这项研究通过多组学分析深入探讨了肝细胞在长期慢性代谢压力（如肥胖和代谢功能障碍相关脂肪性肝病）下的演变过程。作者利用单细胞测序与空间转录组学技术，定义了小鼠和人类肝脏中随病程进展的基因表达程序，揭示了从单纯性脂肪变性到肝硬化及癌症的分子路径。研究重点识别并验证了RELB和SOX4等关键转录调节因子，这些因子不仅驱动了细胞的应激反应，还显著增强了肝细胞的增殖能力。通过构建MATCHA计算框架，研究者成功绘制了调节网络，证明了环境压力如何诱导肝细胞进入一种部分去分化的预癌变状态。最终，该研究为预测肝细胞癌的发生风险提供了生物标志物，并为干预慢性肝病向恶性肿瘤转化提供了潜在的治疗靶点。

References:

• Tzouanas C N, Shay J E S, Sherman M S, et al. Hepatic adaptation to chronic metabolic stress primes tumorigenesis[J]. Cell, 2025.

前往小宇宙评论区与主播互动

这项研究构建了一个全面的人类血管细胞图谱，通过整合来自19个不同器官和组织的单细胞转录组数据，深入分析了内皮细胞和壁细胞的分子特征。研究揭示了不同器官内部及器官之间血管系统的显著异质性，明确了各类血管在生理稳态、免疫调节及组织修复中的特定功能。利用drug2cell等计算工具，科学家们还预测了临床药物对特定血管床的潜在影响，为理解药物的疗效与副作用提供了新视角。此外，该图谱还阐明了血管细胞在诸如高血压和癌症等多种疾病发病机制中的关键作用。作为一个开放获取资源，这一成果为开发针对特定血管区域的精准疗法奠定了基础。

References:

• Barnett, S.N., Cujba, AM., Yang, L. et al. An organotypic atlas of human vascular cells. Nat Med 30, 3468–3481 (2024). doi.org

前往小宇宙评论区与主播互动

本文介绍了一种名为 scTenifoldKnk 的机器学习工作流，这是一种专为单细胞RNA测序（scRNA-seq）数据设计的虚拟基因敲除（KO）工具。该工具通过模拟基因缺失来预测基因功能，且仅需野生型（WT）样本数据即可运行，无需真实的敲除样本。其核心原理是先利用主成分回归构建基因调控网络（GRN），随后通过人工消除目标基因的连接权重并应用流形对齐（Manifold Alignment）算法，来识别受影响的差异调节基因。研究结果证明，scTenifoldKnk 的预测结果与真实动物实验高度一致，能够有效揭示孟德尔疾病相关基因的功能。此外，该工具具有极高的计算效率，支持系统性敲除分析，可用于在大规模细胞类型中筛选关键调控靶点并揭示复杂的生物学机制。

References:

• Daniel Osorio, Yan Zhong, Guanxun Li, Qian Xu, Yongjian Yang, Yanan Tian, Robert S. Chapkin, Jianhua Z. Huang, James J. Cai, scTenifoldKnk: An efficient virtual knockout tool for gene function predictions via single-cell gene regulatory network perturbation,Patterns,Volume 3, Issue 3, 2022

前往小宇宙评论区与主播互动

这项研究揭示了线粒体铁硫簇合成中的一种新机制，为治疗弗里德赖希共济失调症提供了潜在方案。研究人员通过对线虫进行基因筛选，发现FDX2或NFS1基因的特定突变可以补偿弗拉塔蛋白（frataxin）的缺失。实验证明，过量的FDX2会与弗拉塔蛋白竞争结合位点，从而抑制铁硫簇的产生并导致细胞功能障碍。通过降低FDX2的表达水平或削弱其与NFS1的结合力，可以部分恢复铁硫簇的合成平衡。这种干预手段在线虫和小鼠模型中均成功改善了由弗拉塔蛋白缺乏引起的发育缺陷和运动障碍。这些发现表明，维持线粒体蛋白间的化学计量平衡对于治疗此类遗传性线粒体疾病至关重要。

References:

• Meisel J D, Joshi P R, Spelbring A N, et al. Mutations in mitochondrial ferredoxin FDX2 suppress frataxin deficiency[J]. Nature, 2025: 1-8.

前往小宇宙评论区与主播互动

这项研究介绍了一种名为 CellSAM 的细胞分割基础模型，旨在解决传统深度学习模型难以跨领域通用和大规模扩展的问题。该模型以 Segment Anything Model (SAM) 为架构基础，通过引入一种名为 CellFinder 的目标检测器，实现了对多样化细胞图像的自动提示与分割。实验证明，CellSAM 在哺乳动物细胞、酵母及细菌等多种成像模式下均达到了人类专家级的分割精度。研究强调，该模型具备极强的零样本迁移能力，且仅需少量样本即可通过微调进一步提升性能。最后，作者展示了 CellSAM 如何无缝集成到空间转录组学和活细胞成像等复杂的生物图像分析工作流中。

References:

• Marks M, Israel U, Dilip R, et al. CellSAM: a foundation model for cell segmentation[J]. Nature Methods, 2025: 1-9.

