聊聊Sci

这份研究通过整合来自23种癌症类型的单细胞转录组数据，构建了迄今为止最全面的双阴性T细胞（DNT）全癌种单细胞图谱。研究团队鉴定出14个具有独特功能和临床意义的DNT亚群，涵盖了具有免疫调节功能的αβ DNT和具备强细胞毒性及抗原呈递能力的γδ T细胞。通过空间转录组和功能实验，研究揭示了特定亚群（如T14_HLA-DR+）在增强抗肿瘤免疫和预测免疫治疗响应中的关键作用。此外，研究还发现了肠道驻留DNT细胞在肿瘤环境下的功能可塑性，从抗癌状态向促癌状态转变的过程。总体而言，该成果阐明了DNT细胞的异质性及其在肿瘤微环境中的复杂角色，为开发下一代个性化癌症免疫疗法提供了重要理论依据。

References:

• Hao Q, Zhou T, Yan H, et al. A pan-cancer single cell landscape reveals heterogeneity and functional diversity of double-negative T cells[J]. Molecular Cancer, 2026.

前往小宇宙评论区与主播互动

本文介绍了一种名为 Genes2Genes (G2G) 的新计算框架，专门用于比较单细胞转录组数据中的伪时间轨迹。传统的动态时间规整（DTW）方法往往难以准确识别细胞状态之间的不匹配，而 G2G 结合了贝叶斯信息论与动态规划算法，能够精确捕捉基因水平上的序列匹配、扭曲以及插入或删除等失配现象。通过对模拟和真实数据集的验证，该工具在分析疾病细胞状态和优化体外培养条件方面展现了卓越的准确性。例如，它成功识别出体外培育的 T 细胞与体内发育状态在 TNF 信号通路上的表达差异。总之，G2G 为研究人员提供了一种强大的手段，通过基因聚类和差异动态表达分析，深入理解复杂的细胞发育过程。

References:

• Sumanaweera D, Suo C, Cujba A M, et al. Gene-level alignment of single-cell trajectories[J]. Nature Methods, 2025, 22(1): 68-81.

前往小宇宙评论区与主播互动

这项发表在《Nature biotechnology》的研究通过ICGC–TCGA DREAM挑战赛，对31种肿瘤亚克隆重构算法进行了长达七年的众包基准测试。研究团队利用云端算力在51个模拟肿瘤数据集上执行了逾万次分析，旨在评估算法在推断肿瘤纯度、演化特征及系统发育树方面的准确性。实验结果表明，算法的选择对预测准确性的影响远超肿瘤自身的生物学特征，且没有任何单一算法能在所有评估任务中均拔得头筹。研究特别强调，经纯度校正的测序深度（NRPCC）是限制重构精度的关键技术瓶颈，低深度测序常导致误判。通过公开这些经过容器化处理的方法和对照数据集，该研究为未来开发更精准的癌症演化分析工具提供了重要的资源支持与设计准则。

References:

• Salcedo A, Tarabichi M, Buchanan A, et al. Crowd-sourced benchmarking of single-sample tumor subclonal reconstruction[J]. Nature biotechnology, 2025, 43(4): 581-592.

前往小宇宙评论区与主播互动

OmicClaw 是一个建立在 OmicVerse 生态系统之上的创新性多组学分析框架，旨在解决生物信息学工具碎片化和工作流难以复现的问题。该系统通过核心运行时层 J.A.R.V.I.S.，将复杂的自然语言指令精准转化为可执行的分析流程，有效减少了人工智能在编写代码时的“幻觉”现象。它集成了超过 200 个注册函数，涵盖了单细胞、空间转录组和批量测序等多种组学任务，并支持与大语言模型的深度协作。此外，该项目还提供了一个功能丰富的网页平台，为初学者和专家提供百万级细胞数据的可视化与交互式分析环境。总而言之，这一工具为现代计算生物学提供了一个可追踪、自动化且高性能的解决方案。

References:

• Zeng Z, Wang X, Luo Z, et al. OmicClaw: executable and reproducible natural-language multi-omics analysis over the unified OmicVerse ecosystem[J]. bioRxiv, 2026: 2026.03. 13.711464.

前往小宇宙评论区与主播互动

这篇文章介绍了一项针对501种癌症细胞系的大规模基因功能研究，旨在绘制癌症依赖图谱。研究团队开发了名为DEMETER的计算模型，有效区分了RNA干扰中的脱靶效应与真实靶向作用，从而识别出769个关键的差异依赖基因。通过分析数万个分子特征，研究者利用ATLANTIS回归模型成功预测了多项基因依赖性，发现RNA表达水平是比DNA突变更核心的生物标志物。该图谱将这些依赖关系划分为癌基因成瘾及旁系同源缺失等四类，并通过实验证实了UBB与UBC基因之间的替代生存机制。这项工作为发现新型治疗靶点和实现癌症精准医疗奠定了重要的分子基础。

References:

• Tsherniak A, Vazquez F, Montgomery P G, et al. Defining a cancer dependency map[J]. Cell, 2017, 170(3): 564-576. e16.

