社会网络分析理论： 在社会网络[63]由人类学家Barnes最早提出的概念，他在社会网络的分析基础上统地研究挪威一个小渔村的跨亲缘与阶级的关系。在社会网络分析中，存在一些经典的理论。这些理论主要包括:六度分割理论、弱关系理论、150法则、小世界网络理论、马太效应等。基于社会网络有关的研究方向和内容，在不同的领域着发挥着各自的作用，例如，社会影响力分析，社区发现，信息传播模型，链接预测，基于社会网络的推荐。 150法则是指一个人能保持稳定社交关系的人数上限通常为150人。1929年由英国罗宾•邓巴教授(Robin Dunbar)提出了经典的”150定律”理论，该定律同时也被称为“邓巴数字”[64]。这个定律在我们的实际日常生活中的应用是相当普遍的，SIM卡中只能存储150个联系人的电话，微软的MSN中也只可以最多把150位联系人的信息添加到自己的名单中[64]等等。 小世界网络是一种具有特殊结构的复杂网络，在这种网络中大部份的节点是不相邻的，但绝大部份节点之间是连通的且距离很短。六度分割理论也是小世界网络理论的一种体现。在多数现实世界的社会网络中，尽管网络中的节点数量巨大，网络中相邻的节点相对较少，但每两个节点间往往只需要很短的距离便能连通。 六度分割就是指一个人与其他任何一个人之间建立起联系，最多都只需要经过六个人。所以，即便邓巴数字告诉我们，我们是能力上维持一个特别大的社交圈的，但是六度分割理论却可以告诉我们，通过我们现有的社交人脉圈以及网络可以无限扩张我们的人脉圈，在需要的时候都能够和地球中想要联系的任何人取得联系。 弱关系理论弱关系(Weak Tie)是指需要较少或不需要情感联系的人们之间的社会联系，这种联系几乎不需要耗费个人的时间或精力来维系，但这种联系却很有作用。美国社会学家Mark Granovetter在研宄人们在求职过程中如何获取工作信息时发现[65]，由家人、好友等构成的强关系在获取工作信息过程中起到的作用很有限，而那些关系较疏远的同学、前同事等反而能够提供更加有用的求职信息。 马太效应可以理解为达尔文进化论中适者生存的理念。在社交网络的发展过程如同生物进化的过程，存在强者越强、弱者越弱的现象。也就是说，在社交网络中越是处于网络核心的节点很大可能会变来越核心，而那些处于社交网络中边缘地带的节点或许会越来越不重要甚至直至消失。那些在社交网络中相比其他节点拥有更大影响力的节点，其带给该网络的影响也要比那些拥有弱影响力的节点所带来的影响要强。 从不同角度探索节点影响力挖掘算法： 1.基于邻节点中心性的方法。这类方法最简单最直观，它根据节点在网络中的位置来评估节点的影响力。度中心性[13]考察网络中节点的直接邻居数目，半局部中心性[14]考察网络中节点四层邻居的信息，ClusterRank[15]同时考虑了网络中节点的度和聚类系数。 2.基于路径中心性的方法。这类方法考察了节点在控制信息流方面的能力，并刻画节点的重要性。这类方法包括子图中心性[16]、数中心性[17]（一些演化算法包括：路由介数中心性[18]，流介数中心性[19]，连通介数中心性[20]，随机游走介数中心性[21]等）及其他基于路径的挖掘方法。 3.迭代寻优排序方法。这类方法不仅考虑了网络中节点邻居的数量，并且考虑邻居质量对节点重要性的影响，包括了特征向量中心性[13]，累积提名[22]，PageRank算法[23]及其变种[24-32]。 4.基于节点位置的排序算法。这类方法最显著的特点是，算法并没有给出一个计算节点重要性的定义，而是通过确定节点在网络中的位置，以此来确定节点的重要程度。在网络核心位置的节点，其重要性就相对较高，相反的，若节点处于网络边缘，那么它的重要性就会比较低。基于节点位置的以及不同应用场景的推荐算法具有重要的研究意义[34-37]。 节点影响力评估方法： 在社交网络节点影响力的评估方法主要可以分为三类，基于静态统计量的评估方法、基于链接分析算法的评估方法，基于概率模型的评估方法。 众学者在静态统计量的方法上，结合不同社交网络中相关信息，借鉴链接分析法以及建立概率模型来评估节点影响力，对社交网络节点影响力可以做到更有效的评估[66]。 1)基于静态统计量度量方法 主要是通过网络中节点的一些静态属性特征来简单直接地体现节点的影响力，但面对社交网络中复杂信息以及不同平台，并不能有效地度量不同社交网络中节点影响力。如度中心性，主观认为节点的重要性取决于与其他节点连接数决定，即认为一个节点的邻居节点越多，影响力越大。在有向网络中，根据边的方向，分为入度和出度，在有权网络中，节点的度可以看作强度，即边的权重之和。度中心性刻画了节点的直接影响力，度中心性指标的特点是简单、直观、计算复杂度低，也具有一定合理性。 但针对不同平台的网络结构中，度中心性的影响力效果未必能达到目标效果，而且社交网络中用户间关系的建立具有一定的偶然性，而且不同的用户间的关系强度也不同。