• 妊娠晚期大白猪和梅山猪子宫内膜代谢组学分析揭示与新生猪存活相关的关键生物学过程差异

  在养猪业中，遗传选育在提高母猪产仔数的同时，也带来了新生仔猪死亡率升高的严峻挑战。特别值得注意的是，高度选育的大白猪(Large White, LW)品种与我国地方品种梅山猪(Meishan, MS)相比，虽然产仔数更多，但新生仔猪的存活率却显著较低。这一差异背后的生物学机制，尤其是妊娠晚期子宫内膜这一关键组织如何调控胎儿成熟和新生仔猪存活，至今尚未完全阐明。子宫内膜作为母胎界面的重要组成部分，在妊娠晚期通过胎盘为胎儿提供营养，对胎儿的最终成熟起着至关重要的作用。然而，由于技术限制，科学家们对妊娠晚期子宫内膜的代谢状态了解甚少。为了解决这一知识空白，由Agnes Bonnet和Laurence

  来源：BMC Genomics

  时间：2025-11-22

• 牛血清白蛋白增强口腔拭子PCR稳定性：百万样本验证的抑制消除策略

  在基因组学研究和临床诊断中，口腔拭子因其无创、易操作的特点，成为大规模DNA样本采集的重要工具。然而，来自口腔黏膜的DNA样本中可能混入化妆品残留（如唇膏、唇彩中的聚阴离子聚合物），这些物质在DNA提取过程中难以彻底清除，进而抑制PCR（聚合酶链式反应）中Taq DNA聚合酶的活性，导致扩增失败。在高通量HLA（人类白细胞抗原）分型平台中，即使仅1%~2%的样本出现抑制，也会造成显著的检测延迟和经济损失。自2022年10月起，DKMS生命科学实验室在处理全球百万例样本时发现，德国来源的口腔拭子DNA出现异常PCR失败率升高（最高达2.14%），而其他地区样本未受影响。通过稀释实验证实抑制物存在

  来源：BMC Genomics

  时间：2025-11-22

• 冠状动脉局部代谢调控障碍源于灌注-收缩匹配失调而非供需失衡

  心脏如何像智能管家一样精确调节自身的血液供应？这个看似简单的问题困扰了科学家超过一个世纪。每当心脏跳动加剧、耗氧量增加时，冠状动脉总能及时扩张以输送更多血液；而当供血受限时，心肌又会自动降低收缩力度来节约能量。这种精妙的平衡机制被称为"局部代谢调控"，但它的运作原理始终是心血管生理学领域的"戈尔迪之结"。传统理论认为，调控机制失效会导致心肌氧气供应与需求失衡。但近年来有学者提出不同观点，认为真正的关键在于"灌注-收缩匹配"——即心肌收缩功能会随着每搏血流量的变化而精确调整。为了解开这个百年谜题，研究人员在《Basic Research in Cardiology》上发表了一项精心设计的实验研究

  来源：Basic Research in Cardiology

  时间：2025-11-22

• 一种用于可食用药用草本植物质体转化的高效系统

  摘要质体转移技术在代谢工程和抗性工程中有着广泛的应用，但其应用主要局限于某些特定植物物种，如Nicotiana tabacum（烟草）。本文报道了一种针对Solanum nigrum（黑茄）开发的稳定且可重复使用的质体转化系统。S. nigrum属于茄科植物，是一种重要的蔬菜和药用植物。该质体载体专为S. nigrum设计，能够整合质体基因组中的trnfM和trnG基因，载体中包含光谱霉素抗性基因(aadA)作为选择标记，以及绿色荧光蛋白(gfp)作为报告基因。该载体通过生物弹射法导入S. nigrum的叶片外植体中，每次实验的平均转化效率约为15次。通过PCR检测和Southern印迹分析验

  来源：Transgenic Research

  时间：2025-11-22

• 综述：癌症中的Tribbles（TRIB）假激酶：一个新兴的关键角色

  摘要尽管缺乏经典的催化活性，Tribbles假激酶（TRIB1、TRIB2和TRIB3）正逐渐成为癌症生物学中的关键调节因子。作为分子支架和蛋白质稳定性的调节者，TRIB蛋白通过协调激酶、转录因子和泛素连接酶之间的相互作用来影响重要的信号通路。它们能够连接磷酸化和泛素化网络，从而实现对细胞增殖、分化和存活的精细调控。最近的研究发现，在包括白血病、黑色素瘤、肺癌、肝癌、乳腺癌和前列腺癌在内的多种恶性肿瘤中，TRIB的表达和功能均存在异常。特别是TRIB介导的肿瘤抑制因子降解以及致癌蛋白的稳定作用，使这些假激酶成为肿瘤发生和进展中的核心参与者。本文综述了目前关于TRIB蛋白的结构、功能及其致癌作用

