聊聊Sci

这篇研究论文揭示了一种由 14种蛋白质组成的血浆特征指标，能够提前五年以上预测肺癌的发病风险。研究人员通过机器学习分析了英国生物样本库等大规模数据，发现该蛋白质信号在吸烟者和长期暴露于空气污染（细烟雾颗粒物）的人群中显著升高。实验表明，环境中的有害颗粒物会通过IL-1β炎症信号触发肺部细胞进入一种名为 KAC 的促癌过渡状态。重要的是，该蛋白质指标能有效筛选出那些可以通过抗炎症药物（IL-1β抑制剂）预防肺癌的高危个体，从而实现精准化预防。这项成果为在癌症形成前进行分子层面的早期干预提供了关键的生物标志物。

References:

• Pandya T, Swanton C. Plasma signals of lung tumor promotion for molecular cancer prevention. Cell. 2026 Jun 4:S0092-8674(26)00522-2. doi: 10.1016/j.cell.2026.05.005. Epub ahead of print. PMID: 42242224.

这项研究通过一种创新的遗传示踪系统，揭示了大脑废弃物清除的生理架构，其机制与传统注射示踪剂所显示的路径大相径庭。研究发现大脑废弃物的排放遵循**“就近出口”原则**，即不同脑区的神经元蛋白会根据其解剖位置，定向流向特定的脑边界部位进行清理。这些边界区域不仅是排水通道，还存在着专门的免疫监测点，例如颅骨中的特定B细胞，它们通过采样神经元抗原以维持免疫耐受。此外，研究明确了神经炎症与淀粉样变性对清除功能的不同破坏机制：前者因血管渗漏将蛋白直接排入血液，而后者则导致蛋白在大脑实质内滞留。这些发现不仅完善了脑脊液循环理论，也为理解神经退行性疾病的区域易感性提供了全新的视角。

References:

• Chayama Y, Rao NR, Perla D, Zhang Z, Reid M, Nelson S, Wen X, Ding B, Blumenfeld J, Apolonio A, Doddipalli S, Zhou H, Turhan SG, Shih PY, Brendel M, Fu YH, Ertürk A, Kolabas ZI, Huang Y, Yang AC. Physiological brain clearance architecture revealed by neuronal protein tracing. Cell. 2026 May 29:S0092-8674(26)00515-5. doi: 10.1016/j.cell.2026.04.048. Epub ahead of print. PMID: 42214342; PMCID: PMC13225612.

这篇研究揭示了植物在寒冷环境下保障水分和产量的分子机制。研究发现，番茄中的小信号肽SlRGF9和SlRGF10在低温诱导下激活，并与细胞表面的受体复合物结合，从而维持花粉的韧性。这一信号轴通过调节钙离子流入，确保了花粉发育过程中绒毡层的正常降解，防止了因寒冷导致的花粉败育。通过基因手段上调这些信号肽，研究者成功减少了番茄高达52%的产量损失。这种肽信号传导机制在双子叶和单子叶植物中具有保守性，例如在水稻中应用同样能显著提升其抗寒性。该成果为开发气候智能型农业提供了重要策略，有助于应对极端气候对全球粮食安全的威胁。

References:

• Chen S, Zou Y, Cui H, et al. Cold-induced peptide signalling secures pollen resilience and crop yield[J]. Nature, 2026: 1-10.

这项研究揭示了在采用替代端粒延长（ALT）机制的癌细胞中，原本界限分明的端粒与着丝粒之间存在异常的结构融合。研究人员发现，着丝粒α-卫星序列会由于非正常的基因重组而插入到端粒区域，并在该位置诱导形成特异性的CENP-A染色质足迹。这种现象在ALT阳性的儿童神经母细胞瘤及相关细胞系中表现尤为显著，且与ATRX蛋白缺失及DNA低甲基化导致的表观遗传失调密切相关。实验证明，这些异位嵌入的着丝粒成分并非单纯的基因组垃圾，而是对维持ALT癌症细胞端粒的染色质完整性起到了关键支撑作用。如果干预这一组装过程，会导致端粒受损并抑制癌细胞的生长，从而为针对ALT癌症的精准治疗提供了潜在的新靶点。

References:

• Bhargava R, Mahlke M A, Schmidt T T, et al. Centromeric footprints preserve telomere integrity in ALT cancers[J]. Nature, 2026: 1-9.

这项研究揭示了精胺（Spermine）作为一种内源性铁螯合剂，通过限制细胞内游离铁的可用性来显著抑制铁死亡。研究发现，在肝细胞癌（HCC）的发生过程中，癌细胞通过激活ALDH18A1介导的代谢途径上调精胺合成，从而逃避铁死亡并促进肿瘤生长。相反，通过基因敲除或药物抑制该代谢轴，可以诱导肿瘤细胞发生铁死亡并削弱成瘤能力。此外，外源性补充精胺展现了显著的临床潜力，能够有效减轻肝脏、肠道和肾脏等多种器官的缺血再灌注损伤。总之，该研究不仅阐明了精胺在金属离子平衡和细胞保护中的新机制，还为癌症治疗和组织损伤预防提供了潜在的代谢干预策略。

References:

• Li M, Yu X, Ouyang S, et al. Spermine is an endogenous iron chelator that inhibits ferroptosis[J]. Nature, 2026: 1-11.

