聊聊Sci

这项研究介绍了一种名为 FX-Cell 的创新性植物单细胞转录组测序技术及其衍生方法，旨在克服传统方法中因 植物细胞壁 难以消化和样本对环境变化极其敏感而产生的技术瓶颈。研究人员通过使用 凝固性固定剂 稳定细胞结构，并结合高效率的 高位酶解 和 核糖核酸酶（RNase）去除 技术，成功实现了对多种作物和非模式植物组织的高质量细胞分离。该方法支持对 冷冻保存 的野外采集样本进行分析，能有效避免实验过程引发的应激反应，从而精准捕捉植物在 伤口响应 或环境刺激下的真实生理状态。通过与传统原生质体法和单细胞核测序对比，该技术在 细胞产量 、基因检测灵敏度以及维持细胞原始形态方面表现出显著优势。这一系列工具的开发为构建更全面的 植物细胞图谱 提供了关键技术支持，使得研究人员能够深入探索复杂组织的细胞分化与发育轨迹。

References:

• Ming X, Wan M C, Zhang Z D, et al. FX-Cell: a method for single-cell RNA sequencing on difficult-to-digest and cryopreserved plant samples[J]. Nature Methods, 2025: 1-12.

前往小宇宙评论区与主播互动

FlashDeconv 是一款专为大规模空间转录组学设计的创新分析框架，旨在解决高分辨率组织制图中的计算瓶颈。该方法核心采用了结构保留随机草图（Randomized Sketching）技术，利用杠杆得分（Leverage Scores）而非传统的方差进行特征选择，从而有效捕捉被主流算法忽略的稀有细胞类型信号。研究表明，该框架在保持与顶级贝叶斯方法同等精度的同时，将处理速度提升了几个数量级，能在数秒内完成百万级位点的数据反卷积。通过对 Visium HD 数据的深入分析，研究者定义了 8–16 微米的“分辨率视界”，揭示了粗糙采样会导致细胞共定位信号出现空间扭曲。此外，FlashDeconv 在人类卵巢癌临床样本中成功复现了治疗反应特征，并发现了肠道内隐藏的Tuft细胞生态位。总之，该工具为临床生物标志物筛选和组织架构的精准解析提供了一个高扩展性且具备数学基础的通用方案。

References:

• Yang C, Chen J, Zhang X. FlashDeconv enables atlas-scale, multi-resolution spatial deconvolution via structure-preserving sketching[J]. bioRxiv, 2025: 2025.12. 22.696108.

前往小宇宙评论区与主播互动

这项研究介绍了一套名为 Deep-STARmap 和 Deep-RIBOmap 的 3D 原位分析平台，旨在解决传统薄切片在组织变形、人工劳动和转录组数据不完整方面的局限。该技术利用 水凝胶重嵌入 和 光化学交联 等创新手段，实现了对厚组织样本中单细胞转录组和翻译组的高精度成像。在应用中，研究人员通过对 小鼠大脑 的分析，成功揭示了神经元分子亚型与其树突形态之间的紧密联系。此外，该平台还被应用于分析 人类皮肤癌 样本，能够精准区分肿瘤细胞与免疫细胞，并量化三维空间内的细胞邻近关系与相互作用。这种方法不仅为 三维空间组学 提供了可扩展的框架，也为深入理解复杂疾病的组织微环境开辟了新路径。

References:

• Sui X, Lo J A, Luo S, et al. Scalable spatial single-cell transcriptomics and translatomics in 3D thick tissue blocks[J]. Nature Methods, 2025: 1-11.

前往小宇宙评论区与主播互动

这项研究开发了新型声学报告基因，首次实现了多重超声成像，能够同时观测活体深层组织中的多种细胞状态。科研人员通过蛋白质工程和定向进化技术，设计出具有不同声压响应特征的蛋白质纳米结构，并将其命名为 bARG560 和 bARG710。这些基因能够像荧光蛋白区分颜色一样，让研究者通过不同的超声频率或压力辨别不同的细胞群。实验成功在小鼠体内区分了益生菌种类，并实时监测了肿瘤定植细菌的分布情况。这一突破克服了光学成像穿透力差的局限，为深层生物组织的复杂功能研究提供了高分辨率的成像工具。该技术在细胞疗法追踪和活体分子诊断领域具有广阔的应用前景。

References:

• Nyström N N, Jin Z, Bennett M E, et al. Multiplexed ultrasound imaging of gene expression[J]. Nature Methods, 2025: 1-7.

前往小宇宙评论区与主播互动

这项研究介绍了一种名为高分辨率成像质谱流式技术（HR-IMC）的新方法，旨在突破传统IMC在空间分辨率上的局限。通过结合过采样技术与点扩散函数卷积还原算法，该技术将分辨率从1微米提升至350纳米以下，达到了光学显微镜的水平。这种精度的提升使得科学家能够清晰地观测到以前无法捕捉的亚细胞结构，例如线粒体网络、核小体中心以及微细的细胞膜。此外，HR-IMC显著改善了密集的组织样本中的细胞分割精度，能够更准确地识别相邻细胞并进行表型分析。通过对卵巢癌细胞的研究，该技术证明了其在观察化疗引起的细胞病理变化以及生物医学基础研究中的强大潜力。总之，这一创新手段为在亚细胞水平上探索复杂组织的空间组织结构开辟了新途径。

References:

• Bollhagen A, Whipman J, Coelho R, et al. High-resolution imaging mass cytometry to map subcellular structures[J]. Nature Methods, 2025: 1-8.