  来源：The Nucleus

  时间：2025-11-22

• 并行脑机接口：基于多脑分工的协同控制与感知

  摘要：到目前为止，脑机接口（BCI）采用了串行工作机制，由于时间延迟导致性能瓶颈。在这项研究中，我们提出了一种并行脑机接口（pBCI），它将传统的顺序处理范式转变为基于分工机制的多个子范式，然后这些子范式可以由多个大脑以并行和协作的方式进行处理。根据所提出的pBCI，我们设计了：1）协作拼写范式，其中目标被编码在多维空间中，每个大脑专注于一个不同的维度并协作进行目标定位；2）协作感知范式，每个大脑为自主车辆提供独特的视角并协作感知危险。我们进行了协作P300拼写实验和协作感知实验，以验证所提出的pBCI的可行性和实用性。结果表明，所提出的pBCI通过多大脑的分工协作提高了BCI的性能，而没有增

  来源：IEEE Transactions on Cognitive and Developmental Systems

  时间：2025-11-22

• 基于图强化学习的可达性地图，用于通用移动操控

  摘要：移动操作机器人在执行操作任务之前需要确定可行的导航位置。现实世界环境中的障碍物和物体种类繁多，这使得计算最佳导航位置变得极具挑战性。在这项研究中，提出了一种名为基于图强化学习的可达性地图（Graph Reinforcement Learning-based Reachability Map，简称GRAM）的新方法。首先，GRAM使用图注意力网络（Graph Attention Network，GAT）来捕捉物体之间的空间关系；随后，它利用预训练的评估网络（critic network）生成的Q值来构建可达性地图。该可达性地图被整合到长时序任务的导航策略中，有效解决了技能转换问题。在Fet

  来源：IEEE Transactions on Cognitive and Developmental Systems

  时间：2025-11-22

• 用于半监督深度面部表情识别的语义与实例信息交互式挖掘

  摘要：半监督深度面部表情识别（SS-DFER）因其利用了大量未标注数据而受到了广泛关注。然而，SS-DFER面临两个主要问题：由于标签噪声导致的面部语义模糊以及模型特征表示能力不足。在本文中，我们提出了一种基于语义级和实例级信息交互挖掘（SILIM）的新方法，以同时解决这两个问题。具体而言，该模型通过语义信息和实例信息的交互为语义和实例生成伪标签，从而在两个层面上实现匹配，充分利用图像特征信息。此外，我们构建了一个内存缓冲区来存储所有标注数据的实例，使得语义伪标签和实例伪标签之间能够进行交互。为此，我们设计了一种基于邻居节点的实例空间优化策略。这可以防止同一图像类别的实例被排斥导致的模块特征表

  来源：IEEE Transactions on Cognitive and Developmental Systems

  时间：2025-11-22

• PIT-NBV：一种基于泊松信息的Transformer模型，用于在窄视场条件下进行3D物体重建中的6自由度（6-DOF）次优视图规划

  摘要：物体重建利用多视图信息来捕捉物体的三维几何结构。用于物体重建的高精度扫描仪面临一些挑战，包括视野狭窄、感知深度浅以及物体自身遮挡等问题。因此，本研究提出了一种新颖的“次优视图”（Next-Best-View, NBV）选择算法，称为基于泊松分布的变换器用于NBV选择（Poisson-informed Transformer for NBV, PIT-NBV）。该算法结合了基于泊松重建的方法和基于深度学习的方法的优势。我们的框架引入了一种六自由度（6-Degree of Freedom, DOF）的NBV选择机制，旨在增强表面细节的捕捉能力并减少物体自身遮挡现象，这与以往仅在二维球形视图空

  来源：IEEE Transactions on Cognitive and Developmental Systems

  时间：2025-11-22

• SPECI：基于分层连续模仿学习的机器人操控技能提示系统

  摘要：在动态且结构不明的环境中，现实世界的机器人操控需要具备对不断变化的对象、场景和任务的终身适应能力。传统的模仿学习依赖于静态的训练范式，这些范式并不适合实现终身适应。尽管连续模仿学习（Continual Imitation Learning, CIL）能够在保留已学习知识的同时实现任务的逐步适应，但当前的CIL方法主要忽视了机器人操控的固有技能特性，或者依赖于人为定义的、僵化的技能规则，从而导致跨任务知识转移效果不佳。为了解决这些问题，我们提出了基于技能提示的分层连续模仿学习（Skill Prompts-based HiErarchical Continual Imitation Lear

