天桥脑科学研究院

Our News

研究院动态

在血管疾病干预与康复领域,中国科学家迈出关键一步。10月14日,中国科学院上海微系统与信息技术研究所、中国科学院大学、复旦大学附属华山医院、脑虎科技、广东省智能科学与技术研究院、天桥脑科学研究院等联合研究团队在Nature Communications发表最新成果,报道了一种可生物黏附、可顺应血管形态的生物电子界面(BACE),可在活体中实现血管运动功能(vasomotoricity)的精准监测与神经电调控,为理解自主神经调节机制及干预血管功能障碍提供了全新工具。

▷ Xiner Wang, Weijian Fan, Yuxin Liu, Li Chen, Erda Zhou, Xiaoling Wei, Liuyang Sun, Bo Yu, Tiger H. Tao, Zhitao Zhou & Jinyun Tan. Bioadhesive and conformable bioelectronic interfaces for vasomotoricity monitoring and regulation. Nat Commun 16, 9103 (2025). https://doi.org/10.1038/s41467-025-64118-2

研究团队指出,自主神经系统通过电生理信号动态调节血管平滑肌收缩与舒张,以维持血流稳定。然而,现有临床影像工具难以捕捉这一电生理过程,尤其在支架植入等血管干预后,缺乏对血管运动功能障碍的直接检测手段。为此,团队设计出一种能长期贴合血管表面、在湿润环境下稳定工作的柔性生物电子界面

该装置以蚕丝蛋白/聚氨酯复合材料为黏附基底,结合PEDOT:PSS修饰的金电极与聚酰亚胺封装层,兼具高黏附力、低模量与高导电性。其在1kHz下的界面阻抗仅6.77 ± 2.13 kΩ,背景噪声低至2.63 ± 0.52 μV,可在活体条件下长达两个月稳定记录高保真电信号。实验表明,该材料在模拟血流环境中依旧保持黏附与电稳定性,展现优异的顺应性与生物兼容性。

▷ BACE接口的概述与特征分析

在动物实验中,研究者通过外源性施加去甲肾上腺素和乙酰胆碱,成功记录到血管收缩与舒张状态下的电生理差异信号,并揭示其与药物剂量的相关性;同时,切断交感神经节后,电信号显著衰减,验证了该系统对自主神经调控的灵敏响应。

更为关键的是,团队将该系统应用于支架植入模型,实现了血管运动障碍的实时检测。研究发现,支架植入后血管远端电活动明显减弱,且与超声测得的血管硬度参数(β值)变化一致,证实BACE系统可准确评估血管功能损伤。

此外,研究还展示了系统的双向调控功能:通过在支架处施加300 μA电刺激,可显著恢复血管远端电信号强度与弹性,β值由18.83降至14.06,提示电调控可改善血管顺应性并延缓功能退化。这一闭环“监测—刺激—恢复”机制为未来血管疾病治疗提供了新路径。

▷ 精确血管运动电生理记录评估

论文通讯作者、脑虎科技创始人、天桥脑科学研究院研究员陶虎指出,该研究“首次在血管体系中实现了高质量电生理监测与神经调控的统一,为血管功能障碍的精准诊疗开辟了新方向”。团队计划进一步开发无线化、长期植入版本,推动其在血管再狭窄、动脉硬化及动脉瘤等疾病中的临床转化应用。

该成果不仅揭示了血管运动电生理机制的新窗口,也展示了柔性生物电子学在血管医学中的巨大潜力,标志着智能化血管电调控技术的重要突破。

15

2025-10

2025年9月,复旦大学附属华山医院神经病学研究所、天桥脑科学研究院研究员丁玎教授团队联合复旦大学社会科学高等研究院、天桥脑科学研究院、伦敦大学学院、瑞典厄勒布鲁大学等国内外多学科合作伙伴,共同在国际医学期刊 The Lancet 旗下权威子刊 The Lancet Regional Health – Western Pacific(中科院一区TOP,IF: 8.1)在线发表原创研究:“Impact of COVID-19 pandemic on cognitive decline in community-dwelling older adults in Shanghai: a longitudinal study from 2010 to 2024”

▷ Xiaowen Zhou, Hanzhi Deng, Hanyu Shao, Tao Yang, Yuntao Chen, Yang Cao, Qianhua Zhao, Ding Ding. Impact of COVID-19 pandemic on cognitive decline in community-dwelling older adults in Shanghai: a longitudinal study from 2010 to 2024, The Lancet Regional Health – Western Pacific. https://doi.org/10.1016/j.lanwpc.2025.101697.

文章概览

该研究利用上海老年研究队列(Shanghai Aging Study),基于长达14年的随访数据,交叉融合社会科学研究方法,系统评估了COVID-19流行对上海社区老年人认知功能和脑结构的影响。研究发现,经历COVID-19流行加速了社区老年人认知功能下降和脑萎缩,这一影响在已有阿尔茨海默病(AD)病理负担或健康脆弱性的群体中更为明显。

选题背景

COVID-19的全球流行深刻地改变了公共卫生格局,给老年人群健康带来了前所未有的挑战。既往关于COVID-19与老年人认知减退的研究多集中于感染后的住院患者,缺乏对流行前后社区老年人认知变化的长期纵向观察。同时,COVID-19流行所造成的间接影响,如医疗服务受阻、长期社会隔离和心理压力,也可能与潜在的生物学机制相互叠加,从而加速老年人的认知衰退。然而,针对中国社区人群的长期随访证据仍十分有限。作为中国老龄化最为显著的城市之一,上海在COVID-19流行中所呈现出的独特模式,为开展此类研究提供了窗口。