前往小宇宙评论区与主播互动

这项研究介绍了一项名为Spotiphy的计算分析成果，旨在整合空间转录组学与单细胞测序数据，以解析复杂的组织结构。研究人员通过分析阿尔茨海默病模型小鼠的脑组织，发现了与淀粉样蛋白斑块密切相关的疾病相关小胶质细胞（DAM）及其免疫反应路径。此外，该技术还应用于乳腺癌等肿瘤研究，通过识别空间域成功揭示了肿瘤细胞与微环境之间复杂的相互作用。通过对特定细胞子集的精确定位，该研究阐明了细胞间的通讯强度如何受空间位置影响而产生差异。总之，这些多源数据共同展示了高分辨率空间组学在理解神经退行性疾病和癌症病理机制中的强大潜力。

References:

• Yang J, Zheng Z, Jiao Y, et al. Spotiphy enables single-cell spatial whole transcriptomics across an entire section[J]. Nature Methods, 2025: 1-13.

前往小宇宙评论区与主播互动

这项研究详细介绍了一种名为LEVA的新型技术，它利用光诱导实现细胞外囊泡与颗粒（EVPs）在表面的精准吸附。该方法克服了传统捕获技术的局限，能够以非特异性、可调节且高分辨率的方式对囊泡进行微图形化排列，从而模拟复杂的生物微环境。研究人员通过实验证明，这种空间控制能力可以有效调控胶质瘤细胞的定向迁移，并能诱发中性粒细胞的集体集群行为。此外，该平台还支持对单个颗粒的多种蛋白质共定位分析，为研究细胞间通讯提供了高通量的量化工具。总体而言，该技术在癌症诊断、免疫工程及生物材料开发等前沿领域具有显著的应用潜力和科学价值。

References:

• Hisey C L, Rima X Y, Doon-Ralls J, et al. Light-induced extracellular vesicle and particle adsorption[J]. Nature Methods, 2025: 1-13.

前往小宇宙评论区与主播互动

这项研究介绍了一种名为 Jaxley 的新型开源软件库，旨在解决神经科学中详细生物物理模型难以进行大规模训练的难题。Jaxley 利用 JAX 框架实现了自动微分和 GPU 加速，使研究人员能够通过梯度下降算法高效地优化复杂的神经元参数。通过这种微分模拟技术，该工具可以将生物物理模型与生理测量数据（如电压或钙成像）进行匹配，其效率有时比传统方法高出几个数量级。此外，Jaxley 还支持构建能够执行计算任务的生物物理神经网络，例如解决工作记忆问题或计算机视觉识别。这为跨尺度研究神经计算机制提供了更强大的工具，并克服了以往模拟器在处理海量参数时的计算限制。

References:

• Deistler M, Kadhim K L, Pals M, et al. Jaxley: differentiable simulation enables large-scale training of detailed biophysical models of neural dynamics[J]. Nature Methods, 2025: 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 Novae 的图神经网络基础模型，旨在解决空间转录组学数据分析中的技术挑战。传统方法往往受到批次效应的干扰，且难以在不同基因面板或设备之间进行跨研究比较，而 Novae 通过自监督学习和最优传输算法实现了更具鲁棒性的空间领域划分。该模型利用图注意编码器捕捉细胞间的空间组织关系，不仅能够自动识别复杂的组织微环境，还能在无需重新训练的情况下进行零样本推断。通过对数千万个细胞的大规模数据集验证，Novae 在处理速度、内存效率以及跨载玻片一致性方面均显著优于现有工具。此外，它还支持与病理图像等多模态数据融合，为揭示肿瘤微环境和疾病进展中的空间生物标志物提供了强有力的计算支撑。

References:

• Blampey Q, Benkirane H, Bercovici N, et al. Novae: a graph-based foundation model for spatial transcriptomics data[J]. Nature Methods, 2025, 22(12): 2539-2550.

前往小宇宙评论区与主播互动

这篇研究介绍了一种名为 Bin Chicken 的新型算法工具，旨在通过自动化的定向协同组装技术，从庞大的宏基因组数据集中高效挖掘稀有微生物基因组。该工具利用原始读取中的标记基因序列来识别并聚集相关的宏基因组样本，有效解决了低丰度物种因测序深度不足而难以被完整回收的难题。研究人员将其应用于约 20 万个公开宏基因组样本，成功构建了包含超过 7.7 万个中高质量基因组的“稀有生物圈基因组”库。这一成果发现了 2.4 万个新物种以及 6 个全新的门级谱系，显著填补了生命之树的空白。此外，分析表明这些新发现的微生物多具有独特的厌氧代谢潜力和丰富的未知蛋白质功能。总而言之，该研究为探索地球上尚未被描述的微生物多样性提供了一种高效率且低成本的计算方案。

References:

• Aroney S T N, Newell R J P, Tyson G W, et al. Bin Chicken: targeted metagenomic coassembly for the efficient recovery of novel genomes[J]. Nature Methods, 2025: 1-9.

前往小宇宙评论区与主播互动