  来源：IEEE Transactions on Cognitive and Developmental Systems

  时间：2025-11-22

• Sarsa-Augmented Off-Policy 强化学习

  摘要：在经典的在线离策略强化学习（RL）中，从目标策略中采样的动作被用来计算用于更新Q函数的时间差分目标。数据收集策略与目标策略之间的差异可能会导致某些外推误差，从而误导策略评估。在这项工作中，将基于状态-动作-奖励-状态-动作（Sarsa）风格轨迹数据得出的Q值作为正则化项纳入其中，从而形成了一种Sarsa增强型在线策略正则化评估（ORPE）方法。这种操作引入了历史轨迹信息，减少了外推误差，并可能提高稳定性。通过将ORPE与最大熵演员-评论家架构相结合，设计了在线策略正则化演员-评论家（OR-AC）算法。我们分析了ORPE的收敛性、条件单调性和价值函数差距。在Mujoco和OpenAI Gy

  来源：IEEE Transactions on Cognitive and Developmental Systems

  时间：2025-11-22

• 自闭症是否存在特定的运动特征？来自人机交互领域的探索性研究

  摘要：自闭症谱系障碍（ASD）是一组异质性的神经发育障碍，其核心症状包括社交沟通能力受损以及重复性行为和刻板动作。虽然运动障碍本身并非主要症状，但许多ASD儿童存在姿势和运动协调方面的缺陷。在此研究中，我们通过人机交互的方式动态分析这些现象，利用之前在两项实验中收集的数据：一项是涉及ASD儿童与正常发育（TD）儿童之间的人机交互的联合注意（JA）任务；另一项是涉及走钢丝角色（TW）、ASD儿童、发育协调障碍（DCD）儿童及TD儿童的模仿任务。实验中使用RGB和RGB-D摄像机对参与者进行录制，从而提取运动学和光谱特征。运动功率谱密度分析表明，与TD儿童（两项实验）及DCD儿童（TW实验）相比，

  来源：IEEE Transactions on Cognitive and Developmental Systems

  时间：2025-11-22

• 具有元强化学习功能的社会意识机器人导航：一个场论视角

  摘要：在室内环境中，社交机器人的导航面临诸多障碍和动态变化，这构成了一个重大且复杂的挑战。强化学习（RL）是一种解决这一问题的有效方法。然而，这类环境的主要特征——即多样性和复杂性——对基于RL的社交机器人导航系统的泛化能力提出了严峻考验。在本文中，我们提出了一种用于社交机器人导航的元强化学习框架，使机器人能够适应各种环境。此外，我们首次引入了利用社会规范来指导社交导航的概念。我们采用场建模来表示环境、行人和机器人之间的互动。历史行人运动数据被用作物理信息神经网络的训练输入，这些神经网络能够生成环境中的行人运动矢量场。随后，我们将机器人预测的运动状态与其实际运动状态之间的相似性纳入奖励函数中，

  来源：IEEE Transactions on Cognitive and Developmental Systems

  时间：2025-11-22

• 小幅度眼球运动对耳廓肌群的系统性影响及其在人机交互中的潜在干扰作用

  在人类进化历程中，耳廓的主动定向能力被认为已于2500万年前退化，仅以“神经化石”的形式残存于部分人群（约18%-22%）。然而，正是这种看似原始的耳廓肌（Auricular Muscles）自主收缩能力，因其能产生强度高、稳定性好的电信号，近年来被广泛探索用于人机交互（Human-Machine Interfaces, HMI）控制通道。尤其对于脊髓损伤患者，耳廓肌由面神经支配，不受脊髓病变影响，且其表面肌电（Electromyography, EMG）信号幅度（约50μV RMS）远高于脑电图，加之电极可隐匿布置于耳周（如后耳肌PAM位于耳后乳突，与助听设备位置重合），使其成为理想的无干扰

  来源：IEEE Transactions on Cognitive and Developmental Systems

  时间：2025-11-22

• 利用深度学习进行的语义图像聚类

  摘要：图像聚类是机器学习和计算机视觉中一项至关重要但同时具有挑战性的任务。深度图像聚类方法在处理大规模和高维图像数据集方面取得了显著进展，但这些方法仅基于特征相似性来识别聚类。如何提高这些聚类的语义合理性仍然是一个亟待解决的问题。为了解决这个问题，我们提出了一种结合深度学习框架的联合语义图像聚类（SIC）方法。我们的核心思想是从实例层和聚类层两个角度来探索语义聚类：在聚类层，我们假设置信度最高的划分具有合理的语义划分；在实例层，我们假设相邻样本属于同一语义类别。通过聚类层和实例层的约束，可以提升聚类内部的紧凑性和类别间的差异性。聚类结果在很大程度上依赖于图像表示的质量。因此，我们引入了强大的数

