中国科学院深圳先进技术研究院的研究团队在《自然·物理》上发表了一项重要成果，首次揭示了细菌信号分子cAMP的极限通信能力，为人工细胞理性设计开辟了新路径。该研究通过跨学科合作，利用合成生物学手段构建了简化系统，并引入光遗传控制模块和高灵敏度探针PF2，实现了对cAMP信号传递带宽的绝对定量。这项突破性成果不仅有助于理解细菌如何应对复杂环境，还为构建高效的生命信息传递系统提供了重要工具。研究成果标志着我国在人工生命系统理性设计领域迈出了关键一步。

中国科学院深圳先进技术研究院王书强课题组提出了一种创新的条件对齐时序扩散模型（CATD），实现了脑电图（EEG）与功能性磁共振成像（fMRI）信号的跨模态生成。该模型通过“脑信号翻译官”条件对齐块（CAB）和“时间显微镜”动态时频分割（DTFS）两项核心技术，将EEG的高时间分辨率与fMRI的高空间分辨率优势结合，提升了BOLD信号的时间分辨率3倍，并在癫痫早期征兆检测中表现出色。这项技术为便捷获取高质量脑功能信号提供了新方案，尤其适用于缺乏fMRI设备的医疗机构，有助于帕金森、抑郁症等脑疾病的研究。研究成果发表在IEEE Transactions on Medical Imaging上。

中国科学院深圳先进技术研究院与中山大学的研究团队在《Genome Biology》上发表论文，提出了一种新的单细胞谱系追踪量化评分体系——“谱系信息评分”（LIS），以评估线粒体DNA突变在不同生物学情景下的谱系标记准确性。研究结合计算仿真模型和单细胞多组学数据分析，发现克隆扩张强度显著影响线粒体谱系追踪效果。结果表明，在强克隆扩张环境中（如肿瘤），线粒体谱系追踪的准确性更高。此外，低频线粒体突变可实现深度谱系树重构，但需要高深度单细胞线粒体测序技术的支持。该研究为基于临床样品的细胞谱系研究提供了理论指导，并有望推进细胞命运和克隆演化研究。

中国科学院深圳先进技术研究院蔚鹏飞团队在《eLife》期刊上发表了一种基于Transformer架构的新型高精度动物行为学姿态估计工具——抗漂移姿态追踪技术（ADPT）。该技术结合了卷积神经网络（CNN）和Transformer结构的优势，有效降低了关键点漂移现象，显著提升了跨物种动物姿态追踪的精度与稳定性。在多物种（如小鼠、食蟹猴等）的行为视频数据集中，ADPT表现出色，特别是在复杂环境和多动物交互场景中，其检测精度较现有方法提高了超过8.6%，平均均方根误差降至7.19 ± 0.58像素。此外，ADPT还展示了在存在人类干扰情况下的优秀抵抗能力，并在公开数据集上验证了其泛化性能。在多动物自由社交行为场景中，ADPT实现了90.36%的身份追踪准确率，无需时序后处理。这一成果为神经科学、行为学和生物医学领域的研究提供了有力支持。

中国科学院深圳先进技术研究院与澳门大学合作，提出了一种基于三维视觉融合注意力机制的端到端多模态模型——Fusion-Perception-to-Action Transformer (FP2AT)。该算法通过融合全局与局部体素网格特征，并结合本体感知信息，显著提升了机器人在复杂三维场景中的精细操作能力。研究团队设计了全局-局部视觉融合注意力（HVFA-3D）和三维视觉互注意力机制（VMA-3D），模拟人类“先全局观察、再局部聚焦”的视觉感知模式，增强对关键操作区域的关注。此外，FP2AT还集成了关节力位、末端力/力矩、夹爪状态数据，提升机器人对周围环境接触、本体运动和协调的感知能力。渐进式动作预测框架通过低分辨率体素全局规划和高分辨率局部体素微调动作，保持网络端到端特性的同时提高预测精度。研究成果发表于《IEEE Transactions on Robotics》。