前往小宇宙评论区与主播互动

这项研究介绍了一种名为 MisTIC 的新型概率模型，旨在纠正成像空间转录组学（SRT）分析中常见的细胞分割错误。由于高分辨率技术在界定细胞边界时常会将基因转录本错误分配给邻近细胞，这会导致生物信号失真并产生误导性的细胞图谱。MisTIC 通过综合评估转录本的空间邻近度、基因表达兼容性以及邻域支持度，能够精准地识别并重新分配这些被错误分类的分子。实验表明，该工具在区分细胞类型、识别差异表达基因以及预测细胞间通讯方面显著优于现有的单细胞处理方法。此外，它在分析 RNA 亚细胞定位方面展现出独特优势，能揭示以往被分割噪声掩盖的生物学细节。作为一种高效且开源的解决方案，MisTIC 可无缝集成至现有的分析流程中，显著提升了空间转录组数据的可靠性。

References:

• Yang Y, DePasquale E, Adeleke D, et al. MisTIC: Missegmented Transcript Inference Correction for Improved Spatial Transcriptomics Analysis[J]. bioRxiv, 2025: 2025.12. 11.693759.

前往小宇宙评论区与主播互动

本文介绍了一种名为RADIANT的新型光学成像技术，旨在攻克复杂生物系统中多靶点蛋白质三维制图的难题。研究人员利用拉曼光谱极窄的峰宽打破了传统荧光显微镜的“色彩限制”，实现了在厚组织中单次捕获超过十种蛋白质信号。通过合成新型MARS生物正交探针并优化专用的rDISCO组织透明化技术，该方法成功解决了深层组织成像中的背景干扰与信号衰减问题。实验证明，RADIANT能对毫米级厚度的脑组织进行高分辨率成像，将探测深度提升了10至100倍。这一突破为探索发育生物学及神经系统中精细的三维蛋白质相互作用和神经网络拓扑结构提供了强大的工具。

References:

• Shi, L., Wei, M., Miao, Y. et al. Highly-multiplexed volumetric mapping with Raman dye imaging and tissue clearing. Nat Biotechnol 40, 364–373 (2022). doi.org

前往小宇宙评论区与主播互动

本文介绍了一种名为 PASTA 的创新计算框架，旨在提高空间转录组学数据中生物通路基因表达预测的准确性。该方法通过整合单细胞测序（scRNA-seq）参考数据，并结合细胞类型与空间邻域信息，克服了现有技术在处理基因缺失和高噪声方面的局限。研究表明，PASTA 在处理不同组织（如人肺癌和脑组织）的模拟与真实数据集时，其表现显著优于 Tangram 和 Seurat 等现有工具。通过对功能相关基因进行聚合建模，该工具不仅增强了数据的稳健性，还为下游的通路富集分析和细胞发育轨迹推断提供了更具生物学意义的解释。总之，PASTA 为在复杂的空间背景下理解疾病机制和组织异质性提供了一个强有力的学术方案。

References:

• Li R, Yang P, Di Pilato M, et al. Accurate imputation of pathway-specific gene expression in spatial transcriptomics with PASTA[J]. Nature Communications, 2025.

前往小宇宙评论区与主播互动

这项研究介绍了一种名为 FastGlioma 的新型人工智能系统，旨在解决癌症手术中难以精确检测残留肿瘤的关键难题。该技术利用刺激拉曼组织学（SRH）成像结合深度学习模型，能够在手术过程中快速识别并评估脑肿瘤的浸润情况。通过大规模的自监督学习和临床数据训练，该模型表现出极高的准确率，其性能显著优于传统的组织检测方法。这项创新成果不仅显著缩短了术中诊断的时间，还大幅降低了因肿瘤残留导致的医疗成本并提升了患者生存质量。研究团队指出，这一基于AI的影像辅助方案具有极强的通用性，未来有望推广至肺癌、乳腺癌及前列腺癌等多种实体瘤的精准切除手术中。

References:

• Kondepudi A, Pekmezci M, Hou X, et al. Foundation models for fast, label-free detection of glioma infiltration[J]. Nature, 2025, 637(8045): 439-445.

前往小宇宙评论区与主播互动

这项研究介绍了一个名为 Combocat 的开源平台，旨在通过结合 声学移液技术 与 机器学习 来加速药物联用的研发。由于测试多种药物组合的实验极具复杂性，该平台开发了“密集模式”以生成高精度数据，并利用这些数据训练出“稀疏模式”下的预测模型。这种稀疏模式仅需测量极少数实验点即可推算完整的药物反应图谱，从而将资源消耗减少了 90%。作为应用范例，研究人员在神经母细胞瘤细胞系中筛选了 9,045 种组合，创下了单细胞系测试规模的新纪录。该平台的开源属性和端到端工作流**为全球科研人员提供了一个可扩展且高效的工具，显著提升了发现新型协同治疗方案的速度。

References:

• Wright, W.C., Pan, M., Phelps, G.A. et al. An open-source screening platform accelerates discovery of drug combinations. Nat Commun 16, 11005 (2025). doi.org

前往小宇宙评论区与主播互动