聊聊Sci

本文介绍了一种名为 STAIR 的新型计算框架，旨在解决空间转录组学（ST）数据在 3-D 重建、切片对齐与特征整合中的核心难题。该方法利用异构图注意力网络，通过点级和切片级的双重注意力机制，在无需预知物理层间距的情况下实现了全自动的 z 轴位置推断。STAIR 能够有效消除不同样本间的批次效应，并精准对齐多切片的二维物理坐标，从而构建出连续且完整的组织三维分子图谱。研究通过对小鼠大脑、胚胎及人类乳腺癌肿瘤组织的测试，证明了其在识别空间异质性和追踪细胞发育轨迹方面的卓越性能。此外，该工具还支持将新切片无缝整合至现有的参考数据库中，为深入理解复杂组织的结构组织提供了强有力的支持。

References:

• Yu Y, Xie Z. Spatial transcriptomic alignment, integration, and 3D reconstruction by STAIR[J]. Genome Biology, 2025, 26(1): 427.

前往小宇宙评论区与主播互动

这项研究介绍了一套名为 MetroSCREEN 的创新计算框架，旨在通过单细胞转录组数据系统地推断细胞代谢状态及其上游调控机制。该工具突破了现有技术在空间分辨率和多组学同步测量上的局限，能够整合细胞内在遗传因子（如转录调节因子）与外在环境信号（如细胞因子互动），从而精准预测代谢重编程的关键驱动力。研究者利用该框架构建了 MetroTIME 数据库，深入解析了肿瘤微环境中成纤维细胞与巨噬细胞在代谢上的异质性，揭示了不同代谢亚型如何影响免疫抑制及肿瘤进展。通过对多项癌症临床数据的分析，该研究证实了代谢模块评分与患者生存率及免疫治疗反应之间存在显著关联。此外，该工具还为药物重定向提供了新思路，通过识别特定代谢通路的调节因子，助力开发针对肿瘤代谢的新型个性化治疗策略。

References:

• Tang K, Han Y, Sun D, et al. Reference-guided computational framework identifies microenvironment metabolic subtypes and targets using pan-cancer single-cell datasets[J]. Genome Medicine, 2025, 17(1): 150.

前往小宇宙评论区与主播互动

这篇文章详细阐述了大脑类器官作为一种先进的3D模型，在模拟人类大脑发育、进化及相关疾病中的重要作用。研究指出，这些由多能干细胞培育而成的结构能够揭示人类特有的遗传演化特征，并为研究小头症、自闭症及精神分裂症等神经发育与精神疾病提供关键实验平台。文中强调，通过整合生物工程技术，如微流体装置和生物支架，可以显著增强类器官的生理真实性与成熟度。此外，作者还探讨了单细胞组学和功能性成像等前沿表征技术在解析类器官复杂性方面的应用。最后，文章呼吁科研界在技术推进的同时，必须认真对待意识界定及供体多样性等核心伦理与社会议题。

References:

• Birtele M, Lancaster M, Quadrato G. Modelling human brain development and disease with organoids[J]. Nature Reviews Molecular Cell Biology, 2025, 26(5): 389-412.

前往小宇宙评论区与主播互动

这项研究通过单细胞测序与空间蛋白质组学技术，深入探讨了三阴性乳腺癌在接受派姆单抗联合放射治疗后的肿瘤微环境演变。研究团队识别出十二个空间区域，并根据治疗反应将患者分为三类轨迹：具有预存免疫反应的敏感型 (R1)、仅在联合治疗后诱导免疫增强的延迟反应型 (R2)，以及始终缺乏免疫浸润的耐药型 (R3)。实验结果表明，放射治疗能显著增强 R2 类患者的抗原呈递能力并促进效应 T 细胞扩张，从而克服单用免疫检查点抑制剂的耐药性。这一发现为优化临床联合用药方案提供了重要依据，有助于筛选更精准的治疗获益人群。该研究强调了肿瘤空间结构在预测免疫疗法成效中的决定性作用，并验证了放疗在重塑冷肿瘤微环境中的潜力。

References:

• Shiao SL, Knott SRV. Single-cell and spatial profiling identify three response trajectories to pembrolizumab and radiation therapy in triple negative breast cancer. Cancer Cell. 2024 Jan 8;42(1):70-84.e8. doi: 10.1016/j.ccell.2023.12.012. PMID: 38194915.

前往小宇宙评论区与主播互动

这项研究通过多组学分析深入探讨了肝细胞在长期慢性代谢压力（如肥胖和代谢功能障碍相关脂肪性肝病）下的演变过程。作者利用单细胞测序与空间转录组学技术，定义了小鼠和人类肝脏中随病程进展的基因表达程序，揭示了从单纯性脂肪变性到肝硬化及癌症的分子路径。研究重点识别并验证了RELB和SOX4等关键转录调节因子，这些因子不仅驱动了细胞的应激反应，还显著增强了肝细胞的增殖能力。通过构建MATCHA计算框架，研究者成功绘制了调节网络，证明了环境压力如何诱导肝细胞进入一种部分去分化的预癌变状态。最终，该研究为预测肝细胞癌的发生风险提供了生物标志物，并为干预慢性肝病向恶性肿瘤转化提供了潜在的治疗靶点。

References:

• Tzouanas C N, Shay J E S, Sherman M S, et al. Hepatic adaptation to chronic metabolic stress primes tumorigenesis[J]. Cell, 2025.