中国科学院深圳先进技术研究院都展宏团队通过创新设计应变控制的两步凝固纺丝体系，首次制备出适用于神经记录与刺激的液晶MXene纤维电极（MX）及其强化型MXene/PEDOT-PSS复合电极（MPP）。该体系通过耦合缓慢凝固与应变诱导排列机制，赋予电极纤维致密的微纳结构。MXene层间精准组装的PEDOT-PSS分子形成三维导电网络，使复合电极电荷存储能力达到989.77 mC/cm²，较传统金属电极提升两个数量级。研究证实，MPP的综合电学性能较现有神经电极材料提升10-100倍，在神经记录与刺激实验中表现卓越，并完全兼容磁共振成像（MRI）。这种可低成本批量制备的微米级纤维电极为神经环路动态解析提供了突破性工具，展现出临床转化潜力。研究成果发表于《Advanced Functional Materials》。

中国产学研合作创新大会在京召开，赵国如研究员因在智能康复领域的突出贡献荣获“2024年中国产学研合作创新人物奖”。

中国科学院深圳先进技术研究院刘畅团队在eLife杂志上发表的研究揭示了多巴胺能神经元（DAN）与背侧成对内侧（DPM）神经元之间的功能性连接及其在睡眠和记忆巩固中的关键作用。研究发现，PAM DAN神经元通过抑制性突触连接至DPM神经元，并且这种连接对于长期记忆的巩固至关重要。短暂激活PAM DAN或抑制DPM神经元会干扰记忆巩固过程并导致睡眠片段化。这些结果表明，该微环路可能在协调睡眠和记忆巩固过程中发挥重要作用，为理解这两个生理过程之间的关系提供了新的见解。这项工作不仅增进了我们对果蝇大脑中复杂行为调控机制的理解，也为未来研究哺乳动物乃至人类的相关脑功能奠定了基础。

“人机智能交互及功能康复”中日国际联合实验室在深圳揭牌，旨在联合攻关智能假肢、康复技术等，解决助老助残及深度高龄化社会问题。

近年来，脑机接口（BCI）技术在医疗、康复等领域展现出巨大潜力，但传统单一EEG信号的空间分辨率低且易受干扰。为提升性能，中国科学院深圳先进技术研究院王书强课题组提出了一种创新的解决方案——SCDM模型，利用生成式AI技术从EEG信号生成fNIRS信号，实现双模态信号采集。该模型包含空间跨模态生成（SCG）模块和多尺度时序表示（MTR）模块，前者通过改进的二维注意力机制学习空间表示，后者通过因果扩张卷积和深度可分离卷积捕捉时序特征。研究结果表明，合成的fNIRS信号在分类性能上与真实信号相当甚至更优，并在空间分布和时间特征上高度一致，保留了与EEG信号的空间对应关系。SCDM模型不仅解决了同时记录EEG和fNIRS信号的难题，还为未来BCI系统的进一步发展提供了新的方向。研究成果发表于IEEE Transactions on Medical Imaging。

国家重点研发计划“多模态自反馈智能驱动神经监测与调控系统”项目启动会在深圳召开，多家单位协同攻关，专家团队提出建设性意见。

刘陈立团队联合中国科学院上海营养与健康研究所肖意传研究员团队，通过8年的研究，揭示了肿瘤与细菌之间的“对话”机制，首次阐明了细菌抗肿瘤的关键原理。这项发表在《细胞》期刊上的研究成果不仅填补了细菌治疗肿瘤领域的理论空白，还为利用细菌治疗恶性实体瘤提供了全新的思路和策略。研究发现，合成细菌能在多种肿瘤模型中有效抑制肿瘤生长，并且能够逃避免疫系统的攻击，激活抗肿瘤免疫反应。这一突破性进展有望为癌症治疗带来全新希望。

