█ 脑科学动态
新发现的神经元有望帮助控制饥饿感
首次识别上百种功能蛋白，揭示个体间大脑功能连接差异
亚细胞可穿戴设备实现精确神经调控
跨物种研究揭示性别对恐惧反应的独特影响
罕见遗传变异引发儿童智力障碍及脑部畸形
聚磷酸盐或为神经退行性疾病的潜在保护因子
物联网技术助力痴呆症早期睡眠模式检测
█ AI行业动态
Google Gemini API 增添“搜索锚定”功能
ChatGPT搜索功能升级
波士顿动力Atlas机器人进军工厂
█ AI研发动态
MaCo模型：降低注释需求，提升医疗影像诊断新高度
虚拟放牧奶牛游戏揭示人类导航决策规律
AI设计DNA开关，精准操控基因表达
数字医疗赋能风湿病护理新模式
使用ChatGPT提示增强编程学习效果
视觉系统背后的共同原则
脑科学动态
新发现的神经元有望帮助控制饥饿感
洛克菲勒大学分子遗传学实验室的Han Tan和Jeffrey Friedman领导的研究团队发现了一种新的神经元类型，这一发现改变了科学界对大脑如何调节进食行为的传统认知。
研究团队通过单细胞RNA测序技术，在大脑的弓状核中发现了一种表达BNC2（basonuclin 2，一种基因）的神经元。这种神经元能够通过抑制AGRP神经元（agouti-related protein，促进食欲的神经元）来快速控制食欲。研究发现，当激活BNC2神经元时，饥饿的小鼠会表现出位置偏好，这说明BNC2神经元不仅能抑制饥饿感，还能带来积极的情绪体验。当研究人员删除BNC2神经元中的瘦素受体时，小鼠出现了明显的过度进食和肥胖症状。这项研究为治疗肥胖和代谢疾病提供了新的潜在靶点。研究发表在 Nature 上。
#神经科学 #饥饿调节 #肥胖研究 #瘦素机制
阅读论文：
Tan, Han L., et al. “Leptin-Activated Hypothalamic BNC2 Neurons Acutely Suppress Food Intake.” Nature, Oct. 2024, pp. 1–8. www.nature.com, https://doi.org/10.1038/s41586-024-08108-2
首次识别上百种功能蛋白，揭示个体间大脑功能连接差异
人类大脑连接的理解一直是神经科学的核心挑战。阿拉巴马大学伯明翰分校的 Jeremy Herskowitz及纽约州立大学上州医科大学的 Chris Gaiteri ，带领的研究团队首次系统识别了数百种大脑蛋白质，阐明了这些蛋白质如何在个体间造成大脑功能连接和结构共变的差异。
研究团队从98名 ROSMAP 项目参与者中收集了死前的神经影像数据和死后的蛋白质组、树突棘形态等数据。通过整合分子数据和树突棘形态学，团队揭示了特定突触蛋白与大脑功能连接的显著关联，识别出数百种与个体差异相关的蛋白质，涉及突触结构功能、能量代谢和 RNA 加工。这些蛋白质的变化与大脑区域间的沟通息息相关。研究发现，将分子、亚细胞和组织水平的数据整合后，能够深入探索大脑连接性背后的分子机制。该研究为理解多尺度生物物理数据对大脑功能连接的支持作用提供了新的视角。研究发表在 Nature Neuroscience 上。
#神经科学 #功能连接 #蛋白质组学 #突触结构 #大脑连接
阅读论文：
Ng, Bernard, et al. “Integration across Biophysical Scales Identifies Molecular and Cellular Correlates of Person-to-Person Variability in Human Brain Connectivity.” Nature Neuroscience, Oct. 2024, pp. 1–13. www.nature.com, https://doi.org/10.1038/s41593-024-01788-z
亚细胞可穿戴设备实现精确神经调控
麻省理工学院的研究团队开发了一种亚细胞级别的柔性可穿戴设备，用于包裹神经元的不同部分（如轴突和树突），以实现对神经元电活动的测量和调节。研究团队由麻省理工学院 AT&T 职业发展助理教授、Nano-Cybernetic Biotrek Lab 负责人 Deblina Sarkar 领衔，联合多位研究人员进行。
该设备由柔软的偶氮苯聚合物材料制成，在光的作用下可以实现亚微米级的折叠，适应神经元的复杂形态，并在显微注射到神经元培养物中后，能够与神经元的亚细胞结构形成无缝结合，从而达到精准的生物界面。通过改变光的强度、偏振和方向，研究人员可以精确控制设备在神经元周围的包裹方式和角度，进而实现对神经元电活动的测量和调节功能。研究表明，这些设备不会对神经元造成伤害，且能在不使用洁净室的情况下大量生产。未来，这项技术可用于为多发性硬化症等神经疾病患者恢复神经元功能，甚至为神经调控、记录及保护提供亚细胞水平的应用前景。该研究发表在 Communications Chemistry 上。
