pnas专题

PNAS | 工作记忆中大脑节律的因果功能图

摘要 工作记忆是一个涉及大脑中多个功能解剖节点的关键认知过程。尽管有大量与工作记忆结构相关的神经影像学证据,但我们对控制整体表现的关键中枢的理解并不完整。因果解释需要在对特定功能解剖节点进行安全、暂时和可控的神经调节后进行认知测试。随着经颅交流电刺激(tACS)技术的进步,此类实验可以在健康人群中进行。本研究结合了28项安慰剂对照研究(共1057名参与者)的结果,这些研究应用了特定频率的非侵入性

朴世龙院士团队在《PNAS》上发表森林碳汇相关文章

以往对森林碳汇生物物理潜力的评估主要集中在造林面积分布以及经过几个世纪的生长后平衡状态森林的相关碳储量。然而,这些方法与气候政策的相关性有限,因为它们忽略了近期和中期的十年碳吸收动态以及适合造林的森林树种。        北京大学城市与环境学院朴世龙院士团队在本研究中通过解决造林的三个关键问题:在哪里造林、用什么森林树种造林以及何时造林,制定了一个造林路线图,以支持中国在 2060 年实现“

崔屹/鲍哲南,最新PNAS:锂硫电池再现“中庸之道”

成果简介 锂-硫(Li-S)电池具有高能量密度和低成本的特点,是下一代储能技术的理想选择。然而,由于多硫化锂(LiPS)中间体易发生溶解,导致容量衰减快,自放电严重,致使电池的循环稳定性受到严峻挑战。一般而言,探索具有低LiPS溶解度的电解质是解决这一问题的有效策略。 然而,斯坦福大学崔屹教授、鲍哲南教授等人最新研究却发现了一个新的现象。他们报道了具有中等LiPS溶解度的电解质,其能更有效

PNAS | 蛋白质结构预测屈服于机器学习

今天为大家介绍的是来自James E. Rothman的一篇短文。今年的阿尔伯特·拉斯克基础医学研究奖表彰了AlphaFold的发明,这是蛋白质研究历史上的一项革命性进展,首次提供了凭借序列信息就能够准确预测绝大多数蛋白质的三维氨基酸排列的实际能力。这一非凡的成就是由Demis Hassabis、John Jumper以及他们在Google DeepMind和其他合作者的同事们共同取得的,它建立

PNAS | 韩方普/田志喜合作在大豆着丝粒研究中取得进展

韩方普、田志喜研究组在大豆着丝粒研究中取得进展 着丝粒是真核生物染色体的重要结构。着丝粒功能异常往往导致细胞分裂过程中染色体不分离,从而导致植物生长发育受阻。着丝粒的显著特征之一是其核小体含有H3组蛋白变体CENH3。近年来,通过编辑CENH3, 在拟南芥、玉米、小麦上均获得了单倍体诱导系,说明着丝粒研究在植物育种中的潜力和重要性。着丝粒同时也是人工合成染色体的必需原料。因此,着丝粒结构和功能

PNAS论文和算法解析

PNAS,论文的全名是Progressive Neural Architecture Search。这篇论文也是由谷歌团队Chenxi Liu和Zoph等人发表出来的,里面的很多思路承袭了NASNet的设计原则。本论文最大的特点是采用了SMBO(Sequential Model-based Optimization)的方法来训练Predictor(结构和controller RNN相似)。 PN

PNAS:通过超出簇水平的分析提高fMRI研究的效力

神经影像学领域的研究通常关注局部脑区或区域性环路(焦点视角)。然而,对全脑更广泛水平的研究已经展现了一幅更加丰富且更有效力的图景,提示我们也许焦点视角的报告只反应了真实效力的冰山一角。目前还没有研究使用真实数据对焦点视角与广泛尺度视角会怎样影响研究推论进行全面的评估。本研究使用经验基准测试程序,采用重采样的任务态人类连接组项目数据集(约1000名被试,7项任务,3个重采样组大小和7个推论过程),比

PNAS论文和算法解析

PNAS,论文的全名是Progressive Neural Architecture Search。这篇论文也是由谷歌团队Chenxi Liu和Zoph等人发表出来的,里面的很多思路承袭了NASNet的设计原则。本论文最大的特点是采用了SMBO(Sequential Model-based Optimization)的方法来训练Predictor(结构和controller RNN相似)。 PN

跟着PNAS学作图 | 提供全文数据和代码

论文 题目:Death rates at specific life stages mold the sex gap in life expectancy 网址: https://www.pnas.org/doi/full/10.1073/pnas.2010588118 代码网址 https://github.com/CPop-SDU/sex-gap-e0-pnas 该文章发表于2