Author: Marie - 1ban.news

预见科学：研究人员如何让工作经得起未来考验 每一个研究项目都是对未来的赌注。一位科学家将多年时间投入某一特定研究方向，一个资助方支持某一领域而非另一领域，一个机构围绕某项特定技术建设基础设施,,所有这些都在对什么重要、什么有效、以及结果出来时世界会是什么样子做出假设。然而，这些假设几乎从未被明确陈述、测试或系统性地修正过。 由Medical Futurist Institute主任Bertalan Mesko领导的研究团队在《自然》杂志上指出，这种情况需要改变。在一篇题为「The Science of Foresight: How to Future-Proof Your Research」的论文中，他们论证了科学机构应采用结构化的预见方法,,即军事规划者、情报机构和一些企业使用的相同工具,,来更好地决定在时间、资金和人才方面的投入方向。 「所缺的不是完美的预测，而是预见：一个结构化的、面向未来的过程，用于审视多种可能的未来，」作者写道。「识别在这些未来中都重要的假设，并定义可以触发研究方向、人员配置和资金优先级变化的信号。」 不向前看的代价 未能预见未来的后果在近期历史中随处可见。COVID-19大流行让大多数研究机构措手不及，迫使它们在疫苗开发、远程医疗部署和临床试验重新设计方面紧急加速。人工智能的迅速崛起让大学和资助机构忙于制定关于验证、评估、劳动力培训和研究诚信的政策。 在每种情况下，警告信号在多年前就已显现。但如果没有一个系统化的过程来审视这些信号的含义，机构便默认依赖非正式的判断、直觉和短期规划。 「每一个研究项目都是对未来的赌注，」作者写道。「然而，科学家很少审视这些赌注背后的假设。」 转化式预见 作者提出的概念是转化式预见，类似于转化医学,,旨在弥合实验室发现与临床应用之间的差距。转化式预见将把未来方法嵌入科学发展的核心机制：资助决策、基础设施规划、课程设计和评估标准。 该论文概述了研究人员、实验室负责人和资助方可以使用的几种实用工具： 未来之轮，从一个中心变化出发（例如「AI现在可以合著论文」），研究人员绘制直接和间接后果（包括意外后果），以生成风险和机遇地图。 2×2情景分析，通过识别一个关键驱动因素和一个关键不确定性，研究人员可以构建四个可能的世界，并测试哪些策略在所有世界中都稳健，而不是为单一预期未来进行优化。 愿景写作（回溯法），从未来研究人员（比如2035年）的视角写作，描述发生了什么变化、什么有效、什么失败了。这有助于明确长期愿望以及实现这些愿望所需的里程碑。 难倒未来学家，一种结构化的压力测试，其中对未来主张提出失败模式和缺失变量的挑战，然后附上明确条件进行修正。 从反应性科学到预期性科学 作者指出，一些组织已经使用了这些方法。壳牌几十年来一直利用情景分析来应对能源危机。情报机构使用结构化分析技术来避免认知偏差。宾夕法尼亚大学的良好判断项目利用群体智慧回答前瞻性地缘政治问题。 但在科学领域，这些工具仍然处于边缘地位。作者呼吁将它们嵌入到资助申请、机构战略规划和研究培训项目中。他们认为，资助方应要求申请人不仅阐明他们计划做什么，还要阐明他们对未来做出哪些假设，以及如果这些假设被证明是错误的，他们将如何调整。 「转化式预见将准备状态从一个静态的应急检查清单转变为一个测试和更新未来决策所依赖的假设的系统，」作者写道。 在科学技术变革速度日益加快的世界里，系统地思考未来的能力可能与任何个人发现一样重要。 来源 [1] Mesko, B., Kristof, T., Car, J., Sung, J., Wong, T.Y. 「The science of foresight: how to future-proof your research.」 Nature, 655, 848-850 […]

百时美施贵宝携手英伟达打造制药行业最大AI超级计算机 百时美施贵宝（BMS）周一宣布，将购买英伟达最新一代计算系统，以支持人工智能在其药物发现和开发业务中的运用。该公司表示，此举将使其成为制药行业最大AI超级计算机的所有者。 这家制药商将成为首家购买基于Vera Rubin架构的英伟达DGX SuperPOD的生命科学公司。Vera Rubin是这家芯片制造商今年早些时候发布的下一代AI计算平台，是其当前一代系统的后继产品。财务条款未予披露。 这一声明是制药公司一系列押注自主AI基础设施的最新也是最大的一笔投资——这些公司不再仅仅依赖云计算或外部合作。BMS加入阿斯利康、葛兰素史克等公司的行列，建设用于药物发现的专用超级计算能力，并声称其系统将在规模上超越所有对手。 从模型到分子 BMS首席研究官罗伯特·普伦奇表示，新能力将使公司能够在开发周期早期评估更多潜在候选药物。”以前我们可能只能做10个，现在可以做几十个，”他说。 普伦奇表示，BMS已经在使用AI工具将临床测试药物的生产时间缩短20%至30%，并预计这一数字在未来几年可能达到50%。他提到一种目前处于早期临床开发阶段的镰状细胞病实验性疗法，他表示，如果没有AI赋能的研究，这种疗法很可能无法被发现。 