AI写本子更平庸但命中率更高；为什么光靠锻炼很难减肥？

加星标，才能不错过每日推送！方法见文末插图

整理 | 周舒义、平生

运动增强耐力，可能是因为你的大脑更强了

在沉默中灭亡，这颗恒星直接坍缩成黑洞

为什么光靠锻炼很难减肥？

终身阅读写作，痴呆症风险降低 40%

比起早鸟，夜猫子更伤 " 心 "

AI 写本子，资助成功率更高

运动增强耐力，可能是因为你的大脑更强了

在很多人印象中，通过跑步等运动增强耐力，提升主要来自肌肉、心肺和代谢的适应。但一项发表于 Neuron 的小鼠研究表明，反复运动还会 " 重塑 " 大脑中的特定神经元网络，让它们更容易被激活，而这种神经可塑性是耐力逐步提高的关键一环。

来自美国宾夕法尼亚大学的神经科学家 Nicholas Betley 及其团队发现，随着小鼠运动量的增加，其大脑中特定神经元之间的连接会变得更加紧密，运动耐力也随之提升。" 跑步锻炼后，你的肺活量增加，心脏泵血更有力，肌肉会经历分解和重生。所有这些有益的变化让你下一次跑起来更轻松，"Betley 说，" 但我没想到是大脑在协调这一切。"

小鼠体内的一些神经元在多次运动后更容易被激活。| Dr Gopal Murti/SPL

团队将研究重点放在了腹内侧下丘脑，这是一个与食欲、血糖调节密切相关的脑区。他们特别关注了该区域中产生类固醇生成因子 -1（SF1）的一组神经元，此前研究表明，SF1 参与代谢调节，缺失 SF1 会损害小鼠耐力。

研究人员监测了在跑步机上奔跑的小鼠，发现运动确实激活了这些 SF1 神经元。有趣的是，有一组 SF1 神经元仅在运动结束后才被激活。随着训练次数增加，运动后被激活的神经元不仅数量上升，激活强度也随之增强。对连续训练三周的小鼠进行分析后发现，相比不运动的小鼠，运动小鼠大脑中 SF1 神经元整体表现得更容易被激活，此外，反复运动使神经元之间的兴奋性突触（更容易释放电信号）数量增加了一倍。

为了进一步确认这些神经元的作用，研究者使用光遗传学手段，在小鼠运动后 " 关闭 "SF1 神经元。结果这些小鼠的跑步表现并不会随训练改善，反而比正常小鼠更容易疲劳。这表明这种神经重塑对于耐力提升必不可少。相反，如果人为增强 SF1 神经元活性，小鼠会比那些仅做常规训练的同类跑得更远、更快。

来自德克萨斯大学西南医学中心、研究肠脑轴的 Jeffrey Zigman 表示，虽然运动耐力可能还涉及大脑中其他区域，但新研究 " 凸显了这些特定神经元在介导耐力效应方面的重要性，甚至可能构成基础功能 "。

Betley 表示，未来可以探索是否有可能增强人体内这些神经元的活性，从而帮助人们在患病后恢复肌肉量，甚至提高运动员的运动表现。但光遗传学是一种侵入性技术，目前主要用于实验动物。因此应用前景依然遥远。Betley 说，目前还不清楚如何提高人体内 SF1 神经元的活性。" 就目前而言，让人们知道运动不仅仅是锻炼肌肉，它还能改变你的整个大脑，这本身就很有意义。"

相关论文：https://doi.org/10.1016%2Fj.neuron.2025.12.033

在沉默中灭亡，这颗恒星直接坍缩成黑洞

天文学家在邻近星系中捕捉到一幕罕见景象：一颗大质量恒星先短暂变亮，随后在可见光波段彻底 " 消失 "。研究团队认为，这可能是垂死的恒星在没有产生超新星爆发的情况下，直接坍缩形成黑洞的证据。

动画模拟恒星直接坍缩形成黑洞

按照经典图景，当恒星走到生命尽头时，小质量恒星平静演化为白矮星；而质量超过太阳 8 倍左右的恒星，其核心会坍缩到接近原子核密度、形成中子星，坍缩过程中的反弹激波和中微子流会将外层物质炸开，形成壮丽的超新星爆发。

但是，天文学家在整理过去几十年观测到的超新星爆发的前身星时，发现了一个奇怪的现象：找到的前身星都是质量在 8-17 倍太阳质量之间的红超巨星。那些质量在 17 倍以上的大质量红超巨星几乎从未被 " 抓现行 " 看到超新星爆发。