研究内容

本研究基于上海老年队列数据,纳入2010-2012年基线阶段招募的社区居民,并在2014-2024年间进行了持续随访,共覆盖3792名50岁及以上的参与者。研究团队在基线阶段系统收集了人口学资料、病史信息、ApoE基因型以及血浆AD相关生物标志物(包括p-tau217、p-tau181和NfL),并在随访过程中多次开展认知功能评估和脑MRI检查。本研究引入了社会科学研究中常用的事件研究法(Event Study)与双重差分(Difference-in-Differences, DID)模型,评估COVID-19流行对社区老年人认知功能和脑结构变化的影响,致力于实现医学与社会科学研究的深度融合。

▷ 研究设计示意图

研究结果表明,与COVID-19流行之前相比,流行之后社区老年人的认知功能表现更差,总体认知的下降幅度大致相当于提前衰老12年;并且经历过COVID-19流行的老年人认知功能下降的速度更快。进一步分析发现,携带ApoE-ε4基因、存在多种共病、有长期用药史以及血浆p-tau217、p-tau181和NfL水平较高的个体,认知下降尤为明显。这种认知衰退主要体现在总体认知、执行功能和语言功能方面。与此同时,纵向MRI结果显示,经历过COVID-19流行的老年人脑结构萎缩速度更快,具体表现为灰质体积、海马和杏仁核体积以及多处阿尔茨海默病相关脑区皮层厚度的显著减少。

研究意义及展望

本研究依托上海社区老年人长期纵向随访数据,结合社会科学研究思路与方法,提供了COVID-19流行对认知功能和脑结构影响的证据,具有重要意义。研究揭示了经历COVID-19流行显著加速了老年人认知衰退的风险,尤其是在存在AD病理负担和多种慢性病的脆弱群体中表现得更加突出。COVID-19流行对脑健康的不利影响可能不仅源于病毒感染本身,还叠加了社会隔离、心理压力以及常规医疗服务短缺等间接因素的作用。这些发现强调了在未来可能出现的公共卫生危机中,应当及早识别高危老年群体,并为其提供有针对性的干预和保障措施。同时,本研究也为进一步探索社会环境与生物学机制如何交互作用并推动认知功能下降提供了新的研究方向。

11

2025-10

9月28日,中国神经科学学会第十八届全国学术会议(CNS 2025)期间,由天桥脑科学研究院(中国)与中国神经科学学会联合主办的“BCI&AI脑机接口创新技术碧海论坛”成功举行。

今年是天桥脑科学研究院自2018年连续第8次支持CNS全国学术会议。作为由CNS评选的特色主题论坛,碧海论坛成功吸引了近400位专家学者亲临现场。钛媒体等主流科技媒体对论坛进行了直播,观看人次高达30万。

本次论坛聚焦脑机接口与人工智能的交叉领域,深度探讨了面向健康人群的脑机增强、脑机接口创新技术及类脑智能三大前沿版块。与会专家不仅分享了对脑机接口未来发展路径的前瞻思考,更提出了在人工智能辅助下的脑机接口新范式。

一、意念对话不是梦,BCI赋能健康人群实现里程碑进展

▷ 致辞/演讲嘉宾 陶虎,讲题《脑机接口-让大脑连接未来》。陶虎,脑虎科技创始人兼首席科学家。国家“万人计划”科技创新领军人才入选者、国家基金委优秀青年基金获得者、国家海外高层次人才引进计划青年项目入选者,享受国务院政府特殊津贴。中国神经科学学会脑机接口与交互分会创始主委、中国科协脑机接口产业技术路线图负责人。

天桥脑科学研究院研究员、脑虎科技(NeuroXess)创始人兼首席科学家陶虎分享了两项具有里程碑意义的最新研究成果。

由脑虎科技自主研发的256通道超高密度柔性脑机接口系统取得了突破性进展。该系统在灵长类动物实验中实现了100%的运动意图识别准确率。在人体应用方面,经过短短一周的训练后,该系统的信息传输速率便达到了每秒4.15比特。

更引人注目的是,该技术实现了静默中文解码,超人类语速交流(突破307字/分钟,超过正常人2倍)、意念办公、双脑互联远程实时意念对话等颠覆性应用。

这些成果与国际顶尖水平相比毫不逊色。例如,马斯克的Neuralink受试者在训练一周后实现了4.60 bps的运动控制水平,而美国加州大学旧金山分校(UCSF)Edward Chang团队的解码能力为每分钟78个英语单词。脑虎科技的成果与这些国际领先水平相当甚至更优,有力地证明了中国脑机接口技术的全球领先实力。

陶虎表示,脑虎科技正致力于拓展应用场景、提升系统稳定性并降低使用成本,来加速推进相关技术的商业化应用。

二、类脑计算:定制化大模型,开启智能交互新范式

▷ 演讲嘉宾 李国齐,讲题《类脑大模型及其在脑机接口的前景》。李国齐,中国科学院自动化所研究员,脑认知与类脑智能全国重点实验室副主任,通用类脑智能大模型北京市重点实验室主任,国家杰出青年基金获得者;在Nature、Nature子刊、Science子刊等期刊和AI顶会上发表论文200余篇,论文被引用1.8万余次;主持国家自然科学基金重点项目、联合重点项目、科技部重点研发项目等30余项;担任IEEE TNNLS,IEEE TCDS和清华大学学报-自然科学版编委;曾获得中国自动化学会自然科学一等奖,ECCV最佳论文奖提名,中国算力大会最佳论文奖,曾入选北京市杰青,中国科学院百人计划,DeepTech中国智能计算科技创新人物,中国算力青年先锋人物。