该公司在其所有小分子项目和大部分大分子项目中使用AI——这一范围反映了AI已经多么深入地渗透到制药研究中。新的超级计算机将使BMS能够部署比其当前基础设施所能支持的更大的AI模型。 BMS首席数字与技术官格雷格·迈耶斯表示，这项投资是由快速增长的计算需求驱动的。”当你托管这些东西时，你必须支付电费，”他说。”可以把它想象成每瓦特功耗提供10倍的计算能力。电费可不会越来越便宜。” 制药行业的AI军备竞赛 BMS的声明是九个月内大型制药公司第三次声称正在建设行业最大的AI超级计算机。每一个新系统都代表着在将机器学习应用于药物发现基本问题上的竞赛升级：识别安全、有效且可制造的分子。 传统的药物开发可能需要十多年时间，每个获批药物的成本超过10亿美元。AI模型有望通过预测哪些分子最有可能成功、模拟它们与生物靶点的相互作用，以及在实验室合成之前优化其化学性质来加速这一过程。 批评者——以及一些公司本身——警告说，强大的计算能力并不能保证更好的药物。AI模型的质量取决于其训练数据的质量，而人类疾病的生物学复杂性意味着许多看似有希望的分子仍然会在临床试验中失败。但投资规模表明，业界相信这项技术已经跨越了从实验性到必要性的门槛。 BMS的新系统建立在之前从英伟达购买的一个较小的SuperPOD基础之上，该SuperPOD比Vera Rubin架构落后两到三代。该公司表示，此次升级代表了其计算能力的阶段性飞跃——以及其更快找到药物的雄心的阶段性飞跃。 来源 [1] Trang, B. “Bristol Myers Squibb becomes latest company to claim it’s building pharma’s largest NVIDIA AI supercomputer.” STAT News, 2026年7月20日. https://www.statnews.com/2026/07/20/bms-nvidia-assembling-largest-pharma-ai-supercomputer/ [2] Erman, M. “Bristol Myers buys Nvidia’s latest AI computing system for drug research.” […]

英国生物多样性的隐藏时间胶囊：一万份植物标本历经数世纪重见天日 在格洛斯特郡赛伦塞斯特的皇家农业大学一间上锁的房间里，收藏着一万多份干燥压制的植物标本。其中一些可追溯到1797年。有一份是由一位与查尔斯·达尔文通信的地质学家采集的。在此之前，要知道这批收藏的内容，唯一的办法是拉出抽屉，阅读每张纸上的手写标签。 这一切即将改变。 RAU标本馆正在数字化，这是一项耗资1.55亿英镑的国家计划的一部分，该计划将英国各地23家博物馆和标本馆约一百万份标本连接到一个中央数字中心。在两年时间里，每份标本都将被拍照，记录其元数据，并对其位置数据进行地理参照——将这一被称为英国生物多样性隐藏时间胶囊的收藏转变为开放获取的科学资源。 跨越两个世纪的记录 标本纸——将植物压制、干燥并装裱在存档纸上的方法——最早出现于15世纪的意大利，至今仍是保存植物学证据最持久的方法之一。妥善保存的话，它们可以保存数百年。植物采集者通常在开花高峰期收集标本，此时鉴定特征最为明显。 RAU的收藏之所以特殊，是因为它是农业教育机构建立的早期范例。其最早的标本可追溯到18世纪晚期，提供了英国植物超过200年的连续记录。其中 notable 的贡献者包括塞缪尔·皮克沃思·伍德沃德，一位19世纪的地质学家，曾在该学院任教并与查尔斯·达尔文通信。 “在数字化和元数据整理完成之前，除了手动翻阅手写纸片之外，我们无法确切知道收藏中有什么，”RAU生态学副教授凯莉·赫明斯博士说。”这条丰富的数据矿脉实际上是’隐藏的’自然遗产。” 数据将揭示什么 对于研究人员来说，数字化收藏的价值在于它能够揭示英国植物在两个世纪以来的变化。每份标本都携带三条关键信息：物种、采集地点和采集日期。 将这些历史记录与现代植物调查进行比较，可以揭示气候变化驱动的开花时间变化、气温上升导致的物种分布变化，以及农业集约化和城市发展导致的栖息地丧失。同一数据还可以通过显示某个地区曾经生长过的物种，为栖息地恢复项目提供信息。 “RAU的标本提供了采集地点和日期，帮助我们拼凑出过去两个世纪生物多样性变化的模式，”赫明斯说。 该收藏在遗传学方面也有应用。有时可以从历史标本中提取DNA，使研究人员能够在其他方式无法观察到的时间尺度上追踪植物种群的遗传变化。 打开抽屉 数字化工作不仅仅是关于科学——也关乎可及性。大多数标本馆收藏由大学和博物馆持有，接待访客的能力有限。想要查阅RAU收藏的研究人员目前必须前往赛伦塞斯特，申请访问许可，然后逐一物理检查每张纸片。 一旦数字化，同样的数据将对任何有互联网连接的人开放：研究生物多样性趋势的生态学家、规划树篱恢复的农民、追踪当地植物种群的公民科学家，以及追溯19世纪博物学家足迹的历史学家。 “档案只有在能够将信息从尘封的抽屉中取出，融入当前研究、教学和更广泛讨论中时才有用，”RAU文化遗产副教授卡西·纽兰说。 该项目是将英国分散的自然历史收藏连接成一个单一可搜索数字网络的更广泛努力的一部分。对于RAU来说，数字化意味着一万份压制植物——每一份都是过去200年中某个特定时刻英国野生动植物的快照——终于能够与现在对话。 来源 [1] “Hidden time-capsule of UK biodiversity being unlocked.” BBC News, 2026年7月20日. https://www.bbc.co.uk/news/articles/cze9ee1yej9o 婷 翻译