这项研究通过单细胞转录组和空间转录组技术，深入分析了101名三阴性乳腺癌患者在接受新辅助化疗前的肿瘤样本。研究人员将癌细胞划分为四种不同的患者水平亚型（原型），并识别出反映肿瘤内部差异的13种元程序。通过对近43万个细胞的观察，科学家们发现了八种由癌细胞、免疫细胞和间质细胞构成的生态型空间结构。研究强调，特定的巨噬细胞亚型及癌细胞的干扰素信号等特征与化疗的良好临床反应密切相关。该成果构建了未经治疗的三阴性乳腺癌精细图谱，为预测化疗疗效和开发个体化治疗方案提供了重要的生物学依据。

References:

• Yan Y, Lin Y, Kumar T, et al. Ecotypes of triple-negative breast cancer in response to chemotherapy[J]. Nature, 2026: 1-10.

这篇文章通过对生发中心（GC）内B细胞受体的演化轨迹进行“平行复盘”实验，定量揭示了抗体亲和力成熟的动力学机制。研究团队结合深层突变扫描（DMS）技术与系统发育分析，构建了一个完整的“基因型—表型—适应度”景观模型，证明了突变偏好如何约束演化方向。实验发现，尽管单体演化路径各异，但持续且不完美的筛选压力确保了表型结果的高度可预测性。研究还指出，生发中心对低亲和力谱系的所谓“容忍度”以及成熟后期的平台期，很大程度上源于存活偏倚导致的系统发育观测偏差。最终，该成果深化了对免疫系统如何在高噪声环境下优化抗体效能的理解，为疫苗设计提供了理论支撑。

References:

• DeWitt WS, Vora AA, Araki T, Galloway JG, Alkutkar T, Bortolatto J, Castro TBR, Dumm W, Jennings-Shaffer C, Jia T, Mesin L, Ozorowski G, Pae J, Ralph DK, Bloom JD, Nourmohammad A, Song YS, Ward AB, Starr TN, Matsen FA 4th, Victora GD. Replaying germinal center evolution on a quantified affinity landscape. Cell. 2026 Jun 5:S0092-8674(26)00572-6. doi: 10.1016/j.cell.2026.05.013. Epub ahead of print. PMID: 42248140.

这项研究利用图神经网络 (GNN) 深入分析了非小细胞肺癌（NSCLC）中空间肿瘤微环境 (TME) 的复杂组织结构。通过对 506 名患者的多重免疫荧光数据进行建模，研究人员发现特定的细胞空间生态位，特别是涉及 CD8+ T 细胞与肿瘤细胞或免疫抑制细胞的互动，能够高度准确地预测患者的生存结果。这种创新的计算方法超越了传统的细胞密度统计，揭示了空间异质性和细胞间直接接触对肿瘤免疫逃逸的重要影响。该研究强调了空间生物标志物在癌症预后评估中的潜力，为开发精准的个体化治疗方案提供了关键的科学依据。

References:

• Hoebel KV, Lindsay JR, Altreuter J, Alessi JV, Weirather JL, Dryg I, Giobbie-Hurder A, Li Z, Yu KH, Awad MM, Rodig SJ, Lotter W. Graph neural network modeling of spatial tumor-immune interactions identifies prognostic cellular niches in non‑small cell lung cancer. NPJ Precis Oncol. 2026 Mar 7;10(1):158. doi: 10.1038/s41698-026-01314-3. PMID: 41794974; PMCID: PMC13096322.

DeepSpaCE 是一种新开发的深度学习模型，旨在通过分析 H&E 染色的组织切片图像来预测空间转录组谱图。该研究利用卷积神经网络（CNN）克服了现有空间转录技术成本高昂、空间分辨率受限以及实验操作难度大等局限性。通过对乳腺癌组织的研究，该模型成功实现了超分辨率预测，并能补全因实验错误缺失的基因表达数据。此外，研究引入了半监督学习技术，显著提升了在小样本量情况下的预测准确性。这种方法不仅加强了对肿瘤浸润等组织学特征的理解，还为加速生物学发现提供了一种无需额外实验的经济手段。

References:

• Monjo, T., Koido, M., Nagasawa, S. et al. Efficient prediction of a spatial transcriptomics profile better characterizes breast cancer tissue sections without costly experimentation. Sci Rep 12, 4133 (2022). https://doi.org/10.1038/s41598-022-07685-4

这份研究介绍了一种名为 Starfysh 的计算工具箱，旨在通过整合空间转录组学与组织病理图像数据，深入剖析复杂组织中的细胞分布。与传统分析方法不同，Starfysh 采用深度生成模型与原型分析技术，无需依赖单细胞测序参考数据即可识别已知的细胞类型并发现新的细胞状态。该工具能有效克服由于技术局限导致的信号混合问题，从而实现高精度的细胞去卷积与组织内微环境特征提取。通过对多种乳腺癌亚型的集成分析，研究揭示了具有患者特异性的空间枢纽（Spatial Hubs）以及影响免疫反应的代谢重编程现象。此外，Starfysh 在处理跨样本异质性方面表现出色，能够描绘出不同疾病阶段中肿瘤与免疫细胞间的空间演变规律。总之，该工具为系统性探究健康与疾病状态下的复杂组织架构提供了一个功能强大的多模态分析平台。

References:

• He, S., Jin, Y., Nazaret, A. et al. Starfysh integrates spatial transcriptomic and histologic data to reveal heterogeneous tumor–immune hubs. Nat Biotechnol 43, 223–235 (2025). https://doi.org/10.1038/s41587-024-02173-8