越来越多的证据表明,精神共病背后存在层次化的精神病理学因素。然而,这些多层次因素的确切神经生物学特征仍然难以捉摸。在这项研究中,我们利用大脑行为预测框架和 10 年纵向成像遗传队列(IMAGEN,年龄 14、19 和 23 岁,N = 1,750),构建了外化和内化症状背后的两个神经因素,这些因素在六个临床和基于人群的数据集(ABCD、STRATIFY/ESTRA、ABIDE II、ADHD-200 和 XiNan,年龄从 10 岁到 36 岁,N = 3,765)中可重现。这两个神经因素表现出不同的神经配置:外化症状的冲动相关回路中存在超连接,而内化症状的目标导向回路中存在低连接。这两个因素在认知行为相关性、遗传基础和发展特征方面也有所不同。结合先前的研究,这些发现提出了从青春期前到成年期共病精神疾病的分层神经认知谱模型:一个一般神经精神病理学 (NP) 因素(表现为执行控制效率低下)和两个分层因素,分别针对外化(抑制控制不足)和内化(目标导向功能受损)症状。这些整体见解对于开发分层的精神障碍治疗干预措施至关重要。
研究目的:研究认知情绪调节策略在多大程度上是内化和外化问题的“共同决定因素”和/或区分一个问题类别与另一个问题的“特定决定因素”。方法:样本包括 271 名 12 至 18 岁的中学生。内化和外化问题通过青少年自我报告 (YSR) 进行测量,认知情绪调节策略通过认知情绪调节问卷 (CERQ) 进行测量,采用横断面设计。结果:首先,对有内化问题、外化问题、共存内化和外化问题的青少年和对照组的特定认知情绪调节策略进行了比较。结果表明,内化问题(纯内化问题和共病内化问题)的青少年在自责和沉思等认知情绪调节策略上的得分明显高于外化问题(纯外化问题)或对照组的青少年。通过多元回归分析测试了单独的认知策略与内化和外化问题之间的独特关系。在内化问题与自责、沉思和积极重新评价之间以及外化问题与积极重新聚焦之间存在特定关系。没有发现“共同”相关因素。
摘要 本文从多维度阐述了人工智能在学习和教育中的作用,强调了人工智能、分析和学习过程之间错综复杂的相互作用。本文对普遍存在的将人工智能视为工具的狭隘概念提出了挑战,例如生成性人工智能工具,并论证了人工智能的替代概念对于实现人机混合智能的重要性。我强调了人类智能与人工智能信息处理之间的差异,人机混合系统对扩展人类认知的重要性,并假设人工智能也可以作为理解人类学习的工具。早期学习科学和教育人工智能研究 (AIED) 将人工智能视为人类智能的类比,但已经偏离了这一观点,这促使人们需要重新点燃这种联系。本文提出了人工智能的三种独特概念:人类认知的外化、人工智能模型的内部化以影响人类心理模型,以及通过紧密耦合的人机混合智能系统扩展人类认知。本文从当前研究和实践中的例子出发,探讨了教育中的三种概念化,强调了每种概念化对教育的潜在价值和局限性,以及过分强调外化人类认知的危险。本文最后提倡对 AIED 采取更广泛的方法,这种方法不仅限于考虑 AI 的设计和开发,还包括教育人们了解 AI 并创新教育系统,以在 AI 无处不在的世界中保持相关性。关键词人工智能、混合智能、生成式 AI、学习分析、教育技术、人类认知、教育的未来
