2026-06-28 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 |
|---|---|---|---|---|
| DanceOPD：基于策略的生成场蒸馏 | Wei Zhou | 2026-06-25 | 现代图像生成需要一个能够统一多种能力的单一模型，包括文生图（T2I）、局部编辑和全局编辑。然而，这些能力很少能自然对齐，且常常相互冲突。例如，编辑往往会降低T2I性能，而全局编辑与局部编辑之间也会相互干扰。因此，如何有效整合这些能力已成为图像生成模型训练的核心挑战。为解决这一问题，我们提出DanceOPD——一种面向流匹配模型的在线策略生成场蒸馏框架。该框架将每个样本路由至单一能力场，查询一个低噪声的学生诱导状态，并通过简单的速度MSE目标进行训练。通过将每种能力源定义为共享流状态空间上的速度场，学生模型能够基于自身展开状态查询的场来学习组合专家能力。该公式还可吸收算子定义的场（如无分类器引导）。在T2I、编辑、真实感场吸收和CFG吸收上的综合实验表明，我们的方法改进了多能力组合，在保持锚点生成质量的同时增强了目标能力。我们相信这项工作为流匹配模型中的生成场蒸馏建立了一条实用路径。 | |
| 提问、解决、生成：通过自一致性奖励实现自我进化的统一多模态理解与生成 | Ritesh Thawkar | 2026-06-25 | 大多数统一的大规模多模态模型（LMMs）虽同时支持视觉理解与图像生成，仍依赖精心设计的后训练监督信号，例如人工标注、偏好标签或外部奖励模型。我们探究统一LMM能否仅利用无标注图像自主提升这两项能力。为此提出一种自演进训练框架，包含三个内部角色：提议者（Proposer）生成视觉问题，求解者（Solver）回答问题并评估答案，生成者（Generator）合成图像。训练过程仅使用自洽性信号，无需人工标注、偏好标签或任务训练的外部奖励/评判模型。为稳定学习，我们引入求解者令牌熵（STE）——一种基于令牌级预测不确定性的连续难度信号，在样本级自洽性不可靠时仍保持有效性。针对图像生成，我们设计多尺度内部评估方案，将问答保真度评分与循环一致性描述相结合。这形成了求解者介导的耦合机制：更强的视觉理解能力带来更可靠的生成评估与更优质的内部训练信号。该框架在扩散模型BLIP3o、整流流模型BAGEL及自回归模型VARGPT-v1.1上保持相同的角色分解、奖励逻辑与训练流程，仅需各基础模型的原生提示与生成接口。在八项理解指标上，我们的方法持续超越对应基线模型。在BAGEL上，MMMU指标获得+3.5%的绝对提升，GenEval图像生成性能从82%提升至85%。代码与模型已公开发布。 | |
| 世界行动模型通过循环生成重放实现持续模仿学习 | Manish Kumar Govind | 2026-06-25 | 超越预测机器人动作，世界动作模型（WAMs）还能生成未来的视觉观测。基于这一生成能力，我们提出循环生成回放（REGEN）——一种持续模仿学习框架，通过合成伪回放轨迹，使机器人策略无需存储原始人类示范即可演练先前学过的任务。在持续适应过程中，REGEN递归调用WAM，仅依据先前任务指令和当前任务观测来合成伪回放轨迹。仿真与真实世界操作实验表明，相比顺序微调，REGEN将灾难性遗忘降低高达50%，同时性能接近需要访问真实回放数据的特权经验回放方法。最后，我们分析了限制生成回放的因素，将长时程视觉退化与动作-观测不一致性确定为主要瓶颈。我们的研究确立了WAMs作为无需存储示范的持续机器人学习的有前景基础。 | |
