伯克利研发“蟑螂”机器人面世，有望在地震废墟寻找生命_风闻

硅谷Live / 实地探访 / 热点探秘 / 深度探讨

大家好，技术前沿洞察又跟大家见面了！本周的科技进展可以说涉及方方面面，从美国高校捣鼓”人造眼球芯片“，”螳螂机器人“到乃至提前检测阿尔兹海默症、预测地震，以及日本科学家发明“人造尾巴”等等。可以说从健康、出行、安全都有重要进展，一起来看！

美国高校

用血液检测就能提前20年预测阿尔兹海默了？

来自华盛顿大学圣路易斯分校医学院的研究人员声称，他们在开发可以检测阿尔茨海默氏症的血液检测方面取得了重大进展 - 在症状出现长达20年前就能进行检测。

华盛顿大学神经病学教授，该论文的作者 Randall Bateman 在《Neurology》杂志上表示，想要提前检查出阿尔兹海默病，通常是让人们接受大脑扫描（例如 MRI 或PET）并进行临床试验，“耗时且昂贵，但经过血液检查，可能每个月都会筛查成千上万的人。”

研究人员具体是怎么做的呢，首先测量了 158 名年龄超过 50 岁的成年人的血液中一种叫做淀粉样蛋白β的蛋白质水平，看看跟其在其脑部扫描中发现这种蛋白质的存在是否匹配（事实上PET也是通过检测淀粉样蛋白的水平如何）。

除此之外，当研究人员将这些信息与该疾病的另外两个风险因素结合起来——年龄超过65岁且患有遗传变异基因APOE4的人群，这至少使疾病风险增加三倍，这意味着血液检测的准确性从 88% 提高到 94％。

因此，研究人员希望通过加快潜在临床试验参与者的筛查过程来帮助未来的试验，并在此过程中加快治疗阿尔茨海默氏症的步伐。

宾夕法尼亚大学研究人员打造人造人眼芯片

为什么要研究眼睛疾病？比如干眼症（DED）就是一种常见疾病，如果你每天花 8 小时或更长时间盯着电脑屏幕的话，可能发现眼睛变得疲倦或干燥，进而换上干眼症。

但是，美国食品药品监督管理局 FDA 几乎没有在这类疾病上有批准的药物，部分原因是制药厂商难以对人眼的复杂病理、生理结构进行建模。

如今，宾夕法尼亚大学的工程、医学研究人员宣布，希望用一款“芯片上的人造眼”来解决这个问题。该研究近期发表在《自然医学》（ Nature Medicine ）杂志上，概述了作为器官替身的“芯片上眼睛（eye-on-a-chip）”的准确性，并展示了其作为药物测试平台的实用性。

（图片来自宾夕法尼亚大学，版权属于原作者）

宾夕法尼亚大学工程学院、医学院的研究人员们花了数年时间对芯片进行微调，为该芯片在药物、化学品和化妆品的无动物测试方面进行了大量努力。总的来说，他们希望设计一种可以模仿健康眼睛和有干眼症眼睛的眼睛模型，使其能够帮助测试各类最终对人类没有伤害风险的各种药物。

感兴趣的可以点击原文阅读：

https://penntoday.upenn.edu/news/blinking-eye-chip-used-disease-modeling-and-drug-testing

VR 游戏让帕金森病患者能够在虚拟世界中自信走路

说完药物开发再来看看另一则科技在医疗领域的进展。

近日，南加州大学的工程师团队与研究人员和 VR 游戏设计师合作，为全世界超过 1000 万患有帕金森病的人开发虚拟现实游戏，帮助帕金森病患者自信地走路。

研究显示，至少有 71％ 的帕金森氏症患者易患摔倒症，摔倒将造成的严重伤害，尤其对于老年患者，可导致残疾，社会隔离等。而传统的物理疗法以力量训练为主，训练场所往往是在在诊所。然而，研究表明，在真实的环境环境中进行的活动，将更有助于长期保留运动技能。

这款名为“克服（Overcome）”的游戏，让患者通过在跑步机上行走，感受自己漫步在一个虚拟的现代化城市中，城市里有道路、人行道、建筑物和汽车，并且可以选择日/夜模式。患者通过避开人行道上随机产生的椅子，纸张，塑料杯等障碍物来获得积分。

除了音频反馈之外，研究人员还通过引入触觉反馈组件使 VR 体验更加身临其境，当患者接触到障碍物时，微控制器会警告振动马达，他们会感觉到振动，警告他们改变路径。 

目前，一些医院也已经使用 VR 为帕金森病患者进行物理治疗。

“螳螂”机器人面世，有望地震时进行救援

当一个螳螂大小的机器人，能承受120斤的重量时，能发挥什么作用？

近日，加州大学伯克利分校的研究人员就创造出一种新的昆虫大小的机器人，该该机器人大约是一张大邮票的大小，由一块称为聚偏二氟乙烯或 PVDF 的压电材料薄片制成。

压电材料独特性在于向它施加电压时将会使材料膨胀或收缩。研究人员将 PVDF 涂在一层弹性聚合物上，使整个片材弯曲，同时给其增加了一条前腿，以便当材料在电场下弯曲和伸直时，可以以振动“跳跃”运动推动装置向前。

这个重量不到十分之一克的机器人可承受约 60 公斤的重量，同时该机器可以以每秒 20 个体长的速度在地面前进，速度可与螳螂相当，据报道该机器人目前是昆虫级机器人中最快的，它可以穿过管子，爬上小斜坡并承载小负荷，例如花生。