中国科学院自动化所李国齐研究员认为,专门面向脑机接口优化的定制化大模型,比通用大模型更适合这一领域的发展需求。为此,他的团队开发了SpikingBrain系统,采用树突神经元作为基本计算单元,能够高效处理事件驱动和时间稀疏的脑电信号,从而在提升信号编解码性能的同时,显著降低系统功耗。

这一突破性进展,源于李国齐团队在类脑计算领域的系统性创新。他们提出的大规模脉冲神经网络计算理论,成功将脉冲神经网络(SNN)与主流人工神经网络(ANN)的性能差距从20年缩短至1年。此外,他们开发的MetaLA统一框架在性能上已超越Mamba架构。

这些前沿成果,配合低功耗类脑芯片和全栈式训练平台,为脑机接口技术开辟了新路径,展现出类脑计算与大模型融合的巨大潜力。未来,这项技术有望实现更精准的信号处理和更自然、高效的人机交互。

三、纳米智能:探索脑机交互的“微观”路径

▷ 演讲嘉宾 贺强,讲题《纳米机器人与BCI:探索人脑与机器的微观连接》。贺强,哈尔滨工业大学教授,于2003年在中国科学院化学研究所获得博士学位。他提出了胶体马达、超分子胶体马达和游动纳米机器人的概念。是首位利用可控化学组装技术构建集自推进和智能药物递送于一体的超分子胶体马达的学者。基于此,他开发了多种可注射的游动纳米机器人,并将其应用于重大疾病的精准治疗。已发表200多篇同行评议论文,并拥有24项专利。目前,他担任中国化学会胶体与界面化学专业委员会成员,以及Small,ChemNanoMat和Colloid and Surface A的编委。

传统脑机接口主要依赖植入电极,而哈尔滨工业大学贺强教授另辟蹊径:将纳米机器人集群作为一种全新的脑机交互范式。这种“自下而上”的方法,通过纳米机器人的自组织行为,实现从个体到集群、从微观到宏观的信息传递与功能调控。

作为国际上首个成功研发自推进、一体化超分子胶体的团队,贺强教授将化学动力学与纳米技术相结合,开发出一种突破性的智能纳米系统。通过可控化学组装技术,这些纳米机器人不仅能主动穿越血脑屏障,还能响应光、磁场等外部刺激实现集群协同。与传统电极植入相比,这种柔性的微观调控方式大大降低了创伤风险,为脑疾病的精准治疗和脑机交互开辟了全新途径,展现了智能纳米系统在未来医疗领域的变革性潜力。

四、聚焦超声波:实现大脑深部的无创精准调控

▷ 演讲嘉宾 Jan Kubanek,讲题《聚焦超声神经调控和脑机接口》。Jan Kubanek,生物医学工程师和神经工程师,华盛顿大学生物医学工程/神经科学博士,他曾在斯坦福大学进行博士后深造,目前是犹他大学的助理教授。他的实验室开发了一种能够对人类大脑深部回路进行精确、可控调节的设备。已发表的研究表明,该设备可调节慢性疼痛、抑郁症和特发性震颤的症状。该方法目前正用于关键的临床试验。

来自犹他大学的Jan Kubanek介绍了由其团队开创的一种突破性的超声波脑机交互技术。不同于传统侵入式电极,这项技术利用超声波能穿透颅骨的特性,通过微秒级的精确聚焦,实现了对基底节和丘脑等大脑深部结构的非侵入性调控,创新性地解决了超声波在颅骨传导时的衰减问题,确保了治疗剂量的精准递送。

临床研究显示,这项技术能有效治疗特发性震颤、重度抑郁症和慢性疼痛,并能诱导持久的神经可塑性改变。特别是在慢性疼痛治疗中,仅需40分钟的扣带回刺激就能显著改善疼痛强度。目前,这一突破性技术已进入多中心临床试验阶段。更令人振奋的是,高频超声波技术已实现单细胞级别的精确调控,预示着人类与环境、人与人之间可能出现全新的认知互动方式。

五、智能双向进化:人机共生,重塑未来

▷ 演讲嘉宾 张越一,讲题《类脑计算驱动的脑机接口》。张越一,集智进化(MiroMind)AI研究员。已发表期刊会议论文100余篇(包括CCF-A类会议文章或IEEE汇刊文章50余篇),申请/授权中国发明专利20余项。曾主持国家自然科学基金青年项目、面上项目,参与科技部科技创新 2030项目。现任中国图形图像学会多媒体专委会副秘书长,参与组织过中国多媒体大会(ChinaMM)等活动。所指导的学生中多人次获得中国科学技术大学研究生国家奖学金和专项奖学金。目前的研究方向为:脑启发多模态大模型与智能体。

MiroMind AI研究员张越一提出,要让人类智能与人工智能相互启发、共同进化。

他指出,从最初的感知机到如今丰富的人工神经网络,神经科学的发展为计算领域带来了革命性突破。通过模仿大脑架构,我们创造出了此前无法实现的计算解决方案。

更重要的是,这种影响是双向的。深度学习不仅从大脑获得灵感,反过来也帮助我们更好地理解大脑的工作机制。通过优化人工神经网络,观察其中行之有效的模式,我们得以重新审视神经连接,深入了解大脑的组织方式。这种双向互动正在开启认知科学的新篇章。

正如天桥脑科学研究院与MiroMind创始人陈天桥先生所言:

人类不仅是AI的创造者,也是其演化路径的决定者。AI与人类共同组成生态系统,互动中形成反馈循环,重塑个体认知与社会结构。未来,最终具有自我意识的人工智能,是在镜像人类智能长期记忆之后实现人类智能和人工智能的共同进化。

