聊聊Sci

这篇文章重点介绍了利用单细胞 RNA 测序（scRNA-seq）和 Xenium 空间转录组学技术对发育中的人类肠道中间充质细胞（成纤维细胞）多样性进行精细映射的研究。作者定义了五种主要的间充质细胞群，包括上皮下细胞 (SEC)、固有层成纤维细胞 (LPF)、黏膜下成纤维细胞 (SMF)、平滑肌细胞 (SMC) 和罕见的 CXCL13+ 成纤维细胞，并确定了它们在肠道组织内的精确解剖位置。此外，该研究将这一高分辨率空间图谱作为一个基准，评估了人类肠道类器官（tHIOs）的细胞组成和空间组织，发现类器官在很大程度上重现了胎儿肠道的结构，但也存在成熟度和罕见细胞类型（如 CXCL13+ 细胞）方面的差异。最后，通过分析成人十二指肠样本，文章证实了胎儿期确定的成纤维细胞群及其空间分布在成年后得以保留，但其比例有所变化。

References:

• Johnson K F, Dong X, Tsai Y H, et al. Mapping mesenchymal diversity in the developing human intestine and organoids[J]. bioRxiv, 2025: 2025.07. 22.665939.

这篇文章介绍了 TopoLa，这是一个新颖的拓扑编码潜在双曲几何框架，旨在通过捕获细胞间精细的拓扑关系，来增强单细胞和空间组学研究中的 细胞表示。该框架包含两个关键组件：TopoLa 距离 (TLd)，用于量化潜在双曲空间中的几何距离，以及 TopoConv，用于通过对具有相似拓扑结构的相邻细胞进行卷积来优化细胞表示。作者通过在七项生物学任务上展示对现有先进模型的显著性能改进，如单细胞 RNA 测序数据聚类和空间转录组学域识别，验证了 TopoLa 的通用性和鲁棒性。研究还详细阐述了 TLd 的物理意义和 TopoConv 增强细胞表示的数学原理。

References:

• Zheng K, Wang S, Xu Y, et al. TopoLa: A Universal Framework to Enhance Cell Representations for Single-cell and Spatial Omics through Topology-encoded Latent Hyperbolic Geometry[J]. bioRxiv, 2025: 2025.07. 23.666288.

这篇文章构建了一个泛癌种人脑转移瘤（BrM）的单细胞图谱。这项研究基于对108个BrM和111个原发性肿瘤（PTs）样本的单细胞RNA测序分析，揭示了不同癌症类型中BrM的细胞和转录组特征。研究发现，转移性肿瘤细胞（MTCs）普遍存在染色体不稳定性增加和神经样元程序富集等共享特征，且BrM微环境主要由免疫抑制性免疫和基质细胞亚群主导。此外，作者定义了五种BrM生态型，它们与特定的临床表型特征相关联，并提出了NECTIN2-TIGIT轴作为潜在的通用免疫检查点，为未来的BrM治疗提供了新的靶点和策略。

References:

• Xing X, Zhong J, Biermann J, et al. Pan-cancer human brain metastases atlas at single-cell resolution[J]. Cancer Cell, 2025.

这篇文章报道了泛癌蛋白组图谱 (TPCPA) 的创建，这是一个基于高通量、单次数据非依赖性采集 (DIA) 质谱的大规模蛋白组景观，涵盖了22种癌症类型（包括18种实体瘤和4种血液肿瘤），共计 999 个人类样本。研究旨在通过分析9,670种蛋白质，揭示泛癌生物学、潜在的生物标志物和治疗靶点，例如鉴定出具有预后价值的结直肠癌 (CRC) 免疫亚型，并开发了一个用于识别原发不明转移瘤的多癌分类器。所有TPCPA数据 均可通过专门的网络资源进行查询。

References:

• Knol J C, Lyu M, Böttger F, et al. The pan-cancer proteome atlas, a mass spectrometry-based landscape for discovering tumor biology, biomarkers, and therapeutic targets[J]. Cancer Cell, 2025.

这篇文章探讨了将髓系细胞（特别是巨噬细胞）工程化用于癌症免疫治疗的潜力。文章主要围绕嵌合抗原受体巨噬细胞（CAR-M）展开，将其作为克服当前CAR-T细胞疗法局限性的一种有前景的策略。作者评估了CAR-M的安全性、抗肿瘤活性以及在实体瘤中的浸润能力，指出CAR-M相较于CAR-T细胞具有更低的细胞因子释放综合征和神经毒性风险。此外，文章强调了CAR-M在调节肿瘤微环境和诱导内源性抗肿瘤T细胞反应方面的独特优势，并讨论了通过优化CAR构建和体内基因编辑来提高CAR-M疗效和可及性的未来研究方向。

References:

• Chen J, Zhao Y, Chen X, et al. Engineering myeloid cells for cancer immunotherapy[J]. Cancer Cell, 2025, 43(9): 1593-1597.