一种理论认为，由于恒星质量太大，核心坍缩时的引力太强，还没来得及形成足够强的向外激波把外层炸飞，物质就重新落回核心，导致整个恒星直接 " 吞掉 " 了自己，坍缩成了黑洞。这种现象也被称为 " 失败超新星 "（Failed Supernova）。

此次研究中，名为 M31-2014-DS1 的恒星是一颗贫氢的超巨星，位于距离地球约 250 万光年的仙女座星系。哥伦比亚大学的 Kishalay De 及其团队在查阅历史观测数据时，发现了这颗恒星奇怪的生命轨迹：它自 2014 年起在中红外波段上异常增亮，随后几年里光度急剧下降。2022 年和 2023 年的观测表明，该恒星在光学波段已基本不可见。现在，它的残骸仅在红外波段留存微弱信号。

为确认这颗 " 消失恒星 " 的去向，团队在 JWST 红外数据中看到一个仍在发光但逐渐变暗的气体与尘埃 " 包层 "，以约 100 公里 / 秒的速度向外扩张，团队认为这是恒星在核心坍缩前抛出的外层物质。" 这颗恒星的急剧且持续的黯淡非常不寻常，这表明超新星爆发并未发生，导致恒星核心直接坍缩成黑洞，"Kishalay De 认为。

此外，NASA 的钱德拉 X 射线天文台没有探测到黑洞在吞噬物质时通常会发射的 X 射线。Kishalay De 解释说这在预期之中：X 射线会被气体和尘埃壳吸收，再以红外线的形式重新辐射出来。这也是为什么在红外波段仍能看到 " 余辉 "。

尽管 M31-2014-DS1 的发现令人兴奋，但也有科学家提出，超新星爆发失败并未观测结果的唯一解释。约翰摩尔斯大学的天文学家 Emma Beasor 认为，M31-2014-DS1 前身星在形成初期的质量约为太阳的 13 倍，不满足理论上跳过超新星爆发所需质量。现有的 JWST 和钱德拉数据也可以解释为两颗恒星并合成一颗更大的恒星，这一过程会产生大量尘埃遮挡光线。Beasor 指出：" 我们并不真正知道失败的超新星应该是什么样子……这个天体看起来并不符合现有的任何模型。"

Kishalay De 则认为，如果像 M31-2014-DS1 这样的低质量恒星能够直接坍缩成黑洞，那么此类现象或许比理论学家们想象的更为普遍。由于不会通过超新星爆发喷射出大量恒星物质，因此它们更容易形成质量更大的黑洞。这或许可以解释引力波探测器发现的那些质量大得出乎意料的黑洞。" 我认为这从根本上改变了我们对黑洞的认知，"De 说。

相关论文：https://doi.org/10.1126/science.adt4853

为什么光靠锻炼很难减肥？

传统观点认为减肥的好方法就是运动。然而发表在《当代生物学》（Current Biology）上的一项新研究为上述观念泼了一盆冷水，解释了为什么单纯依靠锻炼往往无法达到预期减肥效果。

几十年来，科学家和大众普遍使用一个简单的 " 加和模型 "（Additive Model）来计算能量消耗：总消耗 = 基础代谢 + 运动消耗。根据这个模型，运动额外燃烧的卡路里会直接转化为体重减轻。比如你日常活动消耗 2000 千卡，然后跑步燃烧了 400 千卡，那么你当天的总消耗就是 2400 千卡。

近年来出现的新理论 " 受限模型 "（Constrained Model）则认为，我们的身体对能量消耗设定了上限，其位于一个狭窄、可预测的范围。当通过运动燃烧更多热量时，身体为了维持总能量消耗稳定，会减少用于其他生理活动（如细胞修复）的能量。这意味着，你在健身房燃烧的卡路里有相当一部分被这种 " 内部调整 " 抵消了。

来自美国杜克大学的 Herman Pontzer 和 Eric T. Trexler 决定通过数据来验证这两种模型。他们分析了涉及 450 名参与者的 14 项不同运动研究（样本量较小是因为监测总体能量消耗需要使用专门且昂贵的方法），以及多项动物研究。对比参与者预期消耗的能量与实际消耗的能量后发现，结果支持受限模型——加和模型通常会高估运动带来的能量消耗。平均而言，运动消耗的热量只有约 72% 真正增加到了每日总能量消耗中，剩余的 28% 被身体的补偿机制抵消了。不过，这个 28% 只是一个平均值，不同个体之间存在很大差异。

运动类型也很重要。研究表明，补偿效应在跑步、骑车等有氧运动中更显著，这些运动带来的能量消耗增加仅为预期值的 30%。与此相对，举重等力量训练反而会出现 " 负补偿 "，也就是实际消耗的能量比预期的还要多。作者推测，这可能是因为力量训练增加了肌肉修复的额外能耗，或提高了基础代谢。但这并不意味着力量训练能帮你快速减重，因为增肌会部分抵消体重下降。