| 在自演进大型多模态模型中更加关注视觉标记 | Shravan Venkatraman | 2026-06-25 | 近期，自进化大型多模态模型（LMMs）因能在纯无监督环境下提升视觉推理能力而受到关注。然而，现有自进化LMMs中的多角色自博弈与自一致性奖励机制仅优化答案一致性，未能确保解码器关注视觉内容，反而依赖统计语言先验生成自一致输出。这导致一种我们称为"视觉欠条件化"的持续性失效模式——解码器在生成过程中依赖语言先验而非图像，表现为对视觉标记的关注不足。因此，当前自进化LMMs在图像描述、视觉问答等视觉-语言理解任务中表现欠佳。为解决该问题，我们提出VISE（视觉不变性自进化），一种纯无监督自进化框架，通过两种互补的不变性奖励直接正则化模型的视觉条件化策略：几何不变性奖励强制模型在已知变换下保持空间一致性，语义不变性奖励则通过要求模型在预测区域被扰动时识别证据缺失，惩罚无证据支持的生成。VISE在单一模型内运行，无需专家角色、外部奖励模型或标注，仅使用原始无标签图像训练。在18个基准测试上的实验证明了该方法的有效性。以Qwen3-VL-2B为基础模型，VISE在COCO上提升+16.85 CIDEr，在TextCaps上提升+19.66 CIDEr，将物体幻觉降低5.0 Chair-I分，并能在四种模型系列及不同规模间泛化。代码与模型已开源至https://mbzuai-oryx.github.io/VISE。 | |
| DnA：面向视觉任务的去噪注意力机制 | Ron Campos | 2026-06-25 | 多头注意力（MHA）中的softmax激活函数是视觉感知任务中基于注意力模型的事实标准。然而，标准softmax可能产生噪声注意力模式，这会稀释相关特征并降低模型性能。本文提出去噪注意力（Denoising Attention，简称DnA），其核心机制为：首先通过正向查询识别属于正确类别的图像特征，同时通过负向查询识别紧密关联但无关的图像特征。随后DnA将这些交互投影到具有更大主角度的两个独立子空间中，促进子空间分离并提升判别能力。基于ViT-B骨干网络，我们提出的DnA在ImageNet-1K上相比基线实现了0.8%的绝对增益。我们进一步展示了该方法在多个视觉理解任务中的改进效果，包括视频理解中的视频Transformer（提升1.8%）和视频大语言模型（提升0.5%）。大量实证分析验证了涉及两个交互子空间的设计选择以及DnA的去噪效果。 | |
| 不要满足于模式！通过特征自引导缓解预训练流模型中的多样性崩溃 | Pradhaan S Bhat | 2026-06-25 | 最先进的流模型能够根据文本或图像提示生成令人惊叹的图像。然而，在相同条件下生成多个样本时，这些模型会出现多样性崩溃的问题。现有方法要么通过潜在引导（效果有限）来解决，要么依赖样本选择（需要外部奖励模型，导致推理时间开销显著增加）。在本研究中，我们提出了一种高效、无需训练的自我引导机制，无需额外奖励模型即可缓解多样性崩溃。具体而言，我们在批量生成过程中通过特征自我引导分散流模型的内部特征。此外，为使特征保持在流形附近，我们引入了一个流形正则化步骤，将这些分散的特征投影回数据流形，从而在保持与输入条件对齐的同时实现多样化生成。我们的方法可作为即插即用模块无缝集成到预训练流模型中，仅增加极小的推理成本。实验表明，该方法在多种条件流模型（包括多步和少步文本到图像、深度到图像以及参考图像生成）中显著提升了多样性，同时保持了生成保真度。 | |
| 无需真实答案的强化学习可提升大语言模型性能 | Yingyu Lin | 2026-06-25 | 基于可验证奖励的强化学习（RLVR）在训练大语言模型时通常依赖真实答案来分配奖励，这限制了其在真实解未知任务中的适用性。我们提出了一种基于排序的可验证框架（RiVER），该框架无需真实解即可在基于分数的优化任务上训练大语言模型，通过确定性执行反馈作为连续值监督信号。将群体相对强化学习应用于此类连续奖励时，我们识别出两个关键挑战：一是"规模主导性"，即未校准的测试实例分数幅度会扭曲策略更新；二是"频率主导性"，即反复采样的次优解可能压倒罕见但更优的候选解。