中国科学院深圳先进技术研究院杨慧团队在全血高效分离技术上取得新进展，开发出一种基于负磁泳原理的无电源全血分离装置。该装置利用增强型长短交替的双Halbach磁阵列和生物相容性磁流体，能够与不同容积的分离腔室无缝集成，处理通量从100 μL到3 mL可调，最快仅需1分钟即可实现3 mL全血的分离，分离效率高达99.9%。相比现有文献中的分离方法，该装置在处理通量、调节范围及分离速率方面具有显著优势，并且实现了无源操作，避免了传统设备的复杂性。通过大鼠和人全血的分离实验及其后的血浆标志物检测，验证了该装置的分离能力和广泛适用性。这项研究为即时检测（POCT）、小动物模型研究以及荒野环境、急救等场景提供了新的解决方案。研究成果发表于工程技术领域顶级期刊《Microsystems & Nanoengineering》。

中国科学院深圳先进技术研究院戴辑团队在《Advanced Science》上发表的研究揭示了灵长类动物大脑中时间信息的神经表征机制。通过在体电生理、药理学干预和眼动行为监测技术，研究发现纹状体中的脊神经元（MSN），特别是D2-MSN，在回顾性计时和前瞻性计时过程中均发挥重要作用。前额叶通过增强与纹状体之间的同步性来提升计时准确性。这项研究深化了对时间感知神经机制的理解，并为决策、学习和记忆等领域的研究提供了新的启示。实验对象为猕猴，进行了时间分辨任务（TBT）和时间估计任务（TET）训练，探讨了其在不同计时过程中的时间信息处理策略。这些发现有助于理解阿尔茨海默病、帕金森病及精神分裂症等疾病患者的时距知觉功能损伤。

2024年12月30日，中国科学院深圳先进技术研究院杨慧团队在《激光与光子学评论》发表综述文章，全面总结了表面等离子体传感技术（SPR）在外泌体检测中的应用优势。文章详细介绍了SPR传感器的最新进展，特别是传播SPR (PSPR)和局部SPR (LSPR)平台，展示了其在外泌体无标记、实时检测中的巨大潜力。外泌体作为重要的生物标志物，参与多种关键细胞过程，其特异性识别和表征已成为生物医学研究的重点。文章还概述了PSPR、LSPR和表面增强拉曼散射平台在外泌体检测中的最新进展及临床应用，为未来外泌体检测技术的优化与拓展提供了理论依据与实践参考。

中国科学院深圳先进技术研究院的研究团队在《Journal of Cheminformatics》上发表了一项重要研究成果，名为"CLAIRE: A Contrastive Learning-based Predictor for EC Number of Chemical Reactions"。该研究利用对比学习、数据扩增和化学反应预训练模型的特征提取策略，构建了一个高效的人工智能模型CLAIRE，用于预测酶促反应的EC分类编号。与现有最先进模型Theia相比，CLAIRE在测试集上的准确率显著提高，并且在酵母菌代谢模型中的表现也优于Theia。这项工作为解决酶促反应数据少和数据分布极度不平衡的问题提供了新的解决方案，并有望在代谢工程和通量平衡分析等领域发挥重要作用。通过严格评估，研究人员展示了CLAIRE在区分真实酶-反应配对与错误配对方面的强大能力，使其成为代谢研究中有力的工具。

中国科学院深圳先进技术研究院团队开发了基于大模型的低剂量PET图像重建技术，该技术利用大模型先验信息提升重建精度和安全性，摆脱了对配对CT/MR数据的依赖，降低了辐射暴露和扫描时间，为低剂量PET成像提供了新思路。

深圳先进院科学家联合国际团队提出新膳食评估方法，采用“双标水”技术直接检测人体能量需求，发现英美两国国家膳食调查数据中超半数误报，有望刷新营养学研究理念。

深圳先进院与中右生物成立“干细胞与骨代谢再生”创新联合体团队，旨在共同推进干细胞修复骨损伤、促进骨再生的技术开发与应用，助力再生医学发展。

第七届图像计算与数字医学国际研讨会“脑影像计算和脑功能调控”分论坛在深圳举办，多位专家就AI+脑科学前沿研究进行深度报告与研讨，涉及多模态脑影像计算、脑功能个性化调控等，为脑科学研究和临床应用提供新思路。