• Foxg1通过维持嗅上皮神经源性祖细胞潜能定义腹外侧区特性

  本研究发现转录因子Foxg1通过细胞自主性机制维持胚胎期嗅上皮（OE）腹外侧区（V-zone）神经源性祖细胞的增殖和分化潜能。通过条件性基因敲除（Foxg1-cKO）和谱系追踪技术，研究证实Foxg1缺失会导致V-zone特异性萎缩，并促使Sox2+祖细胞向支持细胞（SUS）分化偏移。该研究揭示了区域特异性转录程序协调上皮生长与神经发生的新机制，为理解嗅觉图谱形成和感觉可塑性提供了重要见解。

  来源：Genes to Cells

  时间：2026-02-06

• 去神经支配对杂合mtDNA突变小鼠骨骼肌线粒体的影响：氧化应激与线粒体稳定性研究

  本研究探讨了在部分DNA聚合酶γ（PolG）校对功能缺陷的杂合mtDNA突变（PolG(+/mut)）小鼠模型中，去神经支配对骨骼肌线粒体的影响。通过14天去神经模型，文章揭示了尽管肌肉湿重和线粒体酶活性显著降低，但未观察到基因型特异性肌肉萎缩差异。PolG(+/mut)小鼠表现出更紊乱的线粒体嵴结构和升高的氧化应激标志物，提示其线粒体更脆弱。研究强调了在mtDNA不稳定性条件下，增强的抗氧化反应（如过氧化氢酶表达上调）对于维持线粒体完整性的潜在重要性，为理解肌肉萎缩中的线粒体适应性提供了新视角。

  来源：FASEB BioAdvances

  时间：2026-02-06

• 注意焦点对跳深表现的差异化影响及其对基层教练的启示

  本研究针对缺乏常规生物力学监测的训练场景，探讨不同注意焦点(FOA)作为指导性线索对45-cm跳深(DJ)神经力学输出的急性影响。通过对比内部关注(IF)、近端外部关注(PEF)和远端外部关注(DEF)三种干预条件，发现DEF和PEF倾向于形成高度/力量导向模式（更高JH和PvGRF），而IF则呈现快速触地、刚性反弹特征（更短CT和更高Kvert）。研究成果为基层教练提供了无需仪器监测即可精准调控运动表现的有效策略。

  来源：Scientific Reports

  时间：2026-02-06

• 数学困难儿童领域一般性工作记忆缺陷的纵向行为与ERP证据

  本研究针对数学困难(MD)儿童的工作记忆(WM)缺陷机制，通过整合数值与非数值WM任务的前瞻性纵向队列研究，发现MD儿童存在广泛的行为表现下降(d′降低)和神经电生理指标(LPN波幅减弱)异常。结合行为学与事件相关电位(ERP)指标可显著提升MD早期识别准确率，为领域一般性损伤理论提供了实证支持。

  来源：Scientific Reports

  时间：2026-02-06

• 阿尔茨海默病预测：监督与集成模型的比较分析及无监督探索研究

  本研究针对阿尔茨海默病（Alzheimer’s disease）早期预测难题，系统比较了传统机器学习与集成学习模型的性能。研究基于OASIS-2数据集，发现经过超参数优化的多数投票集成模型在准确率、精确度和AUC指标上显著优于传统方法，并结合多对应分析和k-means聚类揭示了潜在临床特征模式，为阿尔茨海默病的早期诊断提供了新的方法论框架。

  来源：Scientific Reports

  时间：2026-02-06

• 基于Hi-C接触矩阵与神经网络的结构变异检测新方法VarHiCNet

  本研究针对结构变异（SV）检测中Hi-C数据应用存在的准确率低、适用性有限及多类型SV同步识别困难等问题，开发了结合图像化预处理与改进RT-DETR网络的VarHiCNet方法。实验表明其在六种癌细胞系中显著提升SV检测精度，为基因组研究提供高效工具。

  来源：Scientific Reports

  时间：2026-02-06

• 经颅静态磁场刺激对初级体感皮层体感诱发电位及高频振荡的调控作用研究

  本研究针对tSMS（经颅静态磁场刺激）对体感处理的影响尚不明确的问题，通过随机交叉实验发现，tSMS作用于S1皮层可选择性抑制丘脑皮质输入的高频振荡早期成分，而对GABA能中间神经元活动无影响，为理解非侵入性脑刺激机制提供了新证据。

  来源：Scientific Reports

  时间：2026-02-06

• 局部红外刺激调节麻醉大鼠自发性皮层慢波动态

  本研究旨在探究控制皮层慢波振荡神经生物学机制的难题。研究人员通过局部近红外刺激，考察其对氯胺酮/赛拉嗪麻醉大鼠慢波活动的影响。利用硅基多模态光极同步施加NIR并记录皮层场电位和多单元放电，他们发现红外刺激可诱导局部组织升温，从而可靠、可逆地改变慢波特性，如上状态缩短、下状态延长、神经元同步性增强。该工作为皮层网络活动的精确局部调控提供了一种微创新方法，并增进了对慢振荡生物物理调控的理解。

  来源：Scientific Reports

  时间：2026-02-06

• 珊瑚幼体定向附着技术突破：基于神经肽Hym-248与微结构调控的珊瑚养殖新策略

  珊瑚修复面临幼虫附着效率低下的瓶颈。本研究创新性地利用神经肽Hym-248和微拓扑结构定向诱导珊瑚幼虫附着，通过将可溶性诱导剂嵌入水凝胶与3D打印技术结合，实现>99%的精准附着定位，为大规模珊瑚养殖提供可扩展的解决方案。

