伯克利研發“蟑螂”機器人面世,有望在地震廢墟尋找生命_風聞
硅谷洞察-硅谷洞察官方账号-2019-08-13 11:20
硅谷Live / 實地探訪 / 熱點探秘 / 深度探討
大家好,技術前沿洞察又跟大家見面了!本週的科技進展可以説涉及方方面面,從美國高校搗鼓”人造眼球芯片“,”螳螂機器人“到乃至提前檢測阿爾茲海默症、預測地震,以及日本科學家發明“人造尾巴”等等。可以説從健康、出行、安全都有重要進展,一起來看!
美國高校
用血液檢測就能提前20年預測阿爾茲海默了?
來自華盛頓大學聖路易斯分校醫學院的研究人員聲稱,他們在開發可以檢測阿爾茨海默氏症的血液檢測方面取得了重大進展 - 在症狀出現長達20年前就能進行檢測。
華盛頓大學神經病學教授,該論文的作者 Randall Bateman 在《Neurology》雜誌上表示,想要提前檢查出阿爾茲海默病,通常是讓人們接受大腦掃描(例如 MRI 或PET)並進行臨牀試驗,“耗時且昂貴,但經過血液檢查,可能每個月都會篩查成千上萬的人。”
研究人員具體是怎麼做的呢,首先測量了 158 名年齡超過 50 歲的成年人的血液中一種叫做澱粉樣蛋白β的蛋白質水平,看看跟其在其腦部掃描中發現這種蛋白質的存在是否匹配(事實上PET也是通過檢測澱粉樣蛋白的水平如何)。
除此之外,當研究人員將這些信息與該疾病的另外兩個風險因素結合起來——年齡超過65歲且患有遺傳變異基因APOE4的人羣,這至少使疾病風險增加三倍,這意味着血液檢測的準確性從 88% 提高到 94%。
因此,研究人員希望通過加快潛在臨牀試驗參與者的篩查過程來幫助未來的試驗,並在此過程中加快治療阿爾茨海默氏症的步伐。
賓夕法尼亞大學研究人員打造人造人眼芯片
為什麼要研究眼睛疾病?比如干眼症(DED)就是一種常見疾病,如果你每天花 8 小時或更長時間盯着電腦屏幕的話,可能發現眼睛變得疲倦或乾燥,進而換上乾眼症。
但是,美國食品藥品監督管理局 FDA 幾乎沒有在這類疾病上有批准的藥物,部分原因是製藥廠商難以對人眼的複雜病理、生理結構進行建模。
如今,賓夕法尼亞大學的工程、醫學研究人員宣佈,希望用一款“芯片上的人造眼”來解決這個問題。該研究近期發表在《自然醫學》( Nature Medicine )雜誌上,概述了作為器官替身的“芯片上眼睛(eye-on-a-chip)”的準確性,並展示了其作為藥物測試平台的實用性。
(圖片來自賓夕法尼亞大學,版權屬於原作者)
賓夕法尼亞大學工程學院、醫學院的研究人員們花了數年時間對芯片進行微調,為該芯片在藥物、化學品和化妝品的無動物測試方面進行了大量努力。總的來説,他們希望設計一種可以模仿健康眼睛和有乾眼症眼睛的眼睛模型,使其能夠幫助測試各類最終對人類沒有傷害風險的各種藥物。
感興趣的可以點擊原文閲讀:
https://penntoday.upenn.edu/news/blinking-eye-chip-used-disease-modeling-and-drug-testing
VR 遊戲讓帕金森病患者能夠在虛擬世界中自信走路
説完藥物開發再來看看另一則科技在醫療領域的進展。
近日,南加州大學的工程師團隊與研究人員和 VR 遊戲設計師合作,為全世界超過 1000 萬患有帕金森病的人開發虛擬現實遊戲,幫助帕金森病患者自信地走路。
研究顯示,至少有 71% 的帕金森氏症患者易患摔倒症,摔倒將造成的嚴重傷害,尤其對於老年患者,可導致殘疾,社會隔離等。而傳統的物理療法以力量訓練為主,訓練場所往往是在在診所。然而,研究表明,在真實的環境環境中進行的活動,將更有助於長期保留運動技能。
這款名為“克服(Overcome)”的遊戲,讓患者通過在跑步機上行走,感受自己漫步在一個虛擬的現代化城市中,城市裏有道路、人行道、建築物和汽車,並且可以選擇日/夜模式。患者通過避開人行道上隨機產生的椅子,紙張,塑料杯等障礙物來獲得積分。
除了音頻反饋之外,研究人員還通過引入觸覺反饋組件使 VR 體驗更加身臨其境,當患者接觸到障礙物時,微控制器會警告振動馬達,他們會感覺到振動,警告他們改變路徑。
目前,一些醫院也已經使用 VR 為帕金森病患者進行物理治療。
“螳螂”機器人面世,有望地震時進行救援
當一個螳螂大小的機器人,能承受120斤的重量時,能發揮什麼作用?