RiVER通过校准奖励塑造方法解决这些问题：采用实例级比较并强调排名靠前的求解器，同时为其他有效解保留有界反馈。我们在12个AtCoder启发式竞赛任务上训练，并在算法工程基准（ALE-Bench）、LiveCodeBench和USACO上评估。RiVER使Qwen3-8B和GLM-Z1-9B-0414在ALE评级排名中分别提升8.9%和9.4%。更重要的是，尽管仅在基于分数的任务上训练且完全无需真实解，RiVER在LiveCodeBench和USACO等精确解基准上仍使基础模型平均绝对提升2.4%和3.5%。相比之下，使用原始执行分数训练的基线虽能提升ALE评级，但无法迁移至精确解基准。这些结果表明，结合适当奖励校准的基于分数优化任务，可作为无需真实解的有效通用编码能力训练环境。 | |
| PhysiFormer：学习在世界空间中模拟力学 | Yiming Chen | 2026-06-25 | 我们提出PhysiFormer，一种用于生成物理合理三维物体运动的扩散Transformer。与在视角依赖的像素空间中运行的视频世界模型不同，PhysiFormer将物体表示为世界坐标系中的三维网格。给定初始顶点位置和速度，以及物体材质类型（刚性或弹性），该模型可采样未来的顶点轨迹。尽管相关的神经物理方法依赖于特设的潜在空间或显式施加刚性和因果性约束，PhysiFormer表明，通过将顶点轨迹预测直接转化为世界坐标系中的单一去噪扩散过程，无需任何此类归纳偏置即可获得优异结果。其概率公式能够捕捉学习动力学中的不确定性，从而从初始条件生成多样化的合理未来状态，使该框架在存在未观测不确定性的应用中具有潜在价值。模型采用时间、空间和物体维度分解的注意力机制以提高效率，无需显式物体编码即可实现置换不变的多物体推理。经过超过10万条模拟轨迹的训练，PhysiFormer能够生成刚性和弹性力学行为，并泛化至混合材质场景、未见过的真实世界几何形状以及更多物体数量的情况。在轨迹精度、刚性保持和基于动量的物理一致性方面，它显著优于自回归基线方法。我们的结果表明，坐标空间扩散是迈向机器人学、图形学和物理设计中视角不变、几何感知世界建模的有前景的一步。可视化结果、代码和模型可在https://yimingc9.github.io/physiformer获取。 | |
| 自回归玻尔兹曼生成器 | Danyal Rehman | 2026-06-25 | 在热力学平衡状态下对分子系统进行高效采样是统计物理学中的一个标志性挑战。这一挑战推动了玻尔兹曼生成器（BGs）的发展，它通过结合具有精确似然性的生成模型和重要性采样校正，能够快速生成无关联的平衡样本。然而，现代BGs主要依赖归一化流（NFs），这些方法要么因严格的可逆性约束（离散时间）而表现力有限，要么因计算成本高昂的似然性（连续时间）而受限。在本文中，我们提出了自回归玻尔兹曼生成器（ArBG）——一种新颖的自回归建模框架——通过脱离基于流的BG范式来克服这些限制。ArBG规避了流的拓扑约束，支持顺序推理时的干预，同时通过利用在大型语言模型中有效的架构增强了可扩展性。我们通过实验证明，ArBG在所有基准测试中均显著优于基于流的模型，尤其是在较大的肽系统（如10残基的Chignolin）中表现突出。此外，我们推出了Robin——一个使用ArBG框架训练的1.32亿参数可迁移模型，该模型在8残基系统上将零样本能量误差E-W$_2$降低了超过60%，超越了先前的最优水平。代码可在以下链接获取：https://github.com/danyalrehman/autobg。 | |