#神经技术 #亚细胞设备 #神经调控 #生物兼容性 #多发性硬化症
阅读论文：
Airaghi Leccardi, Marta J. I., et al. “Light-Induced Rolling of Azobenzene Polymer Thin Films for Wrapping Subcellular Neuronal Structures.” Communications Chemistry, vol. 7, no. 1, Oct. 2024, pp. 1–12. www.nature.com, https://doi.org/10.1038/s42004-024-01335-8
PTSD治疗新方向：跨物种研究揭示性别对恐惧反应的独特影响
巴塞罗那自治大学的ICREA研究教授Raül Andero Galí，带领团队开展开创性的小鼠与人类恐惧反应研究，致力于促进PTSD与焦虑症治疗方法的发展。团队通过跨物种的综合研究，试图打破传统的动物与人类研究屏障，以求更全面地理解人类大脑。
该研究使用了小鼠体内钙成像和人类恐惧反应的功能性核磁共振（fMRI）技术，探索月经周期对恐惧记忆的影响。实验中，团队分别对小鼠和人类受试者施加恐惧刺激，监测其神经活动和激素水平。结果显示，雌性小鼠在月经周期的特定阶段表现出更高的应激反应，人类数据也呈现出类似的性别差异。此外，团队研究发现，针对情绪区域的神经肽受体（neuropeptide receptors）的药物开发可能比传统疗法更精准。通过这种跨物种的实验，研究者揭示了恐惧记忆形成中的性别和激素影响的复杂性，这对于未来PTSD等恐惧相关疾病的个性化治疗具有重要意义。研究发表在 Brain Medicine 上。
#大脑健康 #恐惧记忆 #性别差异 #跨物种研究
阅读论文：
Raül Andero Galí: Bridging animal and human studies to understand stress and memory, Brain Medicine (2024). DOI: 10.61373/bm024k.0100
罕见遗传变异引发儿童智力障碍及脑部畸形
大约 3000 万罕见疾病患者面临漫长的诊断之旅，其中一些病症难以被现有的疾病模式识别。此次，圣路易斯华盛顿大学医学院与全球多国研究人员合作，揭开了一名德国儿童患有的罕见遗传病的病因。该病涉及智力障碍和脑部结构异常，并影响蛋白质折叠功能。
研究团队通过基因组测序发现，患者的神经系统症状与 CCT3 基因变异有关。CCT3 基因是 TRiC/CCT（核心蛋白折叠机械）复合物的关键成分，其主要作用是帮助蛋白质折叠并维持其正常功能。为了进一步验证，研究人员利用线虫作为模型，发现携带该基因变异的线虫在运动和神经系统功能上均表现出明显的异常。研究显示，当 CCT3 活性仅为 50% 时，蛋白质折叠功能严重受损，影响了肌动蛋白的正常分布。此外，研究还发现类似基因变异的患者中有 22 人表现出相似的神经系统症状，表明 TRiC 复合物的不同亚基变异可能会导致一种新型大脑畸形疾病。这些发现为未来可能的治疗和进一步的诊断方法提供了依据。研究结果发表在 Science 上。
#大脑健康 #蛋白质折叠 #遗传变异 #神经系统异常 #稀有疾病
阅读论文：
Kraft, Florian, et al. “Brain Malformations and Seizures by Impaired Chaperonin Function of TRiC.” Science, vol. 386, no. 6721, Nov. 2024, pp. 516–25. science.org (Atypon), https://doi.org/10.1126/science.adp8721
聚磷酸盐或为神经退行性疾病的潜在保护因子
密歇根大学的Ursula Jakob教授及其团队发现，阿尔茨海默病和帕金森病患者脑内的原纤维结构可能与一种名为聚磷酸盐（polyP）的生物聚合物有关，这一发现为理解这些疾病的分子机制提供了新视角。