近日,加州大學伯克利分校的研究人員就創造出一種新的昆蟲大小的機器人,該該機器人大約是一張大郵票的大小,由一塊稱為聚偏二氟乙烯或 PVDF 的壓電材料薄片製成。
壓電材料獨特性在於向它施加電壓時將會使材料膨脹或收縮。研究人員將 PVDF 塗在一層彈性聚合物上,使整個片材彎曲,同時給其增加了一條前腿,以便當材料在電場下彎曲和伸直時,可以以振動“跳躍”運動推動裝置向前。
這個重量不到十分之一克的機器人可承受約 60 公斤的重量,同時該機器可以以每秒 20 個體長的速度在地面前進,速度可與螳螂相當,據報道該機器人目前是昆蟲級機器人中最快的,它可以穿過管子,爬上小斜坡並承載小負荷,例如花生。
研究人員表示這種小型機器人將在搜索和救援任務中發揮重用作用,它可以進入到狗或人無法進入或者過於危險的地方,例如可以在地震時幫助在碎片下尋找生命。
腦震盪不是接觸性運動大腦受損的唯一原因
由卡內基梅隆大學和羅切斯特大學醫學中心一項針對大學橄欖球運動員的研究發現新研究表明,腦震盪並不是接觸性運動中大腦受損的唯一原因,運動員或許僅僅參加一個賽季的頭部擊球就會導致大腦的結構性變化。
研究人員研究了 38 名羅徹斯特大學的球員,每個參與者在每個季節開始的兩週內和最後一週內接受 MRI 掃描。
雖然,在研究中參與者被跟蹤的時間內只有兩名球員遭受了臨牀診斷的腦震盪,但賽季和季前 MRI 的比較顯示,超過三分之二的球員經歷了大腦結構完整性的下降。並且旋轉加速度(引起頭部扭曲的衝擊)比線性加速度(正面碰撞)更多地與觀察到的中腦白質結構完整性的變化。
這項研究表明,使用擴散 MRI 進行中腦成像可能是未來診斷單個震盪性頭部撞擊和/或重複性亞震盪性頭部撞擊的一種方法,並且這項研究可以形成一些新的指標,幫助受傷的球員決定是否要重返賽場。
**MIT:**使用AI自動化分子化合物合成,最快只需兩小時
在 Science 新出版的雜誌中,麻省理工學院宣佈用人工智能能自動化分子化合物的合成,這項技術“有望幫助人們減少分子構建的所有繁瑣部分”,並提出如何製造新分子化合物的可能。
新系統主要有三個步驟:
首先,由 AI 軟件提出了合成分子的途徑,軟件是從美國專利商標局數據庫中提取的數百萬種先前發表的化學反應的數據進行訓練,從而不僅提供所知道的分子或這些分子反應的相關建議,它還可以推廣到從未製造過的新分子。
**然後,化學家審查 AI 軟件產生的建議合成路線,以建立更完整的目標分子配方。**化學家有時需要進行實驗室實驗或修改試劑濃度和反應温度等變化,再最終將配方加載到平台上。
這個系統跟過去舊系統的區別在於,舊系統是每次合成化合物後需要化學家手動配置,新系統則完全由機器人平台配置。
該團隊已合成了多種化合物:如阿司匹林和抗生素等,用更短的時間處理了大約 30 種不同的反應。最簡單的過程需要兩個小時,製造多種化合物需要大約 68 小時。
海外高校
如果給你造一條尾巴,你會用來幹什麼?
