脑科学日报：详解遗忘脑功能的分子机制；元分析R程序包

科学时讯

1，健忘症的福音！详解遗忘脑功能的分子机制

来源：和元上海

AMPA、NMDA刺激引起Syt3内吞作用 (图片来源：Science)

2019年01月04日，《Science》杂志刊登了欧洲神经科学研究所Camin Dean教授的最新重要工作，他们发现位于突触后胞吞区的突触结合蛋白3（Synaptotagmin-3, Syt3）介导AMPA受体内化，从而引发LTD（长时程抑制）效应，进而调控遗忘功能。该研究首次发现AMPA受体内化的分子机制，极大提高了人们对记忆-遗忘领域的认知。

阅读链接：

https://mp.weixin.qq.com/s/vc9iyrDloTKRxHw-qb9Vxw

2，Nat Genet：科学家鉴别出阿尔兹海默病的新型遗传风险因子

来源：转化医学

近日，一项刊登在国际杂志Nature Genetics上的研究报告中，来自阿姆斯特丹自由大学等机构的科学家们通过研究表示，大规模利用非常规模式来组合遗传数据或能帮助发现多种诱发人类疾病的新型遗传因素和生物学机制。

阅读链接：

https://mp.weixin.qq.com/s/jx4WUfxr9KXu3AFxJMlWzw

3，PNAS眼动研究：眼动研究：觉知所学为何是海马依赖型记忆的一个特征

来源：思影科技

来自加州大学圣地亚哥分校的Smith和Squire在PNAS杂志发文表示，觉知到自己已经习得了什么是海马依赖型记忆的一个关键特征。

阅读链接：

https://mp.weixin.qq.com/s/vQBWq8TmMXWL1idLV9G0Eg

4，PNAS：为什么毅力和激情可以预测表现？

来源：唧唧堂

本文是针对论文《Why grit requires perseverance and passion to positively predict performance》的一篇解析，该论文于2018年8月发表在 Proceedings of the National Academy of Sciences（PNAS）。作者通过对253篇文章的元分析和两个实验研究，发现只有将毅力和激情结合在一起，才是完整的坚毅力，才能够预测个体的行为表现。同时，提高沉浸体验在坚毅力和行为表现中起到中介作用。

阅读链接：

https://mp.weixin.qq.com/s/PgKCKkD0jvxMIB_6n7sMXA

5，胶质瘤能改变大鼠脑组织间液的引流

来源：AgingandDisease

脑科学日报：详解遗忘脑功能的分子机制；元分析R程序包

随着肿瘤生长，细胞外基质分子tenascin C增多

2018年4月，Aging and Disease发表了题为“BrainInterstitial Fluid Drainage Alterations in Glioma-Bearing Rats”的论文，文章发现在大鼠颅内种植胶质瘤后，会改变肿瘤外脑组织间液（ISF）的引流，并提出基于示踪剂的核磁共振（MRI）成像技术在优化经脑组织间液胶质瘤靶向治疗中具有良好的应用前景。

阅读链接：

https://mp.weixin.qq.com/s/MLNam90mNdomJ5MTjOj_iw

6，年轻男性驾驶员主客观风险感知能力的一致性研究

来源：眼动之家

研究表明，驾驶员的风险觉知能力（HPS）是与危险驾驶和事故相关的一个关键因素。在本文中，我们将HPS定义为一个驾驶员及时和适当地检测和响应路上的潜在危险事件的能力。在危险可见的情况下，被试的主客观HPS之间是一致的。但是在在隐藏危险的情况下就没有这样的结果，这可能是因为本研究的被试都是HPS较低的年轻驾驶员。其次，HPS较高的驾驶员的在危险情境下的眼动模式更有效。最后，感觉寻求得分较高的年轻驾驶员的客观HPS也比较高，这说明感觉寻求并不会影响驾驶员在危险情境下的反应。