该研究文章介绍了 AAnet，这是一种用于单细胞转录组学数据的神经网络，旨在通过原型分析 (AA) 来解决肿瘤内的异质性问题。文章指出，传统的聚类和轨迹推断方法难以表征细胞状态的连续性，而AAnet通过学习数据的非线性几何，将细胞状态映射到单纯形潜在空间中，从而识别出代表极端细胞状态的原型 (ATs)。研究人员使用三阴性乳腺癌 (TNBC) 模型和小鼠转移灶数据，发现了五种主要的ATs，例如增殖性和缺氧性ATs，并结合空间转录组学揭示了这些ATs在肿瘤微环境中具有独特的空间组织。最后，通过功能验证，研究证实了缺氧AT对糖酵解的依赖性，特别关注了GLUT3基因，并将其发现与人类乳腺癌样本的ATs进行了比较，突显了AAnet在理解肿瘤细胞状态和指导治疗策略方面的潜力。

References:

• Venkat A, Youlten S E, San Juan B P, et al. AAnet resolves a continuum of spatially-localized cell states to unveil intratumoral heterogeneity[J]. Cancer Discovery, 2025.

这篇文章介绍了一项针对HER2阳性乳腺癌患者使用新型抗体药物偶联物（ADC）SHR-A1811进行新辅助治疗的转化研究。研究利用多组学数据，包括基因组学、转录组学和先进的空间分析技术，旨在识别预测治疗反应的生物标志物。研究发现，治疗效果与肿瘤微环境（TME）的特征，特别是细胞毒性T细胞的数量和分布，以及HER2强阳性肿瘤细胞的空间聚集模式有关，这些关联在激素受体（HR）阴性和阳性亚组中表现出不同的机制。最后，研究人员开发了一个基于人工智能的预测模型，结合临床病理特征和数字病理图像，用于预测SHR-A1811和其他新型ADC的疗效。

References:

• Ma D, Dai L J, Wu X R, et al. Spatial determinants of antibody-drug conjugate SHR-A1811 efficacy in neoadjuvant treatment for HER2-positive breast cancer[J]. Cancer Cell, 2025, 43(6): 1061-1075. e7.

这篇文章介绍了研究人员如何系统性地表征健康组织中的跨组织协调细胞模块（CMs），并通过开发名为CoVarNet的计算框架来分析这些模块。通过汇编包含来自35个人体组织的超过200万个细胞的综合单细胞转录组图谱，该研究确定了12个具有独特细胞组成和组织偏好的CMs。文章利用空间转录组学和细胞通讯分析来验证CMs的空间组织和细胞间通信。此外，该研究还探究了CMs在衰老、更年期和癌症中的动态变化，发现在肿瘤进展过程中，组织特异性健康组织结构会丧失，并出现趋同的癌性生态系统。这些发现揭示了健康与疾病中多细胞生态系统的基本组织原则。

References:

• Shi Q, Chen Y, Li Y, et al. Cross-tissue multicellular coordination and its rewiring in cancer[J]. Nature, 2025: 1-10.

这份研究探究了干扰素-γ（IFNγ）在软脑膜转移（LM）中的抗肿瘤作用。文章表明，LM是实体瘤的一种致命并发症，涉及脑脊液（CSF）中强烈的炎症反应。研究人员利用人体临床样本和免疫功能完善的小鼠模型发现，T细胞产生的IFNγ是限制肿瘤生长的关键调节因子。他们进一步阐明，IFNγ并非直接作用于癌细胞，而是通过作用于树突状细胞（DCs），促进其成熟为CCR7+ DCs，这些成熟的DC随后产生IL-12和IL-15等细胞因子，从而支持自然杀伤（NK）细胞的增殖和细胞毒性作用，最终控制软脑膜中的肿瘤扩展。研究人员总结道，这种不依赖于适应性免疫和抗原呈递的抗肿瘤反应，为针对LM的免疫治疗提供了独特的新靶点。

References:

• Remsik J, Tong X, Kunes R Z, et al. Interferon-γ orchestrates leptomeningeal anti-tumour response[J]. Nature, 2025: 1-10.

这篇研究文章介绍了名为 Scriabin 的新软件框架。Scriabin 旨在对单细胞分辨率的细胞间通信 (CCC) 进行比较分析，解决了现有方法通常在细胞类型或聚类级别聚合数据、从而丢失单个细胞信息的问题。该框架提供了三种工作流程：细胞间相互作用矩阵 (CCIM) 工作流程（适用于较小数据集）、概括相互作用图谱 工作流程（适用于大型比较分析）和相互作用程序发现 工作流程（适用于任何规模的数据集）。文章通过分析已发表的数据集、基因扰动筛选和直接实验验证，证明了 Scriabin 能够准确识别被聚合方法掩盖的通信网络和空间特征，并能用于组装纵向数据集中的通信回路。

References:

• Wilk A J, Shalek A K, Holmes S, et al. Comparative analysis of cell–cell communication at single-cell resolution[J]. Nature Biotechnology, 2024, 42(3): 470-483.