GLP-1-Directed NMDA受体拮抗治疗肥胖 近几十年来，肥胖已成为全球性健康问题，严重影响了数百万人的生活质量和健康状况。肥胖症不仅与糖尿病、高血压、心血管疾病等多种健康问题有关，还严重影响心理健康。因此，寻找有效的肥胖症治疗方法显得尤为重要。 在这一背景下，Jonas Petersen等科学家团队开展了一项创新研究，探讨了结合GLP-1（胰高血糖素样肽-1）受体激动剂和NMDA（N-甲基-D-天冬氨酸）受体拮抗剂的双模分子（GLP-1–MK-801）在肥胖治疗中的潜力。本文将在《Nature》期刊发表。 研究背景与目的 NMDA受体是一种由谷氨酸激活的阳离子通道，在大脑的许多过程中起着关键作用。基因组广泛关联研究（GWAS）表明，谷氨酸能神经传递和NMDA受体介导的突触可塑性在...

报告：早期阿尔茨海默病中通过Fixel-based分析揭示与Tau相关的白质变化 研究背景 阿尔茨海默病（Alzheimer’s Disease, AD）通常被认为主要影响灰质（Grey Matter, GM），但越来越多的证据表明白质（White Matter, WM）也会出现异常。目前的研究主要依赖扩散张量成像（Diffusion Tensor Imaging, DTI）来非侵入性地调查AD中的白质完整性。然而，DTI在描述白质变化时存在方法上的局限性，导致研究结果不一致。例如，一些研究显示DTI揭示的白质变化与β淀粉样蛋白（Amyloid-beta, Aβ）病理相关，而其他研究则显示相反的结果，或者未发现关联。 研究来源 本文由Khazar Ahmadi等学者撰写，分别来自Lund大学...

5’非翻译区(5’UTR)是信使RNA(mRNA)分子起始端的一个调控区域,在调节翻译过程及影响蛋白质表达水平方面发挥着关键作用。语言模型已展现出解码蛋白质和基因组序列功能的有效性。在这项研究中,作者们介绍了一种针对5’UTR的语言模型,简称为UTR-LM。 研究背景 事实上,5’UTR在调控mRNA的翻译过程中扮演着重要角色,可以影响mRNA的稳定性、定位和翻译效率。之前已有大量研究探索了5’UTR的生物学特征,包括它的二级结构、可能与之互作的RNA结合蛋白,以及5’UTR突变对基因表达的影响等。mRNA的复杂功能及其对人类健康的潜在影响,凸显了需要开发更具普遍适用性的计算方法。 研究来源 本研究由普林斯顿大学电子与计算机工程系的Mengdi Wang教授课题组、斯坦福大学病理系的Le C...

通过靶向LGR4克服结直肠癌的获得性耐药 研究背景: 获得性药物耐药是癌症治疗的主要障碍,也是癌症死亡的主要原因。但耐药机制多种多样,如何特异性地针对耐药癌细胞仍是一大临床难题。Wnt通路活化可维持癌stammm细胞存在并诱导化疗耐药,因此靶向Wnt通路被视为一种有前景的克服肿瘤耐药的策略。 研究者和发表情况: 该研究由南开大学陈泉教授课题组完成,论文发表于2024年4月份的《自然-癌症》杂志。论文通讯作者为南开大学陈泉教授、中国科学院动物研究所杜雷研究员和南开大学胡刚教授。 研究流程: 1) 研究者建立了一个包括22例结直肠癌患者源来的肿瘤干株库,并通过反复暴露于低剂量化疗药物,诱导部分肿瘤干株获得耐药表型。 2) 转录组学分析发现,获得性耐药肿瘤干株中Wnt通路关键蛋白LGR4显著升高。...

这篇论文报告了一项关于中脑多巴胺神经元自身刺激(intracranial self-stimulation, ICSS)的认知表征的研究。作者试图解答为什么大鼠会努力工作去获得ICSS,即多巴胺神经元的脉冲激活是如何在大脑中表征的。 研究背景: 多巴胺神经元的脉冲激活信号通常被认为是奖赏预测误差,在学习过程中起教师信号作用。但如果这个信号本身并不带有价值表征,为什么大鼠会为获得这种信号而努力工作呢?之前的研究并未深入探讨ICSS的认知表征基础。 作者来源: 本研究由加州大学洛杉矶分校(UCLA)和新泽西州立大学合作完成,第一作者来自UCLA心理系,合作者来自新泽西州立大学。该研究发表在自然神经科学(Nature Neuroscience)杂志上。 研究流程: 1) 将啰草酰胺可控光操纵离子通...

背景介绍: 大规模神经记录数据通常可以用神经元协同激活模式来描述。但是,将神经活动变异限制于固定的低维子空间的观点可能会忽略更高维的结构,例如固定的神经序列或缓慢演化的潜在空间。本研究认为,神经数据中与任务相关的可变性也可以在试次或时间上共同波动,定义不同的”协变量类”(covariability classes),这些类可能会在同一数据集中同时出现。 研究动机: 传统的降维方法(如主成分分析(PCA))通常只能捕捉单一的协变量类。为了区分混合在一起的多种协变量类,研究人员开发了一种新的无监督降维方法——切片张量分量分析(SliceTCA)。 研究方法: SliceTCA是一种新型张量分解方法,基于切片秩(slice rank)。它可以将神经数据张量分解为三种切片类型的分量:神经元切片、试次...