《柳叶刀》子刊：教育水平越高，死亡风险越低

本周值得关注的科学前沿研究

Nature：艾滋病病毒是如何突破人类细胞核的？

《柳叶刀》子刊：教育水平越高，死亡风险越低

Nature子刊：关于人类衰老，科学家有了新发现

研究发现：在面对现实世界时，AI 很容易犯错

Nature子刊：新材料让 AI、电脑更快、更高效

Nature子刊：可再生能源助力生产绿色氢气

如何增强降水预报精度？中科院：试试“AI+物理学”

Science子刊：AI 有望在更早的阶段检测出癌症

Nature：艾滋病病毒是如何突破人类细胞核的？

来自澳大利亚新南威尔士大学的研究团队发现了人类免疫缺陷病毒（HIV）克服核孔复合物（NPC）限制，进入细胞核并建立感染的机制。该研究表明，HIV 通过核孔复合物孔道，无需分子伴侣蛋白质的协助，即可进入细胞核。这一发现不仅有助于人类深入了解 HIV 生物学，还可能为其他领域如（基因治疗等）提供新的启示。

原文链接：https://www.nature.com/articles/s41586-023-06969-7

《柳叶刀》子刊：教育水平越高，死亡风险越低？

一项发表在《柳叶刀》子刊《柳叶刀公共卫生》（The Lancet Public Health）上的研究揭示，教育对寿命有十分显著的积极影响。每增加一年教育，死亡风险降低 2%，六年小学教育可降低 13%，十八年教育甚至可降低 34%。此外，研究发现，教育的保护效应与健康饮食、不吸烟及适量饮酒等风险因素不相上下。即便年过五旬、七旬，人们仍能从教育中获益。这项研究集结了 59 个国家的数据，凸显了教育在全球范围内影响人口健康的关键作用，在中低收入国家尤其显著。

论文链接：https://www.sciencedirect.com/science/article/pii/S2468266723003067?via%3Dihub

Nature子刊：新材料让AI、电脑更快、更高效

在未来的人工智能和数据中心系统中，加入 GST467 纳米复合材料的相变存储器可能成为更优选择。该技术具有快速、低功耗、稳定、持久等特点，并可在与商业制造兼容的温度下制造。斯坦福大学相关研究人员表示，他们不仅在单一指标上进行改进，比如耐久性和速度，并且同时改进了多个指标。这被认为是在该领域构建的对行业十分友好的新材料。研究团队表示，这是迈向通用存储器的关键一步。相关研究已发表于科学期刊 Nature Communications。

图｜采用 GST467 纳米复合材料的超晶格相变存储器（PCM）

原文链接：https://www.nature.com/articles/s41467-023-42792-4

Nature子刊：关于人类衰老，科学家有了新发现

一项由南洋理工大学团队在 Nature Communications 上发表的研究表明，在人类大脑中，负责记忆的神经元之间的通信会随着年龄增长而中断。该衰退现象甚至可以在中年开始。通过实时监测活体小鼠的神经元活动，研究团队发现中年和老年小鼠在学习新任务时需要更多的训练，并且老年小鼠的神经元之间的连接变弱，导致记忆保持能力减弱。这一发现为制定保持认知健康的疗法提供新线索，同时强调了早期干预的重要性。

原文链接：https://www.nature.com/articles/s41467-023-43142-0

Nature子刊：可再生能源助力生产绿色氢气

以色列理工学院材料科学与工程学院的研究人员在 Nature Materials 上发表了一项突破性的研究——利用可再生能源生产绿色氢气。与其他生产绿色氢气的过程相比，该技术采用电解法，通过使用风能和太阳能等可再生能源，将水分解成氧气和氢气。研究人员强调，此技术的商业化发展对于减少碳排放、替代化石燃料具有重要意义。

图｜处理过程示意图

原文链接：https://www.nature.com/articles/s41563-023-01767-y

研究发现：在面对现实世界时，AI很容易犯错

一项来自美国西北大学的医学研究发现，组织样本污染容易让人工智能（AI）模型产生混淆。这一问题可能使 AI 在实际环境中产生错误，尤其当模型的训练环境为理想的模拟环境时。研究首次探讨了组织样本污染对机器学习模型的影响，结果显示，四个 AI 模型在面对污染组织时产生错误，例如在诊断血管损伤、估测妊娠年龄、分类宏观病变和检测前列腺癌等方面。研究呼吁在 AI 模型中加强对生物杂质的编码，以确保模型更好地适应真实世界，同时提醒患者仍需要人类专家作最后的诊断。

原文链接：

https://www.sciencedirect.com/science/article/pii/S0893395224000024?via%3Dihub

如何增强降水预报精度？中科院：试试“AI+物理学”

由中国科学院大气物理研究所的黄刚教授领导的研究团队，通过将物理变量与图神经网络（GNN）耦合，改进了降水预测技术。研究利用了新开发的 EarthLab 地球系统科学数值模拟器设施，提高了数值模型的降水预测技能。通过解决降水预测的困难，特别是强降雨事件，该团队构建了变量耦合图，将物理约束引入模型，以提高降水预测的准确性。研究结果表明，该方法在各个类别的降水预测能力上有显著改善，尤其在强降雨事件方面表现出色。这一成果发表在 Geophysical Research Letters 上。

图｜(a) ɷ-GNN 模型图示；(b) 编码器的细节和每个大气元素的嵌入过程，n 是气候背景嵌入向量的维数；(c) 局域性假设的细节，以其中一个元素为例；(d) 解码器详细信息。红色表示对应的降水行向量

原文链接：

https://agupubs.onlinelibrary.wiley.com/doi/10.1029/2023GL106676

Science子刊：AI有望在更早的阶段检测出癌症

利用机器学习，美国 City of Hope 和 TGen 的研究人员开发出一种创新的小样本血液检测技术，有望实现更早期的癌症检测。该技术通过 A-Plus 算法识别了 11 种癌症中的一半，准确率高，每 100 次测试仅 1 次误报。该方法采用“碎片组学”技术，只需全基因组测序的八分之一的血液量。未来，他们计划进行临床试验，验证这一技术在更早期癌症阶段的有效性。

原文链接：

https://www.science.org/doi/10.1126/scitranslmed.adi3883