摘要：共济失调-毛细血管扩张症（A-T）是一种破坏性的儿童神经退行性疾病，但现有小鼠模型无法模拟其核心神经病变，严重阻碍药物研发。中国科学院昆明动物研究所的李家立、吴东东、姚永刚团队利用基因编辑技术，成功建立了全球首个能全面模拟人类A-T核心症状的非人灵长类（猕猴）
脑科学动态
成功建立首个模拟人类罕见病A-T的非人灵长类模型
有氧运动可使心脏右侧神经数量增加，左侧神经体积增大
蚊媒病毒如何突破大脑防线：病毒“专一性”是关键
神经元兴奋性决定大脑慢波传播方向
确定下丘脑调控能量消耗的关键神经元
大脑内置计步器：人类与大鼠依靠相同神经机制判断距离
大脑注意力如何聚焦：从宏观到微观的层级过程
AI行业动态
OpenAI“星际之门”计划加速：豪掷数千亿，剑指10GW核能级AI算力
AI驱动科学
人脑与AI的语言密码：两者共享树状句子理解模式
AI模型预测患者何时可安全停用抗抑郁药
人类触摸行为揭示了建设性与享乐性的内在动机
开发更智能AI以重新定义复杂系统控制
脑-音乐接口：精准触发怀旧情绪，提升老年人幸福感与记忆清晰度
脑科学动态
成功建立首个模拟人类罕见病A-T的非人灵长类模型
共济失调-毛细血管扩张症（A-T）是一种破坏性的儿童神经退行性疾病，但现有小鼠模型无法模拟其核心神经病变，严重阻碍药物研发。中国科学院昆明动物研究所的李家立、吴东东、姚永刚团队利用基因编辑技术，成功建立了全球首个能全面模拟人类A-T核心症状的非人灵长类（猕猴）模型。
研究团队利用CRISPR-Cas9技术在猕猴胚胎中精准敲除了致病基因ATM。这些基因编辑猴出生后，系统性地再现了A-T患儿的多项关键临床特征，包括生长迟缓、免疫缺陷、以及血液中甲胎蛋白（AFP）水平升高等。最重大的突破在于，该模型首次完整模拟了A-T患者标志性的神经系统退化过程。通过磁共振成像监测，研究人员观察到猕猴出现了进行性的小脑萎缩，并伴有严重的运动失调。深入的病理学分析揭示，其小脑中负责运动协调的关键神经元——浦肯野细胞数量显著减少，且细胞内部呈现线粒体肿胀等退行性病变。此外，研究团队借助单核RNA测序技术，发现小脑分子层中间神经元的基因表达出现紊乱，提示这些神经元的异常可能是导致浦肯野细胞死亡的上游原因，为疾病的治疗提供了潜在的新靶点。该模型为理解A-T发病机制和开发新疗法提供了前所未有的宝贵平台。研究发表在 Cell Reports Medicine 上。
#疾病与健康 #神经机制与脑功能解析 #罕见病 #动物模型 #基因编辑
阅读更多：
“ATM Deficiency Drives Phenotypic Diversity and Purkinje Cell Degeneration in a Macaque Model of Ataxia-Telangiectasia.” Cell Reports Medicine, vol. 6, no. 9, Sept. 2025, p. 102355. www.sciencedirect.com, https://doi.org/10.1016/j.xcrm.2025.102355
有氧运动可使心脏右侧神经数量增加，左侧神经体积增大
运动如何影响心脏的神经控制系统？来自布里斯托大学、伦敦大学学院和圣保罗大学的 A. Augusto Coppi 等研究人员，利用大鼠模型发现，规律的有氧运动会以一种左右不对称的方式重塑控制心脏的神经节，为治疗心律失常等疾病提供了新思路。
研究团队对大鼠进行了为期10周的中等强度跑步机训练，并运用立体学技术，精细分析了其颈部两侧的星状神经节（stellate ganglia，负责向心脏发送“加速”信号的交感神经中枢）的结构变化。研究首次揭示了运动引发的显著的左右不对称神经可塑性。与未训练的大鼠相比，经过训练的大鼠其右侧星状神经节的神经元数量比左侧多出约四倍。更有趣的是，神经元的大小变化呈现出截然相反的模式：右侧的神经元发生了萎缩，体积减小了1.2倍；而左侧的神经元则出现了肥大，体积增大了1.8倍。这一发现表明，身体对运动的适应比我们想象的更为精细和复杂，自主神经系统会根据身体左右两侧的不同功能需求进行差异化调整。这一成果为理解运动如何保护心脏提供了新的神经解剖学证据，并可能启发未来针对心律失常、心绞痛等疾病开发更具靶向性的治疗策略，例如对特定一侧的神经进行干预。研究发表在 Autonomic Neuroscience 上。
