聊聊Sci

这项研究开发了一种基于深度学习影像组学模型（DLRM）的整合分析框架，旨在改善结直肠癌（CRC）的预后风险分层。研究人员通过分析一千多名患者的CT图像，并对比百余种机器学习算法组合，成功将患者分为高风险与低风险两组。除了影像学分析，研究还结合了转录组学与代谢组学数据，揭示了不同风险组之间显著的生物学差异。结果发现，高风险肿瘤通常表现出细胞外基质（ECM）相关通路的活跃，而低风险肿瘤则具有更强的免疫激活特征。此外，研究确定了丁酸代谢与氮代谢是与良好预后相关的关键保护性途径。这一多组学整合模型不仅提高了生存预测的准确性，还为结直肠癌的个体化治疗提供了潜在的生物学靶点。

References:

• Li Z, Cai R, Qin Y, et al. Integration of radiomics, deep learning, transcriptomics, and metabolomics reveals prognostic risk stratification and underlying biological mechanisms in colorectal cancer[J]. NPJ Precision Oncology, 2026.

这项研究开发了一种通用的深度学习模型，旨在自动识别和分割多种癌症病理切片中的肿瘤区域。研究人员利用涵盖结直肠癌、肺癌等四种癌症的两万多张全扫描数字化切片进行模型训练，并在包含乳腺癌和膀胱癌在内的多组独立外部数据上进行了严格验证。实验结果显示，该通用模型在多数病种中的表现与针对单一癌症开发的专用模型相当，甚至在从未见过的癌症类型中也展现出极佳的泛化能力。尽管模型在处理某些细小且破碎的早期膀胱癌样本时面临挑战，但其在不同实验室设备和扫描仪之间均表现出高度的稳定性。总体而言，这项成果证明了使用单一人工智能模型进行跨癌种自动肿瘤分割的可行性，有望大幅提升临床病理诊断的效率。

References:

• Skrede O J, Pradhan M, Isaksen M X, et al. Generalisation of automatic tumour segmentation in histopathological whole-slide images across multiple cancer types[J]. npj Precision Oncology, 2026.

APOLLO11 是一个覆盖全意大利的肺癌研究联盟，旨在通过建立大规模、多中心且持续更新的去中心化临床数据存储库与生物样本库，推动精准肿瘤学的发展。该计划利用人工智能 (AI) 处理复杂的真实世界数据，旨在开发出能够预测免疫治疗效果并识别耐药机制的多组学预测模型。为了保护患者隐私并克服数据共享的伦理障碍，该项目采用了联邦学习技术和可解释人工智能 (XAI) 框架，确保算法的透明度与临床可信度。通过整合临床信息、放射组学、基因组学及免疫特征，该研究正逐步将传统的“假设驱动”研究模式转变为更高效的“数据驱动”科研范式。目前，已有数十家医疗机构参与其中，共同致力于解决晚期肺癌治疗中尚未满足的关键临床需求。

References:

• Prelaj A, Provenzano L, Miskovic V, et al. APOLLO11: a bio-data-driven model for clinical and translational research in lung cancer[J]. npj Precision Oncology, 2026.

这篇文献综述探讨了靶向免疫疗法与纳米医学在治疗卵巢癌中的前沿应用与未来前景。作者指出，由于早期症状隐匿，多数患者确诊时已处于晚期，传统的治疗手段效果有限且副作用明显。文章重点介绍了利用磁性纳米颗粒（MNPs）作为载体，通过磁导向药物递送和热疗技术来增强免疫细胞的杀伤效率。研究显示，这种多学科交叉策略能有效逆转肿瘤微环境的免疫抑制状态，提高药物对病灶的特异性积聚。尽管面临生物降解性和组织穿透性等挑战，但个性化精准医疗与新型纳米材料的结合将为卵巢癌患者带来更高效、低毒的治疗方案。

References:

• Li Y, Dou J, Fu Y, et al. Targeted immunotherapies and nanomedicines for ovarian cancer: the way forward[J]. npj Precision Oncology, 2026.

这项研究通过空间转录组学技术，深入探讨了小鼠卵巢在衰老过程中多细胞协同功能的衰退。研究人员开发了一种新型分割分析方法，精准描绘了卵母细胞、卵泡及黄体在生殖周期中的动态变化规律。实验发现，衰老会导致卵泡发育与排卵周期之间的协调性发生紊乱，这种失调甚至出现在生殖周期停止之前。具体表现为免疫细胞动态改变、炎症信号增强以及组织结构的全局性失序。该成果揭示了微环境组织结构的瓦解是导致生育能力下降的关键因素，为理解卵巢衰老提供了高分辨率的分子图谱。

References:

• Lan T C T, Kochersberger A, Raichur R, et al. Aging disrupts spatiotemporal coordination in the cycling murine ovary[J]. Nature Aging, 2026: 1-23.

