分类下的文章: 研究院动态

▷ Kai-Min Wu, et al.Neuronal FAM171A2 mediates α-synuclein fibril uptake and drives Parkinson’s disease.Science387,892-900(2025).
DOI:10.1126/science.adp3645

近期，国家神经疾病医学中心、复旦大学附属华山医院、天桥脑科学研究院（Tianqiao and Chrissy Chen Institute）研究员郁金泰团队通过5年的临床和基础研究获得重大科研突破，在全球首次发现了帕金森病全新治疗靶点FAM171A2，并找到了具有潜在治疗作用的小分子化合物。此次研究发现的全新治疗靶点和开发药物有望从疾病早期对帕金森病进行干预，延缓疾病进展。结合现有的对症治疗手段，将会实现帕金森病病因治疗与症状缓解的双重突破，造福数百万患者。相关研究成果于今天（2月21日）在线发表于《科学》（Science）。

帕金森病患病人数全球攀升，治疗瓶颈亟待突破

帕金森病是仅次于阿尔茨海默病的第二常见的神经退行性疾病，严重影响患者日常生活，致残率和死亡率较高。全球帕金森病患病人数预计将从2015年的700万左右增至2040年的1300万，我国帕金森病患者总数约占全球一半。

▷ 帕金森病病程进展机制及干预手段

既往研究发现，病理性α-突触核蛋白是帕金森病的关键致病蛋白，在病理条件下，正常的α-突触核蛋白单体会发生错误折叠，并聚集在一起形成纤维，破坏神经元的正常功能并致其死亡，它还会像“种子”一样播散，入侵邻近的正常神经元，诱导更多脑区α-突触核蛋白聚集和神经元死亡。当致病蛋白传播到中脑黑质区域时，可导致多巴胺能神经元死亡，从而出现动作迟缓、静止性震颤、肌强直等运动症状；当传播到大脑皮层时，会出现记忆力下降等认知障碍症状。

传统药物和手术治疗都只是针对帕金森病的症状进行治疗，不能延缓疾病进展，因而进一步研究帕金森病致病的深层原因并开展针对性治疗，成为全球相关领域科学家竞相探索的战略高地。

锁定关键靶点，率先破解致病蛋白传播密码

郁金泰团队通过长达5年的潜心钻研，明确了病理性α-突触核蛋白在神经元间的传播“导火索”，并发现了抑制其传播过程的候选新药，为帕金森病治疗提供了新思路。

研究团队首先从大规模人群的全基因组关联分析中，发现FAM171A2是帕金森病风险基因，FAM171A2是一种神经元细胞膜蛋白，但其功能此前从未被人研究过。郁金泰团队经过系列研究证实了神经元膜受体FAM171A2蛋白是促进病理性α-突触核蛋白传播的关键，在全球首次揭示了FAM171A2蛋白与α-突触核蛋白的结合机制。

▷ FAM171A2与病理性α-突触核蛋白结合

基于帕金森病患者临床样本分析，团队发现：帕金森病患者大脑中FAM171A2蛋白含量增高，且FAM171A2含量越高的患者，其脑内病理性α-突触核蛋白含量也越高。紧接着，通过一系列体内外实验，研究团队发现在神经元细胞膜上，FAM171A2像“智能识别门”一样，可选择性地结合病理性α-突触核蛋白，并携带其进入到神经元中，诱导神经元内单体形式的α-突触核蛋白发生错误折叠，造成神经元死亡和其在神经元间的传播。随后，研究团队通过转基因动物证实，敲除小鼠神经元上FAM171A2，可以有效控制小鼠帕金森样症状的进展。

AI赋能创新，7000分子库中“智取”候选药物

基于以上发现，研究团队利用人工智能的蛋白结构预测和虚拟筛选技术，从7000余种小分子化合物中成功找到了一种小分子，可有效抑制FAM171A2蛋白和病理性α-突触核蛋白结合，并抑制多巴胺能神经元对该致病蛋白纤维的摄取。

该项工作发现了首个神经元上病理性α-突触核蛋白关键膜受体FAM171A2。《科学》杂志审稿人指出，识别病理性α-突触核蛋白聚集体的神经元受体是帕金森病研究领域的“圣杯”，它能提供阻断病理传播并延缓疾病进展的治疗方法；该研究探讨了一个至关重要且具有重大意义的科学问题，是一项非常有趣、新颖、重要且具有转化意义的研究。