研究人员在论文中写道：" 人类和其他动物会通过减少其他生理活动的能量消耗，来应对增加的身体活动，这支持了能量消耗受限模型。" 作者表示，这项研究并非否定运动的价值，运动确实能增加总能量消耗，只是增加的幅度没有加和模型预测的那么大。

也有学者对新研究持怀疑态度。来自英国巴斯大学的 Dylan Thompson 和 Javier Gonzalez 称，现有的荟萃分析显示，有氧运动对静息代谢率的影响其实并不显著。此外，人们消耗的热量之所以没有预期的多，可能不是因为生理上 " 调节 "，而是因为行为上 " 偷懒 "。比如一个人去健身房多做运动，回家后可能就会取消原本要做的家务，导致总运动量其实没怎么变。他们呼吁进行更严密的进一步试验。

相关论文：https://doi.org/10.1016/j.cub.2026.01.025

终身阅读写作，痴呆症风险降低 40%

一项新研究表明，终身参与各种智力刺激活动——如阅读、写作和学习外语，与更低的阿尔茨海默病风险以及更慢的认知衰退相关，风险降幅接近 40%。这项研究仅表明两者之间存在关联，并未证明终身学习能降低患阿尔茨海默病的风险。

研究纳入 1939 名平均年龄约 80 岁、研究开始时尚未出现痴呆的参与者，并平均随访约 8 年。通过问卷评估研究对象在不同人生阶段（早年、中年、晚年）的 " 认知丰富度 "（cognitive enrichment）。具体包括：18 岁前听故事和阅读书籍的频率、家中是否有报纸和地图册、是否长期学习外语等；中年阶段的家庭资源（杂志订阅、词典、借书证等）与文化活动（如去博物馆、图书馆）频率；高龄阶段（约 80 岁起）阅读、写作、游戏等活动频率及收入等指标。随访期间，551 人发展为阿尔茨海默病痴呆，719 人出现轻度认知障碍。

研究人员将 " 终身认知丰富度 " 最高的前 10% 参与者与最低的后 10% 参与者进行了比较。在校正年龄、性别、受教育程度等因素后，分析发现，高认知丰富度与阿尔茨海默病风险降低 38% 相关，同时与轻度认知障碍的风险降低 36% 相关。前者的平均发病时间显著推迟，高认知丰富度人群平均在 94 岁出现阿尔茨海默病，而低认知丰富度人群约在 88 岁出现——相差超过 5 年；轻度认知障碍的平均出现时间也相差约 7 年。

研究人员还对研究期间死亡并接受尸检的一小部分参与者进行了研究。他们发现，即使纳入与阿尔茨海默病相关的早期病理变化因素（例如淀粉样蛋白和 tau 蛋白的积累），那些一生中智力刺激较为丰富的参与者，其记忆力和思维能力更好，认知衰退速度也更慢。

该研究的一个局限在于，参与者是在晚年才报告他们早年和中年经历的细节，因此回忆可能会有偏差。

相关论文：https://doi.org/10.1212/WNL.0000000000214677

比起早鸟，夜猫子更伤 " 心 "

近日发表在《美国心脏协会杂志》的一项新研究表明，与习惯早起的 " 百灵鸟 " 相比，习惯晚睡晚起的 " 夜猫子 " 更容易出现不理想的心血管健康状况。研究结论仅表明相关，不证明因果。

这项研究利用英国生物样本库（UK Biobank）数据，对超过 32.2 万名年龄在 39 至 74 岁之间的成年人进行了长达近 14 年的跟踪调查。研究人员将参与者分为 " 早睡型 "、" 中间型 " 和 " 晚睡型 "，并使用美国心脏协会的 "Life's Essential 8" 评分标准来评估他们的心血管健康状况（包括饮食、运动、睡眠、尼古丁暴露等指标）。

数据揭示了令人担忧的趋势：与睡眠模式处于 " 中间型 " 的参与者相比，" 晚睡型 " 参与者心血管健康评分较差的可能性高出 79%；随访期间，" 晚睡型 " 参与者患心脏病或中风的风险比中间型高出 16%。这种负面关联在女性中更为显著：女性 " 夜猫子 " 心血管健康状况不佳的可能性比中间型高 96%，男性 " 夜猫子 " 则高出 67%。相对地，" 早睡型 " 的人获得较差健康评分的可能性比中间型低 5%。

