聊聊Sci

这项研究揭示了十字花科植物中一种名为系统性气孔免疫（SSIM）的快速防御机制。当叶片遭受病原菌侵染时，受感染部位会产生一种由uORF编码的小肽——系统性气孔免疫导体（USIC）。USIC通过韧皮部进行远距离运输，并由未受感染叶片中的SIRK1-KIN7受体复合物感知。这种感知诱导了MC4蛋白酶对KIN7的切割及亚细胞易位，进而激活AHA1质子泵和PIP2;1水通道蛋白。最终，这一信号通路协同作用促使全株气孔关闭，从而在物理层面阻断病原菌进入。这一机制不仅弥补了系统获得性抗性（SAR）启动缓慢的不足，还展示了植物如何利用非传统分泌通路和移动肽信号实现高效的全株免疫调节。

References:

• Liu C, Yu Q, Jin Y, et al. An uORF-encoded mobile peptide sparks systemic stomatal immunity[J]. Cell, 2026.

前往小宇宙评论区与主播互动

这份研究报告介绍了一个交互式溶脑蛋白图谱，旨在揭示不同脑细胞类型中溶酶体的蛋白质组成差异。研究团队利用溶酶体免疫纯化技术（LysoIP）从神经元、星形胶质细胞、少突胶质细胞和小胶质细胞中提取溶酶体，并结合质谱分析鉴定出具有细胞特异性的蛋白质组。实验重点探讨了糖转运蛋白 SLC45A1 的功能，发现其在维持神经元溶酶体酸碱平衡和代谢稳态中起着至关重要的作用。通过对 Slc45a1 基因敲除小鼠及人类细胞模型的研究，作者证实了该转运蛋白缺失会导致代谢功能障碍和氧化应激。此外，该项工作还提供了公开的在线数据库，供科学界探索溶酶体在神经退行性疾病中的潜在作用。研究强调了在高度分化的脑环境中，溶酶体具有精细的细胞异质性。

References:

• Ghoochani A, Heiby J C, Rawat E S, et al. Cell-type resolved protein atlas of brain lysosomes identifies SLC45A1-associated disease as a lysosomal disorder[J]. Cell, 2026.

前往小宇宙评论区与主播互动

这项研究开发了一种名为 RePhyNERX 的新型液体活检技术，旨在提高膀胱癌患者尿液检测的准确性。研究人员发现，随着年龄增长，健康人尿液中也会出现类似癌症的基因突变，这种“场效应”往往会导致传统检测出现假阳性。通过对比肿瘤、正常组织及术后尿液，该方法能有效过滤非癌症干扰信号，精准识别微小残留病灶。在临床验证中，该技术成功将患者划分为手术反应者、BCG 免疫治疗反应者和无反应者三类。研究进一步揭示，肿瘤突变负荷（TMB）和预存的免疫炎症特征是预测 BCG 疗效的关键指标。这一成果为膀胱癌的个性化治疗和精准监测提供了重要的科学依据。

References:

• Shi W Y, Liu K J, Esfahani M S, et al. Field-effect-informed urine liquid biopsy for bladder cancer[J]. Cell, 2026.

前往小宇宙评论区与主播互动

这项发表在《Cell》杂志上的研究通过 FLEXITau 蛋白组学平台，对多种人类** tau 蛋白病**（如阿尔茨海默病、皮克病等）进行了深入的分子表征。研究团队分析了 203 名受试者脑样本中病理性 tau 蛋白的 145 个翻译后修饰位点和 195 个切割位点。利用机器学习算法，研究人员成功识别出不同疾病特有的分子签名，实现了对各类痴呆症的精准分类。这些发现不仅揭示了蛋白质异质性与疾病类型之间的关联，还为开发特异性诊断工具和针对性治疗方案提供了关键的分子靶点。这项工作填补了人类病理性 tau 蛋白定量数据的空白，对于理解神经退行性疾病的进展具有重要意义。

References:

• Kumar M, Schlaffner C N, Tang S, et al. Molecular features of human pathological tau distinguish tauopathy-associated dementias[J]. Cell, 2026.

前往小宇宙评论区与主播互动

这篇来自《Science Bulletin》的综述文章全面探讨了空间转录组学（ST）的最新进展，重点介绍了从实验平台到计算工具及数据库的完整生态系统。作者系统评估了包括成像技术（如ISH、ISS）和测序技术（如阵列式、ROI式）在内的77种技术，分析了它们在空间分辨率和检测效率上的优劣。为了应对海量多模态数据的处理挑战，研究团队开发了SpatialToolDB数据库，收录并分类了约600种用于数据预处理、去噪、细胞注释及细胞间通讯分析的计算工具。文章强调了空间背景在理解复杂生物网络和组织架构中的核心作用，特别是在肿瘤微环境研究中的应用。最后，作者指出了该领域在标准化、3D重建和多组学集成方面面临的瓶颈，并对AI驱动的自动化分析和临床转化前景进行了展望。

References:

• Zi-Zhen Guo, Renyan Wu, Weixiang Li, Keyu Yang, Xuexiang Ying, Hamid Alinejad-Rokny, Youqiong Ye. Mapping biology in space: from spatial transcriptomics platforms to analytical tools and databases. Science Bulletin. 2026.

