在 12 月 11 日为科学记者举办的特别活动中，《科学》新闻发布团队将重新探讨 2023 年被认定为《科学》年度突破（Science’s Breakthrough of the year in 2023）的这一话题：GLP-1 受体激动剂在肥胖症治疗中的进展及其对缓解肥胖相关健康问题的疗效。由《科学》杂志出版方——美国科学促进会（AAAS）—— 颁发的“Mani L. Bhaumik 年度突破奖”（Mani L. Bhaumik Breakthrough of the Year Award）旨在表彰为 GLP-1 突破性研究奠定最重要基础的研究人员；该奖项评审委员会成员包括 Weill Cornell 医学院肥胖症治疗临床医生、FlyteHealth 联合创始人 Katherine Saunders 博士。Saunders 博士经常与媒体合作，并就如何将开具 GLP-1 类药物处方作为心脏代谢全面护理的一部分的问题作出回应。她认为，有关此类话题的新闻报道有机会更准确地反映肥胖症作为一种疾病的生物学现实，以及在使用 GLP-1 类药物治疗患者时所考虑的科学依据。 在本次发布会上，Saunders 博士会就这些话题回答各位的提问。与她一起出席的还有 Robyn Pashby 博士（一位专门研究肥胖相关行为科学的临床心理学家）以及 Tracy Zvenyach 博士（一位卫生政策研究员和肥胖症行动联盟的政策战略总监）。Pashby 博士将探讨的议题包括：心理健康与肥胖症之间的神经行为学关联，以及 GLP-1 类药物会如何影响使用者的动机、奖赏机制及治疗参与度。Tracy Zvenyach 博士致力于政策宣导和研究，旨在改善肥胖症治疗的可及性；她将概述保险覆盖现状，其中包括标准健康保险的运行机制及其局限性。她还将探讨持续开展 GLP-1 类药物研究的政策影响，这些研究所展现的裨益日渐广泛。 本次活动将于美国东部时间 12 月 11 日（周四）上午 10 点在Zoom 平台举行。请立即注册参会：https://aaas.zoom.us/webinar/register/WN_HwsyjhaBRR2RurCbJ5vhXw。请各位准备所提问题！注意：本次活动不涉及禁止提前公布的内容。

一项新的研究发现，大型语言模型（LLMs）虽能支持疫苗研究的某些环节，但其在生成创新方法以推进科学发现方面效力有限。Lucie Rodriguez-Coffinet 和同事通过系统疫苗学的多案例研究对五种不同 LLMs 应答系列提示词的表现进行了评估。总体而言，LLMs 擅长文献综述，但其在提出新颖假设或设计创新实验能力方面则较为逊色。Rodriguez-Coffinet 等人写道：“最具建设性的发展路径是人类专业知识与 AI 分析之间形成伙伴关系，即培育兼具计算能力与科研人员阐释力、批判力及伦理判断力的混合智能。”系统疫苗学可通过整合多个科学领域的海量数据集来研究免疫系统对疫苗的反应。在本研究中，研究人员设计了一个名为"创造博弈"的评估框架，旨在测试 LLMs 在面对如此复杂的生物系统时能否效仿人类的科学推理能力。该框架评估了这些模型在 4 项任务上的表现：文献综述准确性、假说构建能力、所提相关实验方案的水平及演绎推理质量。研究人员在三个具体案例研究中评估了 ChatGPT4.0、ChatGPT4.5、微软的 Copilot、LLaMA 和 SciSpace 在执行这些任务上的表现。这些研究侧重于免疫调节因应疫苗接种后的不同方面，其中包括代谢应激信号传导、脂质代谢以及宿主-微生物群之间的相互作用。每个模型自身都各具优劣势；例如，ChatGPT 模型可针对推理进行优化，而 Copilot 则擅长输出可操作结果。Rodriguez-Coffinet 等人判定，LLMs 模型总体上能有效地检索和总结既有文献信息，但它们无法生成特别有见地的假设或实验方案。Jacob Kim 和同事在一篇相关的《焦点》中讨论了 AI 辅助研究的发展前景，并考虑了可突破现有模型局限性以推进免疫学发现的方法。