| 大语言模型中，何时可能的答案是正确的？关于序列概率与正确性的探讨 | Johannes Zenn | 2026-06-25 | 许多针对大型语言模型的解码方法，可以理解为将概率质量向模型更可能输出的结果转移——这种转移既可在词元级别局部进行，也可在序列级别全局进行。因此，这些方法的有效性取决于一个根本性问题：序列概率（即给定提示后生成内容的条件概率）何时能真正与正确性对齐？本文旨在从四个维度系统量化这种关系：不同解码方法之间、同一方法的不同超参数之间、数据集中不同提示-答案对之间，以及针对同一提示的多次响应之间。研究发现，在固定数据集的提示-答案对中，较高的序列概率往往能预测正确性。但这种关系通常无法推广至解码决策：通过调整超参数或改变解码方法来提升序列概率，并不能稳定提高准确率。此外，针对同一提示的不同响应，序列概率并非正确性的可靠指标。这些发现厘清了在何种情况下解码方法能够或不能提升正确性，并为解码策略、自一致性方法及无验证器自我改进提供了实践指导。 |
bioRxiv
| 标题 | 作者 | 发布日期 | PDF链接 | 摘要 |
|---|---|---|---|---|
| 高阶丘脑核的丘脑皮质投射的重复解剖模式 | Huth, A. | 2026-06-28 | 皮层-丘脑-皮层回路涉及皮层区域之间广泛的跨丘脑连接，但其结构组织和功能仍知之甚少。本研究通过从初级躯体感觉皮层（S1）和初级运动皮层（M1）两个皮层区域进行逆行示踪，对多个高阶丘脑核团的丘脑皮层投射进行了表征。使用不同荧光团标记的霍乱毒素B亚单位，可同时检测投射至S1和M1的神经元。基于神经网络开发了细胞检测流程，实现对丘脑大体积成像数据的半自动化分析，以定量推断后复合体（PO）及邻近筛核（Eth）、中央外侧核（CL）、中央旁核（PCN）和束旁核（PF）中投射神经元的空间分布。投射至初级躯体感觉皮层和运动皮层的神经元排列具有不同的连接强度，并在所有研究的核团中呈现拓扑组织特征。向两个皮层区域联合注射示踪剂后，发现存在轴突分支同时投射至S1和M1皮层的投射神经元。本研究建立的半自动化定量分析丘脑投射模式流程，可推广应用于一般性连接分析。该方法揭示了不同丘脑核团在投射强度、空间组织及同时靶向两个皮层区域的投射神经元比例方面具有重复性解剖模式。 | |
| 在时间注意力过程中，个体忽略无关信息的策略会反映在独特的神经信号特征上。 | Gironimi, M. | 2026-06-28 | 注意力功能使神经系统能够调节传入信息，选择行为相关的信息同时过滤干扰。为研究大鼠的注意力控制，我们开发了一种范式，要求动物忽略无关触觉刺激（振动）并对相关刺激进行强弱分类。刺激在时间上分离但传递至同一组触须，因此属于时间注意力任务而非空间注意力任务。在首个任务版本中，无关刺激先呈现，相关刺激后呈现。不同动物在学习和执行该任务时表现出显著差异，这与新兴研究一致——学习过程沿着个体特有的轨迹展开，而非收敛于单一行为解决方案。尽管无关刺激通常对判断产生吸引性偏差，部分大鼠逐渐减少其影响并实现近乎完全的抑制，从熟练阶段过渡到专家阶段。然而其他动物采用了替代性稳定策略，未表现出同等水平的注意力过滤。为探究行为灵活性，我们设计了相关刺激可能出现在任一时间位置的任务版本。在此条件下，大鼠普遍难以灵活分配时间注意力，个体间再次呈现显著差异。重要的是，行为分析表明这种差异并非随机，而是反映了少数可复现的策略类别，其特征是对刺激顺序具有不同的敏感模式。这些发现提示该任务中的注意力控制并非依赖单一经典算法，而是从一组受限的替代解决方案中涌现。有限数量的动物电生理记录揭示了与这些行为差异一致的神经关联。在执行原始任务的专家动物中，运动皮层神经元群体对无关和相关刺激表现出差异编码。在vS1和M1/M2均植入电极的熟练动物中，vS1区域呈现显著的结果依赖性调节，而M1/M2将感觉输入转化为类别表征，并部分抑制无关刺激。局部场电位分析进一步表明，有效任务表现与vS1和M1/M2间高频伽马同步性增强相关，同时伴随符合自上而下交互的低β节律调节。综合来看，这些结果表明学会忽略无关信息会重塑感觉皮层与运动皮层间的相互作用，但该过程在个体间呈现异质性。数据支持一个框架：在共享任务结构中存在多种可识别的策略共存，而非反映单一注意力控制机制，这凸显了个体差异在理解注意力神经基础中的重要性。 | |