#疾病与健康 #神经机制与脑功能解析 #运动生理学 #心脏健康
阅读更多：
Ladd, Fernando Vagner Lobo, et al. “Asymmetric Neuroplasticity in Stellate Ganglia: Unveiling Side-Specific Adaptations to Aerobic Exercise.” Autonomic Neuroscience: Basic and Clinical, vol. 0, no. 0, Sept. 2025. www.autonomicneuroscience.com, https://doi.org/10.1016/j.autneu.2025.103338
蚊媒病毒如何突破大脑防线：病毒“专一性”是关键
蚊媒病毒如何入侵大脑导致脑炎等严重疾病？加州大学洛杉矶分校（UCLA）的 Melody M.H. Li 和 Pablo Alvarez 等人，利用先进的干细胞模型揭示了病毒表面蛋白与大脑血管细胞的“握手”机制，发现入侵性强的病毒株采取了更专一、高效的攻击策略。
▷ 干细胞衍生的血脑屏障细胞。Credit: Pablo Alvarez/Li Lab
研究团队首先利用人类干细胞构建了一个高度仿真的血脑屏障模型。通过该模型，他们比较了两种辛德毕斯病毒株的入侵能力，发现神经侵袭性强的毒株能非常高效地感染屏障细胞。深入分析揭示，决定这一差异的关键在于病毒表面的糖蛋白。研究发现，侵袭性病毒株采取了一种“专家”策略：其糖蛋白发生了微小变异，使其能够专一地识别并结合血脑屏障细胞上的特定受体蛋白（如PCDH10），像一把钥匙精确插入锁孔，从而高效地打开进入大脑的通道。相比之下，非侵袭性病毒株则像一个“多面手”，试图与多种不同的受体结合，但由于不够专一，其入侵效率大打折扣。这一“专家战胜多面手”的入侵模式在危险的基孔肯雅病毒中也得到了验证。这项发现明确了阻止病毒进入大脑的分子靶点，为开发新型抗病毒药物和疫苗指明了方向。研究发表在 Cell Reports 上。
#疾病与健康 #个性化医疗 #神经调控 #靶向治疗 #生物材料
阅读更多：
Alvarez, Pablo A., et al. “Old World Alphaviruses Use Distinct Mechanisms to Infect Brain Microvascular Endothelial Cells for Neuroinvasion.” Cell Reports, vol. 0, no. 0, Sept. 2025. www.cell.com, https://doi.org/10.1016/j.celrep.2025.116305
神经元兴奋性决定大脑慢波传播方向
大脑在深度睡眠时产生的慢波活动如何被组织和引导？传统观点认为是解剖结构在起作用。西班牙神经科学研究所（CSIC-UMH）的 Ramón Reig 和 Javier Alegre Cortés 团队通过结合计算模型和动物实验发现，决定慢波传播方向的关键并非固定的解剖连接，而是神经元群体的兴奋性水平，最兴奋的区域会成为“指挥官”。
▷ 慢脑电波以协调的方式在相连的区域间传播，不仅受解剖结构控制，还受神经元兴奋性的调控。Credit: Alegre-Cortés et al. iScience (2025) Instituto de Neurociencias UMH CSIC.