本次碧海论坛不仅是一场前沿技术的集中展演,更是一次对未来的深刻展望。从超高密度柔性接口到定制化大模型,从纳米机器人到无创超声波,我们正在从不同维度推动脑机接口技术的边界。这些技术突破正在加速人机共生时代的到来,共同描绘出一幅人类智能与人工智能深度融合、共同进化的宏伟蓝图。

30

2025-09

▷ 头图由Nano Banana生成

近年来,脑机接口(BCI)技术在神经康复、智能辅助和人机交互领域持续取得突破性进展。最新发表于Advanced Science的研究成果Chronically Stable, High-Resolution Micro-Electrocorticographic Brain-Computer Interfaces for Real-Time Motor Decoding显示,天桥脑科学研究院研究员陶虎(脑虎科技)、毛颖(华山医院)、陈亮(华山医院)等合作开发出一种基于微型高密度脑皮层电图(µECoG)电极阵列的柔性脑机接口系统,实现了长期稳定、高分辨率的实时运动解码。这一创新不仅显著提升了BCI的性能和临床可行性,更为未来神经假肢和智能辅助设备的普及应用奠定了坚实基础。

▷ Zhou E, Wang X, Liang J, Liu Y, Yang Q, Ran X, Xia L, Zou X, Liu C, Sun L, Peng L, Chen L, Mao Y, Wu Z, Tao TH, Zhou Z. Chronically Stable, High-Resolution Micro-Electrocorticographic Brain-Computer Interfaces for Real-Time Motor Decoding. Adv Sci (Weinh). 2025 Sep 6:e06663. doi: 10.1002/advs.202506663.

技术创新:微型高密度柔性电极阵列

传统的脑皮层电图(ECoG)BCI由于制造工艺限制,电极密度和空间分辨率有限,难以实现对复杂运动或言语等高级神经活动的精准解码。同时,设备体积较大,植入时需较大开颅范围,增加了手术创伤和风险。相比之下,µECoG BCI采用了微纳制造技术,将电极密度提升至64倍于常规阵列,达到每平方厘米64个电极,空间分辨率显著增强。柔性超薄电极阵列能够紧密贴合皮层表面,实现高保真度的神经信号采集,同时缩小植入体积,减少对脑组织的干扰和手术风险。

▷ 高分辨率µECoG BCI的结构、长期性能、信号质量、解码准确率及植入后组织学分析

长期稳定性与高性能解码

在为期203天的犬类体内实验中,µECoG BCI系统展现出卓越的长期稳定性和生物安全性。实验结果显示,电极性能仅出现微小衰减,信号质量(信噪比)始终保持在高水平,解码准确率在三维运动各方向均超过0.83,标准差极低,体现出系统的持久可靠性。免疫组化分析进一步证实,植入区域未出现明显神经元丢失或炎症反应,验证了柔性高密度电极的优良生物兼容性。

▷ 多关节运动解码及运动编码空间结构,展示脑区贡献分布、解码轨迹对比及高贡献电极信号优势

解码算法与实时应用

µECoG BCI系统集成了先进的信号处理与解码算法,包括长短时记忆网络(LSTM)和卡尔曼滤波器。通过高伽马频段(70-150Hz)功率谱密度特征提取,结合深度学习模型,系统能够高效解码实际或想象运动的三维轨迹,实现实时运动合成或光标控制。在临床清醒手术中,患者仅需7分钟模型训练,即可通过脑信号操作乒乓球与贪吃蛇等游戏,运动解码准确率接近或达到0.9,展现出与侵入性更高的皮层内电图(iEEG)BCI相媲美的性能,却大幅降低了植入风险。

▷ µECoG BCI临床术中与短期稳定控制,展示实时运动及意象解码表现、训练提升及多任务应用

电极密度与脑覆盖范围的优化

研究系统性探讨了电极密度与脑覆盖范围对解码性能的影响。结果表明,提升电极密度可在不扩大脑覆盖范围的前提下显著提升运动解码精度和稳定性,有助于缩小开颅面积、降低手术创伤。在多关节运动解码实验中,µECoG高分辨率信号揭示了皮层运动编码的细致空间结构,实现了对爪、膝、髋等多部位运动的同步高精度解码。算法分析显示,高贡献电极子集捕捉到更多与运动相关的神经活动,进一步提升了解码效果。

临床前景与行业价值

µECoG BCI系统已在临床手术和短期体内实验中实现了患者通过脑信号自主控制光标、视频游戏、智能家居和轮椅等设备,累计试验时长近20小时,任务复杂度涵盖多目标与多维运动。系统支持快速校准与跨会话应用,适应性强,操作门槛低。其高密度、可扩展的硬件架构为精确病灶定位、皮层功能映射以及未来家庭用神经假肢控制提供了高效解决方案。

结语

微型高密度脑皮层电图脑机接口的开发,标志着BCI技术迈向高分辨率、长期稳定、低侵入性和临床可行性的新阶段。其在神经康复、智能辅助、脑功能研究等领域的应用前景广阔,有望成为推动脑科学与医疗工程融合创新的重要引擎。随着技术的持续完善与临床验证,µECoG BCI有望为运动障碍及神经损伤患者带来更高质量的生活与自主能力,开启智能神经康复新纪元。

11

2025-09

近日,法国权威媒体《世界报》(Le Monde)以整版重磅报道了陈天桥雒芊芊夫妇在全球脑科学与人工智能领域的卓越贡献,并将他们与比尔·盖茨、扎克伯格并列,称为“21 世纪地缘慈善的代表人物”,探讨私人慈善对科研生态的深远影响。

