聊聊Sci

这篇文章概述了人类细胞图谱 (HCA) 计划的最新进展和未来方向，该计划旨在构建一张全面的人类细胞参考图谱。文章指出，由于分子和空间分析方法以及人工智能/机器学习 (AI/ML) 计算方法的进步，细胞图谱的构建正在从单纯的数据收集转向整合和更深层次的应用。作者探讨了细胞图谱的五个关键角色：作为细胞的普查、多模式和多尺度 3D 地图、连接基因型和表型的地图、4D 发育时间地图，以及最终作为统一生物学的基石模型。最终目标是将这些全面的参考图谱作为理解人类健康、疾病诊断、监测和治疗的金标准基线。

References:

• Rood J E, Wynne S, Robson L, et al. The Human Cell Atlas from a cell census to a unified foundation model[J]. Nature, 2025, 637(8048): 1065-1071.

前往小宇宙评论区与主播互动

这份综述文章探讨了翻译调控在生物体应对压力的过程中所扮演的核心角色，并将其与衰老生物学紧密联系起来。文章详细考察了三种与年龄相关的应激源（蛋白质稳态丧失、氧化损伤和营养感应失调）如何影响蛋白质合成。作者解释了应激反应如何通过调节翻译过程来感知和应对细胞损伤，并比较了应激诱导的翻译程序与衰老过程中蛋白质合成的改变，讨论了这些变化对长寿和健康衰老的潜在影响是适应性的还是有害的。核心机制包括整合应激反应 (ISR) 和 mTORC1 信号通路的激活，这些通路在细胞维持平衡和应对慢性衰老压力中至关重要。

References:

• Genuth N R, Dillin A. Translational regulation in stress biology[J]. Nature Cell Biology, 2025: 1-13.

前往小宇宙评论区与主播互动

该文章介绍了一种名为 CellNavi 的深度学习框架，其旨在通过学习一个由基因图谱增强的细胞状态流形来预测驱动细胞转变的关键基因。CellNavi 利用大规模、高维的转录组数据进行训练，并通过整合具有方向性连接的基因图谱，构建了一个能够捕捉细胞内在特征的流形。研究人员通过在 CRISPR 扰动、T 细胞分化、神经退行性疾病模型和药物作用机制等多样化任务上的定量评估，证实了 CellNavi 在准确识别驱动基因和跨不同生物学背景泛化方面的出色能力，超越了传统的网络和差异表达分析方法。该框架代表了驱动基因预测和细胞状态调控方面的重要进展，有望推动疾病生物学和药物发现的研究。

References:

• Wang T, Pan Y, Ju F, et al. CellNavi predicts genes directing cellular transitions by learning a gene graph-enhanced cell state manifold[J]. Nature Cell Biology, 2025: 1-12.

前往小宇宙评论区与主播互动

这篇研究主要介绍利用全基因组单细胞 CRISPR 筛选技术（Perturb-seq）来创建全面的基因型-表型图谱。作者们应用 CRISPR 干扰（CRISPRi）和单细胞 RNA 测序（scRNA-seq）对两种细胞系（K562 和 RPE1）中的数千个基因进行了系统性扰动。这项大规模研究使科学家能够发现新的基因功能，剖析复杂的蛋白质复合物（如 Integrator 和 ATP 合成酶）的功能模块，并识别出与染色体不稳定性（CIN）和线粒体应激反应相关的遗传调控因素。总体而言，该研究确立了全基因组 Perturb-seq 作为一种强大的工具，可用于深入理解细胞行为、基因功能和调控网络的复杂多维关系。

References:

• Replogle J M, Saunders R A, Pogson A N, et al. Mapping information-rich genotype-phenotype landscapes with genome-scale Perturb-seq[J]. Cell, 2022, 185(14): 2559-2575. e28.

前往小宇宙评论区与主播互动

这篇文章介绍了 SpatialZoomer，这是一个用于 单细胞分辨率空间转录组学（ST）数据 的计算框架，旨在进行多尺度特征分析。SpatialZoomer 使用 谱图信号处理方法，通过一系列热核低通滤波器有效提取从单细胞到组织域等不同尺度的空间分子特征，并能 自动识别关键尺度。该工具在分析阿尔茨海默病（AD）进展信号、识别肿瘤微环境中的 空间依赖性细胞亚群，以及揭示复杂的 组织结构 方面展示了其能力。此外，SpatialZoomer 因其 高计算效率 和 低硬件要求 而具有可扩展性，为单细胞 ST 数据的复杂空间分析提供了一个多功能解决方案。

References:

• Li X, Fan Y, Han Y, et al. SpatialZoomer: multi-scale feature analysis of spatial transcriptomics[J]. bioRxiv, 2025: 2025.09. 08.674870.