为什么夜猫子更伤 " 心 "？研究认为，导致这一风险差异的主要原因在于生活方式，而非作息类型本身。" 夜猫子 " 在多项生活方式指标上表现较差：吸烟是最大的影响因素（占 34%），其次是睡眠质量差（14%）、高血糖（12%）以及饮食和体重（各占 11%）。这种健康差异与 " 社会时差 " 有关，即人体内部生物钟与日常社会日程（如上学、工作时间）之间的错位，往往导致深夜进食、不吃早餐、睡眠不规律以及更依赖咖啡因或尼古丁等习惯，进而增加肥胖、高血糖和胰岛素抵抗的风险。

除了生活方式，生物学因素也不容忽视。晚睡型人群通常伴有昼夜节律延迟，这意味着他们体内促进睡眠的褪黑素和负责唤醒身体的皮质醇的分泌时间均比常人推迟。这种偏移会导致身体与外界的昼夜循环不同步，使身体的 " 战斗或逃跑 " 系统过度活跃，从而导致夜间血压居高不下，炎症和氧化应激水平增加。长此以往，这些生理变化可能损伤血管，导致动脉斑块积聚，最终引发心脏病。

对于晚睡型人群，专家建议采取积极措施来保护心脏。南佛罗里达大学副教授 Bibhu Mohanty 博士建议，应专注于改善生活习惯，包括建立更健康的睡眠规律、坚持锻炼、健康饮食、避免不必要的零食和吸烟。

相关论文：https://doi.org/10.1161/JAHA.125.044189

AI 写本子，资助成功率更高

越来越多科学家开始用生成式人工智能帮忙润色、改写甚至起草科研基金申请书。一项基于真实申请文本的预印本研究发现，使用 AI 辅助起草科研资助申请书，获得美国国立卫生研究院（NIH）资助的概率会略有提升；然而研究人员警告称，这些工具可能会导致科学研究趋向同质化，可能把研究推向更 " 安全 "、更保守的方向。相关论文 1 月 21 日发布在 arXiv，未经过同行评审。

这项研究由来自美国西北大学的 Dashun Wang 与 Yifan Qian 团队完成。通常情况下，失败的基金申请并不公开，研究长期缺少可直接分析的材料。但他们拿到了两所美国大型大学的研究人员在 2021 — 2025 年间提交给美国国家科学基金会（NSF）和 NIH 的数千份科研基金申请书，他们还从联邦资助项目数据库中收集了公开的基金摘要数据。

为识别 AI 写作痕迹，研究者选取了数千份 2021 年的公开基金摘要（那时 AI 尚未流行）交给 AI 重写，通过对比 " 人类版本 " 和 "AI 改写版本 " 之间的差异，团队掌握了区分人类写作与机器生成文本的关键特征。他们根据这些特征为真实申请书打分，分数越高，意味着该提案由 AI 起草或编辑的成分越多。

结果发现，AI 辅助撰写申请书的情况在 2023 年初 ChatGPT 发布后激增。在使用 AI 工具的研究人员中，生成的文本约占其申请书内容的 10-15% 。

不过，AI 介入对不同资助机构的申请结果产生了不同的影响：对于 NIH 体系，AI 参与度高与申请成功率上升相关，获批成功的概率高出 4%。基于这些资助，随后发表的论文数量也增加了 5%，尽管新增论文大多不是高引用文章。在 NSF 体系中，研究者没有检测到使用 AI 写作带来类似优势。

研究者指出，尽管 AI 似乎提高了命中率，但其中也有隐忧。LLM 基于现有的科学文献进行训练，因此它们生成的语言倾向于和已发表的工作保持一致。由 AI 辅助撰写、编辑的提案，往往会向 " 历史上被认可的表达方式 " 靠拢。密歇根大学安娜堡分校的科技政策研究者 Misha Teplitskiy 因此担心，如果趋势延续，AI 把研究拉回主流，远离非常规或高风险路线，科研可能会因此走向同质化。

不过佐治亚理工学院的 Cassidy Sugimoto 对此有不同解读，她认为使用 LLM 作为编辑工具，并没有从根本上改变哪些想法能够获得资助；相反，研究人员只是利用 AI 更好地传达他们已有的想法，本质上是在要求 AI 让申请书 " 看起来更像能获得资助 "，而 AI 显然很好地完成了这项任务。

面对 AI 辅助申请的大量涌入，NIH 已经疲于应对并开始采取措施。该机构目前禁止提交 " 主要由 AI 起草 " 的申请，并将每位研究人员每年的申请数量限制在六份以内。

相关论文：https://doi.org/10.48550/arXiv.2601.15485

注：本文封面图片来自版权图库，转载使用可能引发版权纠纷。

宙世代

一起剪

相关标签