隼鸟2号大胆飞越：距”鸟船”小行星仅800米的惊险探测 当日本宇宙航空研究开发机构(JAXA)工程师三桝裕也提出让隼鸟2号在距未知小行星仅800米处飞越时，任务科学团队的回应立即而明确：”不行，太危险了。” 典型的小行星飞越会保持100公里的安全距离。在以每秒5.3公里接近的速度下，800米几乎没有留下误差空间。仅探测器的目标误差椭圆就约为200米，是计划余量的四分之一。如果小行星比预期更大，或者探测器因尘埃而退化的光学系统无法追踪目标，隼鸟2号可能成为高速撞击器而非侦察探测器。 科学家们有充分的理由担忧。但工程师们也有充分的理由坚持推进。 “一场非常激烈的讨论开始了，”前隼鸟2号任务经理吉川真在飞越五天后的7月10日于波兰波兹南举行的小行星、彗星和流星会议上回忆道。最终，团队采纳了三桝的大胆提案：距小行星中心800米。 这场豪赌获得了惊人的回报。 揭示接触双星 2026年7月5日，隼鸟2号以小行星侦察任务有史以来最近的距离飞越了近地小行星”鸟船”(Torifune)。传回的图像令团队震惊。鸟船并非单一的不规则岩石，而是一颗接触双星，两个独立天体由相互引力结合在一起，形似宇宙哑铃。 “我们没想到会是这样的接触双星，”吉川说。”起初我们觉得不可能拍到这么大的图像。也许我们以为只能拍到很小的图像，但实际图像比预期大得多。” 探测器的光学导航相机捕捉到了双叶结构的清晰详细图像。热红外成像仪在最接近点及其后收集了9秒数据，独立确认了接触双星形状。近红外光谱仪收集了光谱数据。而激光高度计可能实现了小行星飞越中首次成功的激光雷达测距，这是一项对未来任务至关重要的技术首创。 使之大胆的风险 这次飞越不仅雄心勃勃，而且确实充满风险。鸟船的大小在接近前是未知的，最坏情况假设为1,400米乘400米。距中心800米处，如此近距离的通过刚好在排除区之外，没有任何重新考虑的余地。 隼鸟2号也并非处于完美状态。探测器的光学系统在2019年小行星龙宫采样操作期间被微细尘埃侵蚀。导航挑战更是极端：探测器首次发现鸟船是在6月19日，距最接近点仅16天。地面跟踪引导探测器直到飞越前三小时，此后新上传的自主软件接管了控制。 最紧急的25兆字节科学数据几乎立即可传回地球。但剩余约300兆字节将需要数月传输，因为探测器的离子引擎必须首先完成四个月的燃烧，以设定2027年和2028年的两次地球飞越。飞越的全部科学成果将在这些数据到达地球后才能获得。 行星防御意义 吉川将鸟船飞越与NASA的双小行星改道测试(DART)任务进行了明确对比，后者在2022年证明了动能撞击器可以改变小行星轨道。 “JAXA已掌握了将航天器与小天体相撞的技术，”吉川说。”这次飞越任务可以作为行星防御中快速侦察概念的示范。” 逻辑很直接：在偏转威胁性小行星之前，需要了解其本质。快速侦察飞越，探测、接近并在短距离内近距离描述未知天体特征，是必要的第一步。隼鸟2号现已证明，即使原本并非为此设计的探测器也能完成这样的机动。 隼鸟2号于2014年12月发射，2018年至2020年探访了小行星龙宫，并于2020年12月将样本送回地球。其扩展任务仍在继续。在2027年和2028年地球飞越后，探测器计划于2031年与直径仅11米的快速自转小行星1998 KY26交会，这将是最具挑战性的任务。 但目前，鸟船飞越证明了当工程师们超越谨慎、科学家们屏住呼吸时会发生什么。从800米距离、以每秒5.3公里的速度看到的两个世界结合在一起的图像，证明了有些风险值得承担。 婷 翻译 Sources [1] Jones, A. “Scientists told them, ‘No, it’s too dangerous,’ but they did it anyway: Inside Japan’s super-close asteroid flyby.” Space.com, 19 July 2026. https://www.space.com/space-exploration/asteroid-comet-missions/scientists-told-them-no-its-too-dangerous-but-they-did-it-anyway-inside-japans-super-close-asteroid-flyby