度中心性没有考虑了节点的最局部信息，虽然对影响力进行了直接描述，但是没有考虑周围节点处所位置以及更高阶邻居。众学者在静态统计量的方法上，结合不同社交网络中相关信息，借鉴链接分析法以及建立概率模型来评估节点影响力，对社交网络节点影响力可以做到更有效的评估[66-67]。 2)基于链接分析算法的方法 链接分析算法(Link Analysis)主要应用在万维网中用来评估网页的流行性。通过超链接，万维网中的网页连接成一个网络，同时这个网络也具备了小世界网络的特征，且微博平台中的关注和粉丝关系与网页的链入与链出十分相似，因此链接分析法的思想也被应用在了微博社交网络中节点影响力的评估中。经典的算法是PageRank[68]和HITS算法[69](Hyperlink-Induced Topic Search)。 PageRank算法模型，是Google在搜索引擎结果中对网站排名的核心算法，核心思想通过计算页面链接的数量和质量，来确定网站的重要性的粗略估计，即节点的得分取决于指向它的节点的数量和这些节点的本身得分。即有越多的优质节点指向某节点时它的得分越高。 HITS算法是由Jon Kleinberg于1997年提出的。HITS算法模型中，有两类节点，权威(Authority)节点，和枢纽(Hub)节点。权威节点在网络中具有高权威性，枢纽节点具有很个指向边的节点。通过计算网络中每个节点的Authority权威值和Hub枢纽值来寻找高权威性的节点。即求值过程是在迭代中计算Authority和Hub值，直到收敛状态。Hub值和Authority值计算公式。 通过多数研究者发现，将链接分析法结合社交网络特性可以更好的对用户影响力进行评估，由于技术的快速发展，社交网络的多变性，因此如何将社交网络中的复杂数据和用户行为与相关算法进行结合，仍是需要我们继续研究的方向。 3)基于概率模型的方法 主要是建立概率模型对节点影响力进行预测。这么多学者将用户影响力作为参数对社交网络中的节点用户行为建立概率模型，并根据社交网络中已有的用户数据求解概率模型，得出用户影响力。 文献[70]认为用户间影响力越大、被影响用户的活跃度和转发意愿越高，则其转发另一个用户的信息的概率越大，所以利用用户影响力、转发意愿和活跃度等构建转发概率模型。通过用户发布的tweet数量、转发的tweet数和用户的历史转发行为数据，计算出用户活跃度、转发意愿和转发概率，进而社交网络中用户影响力。 文献[71]在度量影响力时融合了用户发布信息的主题生成过程，认为兴趣相似或经常联系的用户间影响力较强，用户的行为受其朋友的影响也受其个人兴趣的影响。基于这些假设，结合文本信息和网络结构对LDA模型进行扩展，在用户发布信息的基础上建立模型，通过解模型计算得出用户间基于主题的影响力。 文献[72]认为转发概率同样可以体现用户间的影响力，根据用户间的关注关系。历史转发记录，利用贝叶斯模型预测用户间的转发概率。 文献[73]考虑了用户建立关注关系的原因，用户被关注可能是与关注者兴趣投，也可能受用户的影响力影响。将基于用户的主题建模和基于主题的影响力评估相结合，并在同一个生成模型中进行计算，提出基于LDA算法模型的扩展算法模型FLDA模型(Followship-LDA)。[13] P. Bonacich. Factoring and weighting approaches to status scores and clique identification[J]. Journal of Mathematical Sociology, 1972, 2(1): 113-120 [14]D.Chen,L.Lü,M.S.Shang,etal.Identifyinginfluentialnodesincomplexnetworks[J]. Physica A, 2012, 391(4): 1777-1787 [15] D. B. Chen, H. Gao, L. Lü, et al. Identifying influential nodes in large-scale directed networks: The role of clustering[J]. PLoS One, 2013, 8(10): e77455 [16]E.Estrada, J.A. Rodriguez-Velazquez.Subgraphcentralityincomplexnetworks[J].Physical Review E, 2005, 71(5): 122-133 [17]L.C.Freeman.Asetofmeasuresofcentralitybasedonbetweenness[J].Sociometry,1977, 40(1): 35-41 [18] S. Dolev, Y. Elovici, R. Puzis. Routing betweenness centrality[J].Journal of the ACM, 2010, 57(4): 710-710 [19] Y. Gang,Z.Tao, H. Bo,etal. Efficientroutingoncomplexnetworks[J].PhysicalReviewE, 2005, 73(4): 46108 [20] E. Estrada, D. J. Higham, N. Hatano. Communicability betweenness in complex networks[J]. Physica A, 2009, 388(5): 764-774 [21]M.E.J.Newman.Ameasureofbetweennesscentralitybasedonrandomwalks[J].Social networks, 2005, 27(1): 39-54 [22]R.Poulin,M.C.Boily,B.R.Masse.Dynamicalsystemstodefinecentralityinsocial networks[J]. Social networks, 2000, 22(3): 187-200 [23] B. S. Brin, L. Page. The anatomy of a large scale hypertextual Web search engine[J]. Computer Networks & ISDN Systems, 1998, 30: 107-117 [24] P. Jomsri, S. Sanguansintukul, W. Choochaiwattana. CiteRank: combination similarity and static ranking with research paper searching[J]. International Journal of Internet Technology & Secured Transactions, 2011, 3(2): 161-177 [13][25]H.S.Bhat,B.Sims.InvestorRankandanInverseProblemforPageRank[D].California: University of California. 2012 [26] J. Weng, E. P. Lim, J. Jiang, et al. Twitterrank: finding topic-sensitive influential twitterers[C]. Third International Conference on Web Search & Web Data Mining, ACM, 2010, 261-270 [27]Y.B.Zhou,L.Lu,M.Li.Quantifyingtheinfluenceofscientistsandtheirpublications: distinguishingbetweenprestigeandpopularity[J].NewJournalofPhysics,2012,14(14): 33033-33049 [28] J. Xuan, H. Jiang, Z.Ren, et al. Developer prioritization in bug repositories[C]. International Conference on Software Engineering, 2012, 25-35 [29]Q.Li,T.Zhou,L.Lü,etal.IdentifyingInfluentialSpreadersbyWeightedLeaderRank[J]. Physica A, 2013, 404(24)47-55 [30] L. Lü, Y. C. Zhang, C H Yeung, et al.Leaders in social networks, the delicious case[J]. PLoS One, 2011, 6(6): e21202 [31]J.M.Kleinberg.Authoritativesourcesinahyperlinkedenvironment[J].Authoritative sources in a hyperlinked environmen, 1999, 46(5): 604-632 [32]R.Lempel,S.Moran.Thestochasticapproachforlink-structureanalysis(SALSA)andthe TKC effect[J]. Computer