前往小宇宙评论区与主播互动

这项研究构建了一个全面的人类血管细胞图谱，通过整合来自19个不同器官和组织的单细胞转录组数据，深入分析了内皮细胞和壁细胞的分子特征。研究揭示了不同器官内部及器官之间血管系统的显著异质性，明确了各类血管在生理稳态、免疫调节及组织修复中的特定功能。利用drug2cell等计算工具，科学家们还预测了临床药物对特定血管床的潜在影响，为理解药物的疗效与副作用提供了新视角。此外，该图谱还阐明了血管细胞在诸如高血压和癌症等多种疾病发病机制中的关键作用。作为一个开放获取资源，这一成果为开发针对特定血管区域的精准疗法奠定了基础。

References:

• Barnett, S.N., Cujba, AM., Yang, L. et al. An organotypic atlas of human vascular cells. Nat Med 30, 3468–3481 (2024). doi.org

前往小宇宙评论区与主播互动

本文介绍了一种名为 scTenifoldKnk 的机器学习工作流，这是一种专为单细胞RNA测序（scRNA-seq）数据设计的虚拟基因敲除（KO）工具。该工具通过模拟基因缺失来预测基因功能，且仅需野生型（WT）样本数据即可运行，无需真实的敲除样本。其核心原理是先利用主成分回归构建基因调控网络（GRN），随后通过人工消除目标基因的连接权重并应用流形对齐（Manifold Alignment）算法，来识别受影响的差异调节基因。研究结果证明，scTenifoldKnk 的预测结果与真实动物实验高度一致，能够有效揭示孟德尔疾病相关基因的功能。此外，该工具具有极高的计算效率，支持系统性敲除分析，可用于在大规模细胞类型中筛选关键调控靶点并揭示复杂的生物学机制。

References:

• Daniel Osorio, Yan Zhong, Guanxun Li, Qian Xu, Yongjian Yang, Yanan Tian, Robert S. Chapkin, Jianhua Z. Huang, James J. Cai, scTenifoldKnk: An efficient virtual knockout tool for gene function predictions via single-cell gene regulatory network perturbation,Patterns,Volume 3, Issue 3, 2022

前往小宇宙评论区与主播互动

这项研究揭示了线粒体铁硫簇合成中的一种新机制，为治疗弗里德赖希共济失调症提供了潜在方案。研究人员通过对线虫进行基因筛选，发现FDX2或NFS1基因的特定突变可以补偿弗拉塔蛋白（frataxin）的缺失。实验证明，过量的FDX2会与弗拉塔蛋白竞争结合位点，从而抑制铁硫簇的产生并导致细胞功能障碍。通过降低FDX2的表达水平或削弱其与NFS1的结合力，可以部分恢复铁硫簇的合成平衡。这种干预手段在线虫和小鼠模型中均成功改善了由弗拉塔蛋白缺乏引起的发育缺陷和运动障碍。这些发现表明，维持线粒体蛋白间的化学计量平衡对于治疗此类遗传性线粒体疾病至关重要。

References:

• Meisel J D, Joshi P R, Spelbring A N, et al. Mutations in mitochondrial ferredoxin FDX2 suppress frataxin deficiency[J]. Nature, 2025: 1-8.

前往小宇宙评论区与主播互动

这项研究介绍了一种名为 CellSAM 的细胞分割基础模型，旨在解决传统深度学习模型难以跨领域通用和大规模扩展的问题。该模型以 Segment Anything Model (SAM) 为架构基础，通过引入一种名为 CellFinder 的目标检测器，实现了对多样化细胞图像的自动提示与分割。实验证明，CellSAM 在哺乳动物细胞、酵母及细菌等多种成像模式下均达到了人类专家级的分割精度。研究强调，该模型具备极强的零样本迁移能力，且仅需少量样本即可通过微调进一步提升性能。最后，作者展示了 CellSAM 如何无缝集成到空间转录组学和活细胞成像等复杂的生物图像分析工作流中。

References:

• Marks M, Israel U, Dilip R, et al. CellSAM: a foundation model for cell segmentation[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 MisTIC 的新型概率模型，旨在纠正成像空间转录组学（SRT）分析中常见的细胞分割错误。由于高分辨率技术在界定细胞边界时常会将基因转录本错误分配给邻近细胞，这会导致生物信号失真并产生误导性的细胞图谱。MisTIC 通过综合评估转录本的空间邻近度、基因表达兼容性以及邻域支持度，能够精准地识别并重新分配这些被错误分类的分子。实验表明，该工具在区分细胞类型、识别差异表达基因以及预测细胞间通讯方面显著优于现有的单细胞处理方法。此外，它在分析 RNA 亚细胞定位方面展现出独特优势，能揭示以往被分割噪声掩盖的生物学细节。作为一种高效且开源的解决方案，MisTIC 可无缝集成至现有的分析流程中，显著提升了空间转录组数据的可靠性。

References:

• Yang Y, DePasquale E, Adeleke D, et al. MisTIC: Missegmented Transcript Inference Correction for Improved Spatial Transcriptomics Analysis[J]. bioRxiv, 2025: 2025.12. 11.693759.

前往小宇宙评论区与主播互动