日本科學家想給人類造個尾巴了!
受海馬啓發的原型機器人尾翼,最近被日本科學家們造了出來,這被認為可以幫助用户平衡或者使一些用户在玩 VR 遊戲更加身臨其境。
日本慶應大學科學家稱這個“人造尾巴”為 Arque。它是通過內置的人造肌肉和椎骨,尾部使用氣動系統與穿着者一起彎曲和移動,當它們傾斜或搖擺時充當智能平衡物。尾部還可以通過添加或移除模塊化的“椎骨”來調整整個穿着者的身體。
不過,這個尾巴必須固定在這個氣動系統上,所以它不是完全可單獨移動的,這意味着用户無法拖着它移動很遠。但對於一些平衡有困難的人來説,或許是一個福音,因為它有望作為輔助設備——儘管仍有待觀察機器人的尾巴將永遠是社會可接受的,有人寧願使用它而不是手杖。
實驗室
Los Alamos實驗室:聲信號就能預測地震了?
據 Los Alamos 國家實驗室消息,該實驗室通過機器學習研究發現,從地震斷層中探測到的聲信號可以用來預測下一次地震發生的時間,通過探測該信號,未來可能將能夠準確預測地震。
研究文章《From Stress Chains to Acoustic Emission(從應力鏈到聲學排放)》發表於《 物理評論快報》上。實驗室通過數據建模測量了地震中應力鏈的崩潰信號,應力鏈是由晶粒組成的橋,其將應力從斷塊的一側傳遞到另一側。
為了研究應力鏈崩潰產生聲學信號的原因,該團隊在超級計算機進行了一系列數值模擬。該模型準確地模擬了地震斷層演化的動力學,並進一步解決了物理驅動地質斷層的問題。
該團隊目前已經在之前北美,南美和新西蘭大型地震中測得聲信號數據,研究顯示,該信號能準確地顯示故障中的應力狀態。
那是不是意味着如果以後該技術真的能成熟運用預測地震,加州小夥伴就再也不同擔心大地震突然到來了?
(圖為檢測到的應力故障發出的聲信號,圖片來自網絡,版權屬於原作者)
大公司
Google研究實現果蠅大腦3D自動重建
近日,Google 與霍華德休斯醫學研究所(HHMI)、劍橋大學等合作,對整個果蠅大腦進行了自動重建。果蠅是生物學科中研究最完整的生物,歷史上有 8 個諾貝爾獎得主因果蠅相關的研究獲得諾貝爾獎。並且果蠅的腦部結構較為簡單,因此易於研究。
HHMI 研究人員將果蠅大腦分成數千個超薄 40 納米切片,使用透射電子顯微鏡對每個切片成像(產生超過四十萬億像素的腦圖像),然後將 2D 圖像對準成一個連貫的 3D 圖像整個果蠅腦的圖像體積。使用數千個雲 TPU 後,來跟蹤果蠅大腦中的每個神經元。
處理包含數萬億像素的 3D 圖像和形狀複雜對象時,可視化既重要又困難。因此 Google 設計了一個可擴展且功能強大的新工具 Neuroglancer,可以支持許多高級功能,如任意軸橫截面重建,多分辨率網格,以及強大的開發自定義功能, 通過與Python集成分析工作流程等。