研究人员通过冷冻电子显微镜和分子动力学模拟，发现患者脑内的 α-突触核蛋白原纤维（α-Syn fibrils）中存在一种神秘的高负电荷密度，可能源于聚磷酸盐（polyP）的参与。团队模拟了聚磷酸盐在α-突触核蛋白原纤维中的结合位置，确认其进入了赖氨酸丰富的区域。为进一步验证，研究人员改变了原纤维关键位点（K43和K45）以观察聚磷酸盐的作用变化，发现失去聚磷酸盐的原纤维对细胞的毒性显著增强，反映出聚磷酸盐或可通过中和电荷排斥对抗毒性。该研究提出了通过维持脑内适当聚磷酸盐水平可能延缓神经退行性疾病的进展，但未来仍需大规模研究加以验证。该研究结果发表在 PLOS Biology 上。
#大脑健康 #神经退行性疾病 #聚磷酸盐 #α-突触核蛋白 #细胞毒性
阅读论文：
Huettemann, Philipp, et al. “Amyloid Accelerator Polyphosphate Fits as the Mystery Density in α-Synuclein Fibrils.” PLOS Biology, vol. 22, no. 10, Oct. 2024, p. e3002650. PLoS Journals, https://doi.org/10.1371/journal.pbio.3002650
物联网技术助力痴呆症早期睡眠模式检测
痴呆症是全球老年人主要致残因素，病情逐渐恶化，影响患者的生活质量。本研究由Louise Rigny带领的团队完成，研究团队利用物联网技术收集大量家庭环境下的睡眠数据，试图分析其在痴呆症早期筛查中的作用。
该研究采用无监督聚类模型，对来自“ Minder”研究的痴呆症患者（PLWD）和普通人群的睡眠数据进行分析，数据量涵盖100人超9500个夜晚的记录。通过床垫下传感器收集的睡眠活动数据传至云服务器，在数据处理和聚类分析后发现，痴呆症患者与普通人群在睡眠模式上存在显著差异。以痴呆症患者为主的一个聚类（72%）表现出较多的觉醒时间、光线干扰增加，而快速眼动和非快速眼动睡眠时间明显减少，这些特征与痴呆症已知的睡眠表型相一致。结果表明，物联网传感器在家庭环境中被动收集的睡眠数据可用于筛查痴呆症，并且在痴呆症护理和研究中具有潜在价值。研究发表于 Communications Medicine 期刊上。
#大脑健康 #痴呆症 #物联网 #睡眠监测 #数据分析
阅读论文：
Rigny, Louise, et al. “Assessment of Sleep Patterns in Dementia and General Population Cohorts Using Passive In-Home Monitoring Technologies.” Communications Medicine, vol. 4, no. 1, Oct. 2024, pp. 1–10. www.nature.com, https://doi.org/10.1038/s43856-024-00646-0
AI 行业动态
Google Gemini API 增添“搜索锚定”功能 实时数据提升回答准确性
Google 近日在其 Gemini API 和 Google AI Studio 中推出了一项新功能——“搜索锚定”（Google Search Anchoring），通过实时访问 Google 搜索数据为 AI 回答提供最新支持。这项功能旨在减少AI生成不准确内容的“幻觉”现象，增加回答的可信度，尤其在新闻、股票、天气等动态领域中更显优势。
“搜索锚定”功能使 AI 回答能够获得最新的搜索数据支持，确保信息的准确性。举例来说，当用户询问2024年艾美奖喜剧类最佳剧集时，开启该功能的模型可自动从 Google 搜索中获得最新答案（如《Hacks》），并附上支持链接和更多上下文，提升用户对 AI 回答的信任度和理解力。此外，开发者可以灵活设置，决定哪些查询需要此锚定功能，以确保高频更新场景下的信息可靠性。
Gemini API 中的“搜索锚定”还集成了动态检索机制，开发者可为查询分配预测评分，从而控制是否启用该功能，以平衡查询成本和响应速度。通过 Google AI Studio 的对比模式，开发者可直观地测试开启和关闭锚定功能后模型回答的差异，进一步优化应用效果。开发者可以在 Google AI Studio 中免费试用此功能，按需选择启用，并以每千次查询 35 美元的价格收费。
#Google #GeminiAPI #搜索锚定 #AI实时数据 #减少幻觉
阅读更多：
https://developers.googleblog.com/en/gemini-api-and-ai-studio-now-offer-grounding-with-google-search/
ChatGPT搜索功能升级，助力用户快速获取高质量信息