澳大利亚有袋类动物失落的支系被发现：认识基纳莫尔菲亚 澳大利亚的有袋类动物，袋鼠、考拉、袋熊、袋獾，是地球上最具特色的动物之一。几十年来，古生物学家一直认为它们都源自一个共同的祖先谱系，该谱系在澳大利亚约3500万年前与南极洲分离后开始多样化。化石记录讲述了一个相对简单的故事。 但事实证明，这个故事并不完整。 新南威尔士大学的研究人员从昆士兰州北部里弗斯利世界遗产区发现的化石牙齿和颌骨碎片中，鉴定出一个全新的澳大利亚有袋类动物目，已知的第六个目。这种名为基纳莫尔菲亚的失落谱系是一种小型食虫有袋类动物，持续存在了约3500万年，在大约1500万年前消失。 “这不仅是一个新目，它还有可能是所有澳大利亚有袋类动物中最古老的谱系，”新南威尔士大学古生物学家、发表在《古生物学杂志》上的这项研究的主要作者蒂姆·丘吉尔博士说。 牙齿讲述的故事 揭示新目的化石规模很小：零散的牙齿和颌骨碎片，每颗大约只有米粒大小。但对于古生物学家来说，牙齿蕴含着极其丰富的信息。它们的形状、牙尖模式和磨损程度揭示了动物吃什么、如何咀嚼以及在生命树上的位置。 丘吉尔和他的同事分析了来自里弗斯利沉积物的三个新发现的物种，这些沉积物保存在浅洞穴水池的遗迹中。标本可追溯到约1800万年前的早中新世。它们所属的动物体型很小，体重在25到200克之间，可能生活在当时覆盖澳大利亚北部的潮湿雨林中。 关键线索出现在研究人员将这些牙齿与贾西亚·默戈南西斯（Djarthia murgonensis）的牙齿进行比较时，这是一种来自昆士兰的5500万年前的化石，通常被视为澳大利亚有袋类动物的原型。两者惊人的相似性表明，基纳莫尔菲亚在进化史的非常早期就从有袋类动物的主要谱系中分离出来，然后在数千万年间基本保持不变。 “不管这些东西是什么，它们在当时似乎比其他有袋类动物更原始，而且它们似乎在走自己的路，同时在它们身边生存得很好，”丘吉尔说。 改写有袋类动物进化史 澳大利亚有袋类动物的故事现在看起来远比单一祖先谱系复杂得多。基纳莫尔菲亚的发现表明，这片大陆曾经是多个不同谱系并行进化的家园，其中只有一个谱系产生了今天熟悉的现代类群。 “进化史远比一个群体在澳大利亚大陆脱离南极洲时被遗留下来，然后产生了所有澳大利亚有袋类动物要复杂得多，”丘吉尔说。 新鉴定出的目填补了化石记录中的一个重大空白。在早期澳大利亚有袋类动物化石中存在着大约2000万年的空白期，古生物学家怀疑在这个缺失的时间段内还有更多未记载的谱系等待被发现。里弗斯利沉积物是联合国教科文组织世界遗产地，以其保存完好的跨越过去2500万年的化石而闻名，这里继续带来惊喜。 研究人员将化石牙齿的详细分析与现存有袋类动物的遗传数据相结合，使用贝叶斯系统发育模型来估计这些谱系分化的时间。分析表明，基纳莫尔菲亚可能是所有澳大利亚肉食性有袋类动物中最古老的分支。 什么导致了它们的灭绝 基纳莫尔菲亚持续存在了约3500万年，按任何标准衡量都是一次成功的延续。但大约1400万年前，澳大利亚的气候开始发生变化。大陆变冷变干，覆盖澳大利亚北部大部分地区的茂密雨林让位于开阔的林地。适应了潮湿森林下层生活的小型食虫动物基纳莫尔菲亚无法适应。 它们的灭绝没有留下任何现存的后代。但是，它们在里弗斯利石灰岩洞穴水池中保存下来的牙齿，作为一项进化实验的记录留存了下来，这项实验与今天的袋鼠和考拉的祖先并行，持续的时间比大多数哺乳动物谱系都要长。 丘吉尔相信还会有更多发现。”在冈瓦纳时代，澳大利亚充斥着原始的有袋类动物般的东西，”他说。每一颗新的化石牙齿都为拼图增添了一块碎片，也提醒人们，即使是研究得很透彻的大陆，其进化史仍然蕴含着巨大的惊喜。 Sources [1] University of New South Wales. “Scientists just discovered a lost branch of Australia’s marsupials.” ScienceDaily, 19 July 2026. https://www.sciencedaily.com/releases/2026/07/260715083546.htm [2] Churchill, T.J., Archer, M., Hand, S.J., Beck, R.M.D. “A new metatherian order from […]

咖啡如何对抗压力和衰老：发现隐藏的细胞开关 几十年来，大型观察性研究一直将饮用咖啡与一系列显著的健康益处联系起来，包括降低阿尔茨海默病、帕金森病、代谢紊乱的风险，甚至延长总体寿命。但这些关联背后的生物学机制一直未能得到明确解释。咖啡含有数百种化合物，哪些化合物起作用，它们又是如何起作用的？ 得克萨斯A&M大学的研究人员现在有了答案。在发表在《营养学》杂志上的一项研究中，他们确定了一种特定的细胞受体NR4A1，这种受体被咖啡中的化合物激活，触发保护性反应，帮助细胞抵抗压力、炎症和损伤。 “咖啡具有众所周知的促进健康的特性，”得克萨斯A&M大学兽医学与生物医学科学院杰出教授、该研究的资深作者斯蒂芬·塞夫博士说。”我们已经证明，其中一些效应可能与咖啡化合物如何与这种受体相互作用有关，该受体参与保护身体免受压力引起的损伤。” 