该报道系统回顾了陈天桥雒芊芊在北美、中国和欧洲搭建国际脑科学生态圈的举措,指出天桥脑科学研究院的实践强调风险容忍度、时间跨度、跨机构协同以及对科研自由边界的尊重,体现了新一代中国企业家在全球创新语境中的身份迭代:不只是“捐赠者”,更是“复合型科学生态组织者”

文章总结道,陈天桥雒芊芊的慈善之路,是中国企业家走向世界、服务人类的缩影。他们用实际行动证明,科技创新与慈善事业可以相辅相成,推动社会进步,造福人类。天桥脑科学研究院的故事,是中国科技慈善的全球样本,也是新时代企业家精神的生动注脚。

中国知名杂志《三联生活周刊》封面故事以长达58页的篇幅报道了中国的脑机接口行业,其中重点介绍了陈天桥雒芊芊在链接产学研方面的枢纽作用,包括向加州理工捐赠创办神经科学研究院、创立天桥脑科学研究院、投资脑虎科技等。

美国知名科技杂志《连线》(Wired)近日也报道了中国的脑机接口产业,其中重点提及盛大投资的介入式脑机接口企业 Synchron,并采访了盛大投资、天桥脑科学研究院支持的脑虎科技。

08

2025-09

中国科学院上海微系统与信息技术研究所、中国科学院大学、上海高等研究院等机构组成的跨学科团队,成功研发出一种生物相容性超柔性电极阵列。该技术不仅解决了传统神经调控工具“电流高、损伤大、精度低”的痛点,更首次构建了可通过人类脑信号直接控制多只小鼠行为的“脑-脑接口系统”,为神经科学研究、神经疾病治疗及跨物种通信技术发展提供了核心解决方案。

双向脑机接口和脑-脑接口

超柔性电极阵列:实现精准、安全的神经调控

神经调控是揭示大脑功能、治疗帕金森病、抑郁症等神经疾病的核心手段,但长期以来受限于技术瓶颈:传统刚性电极需数十至数百微安的刺激电流,且因“刚性材质与软脑组织机械不匹配”,易引发神经元死亡、胶质瘢痕形成,导致调控精度下降;经颅磁刺激(TMS)空间分辨率仅达厘米级,光刺激则需对神经元进行基因修饰,难以实现临床转化。

“如何在精准调控神经活动的同时,最大限度降低对脑组织的损伤?”成为团队攻关的核心目标。研究团队提出的超柔性电极阵列,正是针对这一问题的创新答案。

该超柔性电极阵列通过精密微加工技术制备,核心设计与性能突破体现在三方面:

1. 材料与结构创新,实现“低阈值”调控

电极以金(Au)为基底,表面覆盖铂铱合金(PtIr)涂层,并采用聚酰亚胺(PI)封装,整体厚度仅约5微米——远薄于传统刚性电极。这一设计将电极阻抗从1.57±0.23兆欧(1kHz下)降至0.16±0.02兆欧,大幅提升电流传输效率。

实验显示,仅需4-5微安的刺激电流,即可精准诱导小鼠次级运动皮层(M2)介导的转向行为:刺激右侧M2时小鼠向左转向,刺激左侧M2时向右转向,电流强度较传统刚性电极降低1-2个数量级,从源头上减少了电流对脑组织的潜在损伤。

神经探针和铂铱涂层微电极的特写,以及部分性能测试

2. 多维度验证“高耐久性”,满足长期应用需求

为确保技术的实用性,团队对电极进行了严苛的耐久性测试:

体外电稳定性:经过1000万次双相脉冲刺激后,电极阻抗无显著变化,扫描电子显微镜(SEM)观察显示表面形貌未出现损伤;

机械稳定性:模拟脑组织长期微运动的30分钟超声处理后,电极阻抗保持稳定;

环境适应性:在室温下的磷酸盐缓冲液(PBS,模拟体液环境)中浸泡4周,或在60℃下浸泡4周(等效于人体37℃环境下20周),电极功能始终正常。

3. 生物相容性优异,长期植入“低损伤”

生物相容性是植入式神经器件的核心要求。研究通过两方面验证其安全性:

神经信号稳定性:刺激前后,电极记录的神经元放电率、动作电位波形(峰峰值维持在173.3-192.9微伏)、信噪比(12.5-13.9)均无显著变化,证明电极未影响神经元功能;

组织损伤对比:6个月植入实验显示,传统100微米直径的刚性微丝会在脑组织中形成约100微米的空洞及明显胶质瘢痕,而超柔性电极植入区仅出现极少量胶质细胞聚集,无明显神经元死亡或组织空洞,实现了“微创植入、长期兼容”。

生物相容性测试

拓展脑-脑接口:1人可同时控制2只小鼠,准确率超95%

在超柔性电极阵列的基础上,团队进一步构建了跨物种脑-脑接口(B2BI)系统,实现“人类脑信号→小鼠行为”的直接转化。

实验步骤如下:

  1. 信号采集:通过8通道脑电图(EEG)帽,采集人类枕叶的稳态视觉诱发电位(SSVEP)——当人类注视特定频率(8-15Hz)的闪烁图案时,大脑会产生相应频率的电信号;
  2. 快速解码:采用深度神经网络对SSVEP信号进行实时解码,网络设计包含时域、频域双分支,推理延迟仅需1.5毫秒,单被试信号解码准确率达98.1%;
  3. 行为控制:解码后的信号转化为8种指令(如“LL”代表两只小鼠均左转向、“RR”代表均右转向等),通过超柔性电极刺激小鼠M2区,实现行为控制。

