内地今年发现39种进化分支全为Omicron变异株

内地今年发现39种进化分支全为Omicron变异株内地在上月初取消入境隔离，本周一起全面恢复内地和港澳人员往来。在北京，中国疾控中心病毒病所研究员陈操表示，监测数据显示，今年1月1日起，从全国各个口岸入境人员当中，监测到39种进化分支，全部为Omicron变异株，以BA.5.2和BF.7及其亚分支为主，未监测到传播力、致病力、免疫逃逸能力明显增加的新型变异株流行。对于近期多地开展新冠抗体检测服务，陈操表示，目的是获得各年龄组、城乡人群特异性抗体水平，尤其是中和抗体水平，以了解人群的「免疫本底」，估算全人群新冠抗体水平，推算出人群的感染水平。中心流行病学首席专家吴尊友表示，未来出现比现在传染性更强变异毒株的可能性非常小，出现致病性加强或者病毒出现「返祖」到Delta病毒，甚至原始毒株的可能性也是非常小。2023-02-0917:43:35

新研究揭示了植物生物学的有趣见解：长时间的渐变搭配短暂的创新

新研究揭示了植物生物学的有趣见解：长时间的渐变搭配短暂的创新一项新的研究揭示，植物的进化包括长时间的渐变，其间夹杂着短暂的大规模创新，尤其是在应对环境挑战时。这挑战了以往认为植物进化史的早期会发生类似动物的突变的观点。这些发现推翻了人们长期以来的看法，即植物的基本类型与动物一样，是在进化史早期的一次大爆发式突变中进化而来的。在苏格兰凯恩戈姆国家公园的沼泽溪流中，从苔藓到开花物种等多种陆生植物共同生长。图片来源：英国爱丁堡大学SandyHetherington共同第一作者、布里斯托尔大学古生物学教授菲利普-多诺霍（PhilipDonoghue）说："虽然植物在设计和组织方面异常多样，但它们有一个共同的祖先，这个祖先起源于十多亿年前的海洋。"我们想测试一下，它们的进化史是否真的在早期就发生了大爆炸，还是进化过程更加缓慢和持续。令人惊讶的是，结果显示植物的进化有点混合，长时间的渐变被短时间的大规模创新所打断，从而克服了生活在干燥陆地上的挑战"。为了验证这一理论，科学家团队分析了248组植物的异同，从单细胞的池塘浮渣和海藻到陆地植物，包括从苔藓和蕨类植物到松树、针叶树和开花植物。他们还研究了160个仅从化石记录中得知的已灭绝类群，其中包括生活在4亿多年前的泥盆纪莱尼石器中的物种。通过将植物设计分解成各个组成部分，并记录每个主要类群（包括活体和化石）中存在或不存在的植物，他们得出了13万多个观察结果。计算机统计技术测量了各组之间的总体相似性和差异，以及它们如何随时间而变化。苔藓Polytrichumcommune，它是陆生植物祖先的近亲之一。图片来源：自然历史博物馆SilviaPressel科学家们还试图找出导致这些进化创新的原因，如孢子、种子、根、叶、花粉和花的引入。共同第一作者、布里斯托尔大学生物科学副研究员詹姆斯-克拉克（JamesClark）博士说："我们发现，植物解剖设计的变化与整个细胞基因构成翻倍的事件有关。这种情况在植物进化史上发生过很多次，原因是基因组复制过程中出现了错误，产生了基因的重复拷贝，这些拷贝可以自由变异并进化出新的功能"。但研究发现，植物解剖进化的主要脉动与在日益干燥的环境中生存和繁殖的挑战有关，与植物从海洋逐渐出现在陆地上有关。共同第一作者桑迪-赫林顿（SandyHetherington）博士对陆地植物进化的痴迷始于他在布里斯托尔大学（UniversityofBristol）刚起步的地质学家时期，现在他在爱丁堡大学（UniversityofEdinburgh）继续从事这方面的工作。他说："总的来说，植物解剖设计进化过程中的偶发性脉冲模式与其他多细胞复杂生命王国（如动物和真菌）的进化模式相吻合。这表明它是复杂多细胞生命从诞生之初的一般模式和蓝图"。...PC版：https://www.cnbeta.com.tw/articles/soft/1383057.htm手机版：https://m.cnbeta.com.tw/view/1383057.htm

