聊聊Sci

该研究探讨了利用慢病毒基因治疗手段，针对罕见的遗传性ARC综合征（关节挛缩、肾功能障碍及胆汁淤积）所导致的致命性肝脏疾病的开发与评估。研究人员通过小鼠模型对比了肝脏特异性载体（LP1-VPS）与广谱性载体（EF1-VPS）的安全性，发现前者能有效避免后者诱发的肝肿瘤风险。实验证明，在结合短暂抑制巨噬细胞的条件下，LP1-VPS载体能成功修复受损的VPS33B蛋白功能。这种疗法显著改善了实验动物的生存率、生长状况以及肝脏生化指标，并重建了正常的胆小管结构。该成果为ARC综合征及其他早发型遗传性肝病提供了一种极具前景的靶向治疗方案。

References:

• Cozmescu C A, Nazari M, Touramanidou L, et al. Safety and efficacy analysis of in vivo lentiviral gene therapy in pre-clinical ARC syndrome models[J]. Nature Communications, 2026, 17(1): 5074.

这份研究通过空间转录组学和空间蛋白质组学技术，深入探讨了ER+HER2-型乳腺癌的免疫微环境特征。研究人员发现，肿瘤的间质（基质）与上皮区域存在不同的免疫状态，且这些状态与传统的基因组风险评分（Oncotype Dx RS）并不完全同步。关键发现指出，在中等风险患者中，间质细胞毒性T细胞（sTIL CD8+）的高密度与化疗后的不良预后显著相关。这意味着该指标可作为一种预测性生物标志物，帮助临床医生识别哪些患者可能无法从化疗中获益，甚至可能因化疗受损。通过对全切片样本的验证，研究进一步证实了免疫表型分析在优化辅助化疗决策中的巨大潜力。最终，该研究挑战了此类癌症是“免疫冷肿瘤”的传统观点，揭示了免疫浸润在指导个性化治疗中的核心价值。

References:

• Kinsella Z, Jahangir C A, Nyarko H N, et al. Spatial analyses implicate high stromal tumour-infiltrating CD8+ lymphocytes as a negative predictive marker for chemotherapy in estrogen receptor-positive breast cancer[J]. Nature Communications, 2026, 17(1): 4863.

这项研究利用人类诱导多能干细胞（iPSC）构建了一个模拟神经纤维瘤病1型（NF1）恶性演变的细胞模型。通过对NF1、CDKN2A和SUZ12基因的序列失活，研究人员成功再现了肿瘤从良性向恶性外周神经鞘瘤（MPNST）转化的过程。实验揭示了PRC2缺失如何导致染色质重组，进而触发从神经胶质向间充质表型的转变。利用这一三维培养平台，研究发现PARP抑制剂与MEK抑制剂（如司美替尼）的联合用药能显著抑制肿瘤生长。这一成果不仅阐明了肿瘤发生的分子机制，还为治疗极具侵袭性的MPNST提供了新的药物靶点和临床策略。

References:

• Uriarte-Arrazola I, Magallón-Lorenz M, Fernández-Rodríguez J, et al. Induced pluripotent stem cell–derived models of malignant nerve sheath tumor progression mimic glial to neuro-mesenchymal transition and uncover therapeutic opportunities[J]. Nature Communications, 2026, 17(1): 5361.

该研究介绍了一种名为 CODA 的空间转录组学集成分析框架，旨在解决不同样本、不同技术平台间数据对齐与比较的挑战。由于组织处理会导致样本产生非线性形变及有限的空间重叠，CODA 通过在共享的低维潜空间内执行全局仿射对齐、Transformer 特征匹配以及局部非线性优化，实现了跨样本的精准对齐。在此基础上，该工具引入了空间互相关指标，能够系统性地识别在不同实验条件下空间分布保持一致（SCG）或发生显著偏移（SDG）的基因。基准测试表明，CODA 在对齐精度、计算速度和内存效率方面均优于现有方法，能有效揭示与疾病进展及生理调节相关的空间表达模式。此外，该框架支持三维组织架构重构，并证明了空间基因分析结果对网格分辨率和表达水平具有高度的鲁棒性。

References:

• Tan Y, Wang Z, Wang A, et al. Integrative cross-sample alignment and spatially differential gene analysis for spatial transcriptomics[J]. Nature Communications, 2026, 17(1): 5577.

这项研究利用人类诱导多能干细胞（hiPS）建立了一个标准化实验平台，旨在从多维度解析上皮-间质转化（EMT）的动态过程。研究人员通过构建二维菌落和三维类腔体两种不同的细胞培养几何结构，对比观察了细胞在功能、分子及组织层面的状态切换。实验发现，三维环境下的基底膜完整性对细胞迁移的起始时间具有显著的物理限制作用，导致其迁移晚于二维环境。通过对多种EMT标志物（如E-钙粘蛋白和Brachyury）进行实时活细胞成像和定量分析，该研究揭示了细胞几何形状对分子表达轨迹的特异性影响。总体而言，该研究为深入理解人类早期发育和疾病中的细胞状态转变提供了一套整合了影像分析、数据集与操作工具的开放性框架。

References:

• Hookway C, Borensztejn A, Harris L K, et al. A human induced pluripotent stem cell model for the holistic study of epithelial-to-mesenchymal transitions[J]. Nature Methods, 2026: 1-13.