背景:我们使用外化行为多基因评分 (extPGS) 和结构 MRI 来检查青少年时期从遗传倾向通过大脑导致行为问题的潜在途径。方法:在青少年大脑认知发展 SM 研究 (ABCD 研究) 中,对 4,475 名欧洲血统的 9-13 岁儿童进行了三次年度儿童行为问题、注意力缺陷/多动问题和内化问题评估。结果:extPGS 预测了每一波的行为问题 (R 2 = 2.0% – 2.9%)。双因子模型显示,extPRS 不仅预测了行为问题特有的差异 (R 2 = 1.7% – 2.1%),而且预测了行为问题与其他测量问题共有的差异 (R 2 = 0.8% – 1.4%)。纵向来看,extPGS 可以预测特定行为问题的水平(R 2 = 2.0%),但不能预测它们随年龄变化的变化斜率。extPGS 与总灰质体积(TGMV;R 2 = 0.4%)相关,较低的 TGMV 可预测特定行为问题(R 2 = 1.7% – 2.1%)和每波中所有问题的共同方差(R 2 = 1.6% – 3.1%)。每波中特定于行为问题的多基因倾向中有一定比例在统计学上由 TGMV 介导。结论:在整个青少年期,extPGS 可预测行为问题特有的方差和所有测量问题共有的方差。extPGS 还与 TGMV 相关,后者可以稳健地预测行为问题。统计中介分析表明,多基因变异会影响大脑发育的个体差异,而这种差异与青少年过渡期出现行为问题的可能性有关,这证明有必要开展新的研究来检验这一因果假设。关键词:多基因评分;大脑结构;精神病理学的一般因素;外化。
转染后 48 小时收获细胞。胰蛋白酶消化后,进行 FITC-膜联蛋白 V 和碘化丙啶 (PI) 染色。使用流式细胞术用膜联蛋白 V-FITC 和 PI 的死细胞凋亡试剂盒 (Invitrogen,目录号:V13242) 分离凋亡细胞 (早期)。单克隆抗体使用与绿色荧光 FITC 染料结合的重组膜联蛋白 V 检测凋亡细胞中磷脂酰丝氨酸的外化,使用 PI 检测死细胞,其中 PI 将坏死细胞染成红色荧光。用两种探针处理后,凋亡细胞显示绿色荧光,死细胞显示红色和绿色荧光,活细胞几乎不显示荧光。Navios
人们对人类在自主运动控制过程中脊髓的电生理活动知之甚少。我们提出了一种新方法,使用植入的硬膜外电极记录自然运动(包括地面行走)期间人类脊髓的电生理活动。作为对接受脊髓刺激评估的慢性疼痛患者的测试试验的一部分,从植入的硬膜外电极记录脊髓电图 (SEG)。将硬膜外导线的外化端连接到外部放大器以捕获 SEG。使用无线传感器收集上肢和下肢的肌电图和加速度数据,并将其同步到 SEG 数据。指示患者进行各种手臂和腿部运动,同时收集 SEG 和运动学数据。这项研究证明了对执行运动任务的人类受试者进行硬膜外脊髓记录的安全性和可行性。
中性粒细胞是类风湿性关节炎 (RA) 关节中最丰富的细胞之一,长期以来一直与该疾病的发病机制有关,但直到现在,它们是否在软骨损伤中起直接作用尚不清楚。一项新研究的结果表明,中性粒细胞弹性蛋白酶(一种存在于中性粒细胞胞外陷阱 (NET) 中的酶)既可以降解软骨,又可以刺激成纤维细胞样滑膜细胞 (FLS) 介导的下游炎症过程。“我们的小组和其他小组已经证明,中性粒细胞可能在 RA 的启动和延续中发挥重要作用,”共同通讯作者 Carmelo Carmona-Rivera 说道。“RA 患者的中性粒细胞形成 NET 的能力增强,这些格子将瓜氨酸化自身抗原外化并促进滑膜免疫失调。”
微生物,其中数量最多、种类最多的是细菌。微生物群(也称微生物组)的基因组比人类基因组大近100倍[3]。这样,肠道微生物群可以被视为一个外化的器官,对整体代谢以及食物转化为营养物质和能量非常重要。微生物的数量超过 10 个细菌,以厌氧微生物群落为主,包含 500-1,000 个不同的物种 [14]。 99%的栖息微生物属于40个物种。细菌密度沿小肠走向逐渐变化,空肠约有10个/克肠腔内容物,回肠末端有10个/克菌落形成单位,其中以革兰氏阴性需氧菌和一些专性厌氧菌为主[4,7]。在结肠中,细菌数量达到每克10个菌落形成单位,且以厌氧菌为主[12]。研究发现,粪便中 60% 由细菌组成 [4]。