重磅学术期刊封面论文一周盘点

药明康德/报道

《科学》:尼安德特人的绘画

尼安德特人 (Neandertals) 是在4万年前就已经灭绝的史前人类。关于他们的智力,尤其是象征性行为 (symbolic behavior) 能力的研究一直很缺乏。有证据表明尼安德特人能够制造身体的饰物,但是以前的研究将所有的洞穴艺术 (cave art) 归为现代人的作品。日前,欧洲的联合团队使用铀钍定代法表明在西班牙三个不同地点发现的洞穴绘画的年代至少在6万4千年以前。这些绘画是世界上最古老的洞穴绘画。更重要的是,他们完成的时间比现代人到达欧洲的时间早了至少2万年。这意味着它们是尼安德特人的作品。这些洞穴艺术主要为黑色和红色的绘画,包括不同动物、线条状符号、几何形状、手模具和手印。这项研究表明,尼安德特人具有非常丰富的象征性行为。

U-Th dating of carbonate crusts reveals Neandertal origin of Iberian cave art

http://science.sciencemag.org/content/359/6378/912

《Science Translational Medicine》:治疗辐射引起的肠道纤维化的新靶点

接受腹部放疗的癌症患者可能会换上辐射引起的肠道纤维化 (radiation-induced intestinal fibrosis, RIF) 这一严重并发症。日本千叶大学 (Chiba University) 的研究人员对嗜酸性粒细胞 (eosinophils) 在RIF患者和接受辐射的小鼠中的行为进行了研究。他们发现嗜酸性粒细胞与基质细胞 (stromal cell) 之间的相互作用是导致RIF产生的重要原因。嗜酸性粒细胞缺失的小鼠在接受辐射后RIF症状大幅度减轻。同时,使用两种不同的抗体在小鼠体内清除嗜酸性粒细胞也可以缓解RIF症状。抗嗜酸性粒细胞的抗体已经在临床试验中用于治疗其它疾病。这项研究表明,这些抗体可能很容易被用来在癌症患者中防止RIF的发生。

Eosinophil depletion suppresses radiation-induced small intestinal fibrosis

http://stm.sciencemag.org/content/10/429/eaan0333

《Science Signaling》:防治黑色素瘤转移的新策略

黑色素瘤 (melanoma) 细胞能够分泌一种称为组织蛋白酶 (cathepsin)的蛋白酶,它能够降解细胞外基质,从而促进细胞迁移和侵袭。因此,组织蛋白酶是防治黑色素瘤进一步恶化和对疗法产生抗性的重要靶点。美国肯塔基大学 (University of Kentucky) 的研究人员发现非受体酪氨酸激酶 Abl和Arg能够促进组织蛋白酶的分泌。Abl/Arg通过激活在上皮间质转化 (epithelial-mesenchymal transition, EMT) 过程中起到关键作用的一系列转录因子来激发组织蛋白酶的分泌。在转移性黑色素瘤小鼠模型中Abl和Arg抑制剂能够抑制组织蛋白酶的分泌。由于有不少靶向Abl蛋白激酶的药物已经获得了FDA的批准,这些药物可能在某些黑色素瘤患者中抑制组织蛋白酶的产生,并且可能被用来治疗其它携带过度激活的Abl蛋白激酶的恶性肿瘤。

Abl and Arg mediate cysteine cathepsin secretion to facilitate melanoma invasion and metastasis

http://stke.sciencemag.org/content/11/518/eaao0422

《自然》:青春期研究特刊

本期《自然》杂志是青春期研究特刊。世界上10~24岁之间的青少年人口达到了总人口的25%,但是对青春期身心健康的研究却没有被放在重要的位置。科学界对幼儿和成人的发育和心理疾病的研究要远多于青春期。本期《自然》杂志包含了一系列不同类型的与青春期研究相关的文章。其中包括对青春期研究这一科学领域和对青春期冒险和叛逆的神经生物学研究的新闻综述。著名心理学家和社会学家也撰文阐述数字技术对青少年的影响以及了解中低收入国家青少年的日常生活的重要性。因为世界上90%的10~24岁青少年人口来自这些国家。三篇综述总结了与青少年发育相关的不同领域的研究,其中包括青春期发育科学的研究,青少年生理早熟但是心理晚熟这一矛盾的探讨,以及危及青少年健康并影响他们的下一代的因素。

Adolescence research must grow up

《Cell》:基于图像的深度学习帮助医疗诊断

使用人工智能 (artificial intelligence, AI) 分析医学图像来帮助医生们做出临床决策需要AI 系统具有足够的可靠性和临床解释性 (clinical interpretability)。张康教授领导的研究团队开发出一种创新AI系统作为医疗诊断工具。利用迁移学习 (transfer learning) 技术,这一AI系统能够大幅度降低机器学习需要的图像数据量。这一AI系统能够准确地将视网膜图像分辨为黄斑变性 (macular degeneration) 和糖尿病性视网膜病变 (diabetic retinopathy) ,对图像分析的准确率与人类专家相仿。同时这一AI系统也可以准确地通过分析胸部X光片区分细菌性和病毒性肺炎。这项研究表明这一AI系统可能在生物医学成像分析方面有广泛的应用前景。

  • 发表于:
  • 原文链接:http://kuaibao.qq.com/s/20180226B05DE200?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。

扫码关注云+社区

领取腾讯云代金券