| 从被动记录的自然语音中估计神经元对词义的调谐 | Ismail, T. | 2026-06-28 | 从日常自然语言中推导神经层面的语言编码模型具有重大的科学和临床潜力。当前方法受限于输入数据的规模和生态效度；尤其需要大规模、罕见或自然样本的应用场景，若能通过偶然发生的日常语言推断神经编码，将获得显著优势。本文提出一种新型处理流程，专门用于利用自发性和偶然性的自然语言。该流程包含转录、分割、视频辅助说话人识别，以及神经数据的对齐与尖峰检测。我们将此流程应用于21名患者的数据集（每人记录超6天，总计超800小时、500万词）。通过人工标注的词级时间对齐与手动分类的尖峰数据作为广泛且罕见的真实对照数据集，对编码与解码模型进行基准测试。我们进一步通过量化表征漂移、数据集规模效应及六个脑区差异来验证该方法。综合结果表明，大脑对偶然性自然语言的处理程度足以支持神经层面嵌入的估计。 | |
| 工具性-运动迁移：竞争性运动目标的相对价值调节内隐运动学习 | Al-Fawakhiri, N. | 2026-06-28 | 多种学习信号可以塑造运动输出，包括奖赏与惩罚（通过基于价值的强化学习）以及感觉运动误差（通过运动适应）。然而，目前尚不清楚通过强化学习获得的动作价值是否与基于误差的运动学习存在交互作用。本研究探究了竞争性运动目标的习得价值如何影响运动系统从与这些目标相关的感觉运动误差中学习。我们设计了一项实验范式，要求参与者（N=85）在经历针对相同或邻近目标的隐式视觉运动适应之前，先学习不同运动目标对应的价值。我们观察到两类相关效应：排斥效应与抑制效应。当适应过程使肢体朝向低价值目标移动时，学习效果弱于适应过程使肢体远离低价值目标的情况，这表明低价值动作存在"排斥"效应。此外，当低价值目标本身作为运动目标时，所有方向的适应均受到抑制。这些效应在效价维度上呈现不对称性：当适应过程使肢体朝向高价值目标移动时，未观察到类似的吸引效应；当高价值目标作为运动目标时，也未发现适应能力的整体增强。进一步分析与实验表明，这些效应并非源于普遍性偏差，而是由目标的相对价值而非绝对价值驱动。排斥与抑制效应与运动方向相关，而非目标本身。这些结果揭示了强化学习与运动记忆之间存在一种新型交互作用——可称为"工具性-运动迁移"。 | |
| 对复杂叫声序列的理解先于其产生。 | Mason, S. L. | 2026-06-28 | 越来越多的证据表明，动物能将离散且有意义的叫声组合成序列——这一特征曾被认为是人类语言句法所独有——这为研究句法交流的进化起源提供了契机。词语意义的任意赋予是人类语言进化的重要一步，也是通过句子生成更深层意义的必要前提。研究其他能产生叫声序列的动物如何学习这些信号的含义，有助于揭示指代性和语义组合性的进化过程。由于仅在少数非人类动物中最近才被发现存在有意义的叫声序列，目前尚无关于这些声音理解能力的个体发育研究。西澳大利亚喜鹊（Gymnorhina tibicen dorsalis）能将离散叫声组合成多种叫声序列。最新证据表明这些序列是通过社会学习获得的，但幼鸟在哪个发育阶段能正确响应这些序列仍未被研究。我们对离巢后前18周的幼鸟播放了离散警报叫声和叫声序列，以识别它们何时能区分与离散叫声相关的低级别干扰和与序列相关的高级别空中威胁。幼鸟对两种声音均立即表现出警惕，但对序列的反应中表现出显著更强的警惕性和向上扫描行为。关键的是，幼鸟从测试第一周起就对序列表现出这种反应，且年龄对两种声音的反应均无影响。这些发现表明喜鹊对序列的理解先于产生，且序列含义要么是快速习得的，要么具有先天基础。尽管仍需进一步研究，但本研究首次为理解非人类动物组合性理解的个体发育提供了实证。 | |