  来源：Scientific Reports

  时间：2026-02-06

• 基于联邦深度学习的虚拟制冷三重底线优化：仿真驱动的可持续食品管理新范式

  本文提出一种创新的联邦深度学习（Federated Deep Learning）架构，通过虚拟制冷仿真实现食品管理的三重底线（环境、经济、健康）优化。该系统采用卷积神经网络（CNN）和长短期记忆网络（LSTM）多模态模型，在500个虚拟家庭冰箱中实现96.8%的食品识别准确率和97.6%的新鲜度预测性能，同时通过差分隐私（ε=1.0）技术确保数据安全。研究显示可减少30-40%食品浪费，每户每年节约500-800美元，并降低200-300kg二氧化碳排放，为联合国可持续发展目标12（SDG 12）提供可扩展的解决方案。

  来源：Sustainable Food Technology

  时间：2026-02-06

• 癫痫引起的肠道屏障功能障碍：犬蔷薇籽油对十二指肠形态和连接处完整性的保护作用

  本研究通过建立癫痫大鼠模型，探讨Rosa Canina种子油对肠道屏障功能的影响。结果显示，癫痫导致十二指肠结构损伤及紧密连接蛋白表达下降，中高剂量RSO可部分逆转上述变化，其机制与稳定ZO-1和vimentin表达相关。

  来源：Neurogastroenterology & Motility

  时间：2026-02-06

• MoIRA：一种用于多任务机器人的模块化指令路由架构

  机器人领域混合专家模型MoIRA采用模块化架构，通过外部零样本文本路由器动态协调预训练的LoRA适配器专家。在GR1和LIBERO基准测试中，其跨任务泛化能力优于通用模型和传统MoE系统，验证了分体式架构在机器人控制中的有效性。

  来源：Neurocomputing

  时间：2026-02-06

• STAR-SNN：一种具有时空自适应特性的循环脉冲神经网络，采用分离传播替代梯度算法，以实现硬件高效的高效实时学习

  提出STAR-SNN结合SPSG学习规则，在截断BPTT(K=1)框架下优化空间-时间自适应参数，解决长序列依赖和硬件效率的平衡问题，应用于混沌系统预测和动态视觉传感器手势识别，实现高精度和低资源消耗。

  来源：Neurocomputing

  时间：2026-02-06

• HierLoRA：一种分层多概念学习方法，结合了改进版的LoRA技术，用于个性化图像扩散模型

  针对LoRA个性化扩散模型中存在的语言漂移、概念纠缠及单次学习限制问题，提出分层学习策略与增强型LoRA模块。通过引入GeLU激活函数缓解语言漂移，设计门控机制实现多概念解耦学习，在保持基模型生成能力的同时，减少可训练参数至45M以下，显著提升目标物体特征保留率（4%-6%）和图像风格相似度（10%），并支持多概念协同生成。

  来源：Neurocomputing

  时间：2026-02-06

• 以边缘为中心的社区在属性网络中基于持久性进行隐藏

  针对有属性网络社区检测中的隐私泄露问题，本文提出APERM算法，通过计算节点间属性和结构相似性识别紧密同质节点（CHN），缩小边扰动搜索空间，有效破坏社区结构。实验表明该方法在六个真实数据集上优于现有方案。

  来源：Neurocomputing

  时间：2026-02-06

• FedACA：用于个性化异构联邦学习的自适应分类器聚合与聚类

  联邦自适应聚类聚合框架 FedACA 通过改进原型聚合方法解决异构联邦学习中的类不平衡、原型偏移和分布倾斜问题，采用自适应K-means聚类优化局部原型，基于原型相似性进行集群头匹配以融合个性化分类器，并引入个性化头融合机制平衡全局指导与本地适应。实验表明该方法在异构环境下相比现有方法提升9.66%准确率。

  来源：Neurocomputing

  时间：2026-02-06

• 具有局部流形结构保持能力的鲁棒联合稀疏二维投影模糊聚类

  本文提出一种结合二维投影、流形约束与模糊聚类的鲁棒聚类方法，通过双线性正交子空间保留图像空间结构，利用F1范数重构误差动态更新样本隶属度，在九个基准数据集上验证其聚类精度提升2.47%及NMI提高2%，显著优于传统方法。

  来源：Neurocomputing

  时间：2026-02-06

• 在类别不平衡情况下，用于变分自编码器的频率感知先验

  针对类不平衡数据中VAE潜在表示失真问题，提出频率感知先验VAE（FAP-VAE）。通过逆频率缩放先验方差和指数移动平均更新先验均值与方差，缓解少数类过度正则化，提升潜在空间聚类质量。实验表明FAP-VAE在多个数据集上显著优于基准模型，同时保持重建与生成性能。

  来源：Neurocomputing

  时间：2026-02-06

• 基于EK-SVSF的数据驱动鲁棒状态估计

  针对非线性系统模型不确定性和外部干扰问题，提出一种数据驱动的扩展卡尔曼-滑模滤波器（EK-SVSF）框架。通过深度学习自动提取平滑边界层（SBL）参数，结合基于变异系数的自适应多损失加权机制，实现动态优化以平衡估计精度与 chatter抑制。实验验证了该方法在复杂动态系统中的鲁棒性和有效性。

  来源：Neurocomputing

  时间：2026-02-06

• 张量网络的贝叶斯方法

  贝叶斯张量网络通过有效初始化策略和Laplace近似方法提升训练稳定性与模型泛化能力，在多个数据集上验证优于传统张量网络模型。

  来源：Neurocomputing

  时间：2026-02-06

知名企业招聘：