这项研究利用空间转录组学与免疫组织化学技术，深入探讨了小鼠大脑中小胶质细胞的形态、基因表达及其在衰老过程中的演变。研究人员发现，传统的形态学分类并不能完全对应细胞的转录状态，例如在疾病相关的转录群中依然存在具有复杂分支形态的亚群。通过分析发现，mRNA在亚细胞层面（如胞体与突起）的分布差异是决定细胞形状的关键因素，且这种分布模式会随着年龄增长而发生重塑。研究识别出了一组与细胞复杂性高度相关的核心基因，揭示了衰老如何将小胶质细胞的功能重心从免疫调节转向细胞迁移。这些成果挑战了关于微胶质细胞状态的传统假设，为理解神经退行性疾病提供了全新的视角。

References:

• Henze D E, Tsai A P, Wyss-Coray T, et al. Simultaneous spatial transcriptomics and morphology profiling as tools to explore how microglia change with age[J]. Nature Aging, 2026: 1-17.

这项研究利用深度学习技术，对超过十万名患者的长期电子健康档案进行了深度分析，旨在对阿尔茨海默病（AD）和帕金森病（PD）进行更精准的临床分型。研究人员开发了一个基于Transformer架构的无监督聚类框架，成功为这两种疾病各识别出五种不同的亚型。这些亚型不仅在并发症模式和症状轨迹上表现迥异，还显示出显著的遗传差异和不同的临床预后。研究还发现了跨疾病的共同表型，如代谢-炎症型和血管-精神型，揭示了神经退行性疾病可能存在的共有机制。该成果为早期识别患者风险提供了可扩展的工具，并为未来实现精准医疗和个性化干预奠定了重要基础。

References:

• Lian J, Fan Z, Petrazzini B O, et al. Subtyping Alzheimer’s disease and Parkinson’s disease using longitudinal electronic health records[J]. Nature Aging, 2026: 1-14.

这项研究介绍了一种名为 scMORE 的新工具，旨在通过整合单细胞多组学数据与全基因组关联分析（GWAS），识别与复杂疾病相关的细胞类型特异性基因调控网络。该方法利用改进的余弦相似度算法，精准捕捉免疫系统和衰老相关疾病中的关键eRegulons（增强子驱动的调控子），在帕金森病和多种自身免疫性疾病的研究中展现出卓越的性能。研究团队还推出了 scHOB 数据库，这是一个涵盖超 150 万个细胞的人类类器官单细胞多组学资源库，为探索神经发育与精神障碍提供了重要平台。通过这种网络增强分析，scMORE 能够揭示遗传变异如何影响特定细胞状态，从而发现潜在的治疗靶点和药物交互作用。总而言之，这些成果为从多维分子层面解析复杂疾病的致病机制并推动精准医学提供了强有力的技术支撑。

References:

• Ma Y, Yao Y, Zhou Y, et al. Integrating polygenic signals and single-cell multiomics identifies cell-type-specific regulomes critical for immune-and aging-related diseases[J]. Nature Aging, 2026, 6(1): 270-289.

通过对英、中、美三国的多群体数据进行大规模血浆蛋白质组学分析，研究人员利用机器学习构建了涵盖全身及十个主要器官的衰老时钟。研究发现，这种器官特异性衰老不仅能精准预测多种疾病风险、共病发生及全死因死亡率，且其预测效力优于传统的临床和遗传指标。其中，大脑衰老时钟在预测认知障碍和神经退行性疾病方面表现尤为卓越，并揭示了血管功能障碍与神经炎症在衰老过程中的关键作用。此外，研究还通过识别关键蛋白质开发出了仅含10至20种指标的简化模型，极大提升了其在临床监测和抗衰老干预中的应用潜力。该项成果为在分子层面理解个体化衰老差异并制定针对性的精准医疗策略提供了强有力的生物学框架。

References:

• Wang Y, Xiao S, Liu B, et al. Organ-specific proteomic aging clocks predict disease and longevity across diverse populations[J]. Nature Aging, 2026, 6(1): 162-180.

这项研究利用邻位标记蛋白质组学和诱人多能干细胞（iPSC）模型，深入揭示了阿尔茨海默病中轴突球形病变（PAAS）的分子结构与形成机制。科研人员在人类大脑样本和实验小鼠中发现了数百种新蛋白，证实了PI3K/AKT/mTOR信号通路在病理过程中的核心激活作用。研究指出，这种病变会严重干扰轴突电传导并破坏神经回路，且其严重程度与认知衰退密切相关。通过对iPSC衍生神经元和活体小鼠进行mTOR抑制治疗，研究团队成功减少了轴突球形的体积并缓解了病理症状。这些发现不仅阐明了蛋白质周转、细胞骨架动力学及脂质运输在神经退行性疾病中的作用，还为轴突损伤的修复提供了潜在的治疗靶点。

References:

• Cai Y, Kanyo J, Wilson R, et al. Subcellular proteomics and iPSC modeling uncover reversible mechanisms of axonal pathology in Alzheimer’s disease[J]. Nature Aging, 2025, 5(3): 504-527.