| 从不完整的化石记录中进行系统发育推断 | Hohmann, N. | 2026-06-28 | 化石数据对于构建系统发育时间树至关重要，而时间树是检验各类演化假说的基础。尽管化石记录存在不完整性，现代地层学仍能通过间断层位及其持续时间来预测化石记录的结构特征。系统发育模型的发展使我们能够将这些信息以时变化石采样先验的形式纳入贝叶斯系统发育推断。然而，地层结构对时间树推断的影响与作用至今尚未被探索。我们提出了一种新型模拟框架，将真实地层正向模型与系统发育模拟相结合。利用该框架，我们检验了：(1) 地层学合理的地层间断导致的化石采样模型偏差如何影响基于化石出生-死亡模型的全证据推断；(2) 将间断持续时间与层位信息纳入化石采样先验时，能否提升推断效果。研究发现，全证据分析对不同地层结构中地层学合理的地层间断分布具有稳健性，而分析结果主要受形态特征数量主导。令人意外的是，纳入地层记录中显著间断的信息并未改善系统发育推断。我们的结果表明，在短时间尺度上，系统发育推断对地层间断引入的模型偏差具有稳健性，结果主要受形态特征矩阵规模等已知数据可用性约束的影响。本研究为系统发育与地层过程的联合建模奠定了基础，并缩小了古生物学、地层学与现生生物学之间的认知差距。 | |
| 小脑浦肯野细胞的随机神经支配作为多样化表征学习的基础 | Holtrup, A. A. | 2026-06-28 | 尽管小脑微回路是研究神经计算最为成熟的系统之一，但近期连接组学分析揭示了其与经典模型的偏差，引发了关于该系统中连接性、功能及学习机制的根本性问题。该回路的一个关键特征是大量平行纤维汇聚至浦肯野细胞。当前主流的小脑计算模型假设这一交汇点存在全连接模式，即单个浦肯野细胞从所有平行纤维中"采样"。然而实验证据表明，每个浦肯野细胞仅接受部分可接触平行纤维的神经支配。这种部分采样形成的差异化连接可能反映了小脑学习的组织原则，但其影响尚不明确。基于电子显微镜重建数据，我们发现平行纤维对浦肯野细胞的神经支配基本符合伯努利模型——在解剖约束下连接随机独立分布。进一步支持随机模型的是，我们观察到颗粒细胞上行分支的连接与其平行纤维的连接无预测关系，且同一浦肯野细胞不同树突分支遭遇的平行纤维间也不存在连接关联。在小脑回路模型中，我们探讨了部分连接作为学习基质的可能性，即固定随机掩膜强制浦肯野细胞间产生多样性。研究发现，当考虑浦肯野细胞"群体"时，随机部分连接确实能超越全连接模式的表现。我们的结果为理解小脑平行纤维与浦肯野细胞间部分连接的作用提供了理论框架，并可能对类小脑系统及其他领域具有启示意义。 | |
| 人类内侧颞叶中的数字单纯形 | Zhu, H. | 2026-06-28 | 人类处理数字时表现出高度的灵活性，这表明其神经流形结构比普遍的心理数字线模型更为丰富。在人类执行两项简单任务（点数计数与算术运算）的内侧颞叶（MTL）神经元群体中，我们发现数字感的稳健神经编码形成了高维、单形体形状的流形。这种形状因其高破碎维度和可表达性，比线性流形具有更强的灵活性。点阵与阿拉伯数字引发了不同的单纯形群体编码，但在同一任务中，它们通过线性可迁移的潜在结构相互关联。我们在大型语言模型（LLMs）中也发现了类似的数字表征单纯形几何结构。此外，受试者在计算期间内部运算的算术结果可被解码，且解码准确率与个体数学能力相关。最后，单纯形操作数表征的线性变换模拟了大脑将操作数转化为可解码结果的过程，表明大脑的算术程序与LLMs的注意力架构存在一定相似性。这些发现共同为大脑中数字认知的高维表征基础提供了依据。 | |