研究团队首先构建了一个先进的计算模型，该模型能够同时分析单个神经网络的局部活动和不同脑区之间的全局互动。模型显示，当多个脑区连接时，它们的慢振荡（slow oscillations，深度睡眠或麻醉状态下大脑的节律性电活动）会趋于同步，并跟随着最兴奋区域的节奏。这意味着大脑中兴奋性最高的区域扮演了“领导者”的角色，决定了慢波的传播方向。
为了在真实大脑中验证这一发现，研究人员在麻醉小鼠中进行了实验。在正常情况下，小鼠大脑的慢波倾向于从前部向后部传播。然而，当他们通过施用药物人为提高小鼠枕叶（大脑后部）的神经元兴奋性后，慢波的传播方向发生了戏剧性的逆转，变成了从后向前传播。这一结果有力地证实了模型的预测。该研究不仅颠覆了关于慢波传播的传统认知，也为理解当神经元活动失控时（如癫痫）大脑会发生什么提供了新的线索。研究发表在 iScience 上。
#神经科学 #计算模型与人工智能模拟 #神经机制与脑功能解析 #慢波 #神经元兴奋性
阅读更多：
Alegre-Cortés, Javier, et al. “Global and Local Nature of Cortical Slow Waves.” iScience, vol. 28, no. 9, Sept. 2025. www.cell.com, https://doi.org/10.1016/j.isci.2025.113213
确定下丘脑调控能量消耗的关键神经元
当前肥胖治疗面临体重反弹的挑战，其根源在于能量消耗的神经机制尚不明确。中国科学院遗传与发育生物学研究所的 Ting Wang, Qing-Feng Wu 及同事通过研究，在下丘脑弓状核中鉴定出一群全新的神经元，揭示了其作为能量消耗核心调控单元的神经基础。
▷ Credit: Neuron (2025).
研究团队首先利用单细胞转录组学等前沿技术，在小鼠大脑的代谢调控中枢——下丘脑弓状核（arcuate nucleus, ARC）中，发现了一群此前未知的、以Crabp1基因为标记的GABA能神经元。为了验证其功能，研究人员通过化学遗传学或光遗传学手段对这些Crabp1神经元进行调控。结果显示，激活这些神经元能显著提升小鼠的运动量、核心体温和棕色脂肪产热，从而增加整体能量消耗，并有效抵抗高脂饮食诱导的肥胖。相反，沉默这些神经元则会导致小鼠能量消耗下降，最终发展为肥胖。进一步的回路研究发现，Crabp1神经元采用一种“一对多”的投射模式，其轴突分支广泛连接到多个下游脑区，协同调控能量代谢。该研究还揭示，这些神经元是连接环境与代谢的桥梁：寒冷和运动会激活它们，而长时间光照则会抑制其活动，这首次为光污染等现代生活方式如何导致肥胖提供了直接的神经机制。研究发表在 Neuron 上。
#神经科学 #神经机制与脑功能解析 #肥胖 #代谢
阅读更多：
Wang, Ting, et al. “Identification of a Neural Basis for Energy Expenditure in the Mouse Arcuate Hypothalamus.” Neuron, vol. 0, no. 0, Sept. 2025. www.cell.com, https://doi.org/10.1016/j.neuron.2025.08.021
大脑内置计步器：人类与大鼠依靠相同神经机制判断距离
我们如何估算行走距离？圣安德鲁斯大学的 James A. Ainge 及其团队通过结合大鼠神经记录与人类行为实验发现，大脑内嗅皮层中的网格细胞像一个神经计步器，其放电规律性直接决定了距离判断的准确性，且这一机制在人类与大鼠中高度保守。
研究团队首先训练大鼠在一个矩形环境中跑动特定距离以获得奖励，然后将环境形状改为不规则的梯形。结果显示，在梯形环境中，大鼠会系统性地高估自己跑过的距离。有趣的是，当研究人员为人类参与者搭建了按比例放大的相同实验场景后，人类也表现出了完全一致的错误模式。为了探究其神经基础，研究人员记录了大鼠在执行任务时大脑内侧内嗅皮层中网格细胞的活动。网格细胞是一种特殊的神经元，其放电模式在空间中形成规则的六边形网格，被认为是空间导航系统的核心。分析发现，当环境从矩形变为梯形时，网格细胞原本规整的放电模式遭到了显著破坏。最关键的是，这种神经信号的“扭曲”程度与大鼠距离估计的误差大小呈现出显著的正相关关系，即网格信号越混乱，距离判断就越不准确。这一发现为网格细胞支持路径整合（path integration，即通过整合自身运动信息来更新位置）的理论提供了直接证据。由于内嗅皮层是阿尔茨海默病最早受损的脑区之一，这项研究也为开发该疾病的早期诊断工具提供了新思路。研究发表在 Current Biology 上。
