聊聊Sci

本文介绍了一种名为RADIANT的新型光学成像技术，旨在攻克复杂生物系统中多靶点蛋白质三维制图的难题。研究人员利用拉曼光谱极窄的峰宽打破了传统荧光显微镜的“色彩限制”，实现了在厚组织中单次捕获超过十种蛋白质信号。通过合成新型MARS生物正交探针并优化专用的rDISCO组织透明化技术，该方法成功解决了深层组织成像中的背景干扰与信号衰减问题。实验证明，RADIANT能对毫米级厚度的脑组织进行高分辨率成像，将探测深度提升了10至100倍。这一突破为探索发育生物学及神经系统中精细的三维蛋白质相互作用和神经网络拓扑结构提供了强大的工具。

References:

• Shi, L., Wei, M., Miao, Y. et al. Highly-multiplexed volumetric mapping with Raman dye imaging and tissue clearing. Nat Biotechnol 40, 364–373 (2022). doi.org

前往小宇宙评论区与主播互动

本文介绍了一种名为 PASTA 的创新计算框架，旨在提高空间转录组学数据中生物通路基因表达预测的准确性。该方法通过整合单细胞测序（scRNA-seq）参考数据，并结合细胞类型与空间邻域信息，克服了现有技术在处理基因缺失和高噪声方面的局限。研究表明，PASTA 在处理不同组织（如人肺癌和脑组织）的模拟与真实数据集时，其表现显著优于 Tangram 和 Seurat 等现有工具。通过对功能相关基因进行聚合建模，该工具不仅增强了数据的稳健性，还为下游的通路富集分析和细胞发育轨迹推断提供了更具生物学意义的解释。总之，PASTA 为在复杂的空间背景下理解疾病机制和组织异质性提供了一个强有力的学术方案。

References:

• Li R, Yang P, Di Pilato M, et al. Accurate imputation of pathway-specific gene expression in spatial transcriptomics with PASTA[J]. Nature Communications, 2025.

前往小宇宙评论区与主播互动

这项研究介绍了一种名为 FastGlioma 的新型人工智能系统，旨在解决癌症手术中难以精确检测残留肿瘤的关键难题。该技术利用刺激拉曼组织学（SRH）成像结合深度学习模型，能够在手术过程中快速识别并评估脑肿瘤的浸润情况。通过大规模的自监督学习和临床数据训练，该模型表现出极高的准确率，其性能显著优于传统的组织检测方法。这项创新成果不仅显著缩短了术中诊断的时间，还大幅降低了因肿瘤残留导致的医疗成本并提升了患者生存质量。研究团队指出，这一基于AI的影像辅助方案具有极强的通用性，未来有望推广至肺癌、乳腺癌及前列腺癌等多种实体瘤的精准切除手术中。

References:

• Kondepudi A, Pekmezci M, Hou X, et al. Foundation models for fast, label-free detection of glioma infiltration[J]. Nature, 2025, 637(8045): 439-445.

前往小宇宙评论区与主播互动

这项研究介绍了一个名为 Combocat 的开源平台，旨在通过结合 声学移液技术 与 机器学习 来加速药物联用的研发。由于测试多种药物组合的实验极具复杂性，该平台开发了“密集模式”以生成高精度数据，并利用这些数据训练出“稀疏模式”下的预测模型。这种稀疏模式仅需测量极少数实验点即可推算完整的药物反应图谱，从而将资源消耗减少了 90%。作为应用范例，研究人员在神经母细胞瘤细胞系中筛选了 9,045 种组合，创下了单细胞系测试规模的新纪录。该平台的开源属性和端到端工作流**为全球科研人员提供了一个可扩展且高效的工具，显著提升了发现新型协同治疗方案的速度。

References:

• Wright, W.C., Pan, M., Phelps, G.A. et al. An open-source screening platform accelerates discovery of drug combinations. Nat Commun 16, 11005 (2025). doi.org

前往小宇宙评论区与主播互动

这项研究介绍了一款名为 GigaTIME 的多模态人工智能框架，旨在解决临床研究中多重免疫荧光（mIF）数据稀缺且成本高昂的难题。该模型通过学习配对的病理切片数据，能够将常规、低成本的 H&E 染色图像 转化为包含 21 种蛋白质通道的 虚拟 mIF 图像。研究人员利用该工具在超过 1.4 万名患者的真实世界数据及 TCGA 数据集中生成了虚拟人群，成功识别出与肿瘤微环境（TIME）相关的关键 生物标志物 及空间模式。实验证明，GigaTIME 在蛋白质激活预测的准确性上显著优于 CycleGAN 等现有模型，尤其在细胞层级的空间对齐上表现卓越。此外，该系统整合的 蛋白质特征签名 展现出极强的临床应用潜力，能够有效预测癌症患者的疾病分期与 存活轨迹。这种创新方法不仅揭示了免疫反应的协同特性，还为大规模、数字化的肿瘤空间组织学研究开辟了新途径。

References:

• Valanarasu JMJ. Multimodal AI generates virtual population for tumor microenvironment modeling. Cell. 2025 Dec 9:S0092-8674(25)01312-1. doi: 10.1016/j.cell.2025.11.016. PMID: 41371214.