阅读链接：

https://mp.weixin.qq.com/s/jH74EMPeQ2I2QrdpAGw-Xw

阅读分享

1，从400多篇Cell论文遴选出最佳的8篇，中国独占3篇，克隆猴，AI技术等上榜

来源：iNature

广州妇儿中心张康团队发表题为“Identifying Medical Diagnoses and TreatableDiseases by Image-Based Deep Learning”的研究论文
上海生科院神经所孙强团队发表题为“Cloning of Macaque Monkeys by Somatic Cell Nuclear Transfer”的研究论文
香港科技大学张明杰研究组发表题为“Reconstituted Postsynaptic Density as a Molecular Platform for Understanding Synapse Formation and Plasticity”的研究论文
斯坦福大学Longaker及Chan共同通讯发表题为“Identification of the Human Skeletal Stem Cell”的研究论文
剑桥大学MRC分子生物学实验室Hauser及Babu共同通讯发表题为“Pharmacogenomics of GPCR Drug Targets”的研究论文
法国国家科学研究中心Garel及新加坡免疫学科学技术研究所Ginhoux共同通讯发表题为“Microbiome Influences Prenatal and Adult Microglia in a Sex-Specific Manner”的研究论文
丹麦哥本哈根大学Willerslev及Nielsen共同通讯发表题为“Physiological and Genetic Adaptations to Diving in Sea Nomads”的研究论文
英国弗朗西斯克里克研究所转化癌症治疗实验室Swanton研究组发表题为“Deterministic Evolutionary Trajectories Influence Primary Tumor Growth: TRACERx Renal”的研究论文

阅读链接：

https://mp.weixin.qq.com/s/d2gyHDZnH6VT2NsFsr5Ugg

2，史无前例：Nature Medicine同期8篇论文，聚焦人工智能在医学领域的应用

来源：BioWorld

2019年1月7日，Nature 旗下顶级医学期刊 Nature Medicine 杂志同期刊登8篇论文，聚焦人工智能在医学领域的应用。

High-performance medicine: the convergence of human and artificial intelligence高效医学：人类与智能的融合
Identifying facial phenotypes of genetic disorders using deep learning使用深度学习识别遗传疾病的面部表型
Predicting the early risk of chronic kidney disease in patients with diabetes using real-world data使用现实世界数据预测糖尿病患者的慢性肾脏疾病的早期风险
Screening for cardiac contractile dysfunction using an artificial intelligence–enabled electrocardiogram使用具有人工智能的心电图筛查心脏收缩功能障碍
Privacy in the age of medical big data医疗大数据时代的隐私
Cardiologist-level arrhythmia detection and classification in ambulatory electrocardiograms using a deep neural network采用心脏病专家级别的深度神经网络进行动态心电图心律失常检测和分类
A guide to deep learning in healthcare医疗保健深度学习指南
The practical implementation of artificial intelligence technologies in medicine医学中人工智能技术的实际应用

阅读链接：

https://mp.weixin.qq.com/s/YGYE1brkivIiLqezKAqxRw

3，有人说抑郁症来自寄生虫，我试着一步步击破了谣言

来源：果壳

本文简介：有人说抑郁症是高度传染的寄生虫病；这种说法是对一篇论文的误读；这篇论文表达的观点，本身并不流行，也没有确切的研究实证；目前，有多个抑郁症理论获得了研究支持，但它们无法完整地解释抑郁症的病因。

阅读链接：

https://mp.weixin.qq.com/s/jfFwhB80yCuEMHCqwlRQQg

4，元分析R程序包 | 综述

来源：OpenScience

Polanin et al (2017)对元分析相关的R包进行了系统地梳理，并在文中提供了一个完整的元分析示例（包括全部代码），这对于学习元分析极具有参考价值。渤海大学的范会勇老师团队翻译了全文，并授权本公众号转载。本译文的全文见：https://osf.io/wunx6/

本研究的目的在于找到全部公开的、可获取的R程序包。通过全面的网络搜索，我们搜索到了63个程序包。为了帮助阐明它们在元分析领域的功能，我们对每一类R程序包都进行了描述，同时还为对R程序包感兴趣的研究者推荐了一些应用，提供了两种元分析程序包的简明指导，也为将来R程序包的创建者提供了一些建议。

阅读链接：