特内里费岛的偏远植物世界被发现正在挑战进化规律

特内里费岛的偏远植物世界被发现正在挑战进化规律特内里费岛的植物在形态和功能方面有着惊人的多样性。背景：海拔3715米的西班牙最高峰皮科德尔泰德峰。图片来源：HolgerKreft研究结果出乎意料：岛上的植物种类繁多。然而，就功能而言，这些植物与大陆上的植物并无明显区别。不过，与大陆植物区系不同的是，特内里费岛的植物区系以生长缓慢、具有"低风险"生活策略的木本灌木为主。研究结果最近发表在《自然》杂志上。研究人员调查了特内里费岛植物在功能方面与世界其他地区植物的不同之处。他们采用最新的功能生态学方法，在500多个地点进行了广泛的实地研究和测量。这些地点分布在岛上从海平面到海拔3300米以上的山区。像这种被称为"宝石塔"的开花草本植物（Echiumwildpretii）这样的岛屿植物显示了对其生活和非生活环境的奇妙适应。研究显示，中等大小、生长缓慢的木本灌木在特内里费岛的植物区系中占主导地位。图片来源：何塞-玛丽亚-费尔南德斯-帕拉西奥斯科学家们记录了特内里费岛约80%的本地种子植物，并调查了八种植物特征：植株大小、特定木质密度、叶片厚度、绝对叶面积和特定叶面积、叶片干物质、叶组织中的氮浓度以及种子重量。他们将这些数据与大陆上发现的2000多种植物的数据进行了比较。"我们的研究首次表明，与所有预期相反，在加那利群岛上进化的物种群并没有促进不同性状广度的扩大。"这项研究的负责人、哥廷根大学生物多样性、宏观生态学和生物地理学研究小组的霍尔格-克雷夫特（HolgerKreft）教授解释说。第一作者PaolaBarajasBarbosa博士在特内里费岛进行实地研究。图片来源：PaolaBarajasBarbosa以往的比较表明，出现在岛屿上的物种可能与大陆上的亲缘物种有很大不同。一个著名的例子是加拉帕戈斯巨龟：该物种仅分布于加拉帕戈斯群岛，由于适应了岛上的环境条件，体型比大陆上的巨龟大得多。研究小组原以为岛上的植物和大陆的植物会有类似的差异，但事实并非如此。"相反，我们发现大多数物种都遵循岛屿气候的限制。因此，中等大小的木本物种得到了发展。这些物种往往生活在资源有限、灭绝风险高的岛上。也就是说，它们生长缓慢。高功能多样性主要归功于岛上和附近大陆上广泛分布的物种，"克雷夫特解释道。第一作者保拉-巴拉哈斯-巴尔博萨（PaolaBarajasBarbosa）博士解释说："在研究之初，我们假设岛屿植物会表现出根本性的差异，并且由于地理位置的隔离，其功能多样性会相当有限。这些成果是她在哥廷根大学完成的博士论文的一部分。现在，她在莱比锡的德国生物多样性综合研究中心（iDiv）从事研究工作。我们更加惊讶地发现，特内里费岛的植物具有相对较高的功能多样性"。...PC版：https://www.cnbeta.com.tw/articles/soft/1385379.htm手机版：https://m.cnbeta.com.tw/view/1385379.htm