帕金森病患者在出现运动症状之前十几年，大脑内就已存在α-突触核蛋白病理，本次研究发现有望在疾病的临床前期、前驱期和临床期通过靶向抑制原创新靶点FAM171A2以阻断病理性α-突触核蛋白传播，延缓帕金森病进展。此外，开发靶向FAM171A2新药还可补充目前在临床期改善运动症状的补充多巴胺水平的药物治疗、在临床晚期用脑起搏器的神经调控治疗手段，构建更完善的帕金森病标本兼治的治疗新体系。这不仅将为数以百万计的帕金森病患者带来福音，更标志着我国生物医药领域在帕金森病的“原创靶点发现-机制解析-产品开发”这一全链条自主创新道路上实现了具有里程碑意义的重大突破。

▷ 团队研究路径及相关发现

从实验室走向病床，加速构建帕金森病治疗新体系

在这一成果基础上，郁金泰团队申请了基于干预FAM171A2治疗帕金森病的国际专利，并计划在接下来的几年内，集中力量全面、系统地开展寻找治疗帕金森病的小分子药物、抗体以及基因治疗手段的临床前研发工作，并进一步将相关成果推向临床试验和临床应用，有望建立全球首个能够有效阻断帕金森病进展的创新性治疗手段。

此次发现的蛋白靶点极具创新性，在此之前，学界尚未有关于这一蛋白的任何功能性实验研究，因此进一步明确该蛋白在神经系统的生理和病理功能，还有望给路易体痴呆、多系统萎缩等其他α-突触核蛋白疾病，及阿尔茨海默病、额颞叶痴呆等其他神经退行性疾病提供新的治疗靶点，这也将作为团队下一步的研究方向。未来，团队将深入研究靶向FAM171A2的策略，持续推动神经系统退行性疾病治疗难题的进展。

▷ 郁金泰团队合影
第一排：郁金泰教授（左三），袁鹏教授（左五），刘聪教授（左二），吴凯敏博士（左四）

复旦大学睡眠障碍诊治中心执行主任于欢教授联合复旦大学人类表型组研究院陈晨副研究员、悉尼大学生物医学工程学院院长陈炜教授，在生物医学工程领域国际权威期刊《IEEE Journal of Biomedical and Health Informatics》上发表了题为 “Towards Real-time Sleep Stage Prediction and Online Calibration Based on Architecturally Switchable Deep Learning Models” 的研究论文（DOI: 10.1109/JBHI. 2023.3327470）。

01 文章概览

睡眠分期是评估睡眠质量和诊断睡眠障碍的重要步骤。现有的自动睡眠分期方法通常依赖于长时间窗口（如1帧或者多帧）的多导睡眠监测（PSG）信号来进行分析，尽管可以实现高精度分类，但需要大量计算资源且无法满足实时性需求。而在实际应用中，如可穿戴设备和床旁监测系统，实时性成为关键要求。然而，由于短时段信号数据缺乏足够的上下文信息，实时分析的稳定性和准确性往往较低。此外，不同个体之间的信号特征存在显著差异，现有模型缺乏动态适应能力，无法有效处理个体间特征差异带来的结果不一致问题。因此，如何在短时段数据上实现高效、稳定的实时睡眠分期，同时兼顾离线模式下的高精度分析，成为一个亟待解决的挑战。基于此，本研究提出了一种可架构切换的深度学习模型，通过离线与在线模式的灵活切换，以及上下文校准机制的引入，解决了实时预测中的短时段不稳定性和个体差异适应性问题，为离线与在线睡眠分期的结合提供了一种全新的解决方案。

02 选题背景

睡眠分期是评估睡眠质量和诊断睡眠障碍的重要步骤。现有的自动睡眠分期方法通常依赖于长时间窗口（如1帧或者多帧）的多导睡眠监测（PSG）信号来进行分析，尽管可以实现高精度分类，但需要大量计算资源且无法满足实时性需求。而在实际应用中，如可穿戴设备和床旁监测系统，实时性成为关键要求。然而，由于短时段信号数据缺乏足够的上下文信息，实时分析的稳定性和准确性往往较低。此外，不同个体之间的信号特征存在显著差异，现有模型缺乏动态适应能力，无法有效处理个体间特征差异带来的结果不一致问题。因此，如何在短时段数据上实现高效、稳定的实时睡眠分期，同时兼顾离线模式下的高精度分析，成为一个亟待解决的挑战。