基于人类大脑信号控制小鼠转向的脑-脑接口

实验结果显示,单个人类被试可同时控制2只小鼠,SSVEP信号解码准确率达98.75%,小鼠行为控制准确率更是高达95%-97.5%,首次验证了基于超柔性电极的跨物种多目标脑-脑接口的可行性。

研究意义:为神经科学与临床治疗开辟新路径

该研究的成果不仅在技术上突破了传统神经调控的局限,更具有广泛的应用前景:

1.对神经科学研究:为精准解析特定脑区功能、探索神经网络机制提供了高分辨率工具;

2.对临床治疗:低电流、低损伤的特性,为帕金森病、抑郁症、 神经病理性疼痛等神经疾病的深部脑刺激治疗提供了新方案,有望降低现有治疗的副作用;

3.对脑机接口发展:跨物种脑-脑接口的实现,为未来更复杂的脑机交互(如人与假肢、人与其他生物的信号通信)奠定了基础。

29

2025-08

今天,天桥脑科学研究院(Tianqiao and Chrissy Chen Institute, The Chen Institute)与美国科学促进会(American Association for the Advancement of Science, AAAS)宣布,共同发起 2026 年“AI 驱动科学大奖”,旨在表彰全球范围内用人工智能技术(如机器学习、深度学习、强化学习等)在自然科学(包括生命科学和物质科学)研究领域解决关键问题、推动科学研究加速发展的青年科学家。

首届获奖者名单已于今年 7 月正式揭晓。三位获奖者——Zhuoran Qiao 博士、Aditya Nair 博士与 Alizée Roobaert 博士,凭借运用人工智能技术在生物化学、神经科学和海洋科学领域的突破性成果脱颖而出。三位获奖者将分享总额 5 万美元的现金奖励。此外,他们的获奖论文已同步发表于《科学》杂志[1-3],标志着相关成果获得学界高度认可。

申报对象

本奖项面向与人工智能相关领域的青年科学家开放。申报者须在申报时已取得 M.D.、Ph.D.或 M.D./Ph.D.学位,并且获学位时间不超过十年。这是新兴的学术领袖向全球展示工作成果,并在人工智能领域获得广泛认可的绝佳机会。

如何申报

申请者需提交一篇 1000 字的研究论文,描述他们最重要的研究发现,主题必须是利用人工智能相关技术,在其它科研领域做出了根本性的突破,而这些突破在未使用人工智能技术前是难以实现的。

申报通道

可访问天桥脑科学研究院官网:https://www.cheninstitute.org/prize

或直接登录《科学》杂志申报页面:https://www.science.org/content/page/chen-institute-science-prize-ai-accelerated-research

有关申报截止日期及更多详情,请参见申报页面。

展示机会

获奖者将受邀在“天桥脑科学研究院 AI 驱动科学研讨会”(Chen Institute Symposium for AI Accelerated Science, AIAS)及“天桥脑科学研究院 AI 驱动科学青年论坛”(Chen Institute Youth Forum for AI Accelerated Science)发表主旨演讲,参与高端圆桌讨论,并主持互动工作坊。获奖者及入围者还将被授予 “陈氏学者”称号。

了解更多会议信息,请访问:https://aias2025.org/

加入社区

欢迎加入我们的 AI 驱动科学社区成为 AIAS 会员,以获得更多的权益。申请邮箱:AItalents@cheninstitute.org

2024 年 AI 驱动科学大奖获奖论文:

[1] Zhuoran Qiao , AI to rewire life’s interactome: Structural foundation models help to elucidate and reprogram molecular biology.Science389,244-245(2025).DOI:10.1126/science.adx7802

[2] Aditya Nair , Unraveling the emergent chorus of the mind: Machine learning reveals how a hidden neural code orchestrates diverse emotion states.Science389,245-245(2025).DOI:10.1126/science.adx7811

[3] Alizée Roobaert , Mapping the global coastal ocean with AI: Artificial neural networks can help better constrain the global carbon cycle in shallow seas.Science389,245-245(2025).DOI:10.1126/science.adx7826

05

2025-08

Dr. Aditya Nair
加州理工学院和斯坦福大学博士后研究员及 NIH NeuroAI 项目青年学者

当你体验饥饿、愤怒或恐惧等情绪时,大脑中的特定神经回路会被激活。但如果观察这些回路中的单个细胞,往往会发现这些细胞的活动与人的情绪体验之间几乎没有明显的相关性。

“这是一个巨大的悖论:我们从动物实验中知道这些回路控制情绪,因为如果我们让这些回路失活,动物就会停止表现出情感行为。”天桥脑科学研究院与《科学》杂志 AI 驱动科学大奖优胜奖得主 Aditya Nair 这样说道,“但当我们记录单个神经元的活动时,却找不到与目标行为的直接联系。”

为了解开这个谜团,Nair 将与情绪(如攻击性)相关的下丘脑区域的神经活动数据输入到一个能够检测神经元间微妙互动模式的机器学习模型中。“这就像在听一场交响乐:如果你只听某一件乐器,什么都听不出来,”他解释道,“你需要听整个乐队,才能理解旋律。”

Nair 使用的算法揭示了这样一种现象:当神经元群体交换并循环信号时,它们会稳定在一种被称为“线吸引子”(line attractor)的复杂关系中。这是一种常见于数字神经网络、但在活体大脑中极少被观察到的机制,它允许连续变量随时间被存储。“这很重要,因为情绪有两个关键特性:强度会变化,而且会持续一段时间。”Nair 说,“通过将 AI 模型拟合到神经活动上,我们在大脑中发现了一种此前无法检测到的信号,同时具备这两种特性。”

