机器学习模型，利用多模态临床特征在每个治疗线开始时预测患者进展风险。在MSK-CHORD数据集（\citep{msk-chord-dataset}）的转移性乳腺癌队列中，证据富集流程提取了2,881名转移性患者，贡献了8,791个mLoT。预测模型实现了Antolini's C = 0.681 ± 0.006和综合Brier评分 = 0.124 ± 0.004。当将训练好的模型应用于AACR GENIE BPC（\citep{aacr-genie}）乳腺癌队列中来自DFCI和VICC的独立整理转移性治疗线队列时，风险排序部分保留，C指数分别为0.643 ± 0.002和0.627 ± 0.005。我们证明，尽管存在显著的队列不平衡和异质性，该模型仍能提供可解释的、广泛校准的风险分层，利用已建立的临床先验进行预测，并对模态消融保持稳健。本研究表明，基于EHR的转移性治疗事件可以丰富治疗线级别的真实世界PFS证据，并在异质性转移性乳腺癌实践中支持治疗开始时的可解释进展风险预测。 | |
| 叙利亚制药行业的知识产权素养、创新准备与创新实践：一项横断面研究 | Khatib, C. | 2026-06-23 | 背景 在资源和制度约束下运营的制药行业的创新，可能不仅取决于知识和态度，还取决于使创新相关活动得以发生的条件。本研究考察了叙利亚制药专业人士的知识产权素养、创新态度、创新准备度与报告创新实践之间的关系。方法 于2026年3月至4月对303名制药专业人士进行横断面调查。构建了四个综合指数以评估知识产权素养、创新态度、创新准备度和创新实践。采用描述性统计、相关性分析、组间比较和多变量回归模型来表征研究领域之间的关联模式。分析旨在识别经验模式而非推断因果关系。结果 创新态度相对较高（73.56/100），而创新准备度（17.00/100）和创新实践（12.65/100）显著较低。知识产权素养与创新准备度（r = 0.384, p < 0.001）和创新实践（r = 0.205, p < 0.001）呈正相关。相比之下，创新态度与报告创新实践无显著关联（p = 0.332）。回归分析表明，纳入创新准备度后，模型拟合度优于仅基于知识和态度的模型（ΔR² = 0.058, p = 0.028）。不同专业群体在准备度和实践方面存在显著差异（p < 0.001），而知识和态度差异有限。结论 在此背景下，高水平的创新相关知识和积极态度并未对应高水平的报告创新实践。研究结果表明，创新准备度可能捕捉到知识或态度测量无法反映的赋能条件。这些结果支持在评估资源受限制药系统的创新能力时，考察情境和制度因素的价值。鉴于创新态度与创新实践之间存在显著差距，教育策略可能是增强创新准备度的一个途径。在叙利亚背景下，加强以创新为导向的教育和大学-产业合作，有助于培养创新能力并支持研究成果转化为实际应用。 | |
| 机器学习与深度学习模型在重症急性胰腺炎早期预测中的比较评估：基于2012年修订版亚特兰大分类的多模型研究 | stern, N. | 2026-06-23 | 背景： 急性胰腺炎（AP）是常见的消化系统急症，部分患者会进展为重症急性胰腺炎（SAP），具有较高的发病率和死亡率。当前临床严重程度评分系统（如BISAP、APACHE II、Ranson及改良CT严重指数）需48小时观察才能进行可靠评估，限制了早期分诊。基于常规入院实验室指标的机器学习（ML）方法可能实现更早、更准确的预测。方法： 我们评估了涵盖三种架构家族的11种模型：经典ML（逻辑回归、随机森林、梯度提升）、前馈深度学习（MLP、残差MLP、注意力MLP）和循环深度学习（LSTM、堆叠LSTM、双向LSTM、LSTM+注意力、CNN-LSTM）。研究基于722例中国AP患者队列（585例重症，137例轻症），依据2012年修订版亚特兰大分类进行标注。通过5折分层交叉验证评估模型性能，指标包括AUC-ROC、F1分数、灵敏度、特异度和阳性预测值（PPV），决策阈值以最大化F1分数优化。结果： 随机森林取得最高AUC值0.877（F1=0.917，灵敏度=96.8%，PPV=87.1%），梯度提升紧随其后（AUC=0.874，F1=0.918）。经典ML模型整体优于深度学习模型。CNN-LSTM是表现最佳的循环模型（AUC=0.777），但仍逊于所有经典方法。LSTM家族模型AUC值范围为0.684-0.777，反映了数据横截面表格型特征。结论： 随机森林利用常规入院数据可实现稳健、高灵敏度的SAP严重程度早期预测。临床应用前需进行外部前瞻性验证。关键词： 急性胰腺炎；严重程度预测；机器学习；随机森林；深度学习；LSTM；修订版亚特兰大分类；早期分诊 |