这项研究通过单细胞转录组测序深入剖析了肝细胞癌（HCC）的细胞异质性，识别出五种具有不同分子特征的恶性肝细胞亚群。研究发现，S100A6⁺和S100A9⁺细胞亚群主要存在于晚期肿瘤中，并通过特定的信号通路重塑肿瘤微环境。科研人员进一步揭示了转录因子PGAM2对肿瘤早期演化的调控作用，并发现其活性与促进免疫逃逸的唾液酸化过程密切相关。基于这些发现，研究团队构建了一个整合PGAM2及唾液酸化相关基因的预后模型，能够精准预测患者的生存风险和治疗反应。最后，实验证实了关键基因AGRN是驱动肝癌细胞增殖与侵袭的核心因素。该成果为肝癌的精准分层预测和新型治疗靶点的开发提供了重要科学依据。

References:

• Tang K, Han L, Li J, et al. Machine learning-driven comprehensive profiling of tumor heterogeneity and sialylation in hepatocellular carcinoma[J]. NPJ Precision Oncology, 2025.

这项研究介绍了一种名为 MTV-Net 的创新计算框架，旨在通过常规 CT 扫描 对原发性肝癌进行非侵入式精准诊断与预后评估。研究人员提取了反映肿瘤血管微环境异质性的定量特征，生成了用于区分肝癌亚型（如 HCC 和 ICC）的 TAVSPHE 指标，以及预测术后复发风险的 TAVSRE 指标。通过对六个临床队列的深度分析，该模型在识别具有挑战性的混合型肝癌及提升生存期预测准确性方面表现优异。放射基因组学验证进一步揭示，血管影像特征与细胞外基质重塑等生物学通路密切相关，证明了该工具的病理学基础。总之，这一多任务学习框架为肝癌的个性化临床决策提供了具有高度解释力的影像生物标志物。

References:

• Xin H, Wang Y, Xin H, et al. Noninvasive imaging analysis of vascular phenotypes improves prognostic stratification in primary liver cancer: a multi-cohort study[J]. npj Precision Oncology, 2025.

这项研究开发并验证了一种可解释的集成学习模型，旨在提升浸润性肺腺癌（IPA）病理分级的准确性。该研究整合了计算机断层扫描（CT）影像学与全切片图像（WSI）病理组学的多尺度特征，其诊断效能达到或超过了资深病理学家的水平。通过对配对的影像、病理及RNA测序数据进行多组学分析，研究团队识别出23个关键基因及数百条与肿瘤分级相关的生物通路。研究进一步揭示了影像学表型背后的生物学基础，涵盖信号传导、细胞增殖和代谢重塑等关键生理过程。这种融合宏观与微观特征的AI方法，不仅缓解了病理诊断的主观性差异，还为肺癌的个体化精准治疗提供了稳健的生物学支撑。

References:

• Yang Z, Li F, Han Q, et al. Bio-interpretable ensemble learning model for invasive pulmonary adenocarcinoma grade using CT and histopathology images[J]. NPJ Precision Oncology, 2025.

溶质载体 (SLC) 转运蛋白家族在调节癌症代谢、支持肿瘤增殖及免疫逃逸中发挥着核心作用。本文综述了 GLUT1、LAT1 和 MCT4 等关键成员如何通过重编程碳水化合物、氨基酸和脂质的运输来维持恶性生长。这些转运蛋白的结构多样性和功能特异性使其成为极具潜力的临床治疗靶点。目前，诸如 BAY-876 和 JPH203 等选择性抑制剂在临床前研究中已显示出显著疗效。通过将 SLC 抑制剂与传统化疗或免疫疗法相结合，研究者有望克服肿瘤耐药性。最终，针对不同癌症代谢特征的个性化策略与生物标志物的开发，将是实现临床转化的关键。

References:

• Zhang X, Feng J, Cai X, et al. The regulatory roles and therapeutic strategies of the solute carrier transporters in cancer metabolism[J]. npj Precision Oncology, 2026.

该综述总结了利用机器学习（ML）预测药物相互作用（DDI）的研究现状，强调了其在提升药物安全与临床效率方面的核心作用。作者详细探讨了从数据采集到模型验证的标准工作流程，并对比了多任务学习、图神经网络及传统分类器等不同算法的优势。文中指出，通过整合化学结构、生物靶点及临床表型等多源数据，人工智能能够识别传统实验难以发现的复杂关联。尽管当前技术在预测性能上取得了显著进步，但模型可解释性和临床工作流集成仍是未来面临的主要挑战。总之，这些研究正通过构建更稳健的预测体系，推动精准医疗与药物警戒的发展。

References:

• Lu Y, Chen J, Fan N, et al. Machine learning models for drug-drug interaction prediction from computational discovery to clinical application[J]. npj Digital Medicine, 2026.