Networks, 2000, 33(2): 387-401 [33]T.Martin,X.Zhang,M.E.J.Newman.Localizationandcentralityinnetworks[J].Physical Review E, 2014, 90(5): 052808 [34] A. Banerjee, A. G. Chandrasekhar, E. Duflo, et al. Gossip: Identifying central individuals in a social network[R]. National Bureau of Economic Research, 2014. [35]S.Ji,L.Lu,C.H.Yeung,etal.Effectivespreadingfrommultipleleadersidentifiedby percolation in social networks[J]. arXiv preprint arXiv:1508.04294, 2015. [36] S. Y. Tan, J. Wu, L. Lü, et al. Efficient network disintegration under incomplete information: the comic effect of link prediction[J]. Scientific Reports, 2016, 6. [37]任晓龙,吕琳媛.网络重要节点排序方法综述[J].科学通报, 2014,59(13): 1175-1197 [63]贝克,晓冬.社会资本制胜:如何挖掘个人与企业网络中的隐性资源[M].上海交通大学出版社,2002. [64]天涯.六度分隔理论和150法则[EB/OL].http://blog.sina.com.cn/s/blog_62bae1640100|5f3.html.[2010-07-14]. [65]Granovetter M S.The Strength of Weak Ties[J]. American journal of sociology, 1973: 1360-1380. [66]王梓.社交网络中节点影响力评估算法研究[D].北京邮电大学, 2014. [67] Meeyoung Cha, Hamed Haddadi,Fabricio Benevenutoets. Measuring User Influence in Twitter: The Million Follower Fallacy[C]. Proceedings of the 4th International AAAI Conference on Weblogs and Social Media (ICWSM),2010:10-17 [3][68] Page, Lawrence, Brin, et al. The PageRank citation ranking[C]// BringingOrder to the Web. Stanford InfoLab. 1998: 1-14. [4][69]Kleinberg J M. Authoritative sources in a hyperlinked environment[J]. Journal of the ACM, 1999, 46(5): 604-632. [70]Zibin Yin, Ya Zhang. Measuring Pair-Wise Social Influence inMicroblog[C], 2012 ASE/IEEE International Conference on SocialComputing and 2012 ASE/IEEE International Conference on Privacy,Security, Risk and Trust, 2012: 502-507. [71]Lu Liu, Jie Tang, Jiawei Han, Meng Jiang, Shiqiang Yang. Mining topic-level influence in heterogeneous networks[C]. Proceedings of the 19th ACMinternational conference on information and knowledge management, 2010: 199-208. [72] Qianni Deng, Yunjing Dai. How Your Friends Influence You: Quantifying Pairwise Influences on Twitter[C], International Conference on Cloud and Service Computing, 2012:185-192. [73] Bi, Bin, et al. Scalable Topic-Specific Influence Analysis on Microblogs[C], Proceedings of the 7th ACM international conference on Web search and data mining,2014: 513-522.