#神经科学 #神经机制与脑功能解析 #空间导航 #阿尔茨海默病
阅读更多：
Duncan, Stephen, et al. “Grid Cell Distortion Is Associated with Increased Distance Estimation Error in Polarized Environments.” Current Biology, vol. 0, no. 0, Sept. 2025. www.cell.com, https://doi.org/10.1016/j.cub.2025.08.011
大脑注意力如何聚焦：从宏观到微观的层级过程
大脑在看到物体前如何准备集中注意力？加州大学戴维斯分校的 Sreenivasan Meyyappan、George R. Mangun 和佛罗里达大学的 Mingzhou Ding 合作进行了一项研究，揭示了大脑注意力遵循一个由粗到细、由宽到窄的层级聚焦过程。
研究团队通过结合脑电图和机器学习算法，对25名志愿者在执行视觉任务时的大脑活动进行了毫秒级解码。在实验中，参与者被提示预期即将出现的移动圆点的某个特定特征，例如颜色（是蓝色还是绿色）或运动方向（是向上还是向下）。分析结果清晰地展示了注意力部署的时间动态。大脑首先会准备关注一个宽泛的特征维度，例如是“颜色”这个大类还是“运动”这个大类，这一准备过程平均耗时240毫秒。在此之后，大脑才会进一步将注意力精确聚焦到具体的特征属性上，比如在“颜色”维度下锁定“蓝色”，或在“运动”维度下锁定“向上”，这个更精细的聚焦过程平均需要400毫秒。这一发现表明，大脑的注意力控制系统并非一步到位，而是像飞行员先飞往欧洲大陆，再精确降落到某个具体城市一样，先进行宏观调控，再进行微观锁定。这一机制的揭示可能有助于未来理解注意力缺陷多动障碍或孤独症等疾病中注意力系统的异常。研究发表在 The Journal of Neuroscience 上。
#疾病与健康 #神经机制与脑功能解析 #跨学科整合 #神经调控
阅读更多：
Meyyappan, Sreenivasan, et al. “Hierarchical Organization of Human Visual Feature Attention Control.” Journal of Neuroscience, Aug. 2025. Research Articles. www.jneurosci.org, https://doi.org/10.1523/JNEUROSCI.2073-24.2025
AI 行业动态
OpenAI“星际之门”计划加速：豪掷数千亿，剑指10GW核能级AI算力
在英伟达宣布对OpenAI的重大投资支持后，由OpenAI主导的“星际之门”项目迅速公布了五处全新的超算中心选址，旨在年底前提前实现10吉瓦的算力目标。这五处新站点分布于美国的德克萨斯州、俄亥俄州和新墨西哥州等地，连同现有项目，预计将在未来三年内投入超过4000亿美元，将总算力容量提升至近7吉瓦。这一系列动作表明，在甲骨文、软银等合作伙伴的支持下，OpenAI正在以前所未有的规模和速度为其未来的人工智能发展铺设算力基石。
OpenAI的负责人Sam Altman在一篇题为《智能富足的时代》的博文中，进一步阐述了这一宏大计划背后的愿景。他认为，为了完全释放人工智能的潜力，必须建设规模空前的计算基础设施，以实现“智能的富足”。他设想，当拥有了足够强大的算力，例如达到10吉瓦级别，人工智能或许就能找到治愈癌症的方法，或为全球所有学生提供个性化辅导。Altman强调，在这些关乎人类福祉的重大目标面前，我们不应因算力不足而被迫做出取舍。
展望未来，Altman的目标是打造一座能够每周产出吉瓦级全新AI基础设施的“工厂”，他将此形容为“有史以来最酷、也最重要的基础设施工程”。这不仅是一项技术挑战，需要从芯片、电力系统到设施建造等全方位的创新，更是一项战略举措，旨在帮助美国在芯片制造和新能源产能等关键领域扭转落后趋势。随着甲骨文开始交付首批英伟达GB200服务器机架，该计划已进入实际执行阶段。OpenAI承诺将在未来数月公布更多合作伙及融资方案，预示着一场围绕AI算力的全球竞赛正进入白热化。
#OpenAI #星际之门 #AI算力 #SamAltman #超级计算
阅读更多：
AI 驱动科学
人脑与AI的语言密码：两者共享树状句子理解模式
大脑和大型语言模型 是如何理解句子中复杂的层次结构的？研究人员 Wei Liu, Ming Xiang, Nai Ding 等设计了一项巧妙的单词删除任务，从行为层面证明，人类和LLMs在没有明确语法指导的情况下，都会自发地使用一种潜在的、类似语言学理论的树状结构来表征和处理句子。