03 创新点

SwSleepNet模型的主要创新在于其独特的架构切换和校准机制，可以分别适配离线高精度分析与在线实时分期场景。在离线模式下，SwSleepNet 使用完整架构，包括序列扩展模块（Sequence Broadening Module, SBM）、序列卷积神经网络（Sequence Convolutional Neural Network, SCNN）和压缩与激励模块（Squeeze-and-Excitation Module,SE），以充分挖掘信号的时间和空间特征；而在在线模式下，SwSleepNet通过简化架构仅保留SCNN和SE，结合上下文校准机制动态调整短时段预测结果的稳定性。此外，该模型采用模块化设计，其中每个模块针对不同场景的需求进行了优化，从特征提取到上下文分析均体现了高度的鲁棒性和效率。与传统模型相比，SwSleepNet不仅能够适应离线和在线预测的多种复杂场景，还能通过信号特征的融合提升预测性能，是当前领域内的一项重要技术突破。

04 算法设计

SwSleepNet模型通过模块化设计实现了高效的离线特征提取和在线实时分期预测，其架构由序列扩展模块、序列卷积神经网络、压缩与激励模块、上下文校准机制（Contextual Calibration Mechanism）和序列整合模块（Sequence Consolidation Module, SCM）组成，如图1所示。SBM用于在离线模式下扩展信号的时间维度，以捕捉长时段的上下文信息，从而增强特征表达能力；SCNN则是核心特征提取器，通过卷积操作捕捉信号的空间和时间特征，并适用于离线和在线模式。SE模块通过动态调整信号特征的权重，抑制噪声干扰，强化有效信号特征，显著提升模型鲁棒性。在在线模式中，SwSleepNet使用上下文校准机制，当短时段内的预测结果不一致时，自动引入前后时段的上下文信息重新评估预测，显著提升了短时段预测的准确性和稳定性。最终，SCM模块将多时段特征整合，生成睡眠阶段的预测结果，用于离线模式下的高精度分期。通过这些模块的协作，SwSleepNet在离线与在线场景中均实现了性能与效率的平衡。

图1 SwSleepNet的整体架构与流程图

05 实验结果

本研究在三个数据集（Sleep-EDF、MASS 和 HSFU）上对 SwSleepNet的离线与在线模式进行了系统验证，结果表明其在不同场景下均展现了卓越性能（如表1所示）。

表1 SwSleepNet 和基线方法在三个不同序列长度数据集上进行睡眠分期的性能比较，包括准确率（ACC），卡帕系数（Kappa），F1分数，敏感性，特异性，训练时间和测试时间

在离线模式下，SwSleepNet的分期准确率分别为84.5%、86.7%和81.8%，显著优于当前主流模型。在在线模式中，通过引入上下文校准机制，该模型在短时间窗口预测中的准确率超过80%，相较未校准模型提升5%-7%，并显著降低了预测方差，显示出强大的实时性和稳定性。此外，图2展示了SwSleepNet在SC、MASS和HSFU三个数据集上不同信号片段长度（如30s、5s、3s、2s）及校准后片段（C-5s、C-3s、C-2s）的归一化性能对比结果。

图2 SwSleepNet在SC、MASS和 HSFU数据集上，不同信号片段长度的睡眠分期结果的归一化对比，包括未校准的结果和校准后的结果（例如5s和C-5s，C-5s表示校准后5秒时的性能）。各指标性能最高的方法结果记为1。(a) SC数据集。(b) MASS数据集，(c) HSFU数据集

结果表明，30秒片段在准确率（Acc.）、特异度（Spec.）、敏感度（Sens.）和Kappa系数等指标上表现最佳，而校准后的短时片段（例如C-5s和C-3s）在各项指标上均显著优于未校准结果，接近长时间片段性能，尤其在SC和MASS数据集中校准效果更为明显。相比之下，HSFU数据集的整体性能较低，但校准后的短时片段仍能在性能上获得提升，表明校准机制对于短时间窗口预测的有效性和适用性。多模态实验进一步证明了SwSleepNet对信号融合的高适应性，其中单模态 EEG 和 EOG 信号的准确率分别达到79.7%-82.1%和76.0%-78.8%，而多模态融合后的准确率进一步提升至82.1%-83.7%。研究还通过t-SNE方法对信号特征进行了可视化分析，发现EEG 和EOG特征在二维潜在空间中呈现出高度相似的分布，验证了SwSleepNet在模态统一性上的优越性，同时解释了融合信号后性能提升的原因。消融实验进一步显示，SBM、SE和校准机制均在模型性能中发挥了至关重要的作用，尤其在离线特征提取和在线实时预测中的贡献不可或缺。