前往小宇宙评论区与主播互动

这篇文章介绍了 FiCS Perturb-seq，这是一个工业化平台，用于以可扩展且一致的方式生成大规模的 Perturb-seq 数据集，从而克服了先前方法中存在的瓶颈。该平台通过结合可逆化学固定、低温保存和自动化等技术，实现了高灵敏度、低批次效应的基因组范围扰动数据生成。研究人员利用 FiCS Perturb-seq 平台创建了迄今为止最大的公开 Perturb-seq 资源，即包含八百万个细胞的 X-Atlas/Orion 数据集，该数据集覆盖了所有人类蛋白质编码基因。这些数据对于训练能够纳入基因剂量效应的先进生物学基础模型至关重要，从而有望加速生物学发现和治疗方法的发展。

References:

• Huang A C, Hsieh T H S, Zhu J, et al. X-Atlas/Orion: Genome-wide Perturb-seq Datasets via a Scalable Fix-Cryopreserve Platform for Training Dose-Dependent Biological Foundation Models[J]. bioRxiv, 2025: 2025.06. 11.659105.

前往小宇宙评论区与主播互动

这份研究提供了对人类免疫系统成熟过程的全面概览，特别是针对妊娠中期胎儿和成人。研究人员利用单细胞测序技术，绘制了包含超过280万个免疫细胞的多器官免疫细胞图谱，挑战了胎儿免疫系统处于静止状态的传统观点。研究发现，胎儿体内存在广泛的记忆和活化T细胞以及功能性造血干细胞（HSCs），甚至在非经典造血器官中也有分布，表明存在活跃的全身性免疫活动。此外，文本详细阐述了两种关键的免疫耐受机制：精氨酸酶1阳性（ARG1+）中性粒细胞的抑制作用，以及PTGES3-PTGER4信号轴对T细胞活化的抑制，这些机制对于维持胎儿免疫平衡至关重要。

References:

• He S, Luo C L, Luo T, et al. Systemic immune activity occurs during human immune system maturation[J]. Cell, 2025.

前往小宇宙评论区与主播互动

该文章介绍了一种名为 Squidiff 的新型计算框架，这是一个基于条件去噪扩散隐式模型 (DDIM) 的生成模型，用于预测单细胞转录组学对各种环境变化（如细胞分化、基因扰动和药物处理）的反应。Squidiff 通过结合语义编码器和扩散模型，能够学习细胞的瞬态状态并预测高分辨率的转录组景观，克服了现有模型在预测动态、高分辨率转录反应方面的限制。文章通过将其应用于诱导多能干细胞 (iPSCs) 分化、非加性基因扰动和血血管类器官 (BVOs) 在中子辐照下的反应等多种生物医学场景，验证了其准确性。研究还展示了该模型如何预测粒细胞集落刺激因子 (G-CSF) 对辐照损伤的缓解作用，并讨论了其在药物发现和细胞命运决策研究中的潜力。

References:

• He S, Zhu Y, Tavakol D N, et al. Squidiff: Predicting cellular development and responses to perturbations using a diffusion model[J]. Nature Methods, 2025: 1-13.

前往小宇宙评论区与主播互动

这篇文章介绍了一种名为压缩 Perturb-seq的新型基因筛选技术，它通过减少实验成本和规模来提高传统的 Perturb-seq 方法的效率。这种新方法通过两种实验策略实现压缩：细胞池化（将多个细胞放入一个液滴中）和向导池化（在单个细胞内引入多个向导 RNA），并结合 FR-Perturb 推理算法来计算性地解压测量结果，从而准确推断基因扰动效应。研究人员在人类巨噬细胞系中应用此技术对 598 个免疫相关基因进行了测试，证实了压缩 Perturb-seq 能够高效地识别免疫反应的关键调控因子，并能够提高发现遗传相互作用的能力。此外，研究还利用这些扰动数据，揭示了与人类疾病（如炎症和血液性状）遗传力相关的基因，但指出其结果与群体遗传学研究中发现的反式表达定量性状位点（trans-eQTLs）之间缺乏一致性。

References:

• Yao D, Binan L, Bezney J, et al. Scalable genetic screening for regulatory circuits using compressed Perturb-seq[J]. Nature biotechnology, 2024, 42(8): 1282-1295.

前往小宇宙评论区与主播互动

这篇文章详细介绍了对哺乳动物大脑皮层细胞类型的全面研究，利用单细胞转录组学和多模态整合方法，在小鼠视觉皮层构建了从胚胎期到成年期的细胞发育轨迹。研究定义了大约 100 种转录组细胞类型（T 型）和 28 个细胞亚类，包括谷氨酸能兴奋性神经元、GABA能抑制性神经元、神经胶质细胞、免疫细胞和血管细胞，并发现它们在物种和大脑区域间具有一致性。通过追踪这些细胞类型的分子特征和表观遗传变化，文章揭示了细胞命运决定的时间模式，例如谷氨酸能神经元分化中的 非IT（nonIT）和IT（IT）细胞分离，以及神经胶质细胞在出生后的大量多样化。此外，研究还通过识别转录因子（TF）的基因调控网络 (GRNs)，解释了调控细胞类型特异性与活动依赖性基因表达的分子机制，特别是与睁眼期相关的重大转录组变化。

References:

• Gao Y, van Velthoven C T J, Lee C, et al. Continuous cell-type diversification in mouse visual cortex development[J]. Nature, 2025, 647(8088): 127-142.

前往小宇宙评论区与主播互动