学科: 统计学

本文介绍《自然》杂志推广的‘注册研究报告’（Registered Report）新机制：研究者先提交研究方案并经同行评审通过后，无论结果是正面、负面还是不确定，期刊都承诺发表。此举可避免‘抽屉问题’（即失败或无结论的研究被埋没），提升科研透明度与可靠性。

标签: 抽屉问题 注册研究报告 科研可重复性 阴性结果 预注册

复杂性状通常由大量微效常见变异和少量大效罕见变异共同决定。本文发现，在74种数量性状的两端极端值人群中，遗传结构显著偏离常见的多基因模式，且这种偏离主要由大效罕见变异驱动，并受自然选择影响。这提示极端表型人群的遗传机制与普通人群不同。

标签: 复杂性状 多基因风险评分 罕见变异 自然选择 表型极端值

本文发现，极端复合事件（如高温高湿、干旱高温）对累积二氧化碳排放的响应比此前预估更强。历史观测数据表明，这类事件发生频率的上升幅度比气候模型预测高出37%-75%，且模型间差异显著缩小。这意味着：为实现1.5℃或2℃温控目标，人类剩余的二氧化碳排放空间实际比现有评估结果更小。

标签: 复合极端事件 气候风险 累积二氧化碳排放 观测约束

本文构建了人类全生命周期（0-100岁）脑白质结构的标准化参考图表，基于全球35,120例健康人群的脑扫描数据。该图表首次系统描绘了白质通路的发育、成熟与衰老轨迹，为识别神经发育障碍、精神疾病和神经退行性疾病的早期异常提供了可量化的‘健康基线’。

标签: 个体化百分位评分 生命周期参考图表 神经发育 神经退行性疾病 脑白质

本文介绍科学家如何用AI工具（如大语言模型）进行“氛围编程”（vibe coding）：只需用日常语言描述需求，AI就能快速生成代码，帮助非专业人员制作数据图表、分析病毒废水样本、构建生物信息学工具等。它极大提升了科研效率，但也需谨慎验证结果。

标签: 人工智能辅助科研 大语言模型 氛围编程 科学可视化 科研效率

新研究发现，生命留下的不只是特定分子，更是一种独特的‘组织规律’：生物来源的氨基酸种类更多、分布更均匀，而脂肪酸则相反。这种统计规律可帮助科学家从复杂有机数据中识别生命痕迹，无需专用仪器，有望用于火星、木卫二等天体探测任务。

标签: 地外生命探测 氨基酸多样性 生命统计特征 生物组织规律 脂肪酸分布

澳大利亚研究团队利用AI分析维基百科数据，发布2026年‘势头100强’新兴技术榜单：强化学习居首，区块链、3D打印、软体机器人等上榜。该榜单不依赖专家意见，而是通过大数据客观识别真正快速兴起的技术趋势。

标签: 3D打印 区块链 强化学习 新兴技术预测 组学

2024年，按购买力平价计算，中国研发（R&D）总投入达1.03万亿美元，首次超过美国的1.01万亿美元。这标志着中国科技投入长期快速增长的重要里程碑，但美国在基础研究投入强度上仍保持领先。

标签: 基础研究 研发经费 科技强国 科研产出 购买力平价

本文提出一种基于论文嵌入向量的新方法（EDM），能更准确识别科学突破——既包括广为人知的里程碑式成果（如诺奖论文），也包括常被传统方法忽略的‘同时独立发现’（如牛顿与莱布尼茨各自发明微积分）。该方法通过分析整张引文网络结构，避免了局部引文统计的偏差，让真正具有变革性的研究更易被看见。

标签: 同时发现 嵌入向量 引文网络分析 科学计量学 颠覆性创新

本研究利用1.5万多名古代西欧亚人DNA数据，首次系统检测出过去一万年间人类基因组中广泛存在的定向自然选择信号。研究发现，许多影响身体脂肪、精神分裂症风险和认知能力的基因，在农业革命后经历了强烈选择，这可能与人类生活方式巨变有关。

标签: 复杂性状 定向选择 自然选择 西欧亚人群