OpenAI近日宣布，ChatGPT的搜索功能获得重大改进，使用户能以更便捷的方式获取实时信息。通过ChatGPT的搜索功能，用户可以在对话中直接获取链接到相关网络资源的答案，无需跳转至其他搜索引擎。这一功能不仅能够返回最新的体育比分、新闻、股票报价等信息，还允许用户深入追问，ChatGPT会依据整个对话的上下文进一步调整答案，以提供更具针对性的回应。
此更新引入了与多家数据与新闻提供商的合作，通过在搜索结果中添加来源链接，用户可以直接访问可靠的新闻报道和高质量的网络内容。OpenAI表示，这种方式有助于内容发布者拓展受众范围，为用户带来更多内容选择。这一搜索功能已面向ChatGPT Plus和Team用户开放，并将在未来数月内逐步推广至所有免费用户。此次升级中的GPT-4o模型通过新颖的合成数据生成技术进行微调，包括从o1-preview模型中提取的输出，从而增强了ChatGPT搜索的准确性与深度。
#ChatGPT搜索 #OpenAI #实时信息 #GPT-4o #网络资源链接
阅读更多：
https://openai.com/index/introducing-chatgpt-search/
波士顿动力Atlas机器人进军工厂
波士顿动力最新展示了其人形机器人Atlas在工厂场景中的卓越表现。此次演示展示了Atlas如何自主搬运汽车配件，灵活调整位置，并在完全自动化的环境中高效完成任务。这款机器人依托机器学习算法，能够基于现场环境自动规划路径与动作，而不需要预设或人为干预。Atlas可以在物体位置发生变化时自发调整搬运动作，其智能化程度达到了前所未有的水平。
在具体动作设计上，Atlas并非简单模仿人类的行动，而是通过腰部旋转而非整身转向来优化行动路径，这种优化显著减少了移动距离，提升了效率。此外，Atlas还具备高度敏锐的感知能力，能够识别环境中如装置位移或任务失败等变化场景，并通过视觉、力觉及自我感知传感器进行实时调整，确保任务顺利完成。
#波士顿动力 #Atlas机器人 #全自动搬运 #机器学习 #智能制造
阅读更多：
https://techcrunch.com/2024/10/30/boston-dynamics-electric-atlas-humanoid-executes-autonomous-automotive-parts-picking/
AI 研发动态
MaCo模型：降低注释需求，提升医疗影像诊断新高度
中国科学院深圳先进技术研究院的研究团队提出了 MaCo 模型，旨在通过减少对大量人工注释数据的依赖，提高医疗诊断的效率和准确性。研究团队利用 MaCo 模型实现对胸部 X 射线图像的高效分析和异常识别，有望为医学图像分析提供新的技术路径。研究发表在 Nature Communications 上。
MaCo（Masked Contrastive Model）是一种基于掩蔽对比学习的视觉语言基础模型，专为胸部 X 射线分析而设计。该模型通过利用掩蔽对比学习方法实现了对图像细节的深度理解，并在多项任务上展示了出色的表现。研究团队使用六个开源的 X 射线数据集进行了多项标签高效的微调实验，包括分类、分割、检测等任务。结果显示，MaCo 在不同注释级别的任务中优于超过十种现有方法，在零样本学习方面尤为出色。相关性加权机制的应用，使得模型能够有效地关注 X 射线图像中的重要区域，从而提高异常识别和定位的精准度。这一成果展示了 MaCo 的潜力，能够在显著降低注释成本的同时，提升医疗影像分析中的诊断性能。
#神经技术 #多模态模型 #自动诊断 #掩蔽对比学习 #影像分析
阅读更多：
Huang, Weijian, et al. “Enhancing Representation in Radiography-Reports Foundation Model: A Granular Alignment Algorithm Using Masked Contrastive Learning.” Nature Communications, vol. 15, no. 1, Sept. 2024, p. 7620. www.nature.com, https://doi.org/10.1038/s41467-024-51749-0
虚拟放牧奶牛游戏揭示人类导航决策规律
最新的合作研究开展了一项关于人类运动和导航决策的研究，其中研究员 Ayman Bin Kamruddin 开发了一款第一人称放牧游戏，旨在模拟人类在复杂环境中的决策过程，以改善未来人机交互及机器人运动模式。