| 觉醒状态调节人类海马尖波涟漪 | Siefert, E. M. | 2026-06-28 | 海马涟漪是短暂的高频振荡，与记忆回放和巩固相关。在啮齿类动物中，涟漪已被充分证实出现在行为不活跃期（如睡眠、休息），被视为离线状态，此时回放可在有限感官干扰下发生。然而，人类研究越来越多地在主动任务期间观察到涟漪，这引发疑问：涟漪的产生机制和功能是否被误解，或是否存在根本性的物种差异。我们提出，低唤醒状态——在离线睡眠中占主导地位，在清醒时短暂出现——可能构成涟漪产生的共同机制，从而调和这些观察结果。我们直接记录了人类睡眠和清醒时的海马活动，通过睡眠分期、瞳孔测量和心率测量唤醒水平。涟漪发生始终与低唤醒相关：在非快速眼动睡眠、小瞳孔清醒状态以及睡眠和清醒期间的心率缓慢阶段，涟漪发生率最高。这种调节在前海马比后海马更强，且具有海马特异性：海马外的涟漪样活动表现出相反的调节，随高唤醒增加而增加。这些结果解决了明显的物种差异，并提供了一种统一视角，将离线期视为唤醒低谷，可跨越行为状态出现（包括主动清醒时的短暂状态），表明海马涟漪和记忆巩固持续发生并与认知过程交织。 | |
| 方向不变形态测量揭示了千万亿像素人类连接组中第二层锥体神经元树突棘形态的连续谱 | Zamora-Ursulo, M. A. | 2026-06-28 | 一项近期研究（Manjarrez 等，2026）表明，将皮质树突棘分为短粗型、细长型和蘑菇型三类的方法在旋转条件下不稳定。该结果对分类体系提出了质疑，但留下了一个开放性问题：在控制观察角度后，树突棘形态的实际结构是什么？本文对此进行了回答。我们分析了人类颞叶皮层 H01 纳米级分辨率重建中第 II 层锥体神经元的 228 个树突棘。首先量化了不稳定性来源，发现将树突节段绕其轴旋转 90 度后，表观棘高度和头部宽度在群体中呈相反方向偏移，从而证实了方向依赖性测量误差。为获得无此伪影的测量结果，我们开发了树突棘形态测量中心（SMH）——一个包含 12 个解剖标志点的框架，可在三个正交平面上表征每个树突棘，并提取几何、体素和网格指标。所有形态测量分布均为单峰右偏态。基于密度的聚类将大多数树突棘归为噪声，针对离散双类型零模型的蒙特卡洛检验证实该模式与分类亚型不相容。我们还确认了顶端和基底树突棘在统计上无显著差异。与以往基于方向依赖性测量报告的树突棘连续体不同，我们的框架消除了观察角度这一混杂因素，因此观察到的连续体不能归因于投影伪影。该框架将有助于量化神经系统疾病中的树突棘重塑——此类疾病中树突棘形态虽被长期观察，但从未基于方向不变性形态测量标准进行过测量。 |
medRxiv
| 标题 | 作者 | 发布日期 | PDF链接 | 摘要 |
|---|---|---|---|---|
| NHANES中的血铅水平与阿尔茨海默病死亡率：通过研究退出协变量解决时间混杂问题 | Grossman, A. | 2026-06-28 | 背景：血铅水平与阿尔茨海默病死亡率之间的关系尚不明确。既往研究可能受到结构性时间混杂因素的影响。在具有固定死亡率关联观察窗口的合并历史队列中，入组时间的差异决定了每个个体的随访时长，导致早期队列集中了更多累积人时和老年人口。关键的是，在同一历史时期，环境铅暴露水平急剧下降，而阿尔茨海默病的临床识别和死因认证却逐步扩展。这种系统性失衡导致早期高暴露队列在现代高识别率时代贡献了更多人时，而后期队列则被提前右删失。这使暴露因素与诊断环境相互混杂，导致传统生存估计偏向无效假设。方法：采用两阶段设计，首先复制了既往连续NHANES（1999-2008年）队列，并将死亡率随访更新至2019年12月（第一阶段）；随后通过合并连续NHANES与NHANES III（1988-1994年）扩大样本，评估了21,308名年龄≥40岁的参与者，其中包含350例阿尔茨海默病死亡（第二阶段）。为校正时间混杂，我们比较了未调整和调整结构性协变量（研究退出时的日历时间）的传统Cox模型。结果：第一阶段延长随访的复制分析使既往报告的正向风险比减弱至无效值（HR=1.00；95% CI: 0.78,1.28）。在第二阶段合并分析中，传统Cox模型也未显示有意义的总体关联（HR=0.86；95% CI: 0.70,1.05）。