这是一个具有重要潜在意义的突破,尤其对药物研发有深远影响。“动物无法自我报告情绪,只能通过有限的几种行为表现情感,”Nair 解释道。“现在,我们可以利用大脑活动来量化受试者的饥饿、愤怒或恐惧程度——这将极大提升精神疾病治疗的开发和测试效率。”

Nair 的方法未来还可能帮助神经科学家从更广泛的大脑活动模式中检测到涌现信号。“目前我们只研究了下丘脑的一个很小的区域,”Nair 说,“但我们正在开发工具包,用于建模更大脑区的活动,并读取当成千上万神经元同时进行多项计算时涌现的隐藏信号。”

为加速这一过程,Nair 开发了一个能够接收大脑活动数据并快速处理以揭示涌现信号的大型语言模型。目标是:让标准化分析能够被快速实施,即使研究者本身对 AI 不甚精通也能轻松上手。“我们正在让 AI 工具对整个科研社区变得更加易用,以加速研究和药物开发的进程。”Nair 表示。

18

2025-07

Dr. Alizée Roobaert
比利时佛兰德海洋研究所(Vlaams Instituut voor de Zee)研究员

全球海洋每年吸收了大约四分之一的人类二氧化碳排放量——但虽然这一过程在公海得到了充分研究,沿海水域的贡献却出人意料地知之甚少。“这实在是太复杂了——有河流入海、与陆地的相互作用、水深各异等诸多因素,”天桥脑科学研究院与《科学》杂志 AI 驱动科学大奖优胜奖得主、佛兰德海洋研究所(VLIZ)“海洋气候变化的过去、现在与未来”课题组的研究员 Alizée Roobaert 表示,“虽然有一些局部研究,但全球沿海海洋到底吸收了多少二氧化碳,以及这种吸收如何随时间变化,依然存在很大不确定性。”

为了解决这个问题,Roobaert 与布鲁塞尔自由大学(Université Libre de Bruxelles)的 BGeoSys 团队合作,将全球沿海水域划分为边长 0.25 度的网格单元——在赤道附近每格约 28 公里。随后,Roobaert 叠加了全球数据(主要来自卫星遥感),涵盖海表温度、盐度、叶绿素 a 浓度等变量,并整合了约 1800 万个来自船只或浮标的沿海观测数据,包括不断变化的海表二氧化碳浓度测量。最终形成了一张覆盖全球海洋的高分辨率数据拼图,但二氧化碳测量值仅在部分网格中有数据。

接下来,Roobaert 利用机器学习揭示变量间的复杂关系,并逐步补全空白区域。“一旦算法理解了这些变量如何相互作用,它就能重构缺失的二氧化碳测量值。”Roobaert 解释道。最终,她得到了全球沿海二氧化碳吸收随时间变化的地图,其准确率约为以往的 10 倍,细节也显著提升。“这是目前基于观测、用于估算全球沿海水域二氧化碳吸收贡献的最先进方法,”Roobaert 表示。

除了加深我们对沿海水域在海洋碳循环中作用的理解,Roobaert 的高分辨率地图还能为特定区域的海气碳交换提供更准确的洞见。“对于‘蓝色经济’来说,这类数据至关重要——只有了解沿海水域如何影响碳循环,才能量化人类活动的影响,”Roobaert 说。

目前,Roobaert 和 VLIZ 团队正致力于进一步完善这一方案。当前的重点之一是为欧洲北海绘制分辨率高达 1 公里的二氧化碳分布更精细地图。其他目标还包括叠加海洋深度数据,制作四维地图,详细展示碳在水体柱中随时间的扩散过程。“真正驱动我的是,知道自己的工作正在弥补关键数据空白,帮助人们更好地理解海洋在全球碳循环中的作用,”Roobaert 表示,“我们正在用 AI 实现真正的全球影响,这也是我不断前行的动力。”

18

2025-07

Dr. Zhuoran Qiao
机器学习科学家
旧金山 Chai Discovery 公司创始科学家

有时候,即便是获奖科学家也会在实验室里栽跟头。

在北京大学读本科时,Zhuoran Qiao 梦想着专攻全合成,利用复杂的实验室方法合成有机化合物。但他很快被现实“叫醒”了。“这就像做饭不好吃一样——我在实验操作上真的不太在行。”Zhuoran Qiao 笑着说,“我总是把实验搞砸,还把自己弄伤。”几次烫伤手指和实验失败后,Zhuoran Qiao 决定转向其他方向。“结果发现,我在用计算机模拟化学反应方面还挺有天赋,”他说,“在计算机上‘做实验’对我来说顺利多了。”

这其实还是谦虚了。今年春天,Zhuoran Qiao 凭借利用生成式 AI 模拟蛋白质结构的研究,成为首届“天桥脑科学研究院与《科学》杂志 AI 驱动科学大奖”的得主。他的突破性成果有望彻底改变制药领域。

“Zhuoran Qiao 的工作令人震撼地展示了 AI 加速科学发现的力量——多亏了他的努力,过去需要耗费数月甚至数年繁重劳动的研究,现在几秒钟就能完成,”天桥脑科学研究院创始人雒芊芊表示,“他让研究人员能够快速设计新分子,为那些曾被认为‘无药可治’的疾病带来了全新的治疗路径。”

科学发现之路

在中国学习计算化学后,Zhuoran Qiao 于 2018 年前往加州理工学院,在 Anima Anandkumar 教授和化学与 AI 创新者 Thomas Miller 教授的实验室攻读博士学位。在那里,Zhuoran Qiao 开始利用机器学习,打通量子数据与分子结构高层描述之间的桥梁。“用 AI,我们能获得以往需要极高计算量才能得到的结构洞见,”Zhuoran Qiao 说。