  来源：IEEE Transactions on Cognitive and Developmental Systems

  时间：2025-11-22

• 分组连续多变量变分模态分解及其在脑电图（EEG）信号处理和连接性分析中的应用

  摘要：传统的多变量信号分解算法假设多通道信号具有共频分量。然而，在实际信号中，这些分量的频率并不完全对齐，存在一定的差异。本文提出了一种新的多通道信号处理算法，称为分组连续多变量变分模态分解（GSMVMD）。GSMVMD采用独特的分组扩展策略来生成更有效的共频分量，并通过结合连续提取策略改进了算法框架。首先，GSMVMD使用逐通道的变分模态分解（VMD）来确定每个通道的中心频率，然后进行频率分组归一化。接下来，基于分组结果建立变分优化模型，并利用交替方向乘子法（ADMM）获得GSMVMD模型的最优解。最后，我们以多通道脑电图（EEG）信号为例进行实验，验证了GSMVMD算法的优越性，并设计了一

  来源：IEEE Transactions on Cognitive and Developmental Systems

  时间：2025-11-22

• 基于结构化图谱指导的个性化联邦脑电图解码

  摘要：联邦学习（FL）在保护隐私的脑电图（EEG）解码领域受到了越来越多的关注，因为它能够实现多个客户端（例如机构或受试者）之间对共享全局模型的协作学习。尽管取得了进展，但不同客户端之间的EEG数据分布差异严重削弱了FL模型的泛化能力。在本文中，我们提出了一种基于结构图的个性化联邦学习（SG-pFed）框架，以应对异构数据客户端的问题，从而提高保护隐私的EEG解码性能。具体来说，本地客户端在EEG表示空间中学习他们自己特定类别的原型，然后将其传输到中央服务器以构建本地和全局结构图。本地结构图与全局结构图之间的差异进一步作为相似性度量，指导本地模型的选择性聚合。这一过程考虑了本地客户端之间EEG

  来源：IEEE Transactions on Cognitive and Developmental Systems

  时间：2025-11-22

• 利用深度错觉研究轻度抑郁障碍对深度感知的影响

  摘要：深度感知既包括从眼睛到神经系统的信息解码过程，也包括大脑对深度线索的整合过程。抑郁症是一种常见的情绪障碍，其对深度感知的影响至今仍不明确。本研究旨在探讨轻度抑郁症对双眼深度线索感知的影响，通过同步眼动和脑电图（EEG）技术来观察在深度错觉出现时及休息状态下视觉系统和大脑的活动情况。结果表明，在深度感知能力较弱的情况下，健康对照组的大脑活动复杂性显著降低，而这种降低模式在轻度抑郁症患者中并未出现。此外，这种变化可能与顶叶和视觉皮层功能受损有关。研究还证实，轻度抑郁症可能不会影响大脑在深度感知过程中的全局信息整合及局部信息处理，也不会影响大脑的整体协同激活。

  来源：IEEE Transactions on Cognitive and Developmental Systems

  时间：2025-11-22

• 用于零样本对象检测的对齐伪特征生成

  摘要：零样本对象检测（Zero-Shot Object Detection，简称ZSD）的目标是定位和分类训练集中未出现过的对象。受到生成模型成功的启发，人们探索了许多基于特征生成的方法来解决ZSD问题，并取得了一些有希望的结果。然而，由于缺乏未见类别的视觉样本，合成的特征质量往往不尽如人意，这限制了生成器的效果。这一局限性凸显了当前ZSD方法中的一个关键挑战：在没有真实数据支持的情况下生成具有区分性和真实感的视觉特征。为了解决这个问题，我们的方法基于这样一个认识：仅依靠语义嵌入不足以生成高质量的特征。因此，我们将语义嵌入与从扩散模型中提取的伪视觉特征相结合，后者提供了更具视觉可信度的指导，显

  来源：IEEE Transactions on Cognitive and Developmental Systems

  时间：2025-11-22

• 具有多目标表示对齐的视觉强化学习

  摘要：视觉强化学习（VRL）旨在直接从像素数据中学习最优策略，这在数据稀缺和环境复杂的控制系统应用中具有巨大潜力。然而，由于高维输入的影响，智能体的表示学习能力受到显著限制，导致当前的视觉强化学习方法训练效率低下且泛化能力差。因此，本文提出了一种具有多目标表示对齐（MORA）的视觉强化学习方法，该方法包括：（i）一个层次化表示融合模块，用于融合多尺度视觉特征；（ii）一个补充性的表示对齐模块，协调三个自监督目标：单向预测目标（UPO）、表示一致性目标（RCO）和重建对齐目标（RAO）。这种协同作用稳定了潜在空间的拓扑结构，同时统一了与任务相关的特征，有效缓解了表示崩溃问题。在DMControl

  来源：IEEE Transactions on Cognitive and Developmental Systems

  时间：2025-11-22

知名企业招聘：