一、管理类经典期刊 A级期刊 Academy of Management 美国管理学会期刊 (AMJ) Academy of Management Annals 美国管理学会年鉴 Administrative Science Quarterly 管理科学季刊（ASQ） Academy of Management Review 管理评论 (AMR 只发理论文章） Journal of Applied Psychology 应用心理学（JAP 心理学领域顶尖杂志 但发表许多管理类文章） Journal of International Business Studies （JIBS 国际商务研究 研究国际企业管理或比较管理） Strategic Management Journal 战略管理（SMJ 战略管理领域顶尖期刊） Organization Science 组织科学 Personnel Psychology 人事心理学 A-与B+期刊 Journal of Management 管理学报（JOM） Journal of Organizational Behavior 组织行为 （JOB） Journal of Management Studies 管理研究（JMS） Leadership Quarterly 领导力季刊（LQ） Organization Studies 组织研究 以上资料来源为《组织与管理研究的实证方法》（第二版） 除以上文献外，FT50（金融时报(FT)认定的50本经管类权威杂志）和UTD24（是由美国德克萨斯州大学达拉斯分校（University of Texas, Dallas）所选出的商学院最顶尖的24种学术期刊，覆盖了一般大学商学院的主要专业）都是值得精读的文献。 二、自我阅读文献主要来源 以上是经典文献整理，我作为会计专业学生，目前接触比较多的是中国工业经济、管理世界、经济研究、会计研究、金融研究（以上为中文五大刊）、审计研究、南开管理评论、财贸研究中文类期刊，这些都可以在知网上查询到。除此之外，会计类国际学术期刊以及其他常读中文文献如下。作为现在打基础的阶段，我更多地是阅读中文文献，进行逻辑梳理与推导学习。之前我也很疑惑是否需要阅读大量英文文献，我的一位导师在上课时给了一个非常完美的回答“在现在基础阶段，不如精读中文文献，等有一定积累再读英文文献也不迟“。
AMR 美利坚公司 公司总部所在地：美国 主要业务：航空公司JIBS Decade Award 隐藏摘要 JIBS每十年优秀论文奖 【摘要】 而获得JIBS 每十年优秀论文奖（JIBS Decade Award）的论文都位列所选摘的论文之中。 AMJ管理学会学报 SMJ战略管理杂志SMJ 【医】[=Society of Medical Jurisprudence]法医学学会JOM金属杂志
是亚洲物理杂志，不是SCI，美国办的一本国际性英文杂志。《VOGUE》是美国康德纳斯特集团出版的期刊。创刊于1892年，是一份历史悠久的综合性时尚生活杂志，在世界范围内广受推崇。该杂志涵盖时尚、化妆、美容、健康、娱乐和艺术，被视为世界时尚圣经。《VOGUE》杂志现在是世界上最重要的杂志品牌之一。这一成就归功于其强调编辑独立和坚持最高编辑标准的政策。《VOGUE》月刊在全球拥有1800万最具影响力的忠实读者。在世界范围内，《VOGUE》杂志被设计师、作家和艺术家视为风格和时尚的权威。在各个国家和地区，《VOGUE》杂志都突出了自己的独特地位，试图以独特的视角来反映其出版地的文化。
 近日，粤台人工智能学院黄冠龙特聘教授团队在天线与微波领域的国际顶级期刊《IEEE Transactions on Antennas and Propagation》（简称IEEE TAP）上发表论文“Coding Engineered Reflector for Wide-Band RCS Reduction Under Wide Angle of Incidence”（应用于宽角入射波下宽带雷达散射截面缩减的编码型反射面，DOI: 10.1109/TAP.2022.3179599）。IEEE Transactions on Antennas and Propagation由IEEE天线与传播学会主办，是电磁场、天线与微波技术领域最权威和顶级的刊物，JCR一区期刊，2022年影响因子为4.824。