现有爬行动物还是先有卵？新研究挑战关于早期动物繁殖的主流观点

现有爬行动物还是先有卵？新研究挑战关于早期动物繁殖的主流观点最近发表在《自然-生态学与进化》（NatureEcology&Evolution）上的研究结果表明，羊膜动物的所有主要进化分支，即哺乳纲、鳞龙目（蜥蜴及其近缘种）和弓龙目（恐龙、鳄鱼、鸟类）的祖先都具有胎生性和胚胎保留时间延长的特点。羊膜卵，图像展示其中的半透膜壳和胚外膜。资料来源：MikeBenton胚胎保留时间延长（EER）是指幼体被母体保留的时间长短不一，这可能取决于什么时候生存条件最好。虽然硬壳蛋经常被视为进化过程中最伟大的创新之一，但这项研究表明，是延伸胚胎保留（EER）为这类特殊动物提供了终极保护。布里斯托尔地球科学学院的迈克尔-本顿教授解释说："在羊膜动物之前，最早从鱼鳍进化出四肢的四足动物大致都有两栖的习性。它们必须生活在水里或水边觅食和繁殖，就像青蛙和蝾螈等现代两栖动物一样。""当羊膜动物在3.2亿年前出现时，它们通过进化出防水皮肤和其他控制水分流失的方法，摆脱了水的束缚。但羊膜蛋才是关键。据说羊膜蛋是一个'私人池塘'，发育中的爬行动物在其中受到保护，不会在温暖的气候中干涸，并使羊膜动物能够远离水边，主宰陆地生态系统。"项目负责人蒋宝玉教授补充说："这一标准观点受到了挑战。生物学家注意到，许多蜥蜴和蛇类在卵生和胎生之间表现出灵活的生殖策略。一具来自中国早白垩世的池州龙宝宝骨架，它蜷缩在一枚羊皮纸壳蛋的残骸中。图片来源：南京大学蒋宝玉"有时，亲缘关系很近的物种会同时表现出这两种行为，而事实证明，生龙活虎的蜥蜴比人们想象的更容易变回产卵的蜥蜴"。阿明-埃尔斯勒博士说："此外，当我们观察化石时，我们发现其中许多都是活体动物，包括中生代的海洋爬行动物，如鱼龙和长尾龙。其他化石，包括这里描述的一种来自中国白垩纪的蝶形目动物化石，表明卵生和胎生之间的来回转换发生在其他类群中，而不仅仅是蜥蜴。"约瑟夫-基廷博士解释说："EER在当今脊椎动物中非常普遍，发育中的幼体或多或少地由母体保留一段时间。EER在当今的蜥蜴和蛇类中很常见，而且变化多端。它们的幼体可以在不同的发育阶段被释放出来，有的在卵内，有的以小蠕虫的形式被释放出来，EER似乎具有生态优势，也许可以让母体在气温足够暖和、食物供应丰富的时候释放幼体。"本顿教授总结道："我们的研究，以及近年来许多其他研究的结果，将教科书中经典的'爬行动物卵'模型扔进了垃圾箱。""最早的羊膜动物进化出了延长的胚胎保留期，而不是硬壳卵，以在母体内或多或少地保护发育中的胚胎，从而可以推迟出生，直到环境变得有利为止。第一批羊膜动物的婴儿是出生在羊皮纸蛋中，还是作为活生生的、会咬人的小昆虫食人兽，我们不得而知，但这种适应性的亲代保护使它们比产卵较早的四足动物更具优势"。...PC版：https://www.cnbeta.com.tw/articles/soft/1376149.htm手机版：https://m.cnbeta.com.tw/view/1376149.htm