研究团队开发了一种新颖的单次学习任务。任务中，人类参与者（包括中文、英文母语者及双语者）和ChatGPT等大型语言模型仅通过一个示范（一个被删除了特定词组的句子）来推断转换规则，并将其应用到新句子上。该任务对所有参与者都是陌生的，旨在探测其处理语言时无意识依赖的内在结构。结果显示，无论是人类还是LLM，都表现出极强的偏好，倾向于删除构成完整语言单位的“成分”，而非任意的词语组合，这证明了它们对句子内在句法结构的敏感性。
更有趣的是，研究发现推断出的规则具有语言特异性：处理英文时，参与者倾向于遵循“父范畴规则”（parent category rule，即删除父节点类型相同的成分）；处理中文时，则倾向于“节点范畴规则”（node category rule，即删除自身节点类型相同的成分）。最关键的突破在于，通过汇总参与者在多轮测试中的删除选择，研究团队利用CKY算法（一种动态规划算法）成功地为句子重建了其潜在的层次结构树。这些纯粹基于行为数据重建的树，与语言学家定义的标准句法树高度吻合。研究发表在 Nature Human Behaviour 上。
#认知科学 #计算模型与人工智能模拟 #语言表征 #大模型技术
阅读更多：
Liu, Wei, et al. “Active Use of Latent Tree-Structured Sentence Representation in Humans and Large Language Models.” Nature Human Behaviour, Sept. 2025, pp. 1–14. www.nature.com, https://doi.org/10.1038/s41562-025-02297-0
AI模型预测患者何时可安全停用抗抑郁药
长期服用抗抑郁药的患者何时才能安全停药，是困扰临床医生的难题。南澳大利亚大学（University of South Australia）的 Lasantha Ranwala 和 Andre Andrade 等研究人员，利用人工智能分析了大规模用药数据，成功开发出高精度的机器学习模型，能够预测哪些患者可以顺利停止使用抗抑郁药。
研究团队利用了澳大利亚药品福利计划（Pharmaceutical Benefits Scheme）中十万名患者长达十年的配药管理数据。他们将成功停药定义为患者在长期服药后，至少一年内不再需要任何抗抑郁药物。基于此，研究人员训练并测试了两种机器学习模型。第一种模型仅分析最终的处方记录，预测准确率达到81%；而第二种模型则更为精细，它追踪了患者从首次处方到剂量逐步减少的整个用药历程，其预测准确率高达90%。这一结果表明，捕捉患者动态用药历史的模型能更准确地反映真实情况。这项研究的突破在于，它证明了通常未被充分利用的后台健康管理数据，可以通过人工智能转化为强大的临床决策支持工具，帮助医生在评估停药风险时更有依据，从而实现更安全的个性化治疗。研究发表在 Studies in Health Technology and Informatics 上。
#疾病与健康 #预测模型构建 #AI驱动科学 #个性化医疗 #心理健康与精神疾病
阅读更多：
Ranwala, R. a. D. L. M. K., and A. Q. Andrade. “Predicting Antidepressant Deprescription with Machine Learning Using Administrative Data.” MEDINFO 2025 — Healthcare Smart #215 ; Medicine Deep, IOS Press, 2025, pp. 846–50. ebooks.iospress.nl, https://doi.org/10.3233/SHTI250959
人类触摸行为揭示了建设性与享乐性的内在动机
当面对一个完全陌生的物体时，人类会如何触摸和探索它？哈佛大学约翰·A·保尔森工程与应用科学学院的 Buse Aktaş, Robert D. Howe 及卡内基梅隆大学的 Roberta L. Klatzky 等研究人员，通过一个融合艺术与科学的实验，系统地观察并分类了人类在无目标情境下的自发触觉行为，为提升未来人机交互的直观性和丰富性提供了重要依据。
▷ 研究人员创建了基于干扰的、具有动态机械特性的物体，并将其整合到一个多站交互式触觉装置中，供参与者自由互动。Credit: PLOS One (2025).