研究人员通过一款放牧虚拟牛的第一人称游戏探讨人类在动态感知运动原语（DPMP，dynamical perceptual-motor primitives）指导下的决策行为。参与者需要在游戏中将虚拟奶牛圈入围栏，研究团队记录了其运动轨迹和选择顺序。分析显示，DPMP 模型能够有效地模拟参与者的移动路径，并预测约 80% 的目标选择决策。在多目标场景中，参与者倾向于选择角度上最近的目标，且会优先选择距离围栏中心较远的奶牛。该研究显示，通过包含智能决策策略的 DPMP 模型，可精确再现人类复杂的运动行为，有望应用于人群管理、虚拟现实中的训练、消防训练和救援任务等领域。研究发表在 Royal Society Open Science 上。
#认知科学 #人机交互 #虚拟现实 #动态感知运动原语 #机器人导航
阅读更多：
Kamruddin, Ayman bin, et al. “Modelling Human Navigation and Decision Dynamics in a First-Person Herding Task.” Royal Society Open Science, Oct. 2024. world, royalsocietypublishing.org, https://doi.org/10.1098/rsos.231919
AI设计DNA开关，精准操控基因表达
麻省理工学院、杰克逊实验室、哈佛大学布罗德研究所及耶鲁大学的联合研究团队近日在Nature杂志发表了一项基于人工智能的新研究，展示了通过人工智能设计合成顺式调控元件（CRE），可以在不同细胞类型中精确控制基因表达。这项研究克服了当前基因疗法中缺乏特异性的难题，为未来精准医疗和基因治疗带来了新希望。
研究团队利用人工智能深度卷积神经网络（Malinois）模型，通过分析跨细胞类型的CRE活性，设计了成千上万种合成顺式调控元件（CRE），从而实现特定细胞类型的基因表达控制。Malinois模型通过大规模并行报告分析（MPRA）技术进行了验证，在三种不同的细胞系中准确预测CRE的活性。团队随后开发了合成CRE设计方法CODA，并在小鼠和斑马鱼中进行了跨物种验证。研究发现，合成CRE能显著提高靶向特定细胞类型的基因表达精度，同时抑制非靶向细胞中的基因活性。
此外，该团队展示了CODA设计的CRE比天然CRE更具特异性，表明人工智能设计的DNA开关不仅适用于实验模型，还在生物复杂组织中展现了跨物种的可移植性。这种人工设计的基因表达控制工具，未来可能广泛应用于生物制造、基因疗法等领域，为疾病特异性治疗提供更安全、高效的解决方案。研究发表在 Nature 上。
#神经技术 #基因编辑 #人工智能 #细胞类型特异性 #基因表达调控
阅读更多：
Gosai, Sager J., et al. “Machine-Guided Design of Cell-Type-Targeting Cis-Regulatory Elements.” Nature, vol. 634, no. 8036, Oct. 2024, pp. 1211–20. www.nature.com, https://doi.org/10.1038/s41586-024-08070-z
数字医疗赋能风湿病护理新模式
风湿病学领域面临医疗专业人员短缺、人口老龄化及成本上升等多重挑战，致使护理缺口不断扩大。近年来，数字医疗技术（Digital Health Technologies, DHT）以指数速度发展，为应对这些问题提供了全新机会，并可能提升整体医疗质量。然而，将这些创新引入临床实践并非易事。近期综述指出，DHT在重塑患者路径和重新定义患者与提供者角色方面具有颠覆性潜力，但同时也面临整合障碍。
综述还提出了一种“数字优先的混合阶梯式护理”模式，通过结合面对面和远程护理，为患者提供个性化和连续的健康监测。此模式在提升护理灵活性的同时，能有效减少不必要的就诊，优化资源配置。然而，将患者与医疗提供者关系转变为“数字健康三位一体”带来技术引入的潜在风险，也亟需解决监管、报销和数据证据方面的障碍。只有通过合作，共同驾驭数字健康的复杂格局，才能实现DHT在风湿病护理中的潜力。
#风湿病学 #数字医疗 #大语言模型 #患者路径 #混合护理模式
阅读更多：
Knitza, Johannes, et al. “Rheumatology in the Digital Health Era: Status Quo and Quo Vadis?” Nature Reviews Rheumatology, Oct. 2024, pp. 1–13. www.nature.com, https://doi.org/10.1038/s41584-024-01177-7
使用ChatGPT提示增强编程学习效果
在现代技术驱动的环境下，编程教育日益受到关注。来自北京大学的研究团队在探索如何通过提示引导ChatGPT，更有效地辅助编程教育。团队希望为大学生编程学习的提升提供新的解决方案。