Meta新模型“分割一切”：抠图完成究极进化 计算机视觉迎来GPT-3时刻

Meta新模型“分割一切”：抠图完成究极进化计算机视觉迎来GPT-3时刻当最近巨头们正在AIGC领域上激战之时，Meta默默的在人工智能的另一个重要分支搞起了大动作——计算机视觉。本周三，Meta研究部门发布了一篇名为其“SegmentAnything（分割一切）”的论文，文中介绍了一个全新的SegmentAnythingModel（即SAM），可以用于识别图像和视频中的物体，甚至是人工智能从未被训练过的物品。所谓的“分割”，用最通俗的话来说就是抠图。但Meta此次所展示的人工智能抠图能力，可能远比你想象的要更加强大，甚至在人工智能领域被认为是计算机视觉的“GPT-3时刻”。01.图片、视频一键识别，哪里喜欢点哪里虽然智能抠图这件事并不算是个新鲜事物，但如果你尝试过用P图软件来抠图换背景，就会发现想把照片抠得快、抠得准、抠得自然其实是一件费时又费力的事。从技术的角度来说，数字图像的“抠图”一直就是计算机视觉领域的一项经典且复杂的任务，其中关键的难点在于识别的时间和精准度。而Meta此次发布的SAM可以说给出了近乎完美的解决方案。对于任何一张照片，Meta都可以快速识别照片中的所有物体，并智能地将其分割成不同的形状和板块。你可以点击图中的任意物品进行单独处理。此次SAM的一大突破还在于即使是在训练过程中从未遇到过的物品和形状，人工智能也能将其准确识别并分割出来。而除了简单的识别图片中的物品之外，此次SAM还支持用户使用各种交互性的方式来分离出想要的物体。比如你可以通过将鼠标悬浮在该物体之上，就能自动定位出物体的轮廓。即使是颜色非常相近或者有连人眼都很难快速分辨出的倒影的图片之中，SAM都能非常准确的找出轮廓边线。再比如，你也可以直接通过输入文字查询，AI就可以帮你找到并标记出这个图片中的你想找的这个文字对象。不仅仅是静态图片，对于视频中的物体，SAM也能准确识别并且还能快速标记出物品的种类、名字、大小，并自动用ID给这些物品进行记录和分类。Meta表示未来这一技术会跟AR/AR头显进行广泛结合。这听上去是不是确实有点钢铁侠头盔的味道了？看到这里是不是已经觉得很厉害了？别着急，Meta这次还有大招。除了能把物品从图像中精准地分离出来，SAM还能支持对这个物品的编辑。也就是说，你可以把这个衣服从这个模特身上换下来，或许再换个颜色改个大小，放在另一模特身上。你也可以把你从静态图片中“抠”出来的椅子，进行3D渲染和编辑，让它从一个图片立刻动起来，接着你还可以改变形状或者进行更多的创意操作。02.计算机视觉领域的GPT-3时刻，打开更大应用想象空间Meta发布了SAM之后，立刻吸引了大量关注，甚至在很多人工智能业内人士的眼中，SAM的出现可以说是计算机视觉领域的GPT-3时刻。英伟达人工智能科学家JimFan表示此次SAM最大的一点突破是它已经基本能够理解“物品”的一般概念，即使对于未知对象、不熟悉的场景（例如水下和显微镜里的细胞）它都能比较准确的理解。因此他表示相信SAM的出现会是在计算机视觉领域里的GPT-3时刻。不仅是Jim有这样的观点，一些AI研究专家甚至也表示，SAM之于计算机视觉，就像是GPT之于大语言模型。而就在SAM昨天发布之后，很多人也在第一时间上手进行了实测。硅星人浏览了一圈，发现不仅基本满屏都是惊叹，一些网友还结合自身的工作领域打开了SAM更广的应用想象空间。有人将包含了众多复杂元素的图片上传之后，SAM识别起来毫无压力，无论是近景还是远景，大量的复杂细微的元素都可以基本准确找出。有自然科学研究者将SAM和卫星图像结合在了一起，表示SAM能够很好的识别和找到他标记的风貌类型。有神经外科影像学的专家将SAM用到了一个脊髓血管病的病例文件之中，认为SAM在帮助判断和分析病情上有很大帮助。有生物学家输入了一张显微镜下的组织图片，即使图中形状特征毫无规律，但凭借着Zero-shot技术，SAM也能够自动识别多细胞结构中的腺体、导管、动脉等。该生物学家认为SAM的产出结果已经非常接近完美，未来能够节省大量手动注释的时间。还有有骑行爱好者将地图和SAM结合起来，认为能够帮助自己未来更快更高效地给地图做标记。03.基于1100万张照片训练，模型和数据全部开源总体来看，跟过去的一些计算机视觉模型相比，SAM在几个方面有着显著的提升和不同。首先，SAM开创性地跟Prompt结合了起来。它可以接受各种输入提示，例如点击、框选或指定想要分割的对象，这种输入并不是一次性指令，你可以不停地对图像下达不同的指令达到最终的编辑效果，这也意味着此前在自然语言处理的Prompt模式也开始被应用在了计算机视觉领域。此外，SAM基于1100万张图像和11亿个掩码的海量数据集上进行训练，这是迄今为止最大的分割数据集。该数据集涵盖了广泛的对象和类别，例如动物、植物、车辆、家具、食物等，这些图像的分辨率达到了1500×2250pixels，平均每张图像约有100个掩码。此次SAM采用了轻量级掩码解码器，可以在每次提示仅几毫秒内在网络浏览器中运行。SAM在各种分割任务上具有很强的零样本性能。零样本意味着SAM可以在不对特定任务或领域进行任何额外训练或微调的情况下分割对象。例如，SAM可以在没有任何先验知识或监督的情况下分割人脸、手、头发、衣服和配饰。SAM还可以以不同的方式分割对象，例如红外图像或深度图等。SAM的训练数据集是OpenImageV5的6倍Meta表示，目前公司内部已经开始使用SAM相关技术，用于在Facbook、Instagram等社交平台上照片的标记、内容审核和内容推荐等。而之后，生成人工智能作为"创意辅助工具"也将被作为今年的重点优先事项被纳入到Meta更多的应用程序中。此次，可能最让很多业内人士惊喜的地方在于，无论是SAM模型还是巨大的训练数据集都是开源的！也就是说，目前任何人都可以在非商用许可下载和使用SAM及数据。Meta表示，此举是希望进一步加速整个行业对图像分割以及更通用图像与视频理解的研究。‘Meta也预计，随着SAM的演进和发展，该技术可能会成为未来AR/VR、内容创作、设计更多领域的强大的辅助工具。...PC版：https://www.cnbeta.com.tw/articles/soft/1353479.htm手机版：https://m.cnbeta.com.tw/view/1353479.htm