References:

• Ásgrímsdóttir E S, Bassini L F, Sun T, et al. Distinct radial glia subtypes regulate midbrain dopaminergic neuron development[J]. Nature Neuroscience, 2026: 1-15.

References:

• Tian Y, Hornburg K, Austin W, et al. Magnetic resonance microscopy maps widespread effects of Alzheimer’s disease on brain structures and behavior in mice[J]. Nature Neuroscience, 2026: 1-14.

References:

• Noack F, Vangelisti S, Raffl G, et al. Multimodal profiling of the transcriptional regulatory landscape of the developing mouse cortex identifies Neurog2 as a key epigenome remodeler[J]. Nature Neuroscience, 2022, 25(2): 154-167.

这份研究通过整合单细胞多组学与高空间分辨率转录组技术，构建了涵盖孕早期至足月的人类母胎界面空间细胞图谱。作者详尽描绘了胎儿胎盘细胞与母亲子宫组织间的复杂相互作用，并提出了调节滋养细胞分化的“双稳态切换模型”。研究重点解析了螺旋动脉重塑过程中的血管内皮细胞状态转变，并识别出能抑制滋养细胞侵袭的特定子宫内膜基质细胞亚型。此外，该图谱将分子特征与遗传数据关联，精准定位了与先兆子痫和早产等妊娠并发症相关的易感细胞。这一成果为理解人类胎盘发育的正常机制及其病理障碍提供了关键的空间多维参考。

References:

• Wang C, Zhou Y, Wang Y, et al. Single-cell spatiotemporal dissection of the human maternal–fetal interface[J]. Nature, 2026: 1-13.

References:

• Suter R K, Jermakowicz A M, Veeramachaneni R, et al. Drug and single-cell gene expression integration identifies sensitive and resistant glioblastoma cell populations[J]. Nature Communications, 2026, 17(1): 99.

References:

• Lee J J, Jo S, Cho S, et al. Personalized brain decoding of spontaneous pain in individuals with chronic pain[J]. Nature Neuroscience, 2026: 1-7.

这份综述系统探讨了新方法论（NAMs）在药物研发领域的革命性进展，强调了从传统动物实验向以人为中心科研范式的转变。文章详细分析了基于干细胞（尤其是iPSCs）、类器官以及人工智能（in silico）三大核心技术的应用，涵盖了疾病建模、药物设计、药效评价及毒性预测的全生命周期。通过梳理美国FDA与NIH的政策演变，作者展示了法律框架如何为替代实验提供支持。此外，文中列举了多项已进入临床转化阶段的成功案例，证明了NAMs在提升研发效率和精准度方面的巨大潜力。最后，作者探讨了该领域面临的技术瓶颈、监管挑战及社会伦理考量，旨在构建一个高效、可靠且符合伦理的未来药物研发生态系统。

References:

• Liu W, Pang P D, Wu C A, et al. New approach methodologies for drug discovery[J]. Cell, 2026, 189(7): 1877-1903.

这项研究揭示了巨噬细胞如何通过感知胞内pH值的变化来精准调节炎症反应。研究发现，酸性环境会通过一种基因特异性的方式重塑炎症程序，其中BRD4蛋白被鉴定为关键的pH传感器。在生理pH条件下，BRD4通过其富含组氨酸的内在无序区（IDR）形成转录凝聚体以激活基因；而环境酸化会导致组氨酸质子化，进而瓦解这些凝聚体。这种机制不仅在染色体建模和增强子激活中起核心作用，还作为一种负反馈调节，平衡免疫保护与组织损伤。总之，该发现证明了转录凝聚体能将环境信号直接整合进基因表达，为理解炎症的自我校准提供了新视角。

References:

• Wu Z, Pope S D, Ahmed N S, et al. Regulation of inflammatory responses by pH-dependent transcriptional condensates[J]. Cell, 2025, 188(20): 5632-5652. e25.

这篇论文提出了一种全方位细胞状态（holistic cell state）的全新理论框架，旨在整合大数据时代的多种观测维度。作者指出，传统的细胞定义已从形态学演变为基因组学，但单一的分子普查（如RNA测序）不足以完全揭示生命活动的复杂性。因此，该框架将细胞观测值归纳为分子组成、空间组织、细胞功能以及外部环境四个核心类别。通过弹簧连接的四面体这一视觉模型，文章生动地展示了这些类别之间如何通过双向反馈维持状态稳定或驱动状态转换。这种数据驱动的方法为建立定量且具有预测性的细胞生物学模型奠定了基础，力求在海量单细胞数据中发现深层规律。其最终目标是实现细胞研究的“开普勒化”，即从繁杂的观测中提炼出解析生命本质的通用原则。

References:

• Rafelski S M, Theriot J A. Establishing a conceptual framework for holistic cell states and state transitions[J]. Cell, 2024, 187(11): 2633-2651.

Coralysis 是一个专为单细胞数据分析设计的全能型 R 语言软件包，其核心优势在于能够实现跨数据集的精准多层级整合。该工具通过改进的迭代聚类投影算法 (ICP)，有效解决了传统方法在处理不同批次间细胞类型不平衡或缺失相似细胞群时的性能瓶颈。除了稳健的批次效应校正，它还支持高效的参考映射，能够将未注释的查询数据准确投射到已知参考集中进行自动注释。此外，Coralysis 能够生成细胞特异性的概率得分，辅助研究者识别细胞从转录组稳态到瞬时状态的微细生物学变化。实验证明，该方法在处理单细胞转录组学和蛋白质组学（如 CyTOF 和 ADTs）数据方面均表现出色，通过保留微小的生物学差异，为复杂单细胞实验提供了更真实的细胞图谱分析。

References:

• Sousa A G G, Smolander J, Junttila S, et al. Coralysis enables sensitive identification of imbalanced cell types and states in single-cell data via multi-level integration[J]. Nucleic Acids Research, 2025, 53(21): gkaf1128.