该论文为我校首次以第一署名单位在该期刊发表的学术成果，第一作者为我校特聘青年研究员Mustafa K. Taher Al-Nuaimi博士，通讯作者为黄冠龙特聘教授。该论文介绍了一种1比特编码工程反射面的设计。该反射面可通过将背向散射的电磁能量重新定向到不同的角度以实现电磁波宽角入射下宽带单站/双站雷达散射截面（RCS）的缩减。所设计的反射面可在±75°的宽入射角范围内实现60–120 GHz宽频带单站/双站RCS超过10 dB的缩减。该性能是通过设计一种各向异性的宽带极化旋转单元实现的，该单元的相对极化转换带宽为66.7％，极化转换效率超过99％。该单元及其镜像结构用于表征优化后1比特编码序列的“0”和“1”状态。该设计的仿真和实验结果表明，所提出的编码反射面在垂直入射和±75°大角度斜入射的情况下，在宽频带范围内具有几乎均匀的扩散散射特性。黄冠龙特聘教授，2021年通过佛山市地方级领军人才计划进入我校粤台人工智能学院任特聘教授，智能天线与微波技术中心负责人，目前承担国家自然科学基金项目、省部级项目及横向产学研课题多项，研究方向为智能天线、智能电磁测量技术、移动终端及基站天线、射频器件及天线的增材制造技术、毫米波天线阵列技术等。Mustafa K. Taher Al-Nuaimi（中文名：李昂）博士，2021年加入我校并工作于黄冠龙特聘教授团队，2022年获英国皇家学会“牛顿学者”称号并成为我校首位“牛顿学者”，其研究方向为应用于5G/B5G/6G的超表面技术和智能可重构表面（IRS）技术，目前已在该研究领域国际主流SCI期刊、国际学术会议以及国内外核心杂志上发表了近60篇学术论文，其多项高水平研究成果在行业内被广泛引用。（粤台人工智能学院）上一篇：
可穿戴设备人体运动检测可参考《科学技术创新》杂志。《科学技术创新》杂志内容丰富多彩，语言简明。《科学技术创新》杂志以刊登实用信息技术转让科研成果为主要内容，侧重于科研成果转让，为广大科技、经济工作者提供一个展示平台，以弘扬科教兴国、科学技术是第一生产力为办刊宗旨。
核心期刊级别。
cscd期刊是核心期刊级别，cscd期刊是收录在cscd（中国科学引文数据库）里的期刊。cscd收录我国数学、物理、化学、天文学、地学、生物学、农林科学、医药卫生、工程技术和环境科学等领域出版的中英文科技核心期刊。
cscd是中国科学引文数据库，是国内七大核心期刊体系中的一类，学科方向上篇理科，在国内各领域中cscd刊物发表的文章认可度也是颇高的，特别是在个人晋升考核中，cscd刊物的作用和影响力仅次于北大核心期刊和南大核心期刊，cscd期刊的发表完全不需要英文写作，中文即可。
收录规模：
中国科学引文数据库来源期刊每两年遴选一次。每次遴选均采用定量与定性相结合的方法，定量数据来自于中国科学引文数据库，定性评价则通过聘请国内专家定性评估对期刊进行评审。定量与定性综合评估结果构成了中国科学引文数据库来源期刊。
2009-2010版本，中国科学引文数据库共遴选了核心库期刊669种；扩展库期刊：378种。
以上内容参考：百度百科-CSCD期刊
cscd期刊如下：
1、北京大学图书馆中文核心期刊。
2、南京大学中文社会科学引文索引(CSSCI)来源期刊。
3、中国科学技术信息研究所中国科技论文统计源期刊。
4、中国社会科学院文献信息中心中国人文社会科学核心期刊。
5、中国科学院文献情报中心中国科学引文数据库(CSCD)来源期刊。
6、中国人文社会科学学报学会中国人文社科学报核心期刊。
7、中国核心遴选数据库期刊。
cscd期刊应用领域：
cscd中国科学引文数据库已在我国科研院所、高等学校的课题查新、基金资助、项目评估、成果申报、人才选拔以及文献计量与评价研究等多方面作为权威文献检索工具获得广泛应用。主要包括：
1、自然基金委国家杰出青年基金指定查询库。
2、第四届中国青年科学家奖申报人指定查询库。
3、自然基金委资助项目后期绩效评估指定查询库。
4、众多高校及科研机构职称评审、成果申报、晋级考评指定查询库。
5、自然基金委国家重点实验室评估查询库。
6、中国科学院院士推选人查询库。
7、教育部学科评估查询库。
8、中科院百人计划。
cell2020是一本由美国细胞出版社出版的杂志，主要关注生物学、医学和生物技术领域的最新研究和发展。该杂志每月出版一次，每期收录有关生物学、医学和生物技术领域的最新研究和发展的文章。