研究团队构建了一个类似艺术装置的实验环境，邀请40名参与者与三组不同类型的物体自由互动，这些物体涵盖了从熟悉的薯片袋到抽象的几何形态。核心创新在于，这些物体内部集成了干扰机制（jamming，一种通过改变内部颗粒间压力来控制刚度的物理机制），能够周期性地变硬或变软。通过分析记录下的互动视频，研究人员发现，即便没有被赋予任何任务，人们也会自发产生探索目标，并展现出四种截然不同的互动模式：被动观察（passive observational，如悬停观察）、主动感知（active perceptual，通过按压、摩擦等获取信息）、建设性（constructive，试图折叠、堆叠物体以创造新形态）和享乐性（hedonic，如抚摸、轻弹等纯粹为了感官体验的行为）。研究还发现，物体的先验知识和动态变化会显著影响互动策略，例如，人们与抽象物体的“建设性”互动更多，而物体状态的改变会延长探索时间。研究发表在 PLOS One 上。
#认知科学 #机器人及其进展 #人机交互 #触觉感知
阅读更多：
Aktas¸, Buse, et al. “Emergent Patterns of Interaction with Dynamic Objects.” PLOS ONE, vol. 20, no. 9, Sept. 2025, p. e0331844. PLoS Journals, https://doi.org/10.1371/journal.pone.0331844
开发更智能AI以重新定义复杂系统控制
如何让AI在智能电网、自动驾驶等复杂系统中更高效地进行分层管理？针对传统AI模型忽略决策者权力不平等的缺陷，佛罗里达大西洋大学（Florida Atlantic University）的 Xiangnan Zhong 和 Zhen Ni 开发了一套新型AI框架，通过模仿“领导-服从”的决策模式，实现了更智能、更节能的系统控制。
该研究的核心创新在于将强化学习与博弈论相结合。研究人员首先采用斯塔克伯格-纳什博弈（Stackelberg-Nash game，一种模拟领导者和跟随者先后行动的博弈模型）来构建决策框架，使其能够准确反映现实世界中如电力公司与用户、交通控制中心与车辆之间的层级关系。随后，团队引入了一项关键技术——事件触发机制（event-triggered mechanism），它改变了传统AI持续不断更新决策的模式，让系统仅在关键时刻（即事件被触发时）才进行计算和通信，极大地节省了算力和能源。仿真研究验证，该框架不仅能稳定地处理决策者间信息不对称的复杂情况，还能确保最终策略达到最优平衡。这一方法使得AI控制系统更加稳健、适应性强且可扩展，为解决现代基础设施的复杂性提供了实用方案。研究发表在 IEEE Transactions on Systems, Man and Cybernetics: Systems 上。
#AI驱动科学 #计算模型与人工智能模拟 #自动化科研 #复杂系统
阅读更多：
Zhong, Xiangnan, and Zhen Ni. “Intelligent Control in Asymmetric Decision-Making: An Event-Triggered RL Approach for Mismatched Uncertainties.” IEEE Transactions on Systems, Man, and Cybernetics: Systems, vol. 55, no. 10, Oct. 2025, pp. 7288–301. IEEE Xplore, https://doi.org/10.1109/TSMC.2025.3583066
脑-音乐接口：精准触发怀旧情绪，提升老年人幸福感与记忆清晰度
音乐触发怀旧情绪对老年人身心健康有益，但个体偏好差异大，难以临床应用。Yuna Sakakibara及其同事开发出全球首个怀旧脑-音乐接口（Nostalgia Brain-Music Interface），通过实时解码脑电信号，为用户精准推荐怀旧音乐，成功提升了老年人的幸福感与记忆清晰度。
该系统通过佩戴在耳内的脑电图实时监测用户的神经活动。系统首先会通过聆听几首歌曲来“学习”特定用户大脑在体验怀旧情绪时的独特神经模式。随后，一个基于脑电信号的解码器和另一个基于音乐声学特征的预测模型协同工作，从一个包含超过7000首歌曲的数据库中，为用户动态推荐最有可能引发怀旧感的音乐。在对17名老年人和16名年轻人的测试中，N-BMI系统展现了卓越的效果。当系统推荐旨在增强怀旧感的歌曲时，与非怀旧歌曲相比，两组参与者报告的怀旧感、即时幸福感和记忆清晰度均显著提高。尤其在老年组中，这三项指标的提升均达到了极高的统计学显著性（p
来源：博识雅士