研究意义及展望

SwSleepNet的提出为睡眠医学领域提供了一种全新的技术框架，在离线模式下实现了高精度睡眠分期，在在线模式下兼顾了实时性和稳定性，为解决传统模型在实际应用中面临的信号缺失与实时性不足问题提供了新思路。该研究的意义在于通过模块化设计将离线与在线需求有机结合，不仅提升了睡眠分期的整体性能，也为多模态医疗数据分析领域的其他应用场景提供了借鉴思路。此外，SwSleepNet在t-SNE分析中验证了其对异构信号特征融合的有效性，表明其能够通过多模态信号挖掘潜在信息，为复杂医学信号分析提供强有力的支持。未来研究可以尝试将 SwSleepNet 进一步优化为轻量化模型，以满足移动设备应用需求，并探索其在其他领域如心电图异常检测中的潜在价值。

原文链接：https://pubmed.ncbi.nlm.nih.gov/37878423/

作者简介及项目支持

第一作者为复旦大学信息科学与工程学院博士生朱航宇。通讯作者包括于欢教授（复旦大学睡眠障碍诊治中心执行主任）、陈晨副研究员（复旦大学人类表型组研究院）和陈炜教授（悉尼大学生物医学工程学院院长）。该研究得到了国家自然科学基金[62001118] 和国家重点研发计划[2021YFF1200600] 的资助。

朱航宇，复旦大学信息科学与工程学院博士生

于欢，复旦大学睡眠障碍诊治中心执行主任

陈炜，悉尼大学生物医学工程学院院长，IEEE TBME副编辑，IEEE-JBHI、IEEE-TNSRE、IEEE-JTEHM副主编

陈晨，复旦大学人类表型组研究院副研究员

来源：上观新闻，作者：文汇报记者 唐闻佳

2025年新年到来之际，在上海华山医院的一间病房里，一位年轻女患者，仅仅在脑海中想出新年快乐这四个字，就被电脑成功解码并发出指令操纵机械手做出比心的动作，传送了世界上第一段由意念完成的新年祝福。

上海脑虎科技与复旦大学附属华山医院神经外科团队，在天桥脑科学研究院等的支持资助下，通过国产原创侵入式柔性脑机接口技术，实现了“做”——解析动作，也实现了“说”——理解语言。这一重大进展不仅涵盖了实时运动解码，更在实时汉语解码方面取得了前所未有的突破，标志着中国在脑机接口领域达到了世界领先水平，脑虎科技因此成为全球唯一同时实现实时运动解码和实时汉语解码的侵入式脑机接口企业。

▷脑虎创始人、TCCI研究员陶虎与受试者以及意念操控的灵巧手比心合影送祝福

语言解码探索大脑最深奥秘

“脑机接口全球方兴未艾，以马斯克的Neuralink侵入式硬核技术为代表，运动解码方向在美国、欧洲、亚洲多地取得了不少令人惊喜的突破，比如让瘫痪病人用意念遥控机械臂喝水，操纵鼠标玩游戏，或是遥控外骨骼恢复行走。我们预测和期待下一级的突破，是解码语言。”1个月前，在上海召开的全球脑机接口领域顶级学术会议BCI Society国际论坛上，多位海外科学家表达了这一观点。

专家进一步说，语言是人类最高智慧的体现，也被认为代表了大脑最深层的奥秘。在大脑这个黑盒子里面解析每一个抽象的汉字的复杂程度极高，声调、语义、字词顺序发生任何一点错乱，语句本身也不会有任何意义。目前全世界从事脑机接口解码语言的科学家屈指可数，公认成就是由美国加州大学旧金山分校Edward Chang院士实现的解码英语。

脑虎科技创始人兼首席科学家陶虎教授说，脑虎的定位是瞄准和赶超Neuralink，所以，既要做马斯克正在做的运动解码，更要做他还没有涉及的语言解码，而且是公认比英文更难的中文语言解码。