前往小宇宙评论区与主播互动

这项研究介绍了一种名为 PLATO 的创新性空间蛋白质组学技术，旨在克服传统方法在通量和组织覆盖范围上的局限。该技术结合了微流控芯片平行采样与名为 Flow2Spatial 的深度学习算法，能够以 25微米 的高分辨率重建全组织的蛋白质分布。研究人员通过对小鼠小脑、大鼠肠绒毛以及人类乳腺癌样本的分析，证明了该方法在识别组织异质性和临床亚型方面的卓越性能。Flow2Spatial 算法利用迁移学习，即使在蛋白质与对应 mRNA 相关性较低的情况下，也能实现精确的空间制图。与传统技术相比，PLATO 显著减少了所需的检测次数，为基础生物学研究和临床诊断提供了一种高效、高分辨率且易于操作的工具。

References:

• Hu B, He R, Pang K, et al. High-resolution spatially resolved proteomics of complex tissues based on microfluidics and transfer learning[J]. Cell, 2025, 188(3): 734-748. e22.

前往小宇宙评论区与主播互动

这份研究介绍了海德堡中枢神经系统（CNS）肿瘤DNA甲基化分类器从v11到v12.8版本的重大升级。通过全球协作与庞大的在线数据库，该分类器识别的肿瘤亚类从91个翻倍扩展至184个，显著提升了对罕见及异质性肿瘤的诊断能力。新版本引入了四级分层结构（超家族、家族、类、亚类），使分类结果能够更好地与世卫组织（WHO）标准对齐，并提供经校准的概率评分以辅助临床决策。性能评估显示，v12.8在亚类水平上的准确率高达95%，成功解决了此前许多无法归类的病例。此外，该工具在预后评估方面表现卓越，能够通过分子特征区分传统组织学容易混淆的高低级别胶质瘤。总之，这一进步不仅增强了神经肿瘤学的精准诊断，也通过开源与国际合作促进了全球医疗公平。

References:

• Sill M, Schrimpf D, Patel A, et al. Advancing CNS tumor diagnostics with expanded DNA methylation-based classification[J]. Cancer Cell, 2025.

前往小宇宙评论区与主播互动

这项研究通过单细胞测序和空间转录组技术，揭示了肿瘤起始干细胞（tSCs）如何通过调控中性粒细胞的塑性来抵御免疫治疗。研究发现，虽然免疫治疗能诱导基质中的中性粒细胞转化为抗肿瘤状态，但位于肿瘤-基质界面的 SOX2高表达干细胞却能阻止这种转变。这些干细胞通过直接激活 FADS1 基因产生花生四烯酸（AA），进而触发 PGE2 信号通路以抑制中性粒细胞的干扰素响应。这种机制使中性粒细胞维持在免疫抑制状态，为肿瘤干细胞构建了一个保护性微环境，导致治疗后的癌症复发。该发现为通过阻断 COX-2 等通路来破坏这种细胞间通讯、增强免疫疗效提供了新思路。

References:

• Guo W, Luan J, Huang X, et al. Tumor-initiating stem cells fine-tune the plasticity of neutrophils to sculpt a protective niche[J]. Cancer cell, 2025.

前往小宇宙评论区与主播互动

这项名为LINUX的二期临床试验研究了人工智能辅助分型在治疗晚期乳腺癌中的有效性。研究人员利用深度学习技术分析病理切片，将患者分为四种独特的SNF分子亚型，并据此提供定制的精准治疗方案。实验结果显示，该方法在SNF2（免疫型）和SNF4（受体酪氨酸激酶驱动型）亚型中取得了显著的临床疗效，其客观缓解率（ORR）明显优于医生选择的传统化疗方案。此外，精准治疗组表现出可控的安全性，且部分亚型患者的无进展生存期得到了实质性延长。这项研究证明了AI引导的精准医疗能有效优化传统“一刀切”的治疗模式，为耐药性乳腺癌患者提供了新的治疗路径。

References:

• Fan L, Zhang W J, Li H P, et al. Precision treatment with artificial intelligence assisted subtyping enhances therapeutic efficacy in HR+/HER2− breast cancer: The LINUXtrial[J]. Cancer Cell, 2025.

前往小宇宙评论区与主播互动

这项研究揭示了结直肠癌（CRC）在接受KRAS与EGFR联合靶向治疗时，会通过一种非遗传性的谱系可塑性机制产生耐药性。研究人员发现，存活的癌细胞会向类潘氏细胞（Paneth-like）状态转变，从而逃避药物杀伤，且这一现象在小鼠模型、类器官及临床患者样本中均得到了验证。通过CRISPR筛选和转录组分析，研究确认了SMAD1-FGFR3信号轴是驱动这种细胞状态转换及MAPK信号通路重新激活的关键因素。研究进一步证明，利用FGFR抑制剂（如futibatinib）阻断该轴线，可以有效抑制细胞向类潘氏状态转变并恢复药物敏感性。该成果为克服结直肠癌靶向治疗耐药提供了新的三联疗法策略。

References:

• Zhang Y, Chen J, She Y, et al. Paneth-like transition drives resistance to dual targeting of KRAS and EGFR in colorectal cancer[J]. Cancer Cell, 2025.

前往小宇宙评论区与主播互动