孤儿受体 NR4A1属于一类称为孤儿核受体的蛋白质家族，之所以如此命名，是因为它们天然的激活分子在首次被发现时是未知的。这些受体位于细胞内部，充当营养传感器，根据饮食化合物和代谢信号开启和关闭基因活动。 特别是NR4A1，已知它能调节衰老的核心过程：炎症、代谢和组织修复。”如果你损伤几乎任何组织，NR4A1都会做出反应来减轻这种损伤，”塞夫说。”如果你去除这个受体，损伤会更严重。” 得克萨斯A&M团队的测试了多种咖啡化合物在细胞模型中对NR4A1的作用。结果颇具启发性。咖啡因本身会与受体结合，但几乎没有保护作用。真正的活性来自多羟基和多酚化合物，包括咖啡酸和相关分子，它们与NR4A1强烈结合，并激活了其压力保护程序。 “咖啡因与受体结合，但在我们的模型中作用不大，”塞夫说。”多羟基和多酚化合物的活性要强得多。” 这有助于解释一个长期存在的谜团：在流行病学研究中，含咖啡因和不含咖啡因的咖啡都与类似的健康益处有关。如果咖啡因是活性成分，那么饮用脱咖啡因咖啡的人获得的益处就会更少。这一新发现表明，两种咖啡中共有的多酚是更重要的因素。 确认因果关系 为了证明NR4A1不仅仅是与咖啡的效果相关，而是实际上对咖啡的效果负责，研究人员进行了一项关键的控制实验。当他们从细胞中移除NR4A1时，咖啡化合物的保护作用完全消失了。 这一结果将以前仅仅是关联性的事实，强化为一条经过论证的因果通路。咖啡化合物进入细胞，与NR4A1结合，并激活一个基因程序，从而减少压力引起的损伤，并在实验室模型中减缓癌细胞的生长。 塞夫强调，这可能不是咖啡影响健康的唯一途径。”涉及许多受体和许多机制，”他说。”我们正在展示的是，这可能是其中一条重要的途径。” 重要意义 这一发现为科学家提供了一个分子层面的把手，用于理解一个已被观察到但从未被解释的现象。如果咖啡与较低的阿尔茨海默病和帕金森病风险、减少炎症以及延长寿命之间的联系是通过NR4A1实现的，那么研究人员现在可以提出更精确的问题：哪些特定的咖啡化合物最有效，在什么浓度下，以及在哪些组织中？ 这项研究还增加了越来越多的证据，表明膳食化合物（特别是植物性多酚）可以直接影响衰老的基本生物学。NR4A1并非咖啡所独有，其他食物和植物化学物质也可能激活同样的通路。 塞夫的团队已经在研究更有效地靶向NR4A1的合成化合物，在癌症和其他与年龄相关的疾病方面具有潜在应用。但就目前而言，这项研究为一个关于日常习惯的简单问题提供了令人满意的答案：咖啡之所以似乎能同时做很多事情，是因为它激活了一个协调身体压力反应的单一主开关。 “咖啡是一种非常复杂的化合物混合物，”塞夫说。”这是一种非常强大的组合。” Sources [1] Texas A&M University. “Coffee may help the body fight stress and aging through a hidden cellular switch.” ScienceDaily, 19 July 2026. https://www.sciencedaily.com/releases/2026/07/260719035927.htm [2] Hailemariam, A., Upadhyay, S., Oany, A.R., et al. “Brewed Coffee and […]

瓶中迷你宇宙：实验室制造的宇宙尘埃揭示生命起源线索 宇宙中一些最重要的化学反应发生在地球人永远无法到达的地方，濒死恒星的外层、超新星的冲击波、以及新恒星诞生的寒冷稠密气体尘埃云中。在这些极端环境中，简单的原子组合成复杂的分子，包括碳、氢、氧和氮的化合物，这些物质最终成为地球上生命的基石。 如今，悉尼大学的一名博士生找到了一种方法，将这些宇宙化学过程带入实验室。在物理学院大卫·麦肯齐教授的指导下，琳达·洛苏尔多在不超过瓶子大小的玻璃管内从零开始重建了宇宙尘埃的形成过程，所产生的物质与太空中的真实尘埃具有相同的红外特征。 “这就像我们在实验室的瓶子里重现了一小片宇宙，”洛苏尔多说。 这项研究发表在《天体物理学杂志》上，为回答科学界最古老的问题之一提供了新途径：使生命成为可能的有机分子究竟从何而来？ 如何在试管中构筑恒星的废气 实验出奇地简单。洛苏尔多和麦肯齐用真空泵抽走玻璃管中的空气，模拟太空近乎完美的真空状态。然后，他们向管中充入氮气、二氧化碳和乙炔，这些气体已知在恒星和星际环境中含量丰富。施加大约1万伏电压约一小时，产生了辉光放电等离子体，这是一种发光的物质状态，气体分子在此过程中被分解并重新组合成更大、更复杂的结构。 由此产生的尘埃以薄膜形式沉积在硅芯片上。洛苏尔多说，有些样品看起来像闪闪发光的宇宙碎片。 当团队使用红外光谱分析这种材料时，他们发现实验室尘埃发出的红外指纹与望远镜观测恒星形成区和濒死恒星时捕获的特征完全相同。这一匹配证实，该实验高度模拟了太空中产生宇宙尘埃的物理和化学过程。 CHON：生命元素 实验室制造的尘埃含有碳、氢、氧和氮，统称为CHON元素。这四种元素构成了氨基酸、核酸以及其他被认为是生命所必需的有机化合物的骨架。 