前往小宇宙评论区与主播互动

这份研究介绍了一个利用增强型 in vivo Perturb-seq 技术构建的全小鼠大脑基因功能图谱。研究人员通过对 74 只小鼠的大脑进行高通量筛选，分析了 1,947 个与疾病相关的基因在 770 万个单细胞核中的表达反应。实验结果揭示了基因在不同神经元类型中具有特异性的生存必要性，并展现了复杂的转录调控网络。研究特别发现，像 Grin2a 和 Grin2b 这样相似的致病基因在相同细胞中竟会触发截然相反的转录程序。此外，该图谱证实了神经发育障碍（NDD）等人类疾病基因的效应会富集在特定的神经回路中。总而言之，这项工作为在大脑原生环境中理解遗传风险与细胞功能之间的联系奠定了坚实基础。

References:

• Shi T, Korshunova M, Kim S, et al. Genome-scale functional mapping of the mammalian whole brain with in vivo Perturb-seq[J]. bioRxiv, 2026: 2026.03. 16.711480.

前往小宇宙评论区与主播互动

Celcomen 是一种基于生成式图神经网络的创新计算框架，旨在从空间转录组数据中解离细胞内与细胞间的基因调控程序。该研究利用数学上的因果可解释性，克服了以往模型在处理复杂组织交互时的“黑箱”局限。通过在人类胶质母细胞瘤、胎儿脾脏及小鼠肺癌等临床样本中的应用，该工具证明了其在模拟基因敲除和组织扰动方面的卓越准确性。它不仅能预测实验难以获取的反事实空间状态，还为理解疾病进展和筛选治疗方案提供了精密的数学保障。这一突破性进展为构建虚拟组织模型奠定了基础，助力科研人员深入洞察单细胞空间维度的组织响应机制。

References:

• Megas S, Chen D G, Polanski K, et al. Celcomen: spatial causal disentanglement for single-cell and tissue perturbation modeling[J]. Nature Communications, 2026.

前往小宇宙评论区与主播互动

这项研究介绍了 X-Atlas/Pisces，这是目前全球规模最大的全基因组单细胞扰动数据集，包含 2560万个转录组数据，涵盖了 16 种不同的生物背景。基于这一海量资源，作者开发了名为 X-Cell 的扩散语言模型，专门用于预测基因受扰动后的细胞反应。该模型通过迭代扩散过程精细化预测结果，并利用多模态生物先验知识（如蛋白质模型和相互作用网络）进行跨注意力引导。研究团队将模型扩展至 49 亿参数的 X-Cell-Ultra，首次证明扰动预测遵循类似于大语言模型的幂律缩放法则。实验表明，X-Cell 在跨细胞类型的零样本预测中表现优异，能准确推断未见过的原代人类 T 细胞等复杂生物系统的变化。这为药物研发中的靶点识别与验证提供了一个高效的计算基础模型。

References:

• Wang C, Karimzadeh M, Ravindra N G, et al. X-Cell: Scaling Causal Perturbation Prediction Across Diverse Cellular Contexts via Diffusion Language Models[J]. bioRxiv, 2026: 2026.03. 18.712807.

前往小宇宙评论区与主播互动

这项研究揭示了控制小胶质细胞和组织驻留巨噬细胞发育的独特遗传机制。研究发现，虽然转录抑制因子 Zeb2 对所有巨噬细胞的形成都至关重要，但不同发育阶段的细胞依赖不同的增强子来驱动其表达。在原始造血过程中，转录因子 Maf 和 Jun 共同作用，独立于特定的 -165 kb 增强子来激活 Zeb2，从而推动小胶质细胞的产生。相比之下，来自定型造血（如成年骨髓）的单核细胞和巨噬细胞则必须依赖该增强子才能发育。实验表明，缺乏 Maf 的胚胎会出现严重的小胶质细胞发育缺陷。这一发现明确了区分大脑小胶质细胞与其他免疫细胞谱系的转录调控网络。

References:

• Chen J, Du S, Cheng W, et al. Transcription factor Maf promotes expression of repressor Zeb2 to drive microglia development in primitive hematopoiesis[J]. Immunity, 2026, 59(1): 48-59. e5.

前往小宇宙评论区与主播互动

这篇研究通过建立原代人类皮层细胞的体外培养系统，结合单细胞CRISPRi（干扰）筛选技术，系统地解析了调控神经发生的基因网络。研究人员重点考察了44个转录因子对径向胶质细胞分化的影响，发现了如ZNF219等调控神经分化的新因子，并揭示了NR2E1和ARX在控制兴奋性与抑制性神经元比例及发育节奏中的对立作用。通过整合谱系追踪技术，该研究证实了转录因子的扰动能改变单个祖细胞的命运走向与成熟速度。此外，实验识别出一系列与神经精神疾病（如精神分裂症）相关的关键效应基因，揭示了致病基因在发育调控网络中的汇聚点。这项工作不仅阐明了灵长类动物皮层发育的保守机制，还为理解人类大脑演化及相关疾病提供了功能性的基因调控框架。

References:

• Ding J W, Kim C N, Ostrowski M S, et al. Dissecting gene regulatory networks governing human cortical cell fate[J]. Nature, 2026: 1-11.

前往小宇宙评论区与主播互动