聊聊Sci

最新一期的Nature发表了一篇news文章“Can AI build a virtual cell? Scientists race to model life’s smallest unit”，讨论了科学家们利用人工智能创建虚拟细胞的努力。虚拟细胞是一种AI模型，旨在预测细胞行为，例如肿瘤细胞对药物的反应。文章指出，开发这些模型的动机是为了将细胞生物学从主要依赖实验转向主要依赖计算。尽管这项任务面临巨大挑战且尚处于早期阶段，但它已吸引了学术界和工业界的巨大兴趣和资金。然而，一些专家认为，目前围绕虚拟细胞的炒作多于具体成果，但同时承认这项研究作为生物学的长期目标具有重要意义。

于2025年5月发表在《Nature genetics》上的“The multilayered transcriptionalarchitecture of glioblastoma ecosystems”。利用单核RNA测序和DNA测序，对异柠檬酸脱氢酶野生型胶质母细胞瘤（GBM）的多层转录结构进行了深入分析。研究人员发现了三种新的恶性细胞状态，并识别了三种基线基因表达模式，这些模式在肿瘤之间存在差异，但在一开始便存在于肿瘤内部的各种细胞状态中。此外，该研究还探讨了肿瘤微环境和遗传变异如何影响GBM的细胞状态和基线模式，最终定义了三种典型的GBM生态系统，揭示了该疾病的复杂异质性。

Nature 《News & views》栏目中的一篇文章概述了胡佛及其同事的发现，强调了癌细胞获取神经元线粒体以促进其扩散的能力。线粒体，作为细胞的能量中心，在代谢中扮演着核心角色。文章指出，癌细胞可以通过从神经元获取线粒体来增强其代谢能力，变得更能抵抗压力，并提高其“干性”特征，从而促进癌细胞在体内的扩散。此外，文章还讨论了线粒体如何在细胞间转移，包括自由漂浮、通过囊泡或通过隧穿纳米管，并重点介绍了胡佛团队使用MitoTRACER工具追踪这一过程。

文章探讨了将机器学习应用于医疗实践的日益增长的趋势，强调其在改善疾病诊断和预测方面的潜力。文章解释了机器学习模型如何通过识别复杂模式来辅助医生，这些模式是人类医生难以察觉的，从而可能节约资源并挽救生命。然而，作者对这些模型的广泛部署提出了严重的担忧，特别指出它们可能污染电子健康记录 (EHR) 中的数据。这种污染是由于成功的干预措施导致模型预测的结果与实际发生的情况不符，从而扭曲了训练和评估未来模型所需的数据可靠性。最终，文章强调了解决这些数据完整性挑战的重要性，以确保医疗领域人工智能的长期可靠性和有效性。

这篇文章来自2017年的Nature, 汇集了来自多位科学家的职业建议，他们分享了在学术界取得成功的10个秘诀。

1. Focus on the fundamentals

2. Don’t be afraid to jump ship

3. Learn the power of yes

4. Put yourself first

5. Listen to your lab members

6. Knock on doors

7. Don’t sweat the small details

8. Know your value

9. Think outside the lab

10. Don’t take grants for granted

这篇于2025年6月4期发表在Nature杂志，由Simon R. V. Knott和Dan Theodorescu领导的名为“Y Chromosome Loss in Cancer and T Cells”的article，探讨了Y染色体丢失（LOY）在男性癌症进展中的作用，既考察了肿瘤细胞中的LOY，也考察了肿瘤微环境（TME）中良性细胞（特别是T细胞）的LOY。研究通过对人类肿瘤和鼠模型进行全面的泛癌分析，揭示了癌细胞LOY与TME中其他细胞的LOY之间存在关联。值得注意的是，T细胞中的LOY与免疫抑制相关联，这表明LOY可能通过影响免疫功能来促进肿瘤生长。这些发现表明，上皮细胞和T细胞中同时存在LOY与患者预后不佳独立相关，并为解释外周血单个核细胞（PBMC）中的LOY与癌症死亡率增加之间的关联提供了一个模型。

最近Weill Cornell Medicine Christopher E. Mason领导的团队在预印本发表了人体解剖空间图谱The Spatial Atlas of Human Anatomy (SAHA)。这是一个前所未有的多模态、亚细胞分辨率参考资源，涵盖了健康成人体内的胃肠道和免疫系统。通过整合空间转录组学、蛋白质组学和组织学数据，SAHA 详细描绘了细胞组织、细胞间相互作用和组织微环境。这项工作不仅提供了正常组织的高分辨率基线，还通过与结直肠癌和炎症性肠病等疾病的比较分析，展示了其在疾病诊断和精准医学方面的潜力。所有数据均通过开放访问门户提供，旨在促进未来空间生物学研究。

References:

• The Spatial Atlas of Human Anatomy (SAHA): A Multimodal Subcellular-Resolution Reference Across Human Organs. bioRxiv 2025.06.16.658716; doi: doi.org