该研究采用准实验设计，将30名大学生分为两组，分别接受基于提示学习（PbL）和无提示学习（UL）的编程教育。在为期一个学期的实验中，PbL组的学生不仅在Python编程上表现更出色，还更倾向于独立提出复杂问题，并获得更高质量的反馈，而UL组学生则大多采取浅层次互动，尽管能获得准确反馈但学习效果略逊。研究还显示，PbL组在使用ChatGPT后表现出更强的学习意图和实用性感知，尤其在结构化提示和分隔符帮助下，学生能够更好理解编程步骤，从而提升学习效率。该研究为未来编程课程设计提出了建议，强调使用结构化提示能显著提升编程教育效果。此项研究发表在 Humanities and Social Sciences Communications 上。
#认知科学 #编程教育 #人工智能 #学习效率 #技术接受模型
阅读更多：
Sun, Dan, et al. “Investigating Students’ Programming Behaviors, Interaction Qualities and Perceptions through Prompt-Based Learning in ChatGPT.” Humanities and Social Sciences Communications, vol. 11, no. 1, Oct. 2024, pp. 1–14. www.nature.com, https://doi.org/10.1057/s41599-024-03991-6
视觉系统背后的共同原则
近年来，科学家利用深度神经网络（DNN）研究大脑视觉系统，深入探索高层视觉表征的形成规律。此次研究由多个机构的研究人员共同完成，旨在通过不同视觉模型的数据对比，揭示影响视觉表征的核心因素。研究团队包括了视觉科学、神经科学和机器学习领域的科学家，他们利用开源DNN模型的多样性，从多方面分析其与大脑的预测性关系。
研究团队对224个不同架构和任务目标的视觉模型进行了控制变量实验，累计完成18亿次回归分析和50300次表征相似性分析，测试模型对大脑的预测能力。首先，研究发现，虽然卷积神经网络（CNN）与变压器（Transformer）在架构上差异显著，但在其他条件相同下，二者在大脑预测性方面表现相近。视觉任务类型也未显著影响结果，例如纯视觉对比学习与视觉语言对齐的模型在预测性上表现相当。
真正产生显著影响的是视觉训练数据集（或称“视觉饮食”）。在仅变动视觉数据集（例如仅人脸、仅地点等）的条件下，不同模型的视觉表征表现出最大的差异，表明训练数据对预测性能的作用显著。许多模型尽管在内部表征上存在差异，但都能实现相似的高预测性，研究团队认为这表明现有的模型-大脑关联方法过于宽松，难以准确反映模型间的微观差异。
总之，此次研究表明，视觉训练数据的选择在大脑预测性上影响最大，挑战了以往对模型对齐大脑的普遍假设。通过深入对比分析，这项研究为理解生物和人工视觉系统的共同计算原则提供了新的视角。研究发表在 Nature Communications 上。
#神经技术 #深度学习 #视觉表征 #计算神经科学
阅读更多：
Conwell, Colin, et al. “A Large-Scale Examination of Inductive Biases Shaping High-Level Visual Representation in Brains and Machines.” Nature Communications, vol. 15, no. 1, Oct. 2024, p. 9383. www.nature.com, https://doi.org/10.1038/s41467-024-53147-y
整理｜ChatGPT
编辑｜丹雀、1900、存源
关于追问nextquestion
天桥脑科学研究院旗下科学媒体，旨在以科学追问为纽带，深入探究人工智能与人类智能相互融合与促进，不断探索科学的边界。如果您有进一步想要讨论的内容，欢迎评论区留言，或添加小助手微信questionlab，加入社群与我们互动。
关于天桥脑科学研究院
天桥脑科学研究院（Tianqiao and Chrissy Chen Institute, TCCl）是由陈天桥、雒芊芊夫妇出资10亿美元创建的世界最大私人脑科学研究机构之一，围绕全球化、跨学科和青年科学家三大重点，支持脑科学研究，造福人类。
TCCI与华山医院、上海市精神卫生中心设立了应用神经技术前沿实验室、人工智能与精神健康前沿实验室；与加州理工学院合作成立了TCCI加州理工神经科学研究院。
TCCI建成了支持脑科学和人工智能领域研究的生态系统，项目遍布欧美、亚洲和大洋洲，包括、、、科研型临床医生奖励计划、、中文媒体追问等。