脑虎科技CEO彭雷指出，对语言的成功解码，为脑机接口注入了无穷的想象空间，不仅为失语患者恢复语言功能，更可能为健康人群实现人脑（人类智慧）与AI大模型（人工智能）的直接连接和交互，以及科幻小说中的用思维交流，塑造最强大脑。

创新技术造就重大突破

脑虎科研团队与华山医院神经外科吴劲松教授团队密切合作，给一位脑部语言区域肿瘤患者植入了一个柔软轻薄的电子薄膜——脑虎自研256导高通量脑机接口电极，紧紧贴合在大脑语言区域，既确保了患者安全，也确保了高通量、高质量、跨脑区采集信号。

相比英文26个字母的解码，中文“418个音节+4个语调”的解码难度更高，研究团队利用目前最大的中文脑电数据集，成功突破技术瓶颈，实现了中文语言实时解码算法。

病人术后5天，即实现142个常用汉语音节下71%的解码准确率，每分钟解码速度达到40个汉字，单字解码时延小于100 ms，还首次直接将大脑信号接入大语言模型，填补了多项中国乃至世界的空白。

▷实时汉语言解码

除了解码语言新战场，在解码运动主战场，脑虎科技与华山医院同样取得重大成果。去年三季度，与华山医院神经外科毛颖、陈亮教授团队合作完成了运动障碍患者意念合成运动脑机接口的临床试验。一位运动区占位癫痫患者在植入脑虎电极后，经过两天时间的适应，成功通过意念操控手机APP通讯、购物等。

▷实时意念操控XessOS系统

上海多元投入孵化脑虎

2014年，从美国学成归国的陶虎博士落户上海，加入中科院上海微系统所。2021年，受到马斯克的激励，他在上海创办脑虎科技，专注于侵入式脑机接口技术研发和应用。

▷陶虎. 脑虎科技创始人兼首席科学家、天桥脑科学研究院研究员

创业过程中，脑虎得到了上海市科委战略前沿脑机接口专项项目、市经信委先导产业创新发展项目、战略性新兴产业发展专项扶持、黄浦区高科技企业支持等资助，核心成果获得了2021年世界人工智能大会最高奖。

除了政府支持，脑虎更收获了上海独特的多元投入，如虎添翼。

“世界首富马斯克为了Neuralink的人体临床实验，打飞的登门拜访得克萨斯医学中心神经外科主任。脑虎很幸运，从一开始就得到了中国神经外科大咖毛颖教授和团队的大力支持，使得门槛极高的侵入式脑机接口研究能够落地。”

身为上海华山医院院长、国家神经疾病医学中心主任的毛颖，一直认为在脑科学时代，神经外科医生除了开刀救人，更有着用直接接触人类活体大脑的独特优势助力科研的职责。近年来，在他的领导下，华山医院神经外科不仅在脑机接口科研领域颇有建树，而且积极支持脑虎科技、博睿康等一批中国原创脑机接口企业的临床试验取得重大成果。

▷毛颖. 华山医院院长、国家神经疾病医学中心主任、天桥脑科学研究院转化中心主任

毛颖除了提供临床资源，还牵线陶虎认识了陈天桥——一位从上海起家，成功走向世界的知名企业家和慈善家。“当时脑虎第一笔融资，谈了好几家风投，投资人倒是很有兴趣，但是一听到商业化要10年以上都打了退堂鼓。几乎想放弃的时候，天桥总和我经过一个小时的视频会议，当场拍板3000万元投资，还告诉我不用急，20年、30年他愿意等，即使失败了就当是他支持科研的慈善投入。”陶虎回忆说。

▷陈天桥. 盛大集团创始人、董事长，天桥脑科学研究院创始人

陶虎说，之后，陈天桥经常和他探讨，不仅国际视野和超前眼光令人大开眼界，而且对解码语言有着浓厚兴趣，全球最成功的脑机接口解码英语研究正是得到了他的资助。在脑虎后几轮融资中，陈天桥不仅每次追加，还牵线介绍红杉资本等多家顶级风投一起投资。

据上海科技官微透露，脑机接口是覆盖上海生物医药、集成电路、人工智能三大先导产业的“交汇点”，目前已经汇聚约20家脑机接口企业，包括脑虎科技、博睿康、阶梯医疗等知名企业，涵盖非侵入式、半侵入式和侵入式等多条技术路线。

