摘要：精神分裂症药物KarXT于今年9月获得美国监管部门批准，是数十年来首个具有创新作用机制的药物，一些研究人员因此宣布精神科药物进入了一个新时代。大约有六种类似的药物正处于不同的开发阶段，其中大多数处于早期临床试验阶段。然而，这些药物的成功并非必然。上周，一项备受

11月22日（星期五）消息，国外知名科学网站的主要内容如下：

《自然》网站（www.nature.com）

新型精神分裂症药物或可治疗阿尔茨海默病

精神分裂症药物KarXT于今年9月获得美国监管部门批准，是数十年来首个具有创新作用机制的药物，一些研究人员因此宣布精神科药物进入了一个新时代。大约有六种类似的药物正处于不同的开发阶段，其中大多数处于早期临床试验阶段。然而，这些药物的成功并非必然。上周，一项备受期待的精神分裂症药物试验报告了令人失望的结果。

几十年来，精神分裂症药物基本上以相同的方式起作用。它们通过减弱多巴胺的活动来发挥作用，多巴胺是一种与这种疾病标志性症状（如幻觉和妄想）有关的化学物质。KarXT（在市场上以Cobenfy的名称出售）则以毒蕈碱受体（又称M受体）为靶点，具有抗精神病和认知作用。

由于所有五种毒蕈碱受体的结合位点相似，选择性靶向一种毒蕈碱受体是一个挑战。为了解决这一问题，研究人员正在研究毒蕈碱受体的“变构调节剂”，这种调节剂通过结合位点外的区域作用于目标，这些区域在五种毒蕈碱受体中的位置差异更大。

毒蕈碱受体存在于大脑的奖赏回路中，研究表明，阻断这些通路可以防止动物对阿片类药物上瘾。这些受体还参与运动控制，这使得一些科学家开始研究阻断它们是否能帮助帕金森病患者。

《科学通讯》网站（www.sciencenews.org）

用AI训练AI或导致模型崩溃

ChatGPT、Gemini、Copilot等人工智能（AI）工具可以从简单的一行文本提示中生成令人印象深刻的句子和段落。为了生成这些文本，底层的大语言模型在人类编写的大量文本和从互联网上抓取的内容上进行了训练。但现在，随着生成式AI工具在互联网上充斥着大量合成内容，这些内容正被用于训练AI的下一代。研究人员表示，如果这种情况持续下去，可能会带来灾难性的后果。

牛津大学的一个计算机科学家团队最近在《自然》（Nature）杂志上指出，用AI自己生成的数据训练大语言模型可能会导致模型崩溃。

该团队采用了一个名为OPT-125m的预训练语言模型，并向其输入了一批维基百科文章来微调其反应。然后，研究小组给这个工具一个文本提示，并要求它预测接下来会发生什么。它的反应被反馈到模型中进行进一步的微调。当每一代都用前一代产生的数据进行训练时，他们发现，到第九代，模型开始胡言乱语了。在另一组实验中，当团队保留了一些原始数据时，模型的退化程度明显较小。

这项研究表明，如果不加控制，利用AI自身生成的数据训练AI将产生严重的后果，包括加剧偏见和将文本变成无意义的废话。大型AI公司确实有办法防止这种崩溃，但随着越来越多的人使用大语言模型来训练自己的聊天机器人和其他AI工具，可能会产生严重的后果。

《每日科学》网站（www.sciencedaily.com）

1、研究发现减肥药带来食物浪费

美国俄亥俄州立大学的一项新研究发现，服用减肥药导致一些美国成年人扔掉的食物比他们开始服用减肥药之前扔掉的更多。

在一项针对目前正在服用GLP-1药物（如司美格鲁肽）人群的调查中，25%的受访者承认，自从服用这些药物以来，他们浪费了更多的食物；61%的人不同意这一说法。那些因药物产生恶心的人更有可能报告食物浪费增加。而服用药物时间较长和摄入更多蔬菜则带来了更少的食物浪费。

科学家们认为，这项消费者行为研究是探索这些日益流行的抗肥胖药物对全国乃至全球食品生产和浪费影响的初步努力。

这项研究最近发表在《营养》（Nutrients）杂志上。

研究人员通过一份在线问卷调查了505名目前正在服用抗肥胖药物的美国成年人。参与者的年龄、家庭收入和教育水平各不相同，大多数人有保险。平均而言，如果他们服用了至少一年的药物，他们的体重减轻了20%。

虽然恶心是食物浪费的主要原因，但研究结果暗示了另一种可能的影响：偏好和习惯的改变导致人们扔掉不受欢迎的食物。

其他研究实验室通过模拟表明，减少人口层面的食物消费可以降低能源成本，保护土地和水资源，并通过不让丢弃的食物进入垃圾填埋场来减少温室气体的排放。但考虑到相对较新的抗肥胖药物，目前还没有足够的数据来预测它们的社会影响程度。