这些元素究竟如何组装成第一批有机分子，是生命起源研究的核心谜团之一。一个主要假说认为，地球有机物质的很大一部分是在大约45.6亿至35亿年前通过陨石、微陨石和行星际尘埃抵达的，当时地球正受到太阳系形成过程中碎片的轰击。 “彗星和小行星材料中的共价键合碳和氢被认为形成于恒星外层、超新星等高能事件以及星际环境中，”洛苏尔多解释说。”我们试图理解的是将所有CHON元素整合到我们在宇宙尘埃和陨石中看到的复杂有机结构中的特定化学途径和条件。” 天文学家的指纹库 除了直接发现之外，这项研究为观测天文学开辟了一个实用途径。洛苏尔多和麦肯齐计划建立一个红外指纹数据库，收录不同种类的实验室制造宇宙尘埃，这些尘埃是在模拟特定天体物理环境的受控条件下生产的。天文学家可以将望远镜观测结果与该数据库进行比较，以确定他们观测到的是哪种尘埃以及它是在哪里产生的。 “通过在实验室制造宇宙尘埃，我们可以探索尘埃在太空中形成时所涉及的离子撞击强度和温度，”麦肯齐说。”如果你想了解宇宙尘埃云内部的环境（人们认为那里正在发生与生命相关的化学反应），这一点至关重要。” 这种方法还提供了一种读取陨石和小行星碎片内部记录的历史的方法。”它的化学特征记录了它的旅程，这样的实验帮助我们学会如何解读这一记录，”麦肯齐补充道。 洛苏尔多在2025年底举行的国际陨石学会年会上凭借这项研究获得了最佳演讲奖。该研究由澳大利亚研究理事会资助，并得到了Microscopy Australia悉尼大学节点的支持。 “我们不再需要等待小行星或彗星来到地球才能了解它们的历史，”洛苏尔多说。”你可以在实验室中构建模拟环境，利用红外指纹逆向解析它们的结构。” 来源 [1] University of Sydney. “A tiny universe in a bottle reveals clues to the origins of life.” ScienceDaily, 2026年7月19日. https://www.sciencedaily.com/releases/2026/07/260718010156.htm [2] Losurdo, L., McKenzie, D. R., et al. “Laboratory synthesis of cosmic dust analogues […]

全球神秘低频嗡嗡声或终于有了答案 数十年来，世界各地的人们一直报告听到一种持续、低频的嗡嗡声或蜂鸣声，但其他人却听不到，也没有人能解释。这种现象被称为”嗡嗡声”，最早于20世纪70年代中期出现在英国布里斯托尔，当时数十名居民写信给当地报纸，描述一种似乎无处不在却又无处可寻的低沉噪音。随后在20世纪90年代，美国新墨西哥州陶斯和印第安纳州科科莫也出现了类似报告，后来蔓延至加拿大、澳大利亚和欧洲多个城市。 如今，挪威科技大学（NTNU）的研究人员认为他们找到了最可能的解释。在发表于《PLOS One》的一项研究中，他们指出，对于绝大多数听到嗡嗡声的人来说，其来源根本不是外部声音，而是低频耳鸣。 测试两种主要假说 该现象影响全球约2%至4%的人口。多年来，研究人员提出了两种主要解释：一些人拥有异常敏锐的听觉，能够捕捉到其他人无法检测到的极低频声音；或者声音源自耳朵内部，通过一种称为自发耳声发射的过程产生。 为了检验这两种假说，NTNU的Markus Drexl教授及其团队在德国招募了28名报告听到不明嗡嗡声的参与者。每位参与者接受了一系列听力测试，旨在测量其对低频和次声波范围信号的敏感度。 第一种假说的结果是决定性的。28名参与者中，只有2人在某些低频频率上表现出优于平均水平的听力。Drexl说：”尽管我们测试的组别规模较小，但这仍然意味着，拥有特别好的低频听力这一假说对大多数人来说并不成立。” 第二种假说同样不成立。人类耳蜗作为一种放大机制的副产品，自然会产生微弱的自发耳声发射。这些声音可以通过放置在耳道中的敏感麦克风进行测量。没有参与者有可测量的低频耳声发射。 可能的答案：低频耳鸣 在排除了外部敏感性和耳蜗发射两种可能性后，研究人员得出结论，最合理的解释是低频耳鸣，一种人们在没有外部声源的情况下感知声音的症状。耳鸣通常被描述为耳鸣作响，但它可以表现为多种形式，包括低频嗡嗡声、蜂鸣声或搏动感。 Drexl说：”那么有些人听到的是无法客观测量的东西。我们认为这一类人患有某种形式的低频耳鸣。” 研究人员指出，这种声音起初常常让人感觉来自外部。人们可能会搜查家中是否有故障电器，调查附近的工厂或通风系统，或者向邻居抱怨，然后才意识到这种声音无论走到哪里都会跟随他们。这种挥之不去的外部声源感正是让嗡嗡声如此神秘、如此难以解释的原因。 少数个案可能仍涉及真正敏感的听力或实际的外部声源。低频声波波长较长，传播距离远，且难以定位，这使得一些人可能确实听到了处于人类感知阈值边缘的真实环境声音。但NTNU团队的数据表明，这些个案是例外，而非普遍情况。 科学知识的空白 这个谜团持续如此之久的一个原因是，科学家对高频听觉的了解远多于对听觉系统如何处理低频声音和次声波的了解。