聊聊Sci

这项研究揭示了p53基因失活如何通过重塑脂质代谢，显著诱导乳腺癌向脑部转移。研究发现，当肿瘤细胞缺失p53功能时，会通过激活DEPDC1/SREBP1信号轴来上调关键限速酶SCD1，从而增强自身合成脂肪酸的能力。这种代谢转变使癌细胞能够更好地利用大脑星形胶质细胞分泌的脂质环境，进而实现在脑部的定植与快速生长。临床数据显示，17p染色体缺失导致的p53失活在脑转移患者中极为普遍，且这种基因特征在原发灶阶段就具有预测意义。最后，实验证明针对SCD1的抑制剂能有效打击这类p53缺失的癌细胞，为临床治疗提供了潜在的精准方案。

References:

• Laue K, Pozzi S, Zerbib J, et al. p53 inactivation drives breast cancer metastasis to the brain through SCD1 upregulation and increased fatty acid metabolism[J]. Nature Genetics, 2025: 1-16.

前往小宇宙评论区与主播互动

这项研究探讨了空间转录组学中的核心挑战，即如何解决因细胞分割错误导致的分子误分配问题。作者指出，无论是基于测序还是成像的方法，都常将邻近细胞的转录本错误地归入目标细胞，产生虚假信号并干扰生物学分析。为解决这一难题，研究团队开发了名为 cellAdmix 的计算工具，利用条件随机场和非负矩阵分解等模型来识别并剔除污染物。通过对肠道和癌症等多种组织数据集的测试，该方法成功消除了假阳性的差异表达基因，揭示了更真实的细胞状态。这种校正技术显著提升了细胞间相互作用和信号通路分析的准确性，为组织生物学研究提供了更可靠的手段。

References:

• Mitchel, J., Gao, T., Petukhov, V. et al. Impact and correction of segmentation errors in spatial transcriptomics. Nat Genet (2026). doi.org

前往小宇宙评论区与主播互动

这项研究利用墨西哥生物样本库中逾六千名受试者的数据，揭示了该国人口中临床相关基因变异的显著地理差异。研究指出，传统的“拉丁裔”或“西班牙裔”标签过于单一，忽视了墨西哥内部由本土印第安祖先成分及欧洲、非洲混血比例所决定的基因多样性。通过分析，科学家发现了影响芬太尼代谢和他汀类药物反应等特定药物疗效的变异位点在南北区域间的分布差异。为了支持精准医疗，研究团队开发了名为 MexVar 的互动平台，公开了四万余个与生物医学相关的基因变异频率。该成果强调了在制定临床指南时，必须考虑次大陆层面的遗传结构。这种基于本地祖先推断的分析框架，为改善美洲及全球墨西哥裔人口的健康评估提供了重要依据。

References:

• Barberena-Jonas C, Medina-Muñoz S G, Cedillo-Castelán V, et al. Clinical genetic variation across Hispanic populations in the Mexican Biobank[J]. Nature Medicine, 2026: 1-11.

前往小宇宙评论区与主播互动

这项研究推出了 MedHELM，这是一个专门为评估人工智能在医疗领域表现而设计的多维度基准测试框架。研究者通过与临床医生合作，构建了一个包含 121 项具体任务的分类体系，涵盖了临床决策、病历生成、患者沟通、医学研究及行政流转等五大核心领域。该框架整合了 37 个公共与私人数据集，旨在解决现有评估中缺乏真实世界数据及任务单一的问题。评估过程中引入了由三个大型语言模型组成的 “模型评审团” (LLM-jury)，经证实其评分与医学专家的判断高度一致。实验结果显示，推理模型（如 DeepSeek R1 和 o3-mini）在医学任务中表现最强，但也揭示了许多通用模型在处理专业医疗逻辑时会出现明显的性能下滑。此外，研究还详细分析了各模型的成本效益比，为医疗机构在实际部署 AI 助手时提供了性能与支出平衡的参考依据。

References:

• Bedi S, Cui H, Fuentes M, et al. Holistic evaluation of large language models for medical tasks with MedHELM[J]. Nature Medicine, 2026: 1-9.

前往小宇宙评论区与主播互动

这项研究介绍了一种名为 DBiTplus 的创新空间多组学技术，旨在同一组织切片上同时实现全转录组测序与高度多重化的蛋白质成像。通过引入耐热核糖核酸酶 H 优化 cDNA 释放，该方法显著提升了从各类生物样本中提取遗传信息的质量。研究人员利用该技术精确绘制了小鼠胚胎及人类淋巴瘤组织的空间图谱，成功识别了不同解剖区域的特定基因与蛋白质特征。此外，该工具在分析免疫细胞活化以及癌症从慢性淋巴细胞白血病向侵袭性转化（如 Richter 转化）的过程中表现卓越。这种高分辨率的综合映射手段，为深入理解复杂生物组织中的细胞相互作用与疾病进展提供了强大的支持。

References:

• Enninful A, Zhang Z, Klymyshyn D, et al. Integration of imaging-based and sequencing-based spatial omics mapping on the same tissue section via DBiTplus[J]. Nature Methods, 2026: 1-13.