新的研究表明，即使是小型开源的 AI 聊天机器人也可成为有效的政治说客。这些发现提供了一幅完整的有关 AI 政治说服机制的实证图景，揭示了后训练和提示（而非模型规模与个性化功能）才是真正的主导因素。该研究还揭示了说服力与准确性难以两全的证据，这一发现将重新定义决策者和研究人员该如何构想具说服力 AI 的风险。许多人日益担心，AI 的进步——尤其是对话式大型语言模型（LLMs）的发展——可能很快就会赋予机器空前强大的对人类信念的影响力。然而，这些系统的说服力究竟有多强，以及其背后的运作机制究竟如何，在很大程度上仍属未知。为钩沉索隐，Kobi Hackenburg 与同事就三个核心问题展开了研究：模型更为庞大先进是否天然具备更强的说服力；能否有针对性地通过后训练提高小型模型的说服力以及 AI 系统在试图改变人们想法时会仰仗哪些策略。Hackenburg 等人开展了三项大规模问卷实验，组织了近 7.7 万名参与者与 19 种不同的 LLM 模型（从小型开源系统到最先进的“前沿”模型）就数百个政治议题进行对话。他们同时检验了多种提示策略与数种后训练方法，评估了每种“控制杠杆”会如何影响说服效果与事实准确性。研究结果显示，模型规模与个性化（即 LLM 提供用户信息）对说服效果的影响虽小，但可被量化。而后训练技术与简易提示策略则能大幅提升说服力：增幅分别高达 51% 和 27%。小型开源模型一旦经过后训练，其在改变政治态度方面也足以比肩大型前沿模型。Hackenburg 等人发现，当 AI 系统在提供信息丰富的论点时，其说服力最强。在不同模型与方法中，约半数说服效果的差异性可归因于这一关键因素。然而，作者也发现了一个显著的不可兼得现象：那些能有效提升说服力的模型与提示策略往往会以牺牲真实性为代价；表明若为增强 AI 影响力而优化模型可能会无意中降低其准确性。Lisa Argyle 在一篇《视角》中更为详细地讨论了这项研究及其在《自然》杂志上发表的配套研究。 特别说明/《自然》杂志相关文章：一篇作者重合且主题相关的文章：《运用人机对话策略说服选民》 将在同一天和同一时间在《自然》杂志同步发表（其禁止提前发布指令解除的日期与时间也相同）：美国东部时间 12 月 4 日（周四）下午 2 点。如需了解该相关论文，请访问《自然》新闻网站：http://press.nature.com或联系《自然》新闻办公室团队：press@nature.com。

研究人员报告称，对一块非同寻常的喉骨所做的显微分析帮助解决了古生物学界一个长期存在的争论；其所揭示的证据表明，兰氏矮暴龙（Nanotyrannus lancensis）——长期以来被许多人认为是少年时的暴龙（Tyrannosaurus rex）——实际上是一种已发育成熟的暴龙科中的小型独立物种。由于化石记录往往支离破碎，因此很难辨识出远古生态系统中曾存在的所有不同的恐龙物种。若试图将全新物种与已知物种中的幼年个体区分开来，其难度就更大了。其中最为旷日持久的争议当属兰氏矮暴龙（一种来自北美白垩纪的小型暴龙）；在过去的 60 年中，它一直被解读为某个独立物种或只不过是一个幼年的暴龙。这场持续数十年的争论之所以悬而未决，其主要原因在于兰氏矮暴龙的正模标本仅存孤立头骨，而评估成熟度的传统方法通常基于肢体骨骼。直到近期，先前对其他被认为属于兰氏矮暴龙的更完整化石所做研究得出的结论依然相互矛盾。Christopher Griffin 和同事在此就一块小型喉骨（角鳃骨）的微观结构是否能可靠地用于判定遗骸化石的年龄和骨骼成熟度进行了测试。Griffin 等人发现，在现存主龙类物种（如鸵鸟与鳄目动物）及已灭绝的兽脚类恐龙中，角鳃骨可清晰保留生长和成熟信号，这使其成为判定发育阶段（尤其是完全成熟个体）的宝贵依据。作者将此方法应用于存在争议的兰氏矮暴龙正模标本，并对其角鳃骨的三个部分进行检查后发现了数个指向骨骼接近或已完全成熟的标志。由此可证，兰氏矮暴龙在分类学上实为与暴龙共存的一个独立物种，表明白垩纪晚期生态系统中的捕食动物多样性超越了既往认知。

CABIMER 的研究团队开发了 PLAMseq，这项技术首次能够在一次实验中同时识别与染色质相关的蛋白质及其在基因组中的精确位置，从而克服了传统方法（如 ChIP-seq 和质谱分析）所需复杂流程和特异性抗体等限制。通过利用 TurboID 的快速生物素化能力，PLAMseq 揭示了此前未知的分子相互作用，例如 SETDB1 与经 SUMO 修饰的组蛋白之间的结合，并在关键基因组调控因子（包括 CTCF、RNA 聚合酶 II 和修饰后的 H1 组蛋白）上展示了出色的表现。这种整合的蛋白质组—基因组学方法为研究癌症、神经系统疾病和发育障碍等疾病背后的表观遗传机制开辟了新途径，并有望加速治疗靶点和生物标志物的发现，同时巩固安达卢西亚研究团队在染色质生物学创新领域的领先地位。