前往小宇宙评论区与主播互动

这项研究探讨了母体免疫激活（MIA）和母体微生物群缺失（MMD）对胎儿大脑发育及后期行为的影响。研究人员利用MERFISH和单细胞测序等先进技术，绘制了小鼠大脑发育过程中免疫分子的空间表达图谱。实验发现，这些环境压力会干扰趋化因子信号通路（如CXCL12-CXCR7），导致神经元迁移和大脑皮层层级结构的异常。这些发育变异具有明显的性别差异，雄性后代更易表现出社交障碍和焦虑等神经发育障碍相关行为。该成果为理解环境因素如何通过神经免疫机制诱发自闭症等疾病提供了重要线索。

References:

• Kukreja B, Jeon S, Cao W, et al. Spatial transcriptomics of the developing mouse brain immune landscape reveals effects of maternal immune activation and microbiome depletion[J]. Nature Neuroscience, 2026: 1-14.

前往小宇宙评论区与主播互动

Human-scATAC-Corpus 是一个针对人类单细胞染色体开放性测序数据（scATAC-seq）构建的大型综合数据库，旨在解决该领域特征空间不统一和处理流程复杂等挑战。该资源涵盖了来自37个组织或细胞系的540万个细胞，并为每个数据集提供三种标准化格式，以支持跨研究集成、灵活处理和单研究分析。为了增强实用性，该平台集成了名为 EpiAgent 的预训练大模型，用户可以直接在线进行细胞类型注释、特征提取和参考映射。数据库通过直观的网页界面提供交互式可视化、多维度搜索和按需下载功能，极大地方便了生物医学研究。这一科研成果为开发单细胞表观基因组学基础模型提供了高质量的训练底座，也为标准化方法评估奠定了基础。未来，该项目计划将其范围扩展到多物种及多组学数据的整合与深度挖掘。

References:

• Chen X, Gao Z, Li K, et al. Human-scATAC-Corpus: a comprehensive database of scATAC-seq data[J]. Nucleic Acids Research, 2026, 54(D1): D175-D183.

前往小宇宙评论区与主播互动

本文介绍了一种名为 CMAP 的新型算法，旨在通过整合单细胞转录组（scRNA-seq）与空间转录组（ST）数据，实现单细胞在组织中的精准空间定位。该方法采用分而治之的策略，通过空间域划分、最优位点匹配和精确坐标确定三个步骤，克服了现有技术在基因捕获率低或细胞分割困难等方面的局限。研究证明，CMAP 在处理模拟和真实数据集时均表现出极高的准确性与适配性，尤其在应对单细胞与空间数据不匹配的复杂场景时具有显著优势。通过将单细胞还原至原位空间，该工具成功揭示了内皮细胞的器官特异性以及肿瘤免疫微环境中精细的细胞间相互作用。总而言之，CMAP 为在单细胞分辨率下解析复杂生物系统的空间架构和分子调控提供了强有力的计算手段。

References:

• Ke, J., Xu, J., Liu, J. et al. High-resolution mapping of single cells in spatial context. Nat Commun 16, 6533 (2025). doi.org

前往小宇宙评论区与主播互动

这项研究介绍了一种名为 HistoCell 的创新型人工智能框架，旨在通过组织病理学图像直接推断单细胞水平的空间轮廓。该模型利用弱监督学习技术，结合了细胞的形态特征、空间拓扑结构以及层次化编码，能够精确预测单个细胞核的类型与状态。HistoCell 在多种癌症类型中表现出卓越的性能，其预测结果在处理复杂组织结构时甚至优于某些全监督模型。通过分析细胞的空间组织指标，该工具成功识别出了与癌症预后和化疗反应相关的生物标志物。此外，研究还证明了该方法在预测胃部病变恶性转化风险方面的临床应用潜力。总之，这一框架为深入理解肿瘤微环境和优化精准医疗提供了强有力的技术支撑。

References:

• Zhang P, Gao C, Zhang Z, et al. Systematic inference of super-resolution cell spatial profiles from histology images[J]. Nature Communications, 2025, 16(1): 1838.

前往小宇宙评论区与主播互动

本文介绍了一种名为 River 的可解释深度学习框架，旨在解决空间转录组学中识别差异空间表达模式（DSEP）基因的挑战。传统的空间变量基因分析通常局限于单片组织，而 River 能够跨越多个生物条件或发育阶段，量化并提取对区分不同样本贡献最大的基因特征。该研究通过模拟基准测试证明了 River 在准确性上显著优于现有方法，并具有处理数百万细胞的线性扩展能力。通过对小鼠胚胎发育、糖尿病睾丸病变及狼疮肾脏等多种生物学场景的应用，River 成功揭示了与疾病和发育相关的关键空间动态。此外，该工具在空间蛋白质组学数据中同样表现出良好的泛化性，为解析组织架构在病理过程中的空间异质性提供了稳健的计算方案。

References:

• Cui Y, Yuan Z. Prioritizing perturbation-responsive gene patterns using interpretable deep learning[J]. Nature Communications, 2025, 16(1): 6095.

前往小宇宙评论区与主播互动