点击上方蓝字,关注我们!
封面图片:Rob Dobi
封面故事
脑肿瘤如何“生根发芽”
脑肿瘤是最致命的癌症之一。原发性脑肿瘤(如恶性胶质瘤)以及从其它器官转入颅内的脑转移瘤尤其难以治愈。本周《自然》发表的三篇论文探索了脑肿瘤的生长特性,为认识癌细胞如何“劫持”并融入大脑神经网络提供了见解。Michelle Monje和Frank Winkler团队分别发现致癌胶质瘤细胞会与神经元形成功能性突触。Douglas Hanahan团队则表明转移至脑部的乳腺癌细胞会以突触周围伴侣的形式参与形成突触结构。之后,癌细胞会利用这些突触促进自身生长。研究人员发现这种突触激活与癌细胞在脑部的定植、恶性肿瘤细胞增殖和肿瘤生长存在关联,突出了神经元活动在脑肿瘤中的作用。
↓长按并提取二维码阅读
论文:Electrical and synaptic integration of glioma into neural circuits
↓长按并提取二维码阅读
论文:Glutamatergic synaptic input to glioma cells drives brain tumour progression
↓长按并提取二维码阅读
论文:Synaptic proximity enables NMDAR signalling to promote brain metastasis
深度学习协助预测厄尔尼诺
《自然》发表的一篇论文报道了一种可以提前一年半预测厄尔尼诺事件的深度学习方法,克服了该领域内长期存在的一项挑战。
厄尔尼诺事件发生于太平洋东部和中部,会引起极端气候,对当地生态系统造成严重损害。预测这些事件一直困难重重,因为传统的预测方法无法提供超过一年的准确预测。
Yoo-Geun Ham及同事报道了能够预测厄尔尼诺事件的深度学习方法,该模型利用1871年至1973年的历史气候数据以及厄尔尼诺事件的模拟数据进行训练,并通过1984年至2017年的数据进行测试。与现行的气候预测方法相比,该深度学习算法的预测准确性更高,预测时间最多可提前一年半。作者还能借此预测某一厄尔尼诺事件是发生于太平洋中部还是东部,并且在其发生之前鉴定海面温度变化。
作者认为上述方法提供的预测或许也可用于未来的气候预测,帮助制定政策应对厄尔尼诺的影响。
↓长按并提取二维码阅读
论文:Deep learning for multi-year ENSO forecasts
点击“阅读原文”发现更多最新Nature精彩内容