科学家发现世界上最深的水下天坑

蓝洞是指深入海底的水下天坑。它们是海洋生物的热点区域，为包括海绵、海龟和鲨鱼在内的各种生物提供了栖息地，并具有独特的海水化学特征。

位于墨西哥的塔姆亚蓝洞（TJBH）曾被认为是世界第二深的蓝洞。近期，墨西哥的研究人员在 Frontiers in Marine Science（IF：3.7 | CiteScore：5.2）上发表论文指出，TJBH 的实际深度达到 420 米，而非先前测量的 274 米，且尚未探底。

之前的测量受到仪器限制而受阻。新方法揭示了 TJBH 的深度超过了此前记录的 301 米深的三沙永乐蓝洞。除了打破世界纪录，研究人员还发现 TJBH 可能是一个互联水下洞穴系统的一部分。为了确认这一点以及蓝洞的最终深度，作者表示需要进行更多研究。

原文链接👇

https://www.frontiersin.org/articles/10.3389/fmars.2024.1387235/full?utm_source=kexuewang&utm_medium=cpm&utm_content=M01&utm_campaign=webpromochn    

我们在几岁时能够识别基本情绪？

我们用语言表达自己。然而，面部表情可能更能说明我们的感受。观察面部表情还有助于我们对他人的行为做出适当的反应并收集信息。这种能力对儿童的情绪发展和社会交往也至关重要。

在 Frontiers in Psychology（IF：3.8 | CiteScore：4.5）期刊上一篇最新文章中，中国研究人员调查了儿童何时学会识别各种基本情绪——快乐、厌恶、愤怒、恐惧、悲伤和惊讶。

他们发现，年龄在儿童识别面部表情的能力中起着重要作用。大约在 8 岁时，儿童可靠区分基本情绪的能力稳定下来，并在此后得到改善。他们还发现，女孩在识别情绪方面的表现优于男孩。有趣的是，男孩和女孩在识别情绪的学习速度上有所不同：男孩在识别厌恶、恐惧和愤怒方面的学习曲线更陡峭。随着年龄增长，女孩在识别惊讶、悲伤和快乐方面的进步比男孩快。

原文链接👇

食用特殊蘑菇或能解决维生素 D 缺乏症

维生素 D 对于骨骼健康、免疫功能和脑细胞活动至关重要。由于含有丰富维生素 D 的食物并不多，因此晒太阳被广泛认为是预防缺乏症的最简单方法。

然而，世界人口中仍有很大一部分人缺乏维生素  D，在某些地区这一比例高达 72%。对于那些不能轻易外出、在户外待足够长时间或无法通过特定食物摄入足够“阳光维生素”的人来说，澳大利亚科学家在 Frontiers in Nutrition（IF：5.0 | CiteScore：3.5）期刊上提出了一种替代方法：多吃蘑菇。

通过将蘑菇（或其他完整的食物）暴露在紫外线灯脉冲下，可以显著提高其维生素 D 含量。例如，澳大利亚的紫外线照射白蘑菇，只需 75 克就能提供超过 100% 的每日维生素 D 需求量。其他经紫外线处理的蘑菇，也比油性鱼类和鸡蛋（这两种都是维生素 D 的主要来源）更能提供维生素 D。

原文链接👇

https://www.frontiersin.org/articles/10.3389/fnut.2024.1384273/full?utm_source=kexuewang&utm_medium=cpm&utm_content=M03&utm_campaign=webpromochn    

 睡眠不足可通过脑部生命体征检测

全球有 62% 的成年人报告睡眠质量不佳。睡眠不足会导致情境性认知障碍，这种情况在健康个体中会对信息处理产生负面影响。

加拿大研究人员最近开展了一项研究，探究通过监测脑部生命体征是否可以检测由睡眠不足引起的情境性认知障碍。在实验中，30 名健康成年人被扫描了便携式脑电图 (EEG)，该测试测量大脑电活动，分别在一晚正常睡眠和一晚完全睡眠不足之前和之后进行。

在 Frontiers in Human Neuroscience（IF：2.9 | CiteScore：4.4）期刊上，研究人员发现，脑部生命体征显示了睡眠不足的影响。在缺乏睡眠的一组中，早晨与前一晚相比，基本注意力明显下降。研究人员还强调，便携式 EEG 可以在实验室外部的关键情况下使用，例如在飞行员中检测睡眠不足。

原文链接👇

https://www.frontiersin.org/articles/10.3389/fnhum.2024.1358551/full?utm_source=kexuewang&utm_medium=cpm&utm_content=M04&utm_campaign=webpromochn    

机器学习突破：解决女性心脏病漏诊问题

长期以来，医学界一直存在男性偏见。在心血管疾病的诊断方面，女性更容易被漏诊，或是在症状更加明显时才被确诊。弗雷明汉风险评分（Framingham Risk Score）是一种用于估算个体在未来 10 年内患心血管疾病可能性的常用评分系统。研究显示，在某些心脏疾病的诊断中，女性被漏诊的概率是男性的两倍，这凸显了制定针对女性的心脏病风险标准的迫切性。如今，科学家们利用机器学习开发了新的改进模型，这些模型尤其能够提升女性的风险预测能力。

美国和荷兰的研究人员利用一个大型数据集，建立了比弗雷明汉风险评分更为准确的心血管风险模型，并对女性相对于男性的漏诊情况进行了量化分析。研究结果发表在 Frontiers in Physiology（IF：4.0 | CiteScore：6.1）期刊上。

“我们发现，性别中立的标准无法充分诊断女性。如果使用性别特定的标准，这种漏诊情况将会减轻，”斯坦福大学活体物质实验室的研究员 Skyler St. Pierre 表示。“我们还发现，能够改善男性和女性心血管疾病检测的最佳检查是心电图（EKG）。”这种基于机器学习的新模型以及强调性别特异性的诊断标准，无疑将为女性心脏健康带来重大突破和保障。

原文链接👇

有众多优质的文章持续发表在 Frontiers 的期刊内，而你可能由于种种原因错过了这些精彩内容。从现在起，Frontiers 将定期从全球最优秀的研究成果中撷取一些你可能错过了的精彩论文，以上为该系列的 5 月篇。

END

Frontiers 是全球第六大学术出版社，文章被引用次数位列全球第三。Frontiers 总部位于瑞士，是全球领先的开放获取（Open Access）出版商，致力于使科学在全球范围内更加开放，其发布的研究文章已被浏览超过 24 亿次。欲了解更多详情，欢迎访问 Frontiers 官方网站：www.frontiersin.org.