脑胶质瘤是最常见的原发恶性脑肿瘤之一，具有边界不清、毗邻功能区、放化疗不敏感等特点，手术切除困难，预后差。研究发现，2-3级胶质瘤患者中80%存在代谢酶异柠檬酸脱氢酶（Isocitrate dehydrogenase, IDH）突变，这类IDH突变胶质瘤好发于周边脑叶，在年轻人群中较为常见。最大限度地切除肿瘤后，患者的生存率可以显著提升。因此，术中快速识别IDH突变，实现胶质瘤术中分子病理诊断对提升患者预后意义重大。

2024年5月28日（当地时间），国家神经疾病医学中心、天桥脑科学研究院（Tiaoqiao and Chirssy Chen Institute）转化中心主任毛颖教授团队与清华大学精密仪器系欧阳证教授团队、美国普渡大学Graham Cooks教授团队及梅奥诊所Alfredo Quinones-Hinojosa教授团队合作，于期刊PNAS发表题为《术中质谱法快速检测胶质瘤中IDH突变》(Rapid Detection of IDH Mutations in Gliomas by Intraoperative Mass Spectrometry）的论文。

经过前期积累及近5年研究，该研究成功构建了完整的胶质瘤IDH突变术中诊断流程，并将全流程检测时间缩短至1.5分钟，为术中辅助外科医生快速明确肿瘤类型、平衡肿瘤切除率与神经功能保护、判断手术边界等提供依据，研究同时证实了质谱法在术中快速诊断中的作用，为未来各类外科手术创新变革带来可能性，具有重要临床价值。

2018年，毛颖教授团队利用质谱仪方法，通过检测IDH突变后产生的特殊小分子代谢物2-羟基戊二酸（2-HG），实现了IDH突变检测及术中应用，文章发表于Laboratory Investigation。此后，团队坚持协作创新，提升术中快速检测的便携性与准确率。此次研究由复旦大学附属华山医院、清华大学、美国普渡大学及梅奥诊所等四家中美顶尖研究和临床机构合作近5年完成，在复旦大学附属华山医院和梅奥诊所独立开展，是迄今已知规模最大的术中胶质瘤IDH突变检测临床研究。

随着全球老龄化进程的加剧和人类寿命的延长，阿尔茨海默病(AD)患病率逐年增长，给患者、家庭和社会带来了沉重的经济和照料负担。尽管目前的生物标志物研究取得了重要进展，但AD的病理生理学特征在很大程度上仍不清。β淀粉样蛋白(Aβ)斑块和tau神经元纤维缠结被公认为AD的两大重要病理指征，但它们仅反映了AD错综复杂的病理生理过程的一部分，拓展对AD生物标志物的认识变得尤为重要。脑脊液蛋白质组学方法为挖掘AD复杂潜在病理改变提供了一个不可或缺的系统工具。

加州理工学院的研究人员量化了人类思维的速度：每秒10比特。然而，我们身体的感官系统以每秒一万亿比特的速度收集环境数据，这比我们的思维过程快了一亿倍。这项新研究为神经科学家开辟了重大的新探索方向，尤其是：为什么我们的思维只能一次专注于一件事，而感官系统却能同时处理数千个输入。

这项研究由Anne P.和Benjamin F. Biaggini生物科学教授Markus Meister领导的实验室完成，研究由研究生郑洁瑜主导。描述该研究的论文于12月17日发表在《神经元》（Neuron）期刊上。

这篇论文的标题为《The Unbearable Slowness of Being: Why do we live at 10 bits/s?》。研究经费由Simons Collaboration on the Global Brain和National Institutes of Health提供支持。Markus Meister是加州理工学院陈天桥雒芊芊神经科学研究院的教授。

更多内容请访问加州理工学院陈天桥雒芊芊神经科学研究院

近日，苏州大学附属第二医院、苏州大学神经科学研究所刘春风教授团队与复旦大学基础医学院、天桥脑科学研究院（Tiaoqiao and Chirssy Chen Institute）研究员黄志力教授团队合作，在npj Parkinson’s disease杂志上发表题为“GBA-AAV mitigates sleep disruptions and motor deficits in mice with REM sleep behavior disorder”的研究论文。博士生陈颖为本文的第一作者。