1.Cell论文解读！新方法首次详细揭示核孔复合物的组装过程doi:10.1016/j.cell.2020.11.001在一项新的研究中，来自瑞士苏黎世联邦理工学院和挪威卑尔根大学的研究人员开发出一种方法，使得他们能够首次详细研究大型蛋白复合物的组装过程。作为他们的案例研究，他们选择了最大的细胞复合物之一：酵母细胞中的核孔复合物。相关研究结果近期发表在Cell期刊上，论文标题为“Maturation Kinetics of a Multiprotein Complex Revealed by Metabolic Labeling”。论文通讯作者为苏黎世联邦理工学院的Karsten Weis和Evgeny Onischenko。这些研究人员将他们的新方法称为KARMA（kinetic analysis of incorporation rates in macromolecular assemblies, 高分子组装中掺入速率的动力学分析），该方法是基于研究代谢过程的方法构建出来的。研究代谢的科学家们长期以来一直在他们的研究工作中使用放射性碳，例如，标记葡萄糖分子，然后细胞吸收并代谢放射性碳。这种放射性标记使得人们能够追踪葡萄糖分子或其代谢物出现的位置和时间点。2.Cell论文详解！挑战常规！染色质既不是固体也不是液体，而是更像一种凝胶doi:10.1016/j.cell.2020.11.027基因组生物学中一个自DNA发现以来一直困扰着科学家们的基本问题：在我们的细胞核内, DNA和蛋白的复杂包裹物（即染色质）是固体还是液体?在一项新的研究中，来自加拿大阿尔伯塔大学和美国科罗拉多州立大学的研究人员找到了这个问题的答案。他们发现染色质既不是固体也不是液体，而是更像一种凝胶。相关研究结果近期发表在Cell期刊上，论文标题为“Condensed Chromatin Behaves like a Solid on the Mesoscale In Vitro and in Living Cells”。论文通讯作者为阿尔伯塔大学肿瘤学系教授Michael Hendzel和科罗拉多州立大学的Jeffrey Hansen。Hendzel说，以前，生物化学等领域是在染色质和细胞核的其他组分以液体状态运行的假设下进行的。这种对染色质物理特性的新理解挑战了这种观点法，并可能导致对基因组如何编码和解码的更准确理解。3.Cell：淋巴结受一种独特的具有免疫调节潜能的感觉神经元支配doi:10.1016/j.cell.2020.11.028长期以来，神经系统和免疫系统一直被认为是身体中的独立实体，但是一项新的研究发现了这两者之间的直接细胞相互作用。来自哈佛医学院、布罗德研究所和拉根研究所的研究人员发现，痛觉神经元围绕在小鼠淋巴结周围，可以调节这些淋巴结的活动，而淋巴结是免疫系统的关键部分。相关研究结果近期发表在Cell期刊上，论文标题为“Lymph nodes are innervated by a unique population of sensory neurons with immunomodulatory potential”。这项新研究揭示了介导神经系统和免疫系统之间交谈的细胞。它还为更多关于神经系统如何调节免疫反应的研究铺平了道路。4.Cell重磅解读！肥胖损伤免疫细胞功能并加速肿瘤生长的分子机制！doi:10.1016/j.cell.2020.11.009肥胖与十几种不同类型的癌症风险增加有关，同时也与患者的预后和生存率下降直接相关。多年来，科学家们已经识别出驱动肿瘤生长的肥胖相关的过程，比如代谢改变和慢性炎症等，但他们并未详细阐明肥胖和癌症之间的具体相互作用。近日，一项刊登在国际杂志Cell上题为“Obesity Shapes Metabolism in the Tumor Microenvironment to Suppress Anti-Tumor Immunity”的研究报告中，来自哈佛医学院等机构的科学家们通过研究揭开了这一谜题，研究者发现，肥胖会促进癌细胞在争夺能量的战斗中战胜杀死肿瘤的免疫细胞。研究者表示，高脂肪饮食会降低肿瘤中的CD8+ T细胞的数量和抗肿瘤活性，之所以出现这种情况，是因为癌细胞为了应对脂肪供应的增加而重编程自身的代谢，从而更好地吞噬富含能量的脂肪分子，并剥夺了T细胞的燃料，并能加速肿瘤的生长。研究者Marcia Haigis说道，将相同的肿瘤放在肥胖和非肥胖的环境中，就能够揭示癌细胞会应对高脂肪饮食而对其细胞代谢重新布线；相关研究结果表明，在某种环境中可能有效的疗法或许在另一种环境中不那么有效，鉴于目前肥胖在人群中的流行，或许就需要科学家们进一步研究理解了。阻断脂肪相关的代谢重编程或能明显减少高脂肪饮食的小鼠机体的肿瘤体积，由于CD8+ T细胞是免疫疗法激活宿主机体免疫系统抵御癌症的主要武器，本文研究中，研究人员提出了改进此类疗法的新型策略。癌症免疫疗法能给癌症患者的生活产生巨大影响，但并非每名患者都能获益。如今研究人员知道随着肥胖改变，T细胞和肿瘤细胞之间存在着新陈代谢的拉锯战， 本文研究或许就提供了探索这种相互作用的路线图，这或能帮助我们开始以新的方式思考癌症免疫疗法和联合疗法的作用机制。