标准听力测试并非为捕捉低频感知的全范围而设计，它们可能会遗漏狭窄频带内微妙敏感度差异，例如，能够检测到50赫兹的音调但无法检测到51赫兹。 Drexl说：”如果我们想对低频声音和次声波进行彻底评估，我们首先需要更好地理解感觉系统如何处理低频声音和次声波。” 研究人员承认其研究的局限性。28名参与者的样本量较小，地理范围仅限于德国。但这些发现代表了关于嗡嗡声的主要假说的首次系统性实验检验，并为未来研究指明了清晰方向。 对数百万听到别人听不到的声音的人来说，答案可能令人沮丧地平淡：不是世界在嗡嗡响，而是大脑。 来源 [1] Norwegian University of Science and Technology。”The mysterious hum heard around the world may finally have an explanation。” ScienceDaily，2026年7月19日。https://www.sciencedaily.com/releases/2026/07/260719040002.htm [2] Baumann, Voss, Jurado, Drexl。”Low-frequency tinnitus as a cause of unexplained humming perceptions。” PLOS One […]

奥泽匹克能对抗癌症吗？专家警告：证据尚不充分 在短短几年间，一类最初为2型糖尿病开发的药物已被认为改变了肥胖治疗，降低了心脏病发作风险，甚至抑制了成瘾。如今，新一轮的新闻头条开始追问：奥泽匹克、韦戈维、蒙扎罗等GLP-1药物能否预防或治疗癌症？这是一个诱人的可能性，但据一位顶尖医师科学家称，这一可能性几乎仍完全未经证实。 “围绕GLP-1药物能预防癌症这一想法的兴奋情绪远远跑在了证据前面，”圣路易斯华盛顿大学的临床流行病学家Ziyad Al-Aly博士在The Conversation发表、Live Science转载的最新分析中写道。”不一定是错的。只是还没被证实。” Al-Aly的警告正值公众和科学界对GLP-1受体激动剂的关注达到顶峰之际。自2024年以来发表的十几项观察性研究报告了该药物使用者的癌症发病率较低。2024年一项追踪160万2型糖尿病患者的研究发现，13种肥胖相关癌症中有10种在GLP-1使用者中比胰岛素使用者中更少见。2025年一项约8.7万名成人的分析报告称，GLP-1使用者的总体癌症发病率约低17%，其中子宫内膜癌、卵巢癌和脑膜癌的降幅最为明显。另一项在2026年美国临床肿瘤学会会议上发表的研究发现，GLP-1使用者在六种癌症类型中的死亡风险低34%。 但Al-Aly认为，这些结果远比表面上看起来更容易被误解。核心问题在于，癌症是100多种不同疾病的统称，单一药物不可能对癌症风险做出单一判断。它可能降低某些风险，增加另一些风险，而对大多数则毫无影响。 健康使用者偏差 现有研究中最严重的混杂因素是流行病学家所称的健康使用者偏差。开始使用GLP-1药物的人往往比不使用的人更健康、更富有。他们有保险、定期就医，并且有能力负担昂贵的药物。这些优势，而非药物本身，可能才是降低其癌症风险的原因。 这种偏差极难从观察性研究中剔除。Al-Aly指出了一个有说服力的线索：当研究人员将GLP-1使用者与服用二甲双胍（标准一线糖尿病药物）的患者进行比较时，明显的癌症获益几乎完全消失了。”表面上的获益来自对照药物，而非GLP-1药物，”他写道。 报告效果的时机也引发了更多怀疑。癌症通常需要数年或数十年才能发展，然而一些研究显示患者在开始服用GLP-1药物后几乎立即出现癌症减少。”当癌症风险在患者开始治疗后几乎立即下降时，这种速度不是神奇的胜利，”Al-Aly写道。”这是一个信号：开始服用这些药物的人本来的癌症风险就已经较低。” 金标准揭示的结果 随机对照试验，医学证据的金标准，描绘了一幅更为谨慎的图景。2025年的两项荟萃分析分别涵盖约50项和48项试验，几乎没有发现GLP-1药物会升高或降低癌症风险的证据。这些分析比观察性研究更可靠，但它们也有自身的局限性：1至2年的短期随访期，以及癌症病例数过少，无法最终定论。 真正决定性的试验需要招募数万名参与者并跟踪他们多年。与此同时，研究人员正在设计模仿随机试验的观察性研究，以尽可能接近这一标准。 已知的未知 即使GLP-1药物确实影响癌症风险，研究人员也完全不清楚其作用机制。这种效应可能来自体重减轻、代谢改善、直接的抗炎或免疫效应，或完全未知的机制。如果不了解作用途径，就不可能预测哪些癌症会受到影响，哪些患者可能受益。 与此同时，最初引发这一研究领域的安全顾虑，即GLP-1药物本身可能致癌，似乎被夸大了。2025年一项涵盖62项研究的分析发现，胰腺癌风险没有一致性增加。另一项涵盖93项临床试验的分析发现，与人类甲状腺癌没有明确关联，尽管美国食品药品监督管理局基于啮齿动物研究的黑框警告仍然有效。 “这种安慰是真实的，但也是暂时的，”Al-Aly写道。”这些药物还很年轻，而癌症可能需要数十年才会显现。” 