研究人员表示这种小型机器人将在搜索和救援任务中发挥重用作用，它可以进入到狗或人无法进入或者过于危险的地方，例如可以在地震时帮助在碎片下寻找生命。

脑震荡不是接触性运动大脑受损的唯一原因

由卡内基梅隆大学和罗切斯特大学医学中心一项针对大学橄榄球运动员的研究发现新研究表明，脑震荡并不是接触性运动中大脑受损的唯一原因，运动员或许仅仅参加一个赛季的头部击球就会导致大脑的结构性变化。

研究人员研究了 38 名罗彻斯特大学的球员，每个参与者在每个季节开始的两周内和最后一周内接受 MRI 扫描。

虽然，在研究中参与者被跟踪的时间内只有两名球员遭受了临床诊断的脑震荡，但赛季和季前 MRI 的比较显示，超过三分之二的球员经历了大脑结构完整性的下降。并且旋转加速度（引起头部扭曲的冲击）比线性加速度（正面碰撞）更多地与观察到的中脑白质结构完整性的变化。

这项研究表明，使用扩散 MRI 进行中脑成像可能是未来诊断单个震荡性头部撞击和/或重复性亚震荡性头部撞击的一种方法，并且这项研究可以形成一些新的指标，帮助受伤的球员决定是否要重返赛场。

**MIT：**使用AI自动化分子化合物合成，最快只需两小时

在 Science 新出版的杂志中，麻省理工学院宣布用人工智能能自动化分子化合物的合成，这项技术“有望帮助人们减少分子构建的所有繁琐部分”，并提出如何制造新分子化合物的可能。

新系统主要有三个步骤：

首先，由 AI 软件提出了合成分子的途径，软件是从美国专利商标局数据库中提取的数百万种先前发表的化学反应的数据进行训练，从而不仅提供所知道的分子或这些分子反应的相关建议，它还可以推广到从未制造过的新分子。

**然后，化学家审查 AI 软件产生的建议合成路线，以建立更完整的目标分子配方。**化学家有时需要进行实验室实验或修改试剂浓度和反应温度等变化，再最终将配方加载到平台上。

这个系统跟过去旧系统的区别在于，旧系统是每次合成化合物后需要化学家手动配置，新系统则完全由机器人平台配置。

该团队已合成了多种化合物：如阿司匹林和抗生素等，用更短的时间处理了大约 30 种不同的反应。最简单的过程需要两个小时，制造多种化合物需要大约 68 小时。

​

海外高校

如果给你造一条尾巴，你会用来干什么？

日本科学家想给人类造个尾巴了！

受海马启发的原型机器人尾翼，最近被日本科学家们造了出来，这被认为可以帮助用户平衡或者使一些用户在玩 VR 游戏更加身临其境。

日本庆应大学科学家称这个“人造尾巴”为 Arque。它是通过内置的人造肌肉和椎骨，尾部使用气动系统与穿着者一起弯曲和移动，当它们倾斜或摇摆时充当智能平衡物。尾部还可以通过添加或移除模块化的“椎骨”来调整整个穿着者的身体。

不过，这个尾巴必须固定在这个气动系统上，所以它不是完全可单独移动的，这意味着用户无法拖着它移动很远。但对于一些平衡有困难的人来说，或许是一个福音，因为它有望作为辅助设备——尽管仍有待观察机器人的尾巴将永远是社会可接受的，有人宁愿使用它而不是手杖。

实验室

Los Alamos实验室：声信号就能预测地震了？

据 Los  Alamos 国家实验室消息，该实验室通过机器学习研究发现，从地震断层中探测到的声信号可以用来预测下一次地震发生的时间，通过探测该信号，未来可能将能够准确预测地震。

研究文章《From Stress Chains to Acoustic Emission（从应力链到声学排放）》发表于《 物理评论快报》上。实验室通过数据建模测量了地震中应力链的崩溃信号，应力链是由晶粒组成的桥，其将应力从断块的一侧传递到另一侧。

为了研究应力链崩溃产生声学信号的原因，该团队在超级计算机进行了一系列数值模拟。该模型准确地模拟了地震断层演化的动力学，并进一步解决了物理驱动地质断层的问题。

该团队目前已经在之前北美，南美和新西兰大型地震中测得声信号数据，研究显示，该信号能准确地显示故障中的应力状态。

那是不是意味着如果以后该技术真的能成熟运用预测地震，加州小伙伴就再也不同担心大地震突然到来了？

（图为检测到的应力故障发出的声信号，图片来自网络，版权属于原作者）

大公司

Google研究实现果蝇大脑3D自动重建

近日，Google 与霍华德休斯医学研究所（HHMI）、剑桥大学等合作，对整个果蝇大脑进行了自动重建。果蝇是生物学科中研究最完整的生物，历史上有 8 个诺贝尔奖得主因果蝇相关的研究获得诺贝尔奖。并且果蝇的脑部结构较为简单，因此易于研究。

HHMI 研究人员将果蝇大脑分成数千个超薄 40 纳米切片，使用透射电子显微镜对每个切片成像（产生超过四十万亿像素的脑图像），然后将 2D 图像对准成一个连贯的 3D 图像整个果蝇脑的图像体积。使用数千个云 TPU 后，来跟踪果蝇大脑中的每个神经元。

处理包含数万亿像素的 3D 图像和形状复杂对象时，可视化既重要又困难。因此 Google 设计了一个可扩展且功能强大的新工具 Neuroglancer，可以支持许多高级功能，如任意轴横截面重建，多分辨率网格，以及强大的开发自定义功能， 通过与Python集成分析工作流程等。