2、受教育程度影响以后的记忆力和痴呆风险

美国罗格斯大学健康研究人员领导的一项研究表明，一个地区影响居民受教育程度的政策，对居民以后的记忆力和患痴呆症的风险有持久影响。

这项发表在《流行病学》（Epidemiology）杂志上的研究，比较了美国各州要求的不同受教育年限与几十年后居民认知表现结果的差异。

研究人员称，目前提高学校教育数量或质量的政策，可能会对认知结果产生长期的好处。

研究发现，教育水平可以预测更好的认知能力、记忆功能、预期寿命和阿尔茨海默病或痴呆症的延迟发作。研究人员分析了2万多名老年黑人和白人成年人的数据，并评估了各州教育政策。他们发现，由于一个州的强制性教育法和与教育质量相关的法律，受教育年限的增加与生活中更好的整体认知表现有关，包括更好的记忆力和语言流畅性——这些是痴呆症风险的主要决定因素。

这项调查进一步支持了之前的研究，即儿童生活在高质量教育的地区，晚年患痴呆症的风险较低。

《赛特科技日报》网站（https://scitechdaily.com）

1、再见微塑料：新型可回收塑料在海水中可安全分解

日本理化学研究所新兴物质科学中心（CEMS）的研究人员创造了一种开创性的塑料，既耐用又环保。这种创新材料不仅与传统塑料一样坚固，而且具有可生物降解的独特能力，可以在海水中分解。通过解决一个关键的环境问题，这种塑料具有显著减少微塑料污染的潜力，微塑料污染积聚在海洋、土壤中，并最终进入食物链。该团队的研究结果发表在最新一期的《科学》（Science）杂志上。

传统塑料是不可生物降解的，对环境有害，多年来一直在努力开发可持续的替代品。虽然已经存在一些可生物降解和可回收的选择，但一个主要的挑战仍然存在：许多这些材料，如聚乳酸，在海洋环境中无法降解，因为它们不溶于水。这一限制使得微塑料——小于5毫米的微小碎片——在海洋生态系统中持续存在，危害水生生物，并进入食物链，包括人类。

在他们的新研究中，CEMS的研究团队专注于使用超分子塑料——通过可逆相互作用将结构结合在一起的聚合物——来解决这个问题。这种新型塑料由两种离子单体结合而成，形成交联的盐桥，提供了强度和柔韧性。

这种新型塑料无毒且不易燃，这意味着不会排放二氧化碳，而且可以像其他热塑性塑料一样在120°C以上的温度下重塑。最后，研究人员调查了这种新塑料的可回收性和生物降解性，结果表明回收过程简单高效。在土壤中，新塑料片在10天内完全降解，为土壤提供类似肥料的磷和氮。

2、突破光学极限：超表面在单个设备中实现近乎无限的光控制

随着光学科学和应用的进步，对多功能光学器件的需求不断增长，这些器件需要将尽可能多的波控制功能集成到一个单一的超紧凑系统中。

然而，由传统电介质制成的光学器件依赖于光的传播相位，这必然导致器件尺寸庞大（相对于波长）和/或效率低（由于缺乏磁响应）。此外，由于缺乏操纵光的额外自由度，使用传统电介质制造具有多种功能的紧凑型光学器件变得具有挑战性——这是一个严重阻碍光学集成的问题。

超表面是由平面亚波长微结构组成的超薄超材料，具有定制的光学响应，排列在特定的预先设计的序列中，具有非凡的控制光波的能力，近年来引起了广泛的关注。然而，现有的多功能光场控制装置大多需要同时改变入射光的多种不同特性，仅依靠入射光偏振的变化只能表现出不超过两种不同的波控制功能，这取决于独立入射偏振的数量。

为了进一步增加单个超表面器件复用的功能数量，需要开发新的设计策略来克服独立极化态数量对独立功能数量的限制。

由复旦大学、香港科技大学和香港浸会大学的科学家组成的研究团队，提出了一种基于连续改变入射光偏振态调谐相干波干涉的元器件设计方法，该方法在原则上具有无限数量的波控制功能，并在1550纳米的电信波长范围内进行了实验验证。这项研究最近发表在《光电进展》杂志上。

在设计了一系列具有定制反射相位和偏振转换能力的元原子后，研究人员构建了两个功能元器件，并在庞加莱球上沿一定路径连续调谐偏振光的照射下进行了实验，计算了它们的波控功能。

这些发现可以在实践中找到许多应用，并激发未来的研究。例如，扩展到近场和远场复合和/或传输系统是有趣的未来研究项目，使用矢量光束作为入射光可以进一步丰富元设备的波操作功能。（刘春）

来源：新浪财经