Search: #连接组学

知识分享官

1. 19:00 · 2026年3月12日 · 周四

   大脑的“智慧网络”：一般智能的分布式秘密被揭开
   
   长期以来，人们普遍认为“聪明”可能源于大脑某个关键区域或特定网络。然而，一项发表在《自然·通讯》上的研究挑战了这一传统观点，揭示了人类一般智能（g）的真正来源——它并非来自单一脑区，而是源于整个大脑的“全局网络架构”的协调活动。
   
   研究团队分析了831名健康年轻人的脑部数据，结合了大脑的结构连接和功能活动模式，发现一般智能涉及多个脑区网络的协同工作，依赖弱长程连接以实现高效的全局协调，并形成小世界架构支持系统级通信。
   
   研究证实，一般智能依赖于大脑网络的分布式处理原则，而非局部控制。这一发现意味着，提升智能可能需要通过优化整个大脑网络的连接效率，而非仅仅针对某个特定区域。不过，研究目前仅针对健康年轻人群，未来还需在更广泛人群中验证这些机制。
   
   

   原来聪明是“集体智慧”！🧠

   
   
   来源：Nature communications
   
   #一般智能 #大脑网络架构 #连接体 #神经科学 #分布式智能
   
   🧬 频道 ｜ 🧑‍🔬 群组 ｜ 📨 投稿

   🤪 3 🔥 1

2. 13:03 · 2026年1月19日 · 周一

   机器学习指导电子显微镜成像，连接组学研究提速7倍
   
   连接组学通过纳米级分辨率解析神经回路，是理解大脑活动与行为的“金钥匙”，但高吞吐量电子显微镜的获取成本与操作难度，让许多研究者望而却步。当前，机器学习多用于成像后分析，而SmartEM创新地将机器学习融入实时成像过程——在单束扫描电子显微镜中实现“数据感知”成像。该技术通过先快速扫描所有像素，再对高信号区域进行慢速重扫，精准分配成像时间，在秀丽隐杆线虫、小鼠及人脑样本中，实现了高达7倍的成像加速，且重建精度与传统方法相当。
   
   核心机制在于，SmartEM的机器学习模型实时分析图像质量，动态调整扫描策略，让电子显微镜“聪明”地聚焦于关键区域，避免无效时间浪费。这一突破将显著降低连接组学研究的成本与周期，推动更广泛的大脑结构解析。
   
   意义方面，SmartEM为神经科学研究提供了高效工具，但当前仍聚焦于特定样本类型（如小型动物与人脑），未来需验证其在复杂组织或更大样本中的适用性，同时确保机器学习模型的泛化能力。
   
   

   电子显微镜也能“聪明”提速，7倍加速太香了🤖

   
   
   来源：Nature methods
   
   #机器学习 #电子显微镜 #连接组学 #神经科学 #成像技术
   
   🧬 频道 ｜ 🧑‍🔬 群组 ｜ 📨 投稿

   👍 3 😍 1