前往小宇宙评论区与主播互动

这项研究通过对384个临床样本进行多组学整合分析，揭示了3型髓母细胞瘤（Group 3 MB）内部显著的代谢异质性。研究人员发现了一种被称为G3p_a的高危蛋白质组亚型，该亚型与MYC癌基因的高表达密切相关，并表现出极差的预后。实验证明，MYC通过促进从头脂质合成与增强脂质摄取，导致肿瘤细胞内脂质滴的大量积聚。这种特殊的脂质依赖性转化为了治疗弱点，特别是针对DGAT1酶的抑制能显著干扰脂质稳态。研究结论指出，靶向脂质代谢通路不仅能延缓肿瘤生长，还为治疗这种极具侵袭性的儿童脑瘤提供了全新的策略。

References:

• Bernardi F, Torrejon J, Basili I, et al. Multiomic integration reveals tumoral heterogeneity of lipid dependence within lethal group 3 medulloblastoma[J]. Cancer Cell, 2026.

前往小宇宙评论区与主播互动

这项由 ARPA-H 发起的 ADAPT 项目 旨在通过 实时监测肿瘤演变 来革新癌症治疗模式。该计划整合了 多模态数据 与 可解释人工智能，构建起一套能够预测耐药性并动态调整方案的临床试验平台。研究重点涵盖 乳腺癌、结直肠癌及肺癌，利用纵向生物标志物精准匹配患者与疗法。通过建立统一的 数据与治疗平台（TAP），全美科研机构可共享病例洞察，实现持续学习。这种 响应式医疗架构 力求在肿瘤发生耐药前进行干预，从而显著提升精准肿瘤学的临床疗效。

References:

• Bild A H, Sangar M C, McQuerry J A, et al. The ADAPT learning cancer treatment system: ARPA-H’s initiative to revolutionize cancer therapy[J]. Cancer Cell, 2026.

前往小宇宙评论区与主播互动

这项研究通过多组学技术对胆囊癌（GBC）进行了全面的分子图谱绘制，涵盖了基因组、转录组及蛋白质组等多个层面。研究人员识别出ERBB2与ERBB3的新型突变，并揭示了驱动胆囊癌肝转移的关键代谢途径，特别是ACAT1和PHGDH蛋白的促癌作用。通过计算建模，该研究将胆囊癌划分为四种不同的分子亚型，每种亚型具有独特的免疫微环境特征和临床预后。此外，研究还深入探讨了神经内分泌胆囊癌的独特性，发现MEIS1蛋白是诱发腺癌向神经内分泌表型转化的核心调节因子。这些发现为胆囊癌的精准分层和个体化治疗提供了重要的科学依据。

References:

• Fu Z, Song Y, Liu F, et al. Integrative proteogenomic analysis provides molecular insights and clinical significance in gallbladder cancer[J]. Cancer Cell, 2026.

前往小宇宙评论区与主播互动

这份研究利用单细胞测序技术（RNA和ATAC测序）深入分析了弥漫性大B细胞淋巴瘤（DLBCL）的分子异质性。研究团队通过对103份活检样本的观测，成功为不同的遗传亚型绘制了独特的基因表达特征。调查发现，大多数肿瘤内部存在由拷贝数变异驱动的遗传亚克隆，这些克隆在细胞分化和生长代谢等方面表现出显著的表型差异。研究重点揭示了 REL基因扩增 如何阻断记忆B细胞的末期分化，从而推动肿瘤发生。最终，这些发现建立了一套关联基因调控网络与临床预后的新模型，为提升化疗和靶向治疗的精准度提供了关键的生物学依据。

References:

• Axes of biological variation in diffuse large B cell lymphoma
  Wang, Boya et al.Cancer Cell, Volume 0, Issue 0

前往小宇宙评论区与主播互动

这项名为 ASCEND-CRC 的研究项目旨在通过监控癌症演变来彻底改变转移性结直肠癌的治疗模式。传统的治疗方案通常是静态且滞后的，而该计划利用多模态分析和纵向采样，在治疗过程中实时追踪肿瘤的生物学变化。通过识别早期的适应性生物标志物，医生可以预测耐药性的发生，并在病情恶化前迅速调整用药策略。该项目分为观察和干预两个阶段，通过整合基因组学、转录组学和临床数据，力求实现真正的动态精准医疗。这种方法有望打破目前“一成不变”的诊疗局限，为患者提供更具前瞻性和个性化的抗癌干预方案。

References:

• Alonso S, Raghav K, Morris V K, et al. Framework for cancer evolution profiling and interception in colorectal cancer: ASCEND-CRC program[J]. Cancer Cell, 2026.

前往小宇宙评论区与主播互动