然而，纳入研究退出协变量后，得到了稳健的负向关联（HR=0.57；95% CI: 0.46,0.70），该结果在分类变量设定和排除早期死亡的敏感性分析中保持稳定（排除10年死亡：HR=0.54；95% CI: 0.42,0.69）。按退出年份分层分析显示各层内均存在一致的负向关联，符合辛普森悖论式的聚合效应。结论：在长潜伏期历史队列中，由入组时间差异导致的系统性人时分布变化会深刻扭曲暴露-疾病关系。通过调整研究退出时的日历时间，可在不限制样本或破坏模型结构的前提下，均衡不同研究时期的识别环境。然而，观察到的血铅水平与阿尔茨海默病之间的负向关联不应被解释为铅暴露具有保护作用的证据。未来研究需进一步明确这一关系的真实性质。 | |
| 基于年龄的C9orf72RE相关疾病风险估计：理论进展及其对遗传咨询的附加价值 | de Vienne, D. | 2026-06-28 | C9orf72六核苷酸重复扩增是肌萎缩侧索硬化症（ALS）或额颞叶痴呆（FTD）最常见的遗传病因。在遗传咨询中，突变携带者的子女常被告知有50%的突变携带风险，但该数值未考虑外显率与年龄相关的特性——疾病发病年龄呈单峰分布，中位年龄约58岁。我们采用贝叶斯方法，构建了基于年龄计算无症状亲属（子女/兄弟姐妹及孙辈/侄辈）突变携带概率的理论模型，同时可预测特定时间段内罹患ALS/FTD的概率。通过整合已发表的年龄相关外显率数据，我们计算了这些概率值，并开发了在线模拟器以便逐例计算。所得条件概率可能与孟德尔遗传值存在显著差异。例如，70岁无症状携带者子女的实际突变携带风险约为6%，远低于50%。对于孙辈而言，同时考虑其自身年龄与父母年龄后，所得风险值也显著低于仅考虑自身年龄的计算结果。对于咨询者而言，是否接受检测的决策部分基于风险评估。在此背景下，我们提出的精细化风险评估模型与模拟器，或将成为C9orf72RE突变相关ALS/FTD家族遗传咨询的重要工具。此外，本研究采用的公式体系也可推广至其他常染色体显性遗传且具有年龄依赖性外显率的疾病风险评估。 | |
| 常规实施α-synuclein种子扩增检测显示出高诊断性能，且阿尔茨海默病体液生物标志物在检测α-synuclein共病理方面价值有限。 | Jourdan, O. | 2026-06-28 | 背景 在神经退行性疾病中，α-突触核蛋白种子扩增检测（SAA）在常规临床实践中的诊断价值及其与认知功能和体液生物标志物的关系尚未完全明确。此外，尽管阿尔茨海默病（AD）的脑脊液和血液生物标志物能准确检测淀粉样蛋白和tau蛋白病理，但其识别伴随性α-突触核蛋白（Syn）病理的能力仍属未知。方法 本研究纳入多中心记忆门诊ALZAN队列中的398例患者。所有受试者均采集脑脊液和血液样本，检测脑脊液生物标志物（Aβ42/40、tau、p-tau181）及血浆生物标志物（Aβ42/40、p-tau181、p-tau217、GFAP、NfL）。采用简易精神状态检查（MMSE）进行认知评估，临床诊断由两位资深神经科医生独立确认。通过SAA（RT-QuIC）确定α-突触核蛋白状态。结果 398例患者中，19/20例路易体痴呆（LBD）患者（95.0%）和32/203例AD患者（15.8%）为SAA阳性。SAA阳性在区分LBD与非LBD/AD患者时，灵敏度为95.0%（95%CI, 75.1-99.9），特异度为93.1%（95%CI, 88.3-96.4）。全队列中，SAA阳性患者MMSE评分更低（p<0.01），脑脊液Aβ42/40比值更低（p<0.01），血浆GFAP水平升高（p<0.05）。但在AD亚组中，仅脑脊液Aβ42/40在SAA阳性和阴性患者间存在边缘差异，而脑脊液总tau、脑脊液p-tau181、血浆p-tau217、p-tau181、GFAP和NfL均无显著差异。结论 SAA能准确检测常规记忆门诊实践中未被当前AD脑脊液和血液生物标志物捕获的α-突触核蛋白病理。这些发现支持SAA作为常规诊断和患者分层的补充生物标志物。 |