2021 年,正值 Zhuoran Qiao 不断完善自己的模型时,谷歌 DeepMind 发布了 AlphaFold——一个能根据氨基酸序列预测复杂蛋白质结构的 AI 模型,进一步凸显了计算模拟的潜力。AlphaFold 的能力让 Zhuoran Qiao 惊叹不已:蛋白质的折叠方式比宇宙中的原子还多,但 AlphaFold 却能极其准确地快速预测蛋白质结构。“这是个了不起的突破,”Zhuoran Qiao 说,“但我也看到还有两点不足。”

首先,AlphaFold2 只研究孤立的蛋白质,而药物研发需要模拟蛋白质与小分子的相互作用。其次,AlphaFold2 给出的是静态快照,但蛋白质在体内的生化环境中始终处于动态变化之中。“要理解蛋白质的功能,就必须捕捉其全部动态过程,”Zhuoran Qiao 解释道。

就在这时,Zhuoran Qiao 灵机一动:为何不用扩散模型(diffusion model)?这类模型后来也用于流行的生成式 AI 图像工具。正如米开朗基罗雕刻大卫像时,一点点剔除多余的石头,扩散模型则是逐步消除目标之外的噪音。比如,输入“戴高帽的猫”的提示,模型会从一堆随机像素出发,结合关于猫和帽子的训练数据,逐步逼近目标图像。

Zhuoran Qiao 意识到,同样的方法可以用于模拟蛋白质的复杂动态分子景观。“你从所有可能原子位置的随机混合出发,然后逐步去噪,最终得到三维结构,”他解释道。这里不再是文本提示,而是生化数据:蛋白质序列的进化特征、小分子的化学图谱,以及预测小分子与蛋白质如何相互作用的“接触图”。“利用这些,扩散模型可以映射每一个原子,最终还原分子结构,”Zhuoran Qiao 说。
通俗来说,这意味着 Zhuoran Qiao 的预测引擎不仅能预测蛋白质如何折叠,还能预测其与其他分子(包括潜在药物)如何相互作用。

构建“计算显微镜”

在 AI 出现之前,模拟一个蛋白质是个极其庞杂的任务,要么依赖艰苦的晶体学或光谱成像,要么靠逐原子计算机模拟。“过去大家用蛮力解决这个问题,但模拟一个蛋白质要花费数年 GPU 时间,而且还要人工设置参数,”Zhuoran Qiao 解释道。而他的生成式模型只需几秒钟就能准确还原复杂分子体系。“速度提升了一百万倍,结果往往与实验数据非常接近,”他说。

实际上,这个预测引擎为研究者提供了一个“计算显微镜”,让他们无需繁琐计算和实验,就能洞悉复杂生化系统的运作。它甚至可能帮助科学家突破传统成像的极限,探索那些尚未被实验观察到的“暗蛋白”。“我们的模型可以从已知蛋白质中泛化,帮助我们跨越这一障碍,”Zhuoran Qiao 说,“这对新药开发至关重要。”

初步研究会集中在设计针对已知蛋白质的小分子。“如果你已经有关于信号通路的生物学假说,可以用我们的工具找到能触发该效果的分子,”Zhuoran Qiao 说,“这依然不是个简单问题,但我们的引擎显著加速了搜索过程。”更具雄心的是,这个引擎还能用于从零设计蛋白质,比如开发新型蛋白质传感器,甚至创建一连串生物工程蛋白质相互作用,解锁新的生物功能。有前景的应用之一,是利用“分子胶”让致病蛋白与专门降解生化物质的蛋白结合。“通过模拟这些复杂动态,我们或许能主动清除体内的致病蛋白,”Zhuoran Qiao 说,“这还只是起步阶段,但机会无限。”

最终目标不仅是加速传统研究,更是实现药物发现自动化,让研发走向人类科学家未曾设想的新方向。“我们希望构建能自动生成全新分子的工作流,”Zhuoran Qiao 说,“从长远来看,我们能够替代药物研发中大量传统的人工流程。”

走出学术圈

为了实现这个目标,Zhuoran Qiao 开始将目光投向学术之外。2023 年,他加入了 Iambic Therapeutics,这家初创公司源自他导师在加州理工的实验室;今年,他又以创始科学家的身份创立了 Chai Discovery。“学术界是原型开发的好地方,但要产生真正的现实影响,就需要更大的团队和更多资源,”Zhuoran Qiao 解释道。

团队协作带来了令人瞩目的成果:Iambic 的 NeuralPLexer 模型刷新了结构预测的行业标准,Chai 最新模型能以 16%的成功率设计新型抗体——这是此前水平的 100 倍提升。Chai Discovery 联合创始人 Joshua Meier 称之为“蛋白质的 Photoshop”,带来了强大的新见解。“数字生物学不再是科幻——它已经成为现实,”他说。

目前,DeepMind 的 AlphaFold 数据库已被超过 200 万名研究者使用,完成了以往需 10 亿年才能完成的分析;2024 年,AlphaFold 的两位创始人获得了诺贝尔化学奖。现在,Zhuoran Qiao 说,研究者们正迈入“后 AlphaFold”时代,利用更强大、更专业的模型加速发现。“我们有机会以前所未有的规模绘制蛋白质相互作用图谱,”他说,“我很幸运能参与这场变革。”

现在,Zhuoran Qiao 表示,是时候抓住这个机遇,打造能带来临床变革性成果的实用工具和工作流了。“这对我来说很有情感意义,”Zhuoran Qiao 补充道,“如果我们能做到这一点,整个计算药物研发的方式都将被彻底改变。”

18

2025-07