值得检验的假说 几乎所有现有研究都来自少数高收入国家，而GLP-1的应用正变得全球化，癌症负担却不成比例地压在低收入国家身上。地理和人口统计学的局限性意味着，即使是最稳健的观察性发现也可能无法推广。 Al-Aly的结论一如既往地直接。”GLP-1药物降低癌症风险的想法是一个值得检验的假说，但不是一个可以采取行动的结论，”他写道。”我能说的最确定的事情也是最不令人满意的：现在还为时过早。这些药物比它们被认为能够预防的癌症要年轻得多。” 婷 翻译 来源 [1] Al-Aly, Z. “Can Ozempic prevent or treat cancer? It’s way too soon to say, an expert cautions.” Live Science, 2026年7月19日. https://www.livescience.com/health/medicine-drugs/can-ozempic-prevent-or-treat-cancer-its-way-too-soon-to-say-an-expert-cautions

人工智能血液检测可在症状出现前15年发现心脏病风险 心血管疾病仍然是全球头号死因，仅2022年就导致约1980万人死亡。标准风险评估，年龄、血压、吸烟史、胆固醇，能识别出许多高风险患者，但可能错过心脏病发作或中风前数年就已出现的早期生物学变化。 如今，香港大学的研究人员开发了一种名为CardiOmicScore的人工智能工具，仅需一份血液样本，就能在症状出现前最多15年预测个体罹患六种主要心血管疾病的风险。 该工具发表在《自然·通讯》期刊上，结合了三层分子数据，基因组学、蛋白质组学和代谢组学，生成个性化风险评分。研究人员表示，该评分显著优于传统的多基因风险评分。 超越静态遗传学 传统遗传风险评分有一个根本性局限：它们出生时就已固定。一个人的DNA不会改变，但其当前的健康状况会变。两名遗传风险特征完全相同的人，其心血管未来可能因生活方式、环境和代谢健康而截然不同。 CardiOmicScore通过测量身体当下的实时状况来解决这一问题。从一次抽血中，AI分析2,920种蛋白质和168种代谢物，这些分子实时反映免疫活动、新陈代谢和血管健康。随后，它利用深度学习模型将这些测量数据与基因组数据整合，生成动态、个性化的风险评估。 “基因决定我们的起点，它们定义我们的基线健康风险，”香港大学医学院药理及药剂学系副教授、项目首席研究员张清鹏教授说。”然而，蛋白质和代谢物反映的是我们当前的身体健康状况。我们的AI工具旨在解码这些复杂的分子信号，使医生和患者能够更早地识别风险。” 六种疾病，一次血液检测 该工具覆盖了主要心血管疾病的全部谱系：冠状动脉疾病、中风、心力衰竭、心房颤动、外周动脉疾病和静脉血栓栓塞症。对于每种疾病，CardiOmicScore都会生成一个风险评估，研究人员表示，结合年龄和性别等基本临床信息后，该评估会更加准确。 研究团队利用英国生物银行的数据对模型进行了训练和验证。英国生物银行是一个大型生物医学数据库，包含数十万参与者的遗传、蛋白质组和代谢组数据。提前15年预测风险的能力意味着，该工具可以在生活方式干预和预防性治疗效果最佳的早期无症状窗口期识别出高风险个体。 从反应型到主动型 从等待症状出现到预测症状，是精准医学的核心目标，但对于常见疾病而言，这在很大程度上仍是一个愿景。大多数风险预测工具相比传统方法仅有渐进式改进。CardiOmicScore的多组学方法代表了一种不同的策略：它不再问单一生物标志物能否预测疾病，而是问一个人身体的整体分子状态能否揭示其健康轨迹。 “我们希望利用技术来识别和预防疾病，而不是等它们发展起来再治疗，”张教授说。”通过将健康管理从反应式治疗转向主动式预测和干预，我们希望为公共卫生和个体患者护理都带来持久的影响。” 研究人员提醒说，该工具在临床部署之前需要在更多样化的人群中验证。英国生物银行虽然规模庞大，但参与者主要是欧洲血统，该模型在其他族裔群体中的表现可能不尽相同。包括亚洲人群在内的更广泛验证研究已经在进行中。 该研究的第一作者是香港大学莫庆棠基金会数据科学研究所的罗妍。共同作者包括来自香港大学、利物浦大学和卡罗林斯卡学院的研究人员。 来源 [1] University of Hong Kong. “New AI blood test predicts heart disease 15 years early.” ScienceDaily, 2026年7月19日. https://www.sciencedaily.com/releases/2026/07/260716023603.htm [2] Luo, Y., Zhang, N., Yang, J., et al. “CardiOmicScore: Multiomics deep learning for cardiovascular risk prediction.” Nature Communications, 2026. […]