聊聊Sci

SPLISOSM 是一种专门用于分析空间转录组（ST）数据中异构体（isoform）表达模式的新型统计建模方法。由于传统的空间分析通常只关注基因层面的表达，从而忽略了剪接多样性等关键信息，该方法通过多变量独立性检验填补了这一空白。它利用非参数核函数解决了异构体数据中存在的稀疏性、成分依赖性以及空间自相关等技术难题。研究证明，该工具能有效识别小鼠和人类大脑中具有空间变异性的转录事件，并揭示其与RNA结合蛋白之间的调控关系。此外，SPLISOSM 在人类胶质母细胞瘤的研究中展现了极高的应用价值，能够挖掘出与疾病微环境相关的异构体特异性信号。总之，这一计算工具箱为深入理解组织架构中的分子复杂性及其进化保守性提供了强有力的支持。

References:

• Su J, Qu Y, Schertzer M, et al. Mapping isoforms and regulatory mechanisms from spatial transcriptomics data with SPLISOSM[J]. Nature Biotechnology, 2026: 1-12.

前往小宇宙评论区与主播互动

CONCORD 是一种针对单细胞数据分析的新型自监督学习框架，旨在通过对比学习同时解决批次效应、去噪和降维等核心挑战。该方法的核心创新在于引入了概率采样策略，通过“数据集感知采样”消除技术偏差，并利用“硬负样本采样”显著提升生物学分辨率。不同于依赖复杂架构的传统模型，CONCORD 仅使用单隐层神经网络便在处理细胞聚类、谱系追踪和跨物种数据整合方面超越了现有技术。研究表明，该框架能精准捕捉复杂的细胞状态景观，包括离散簇、连续轨迹以及反映细胞周期的环状结构。此外，CONCORD 具有极高的通用性和扩展性，可高效处理超过百万级规模的单细胞转录组及染色质可及性数据。这项研究为构建高保真度的细胞图谱和探索发育、稳态及疾病中的生物学机制提供了稳健的计算基础。

References:

• Zhu Q, Jiang Z, Zuckerman B, et al. Revealing a coherent cell-state landscape across single-cell datasets with CONCORD[J]. Nature Biotechnology, 2026: 1-15.

前往小宇宙评论区与主播互动

本文介绍了一种名为 DECODE 的通用深度学习解卷积框架，旨在从组织层面的批量数据中准确估算细胞类型和状态的比例。该方法通过整合对抗训练和对比学习技术，成功克服了跨组学数据的分布差异、严重的批次效应以及单细胞参考资料不完整等技术瓶颈。研究表明，DECODE 在转录组学、蛋白质组学和代谢组学数据上均表现出色，填补了代谢组学解卷积领域的空白。通过对乳腺癌和肝脏多组学队列的分析，该工具证明了其在揭示疾病进展和细胞异质性方面的强大应用潜力。DECODE 为多组学数据的整合分析提供了一个标准化且高效的解决方案，助力精准医学研究。

References:

• Zhao T, Liu R, Sun Y, et al. DECODE: deep learning-based common deconvolution framework for various omics data[J]. Nature Methods, 2026: 1-13.

前往小宇宙评论区与主播互动

这篇来自《Nature Methods》的研究展示了 MAPLE 软件的重大升级，旨在应对大流行病规模下病原体基因组分析的挑战。针对 新冠病毒（SARS-CoV-2） 数百万级基因组数据中存在的突变率差异和重复测序错误，研究团队开发了全新的推断算法。该框架通过高效的期望最大化算法与局部参考序列技术，在大幅降低计算时间和内存消耗的同时，显著提升了系统发育树的构建精度。作者利用该方法分析了超过 200万个 基因组序列，揭示了病毒在全球传播过程中的精细演化轨迹。这项技术突破不仅深化了对新冠病毒突变特征的理解，也为未来应对传染病大流行提供了关键的基因组流行病学工具。

References:

• De Maio N, Willemsen M, Martin S, et al. Rate variation and recurrent sequence errors in pandemic-scale phylogenetics[J]. Nature Methods, 2026: 1-9.

前往小宇宙评论区与主播互动

这篇文章详细评估了 10x Genomics 推出的 Xenium 原位空间转录组平台，旨在通过质量评估和工作流优化来提升数据利用率。研究团队深入分析了涵盖多个物种和组织的 25 个数据集，从检测效率、空间分辨率及数据可重复性等维度将其与其他八种主流空间技术进行了系统对比。研究发现，Xenium 在检测灵敏度上表现卓越，其性能不仅与基于原位杂交（ISH）的技术相媲美，且显著优于传统的 Visium 测序平台。此外，文章还对细胞分割、数据预处理及亚细胞结构识别等关键计算任务进行了基准测试，并提出了最佳实践方案。该研究为科研人员提供了独立的性能评价，为分析复杂的三维亚细胞空间图谱提供了重要的技术指导。

References:

• Marco Salas S, Kuemmerle L B, Mattsson-Langseth C, et al. Optimizing Xenium In Situ data utility by quality assessment and best-practice analysis workflows[J]. Nature Methods, 2025, 22(4): 813-823.

前往小宇宙评论区与主播互动

这篇研究介绍了一种名为INSTALL的新型基因组写入技术，旨在解决大片段DNA插入过程中的免疫毒性问题。传统方法使用的双链DNA（dsDNA）极易触发哺乳动物细胞的固有免疫反应，导致细胞死亡并限制治疗应用。该研究受原核病毒启发，改用环状单链DNA（cssDNA）作为供体，通过在其关键识别位点结合部分双链寡核苷酸（PIP），成功诱导多种重组酶进行高效工作。实验证明，INSTALL在人类原生细胞和实验小鼠体内均表现出极高的免疫逃逸能力，显著提升了非病毒载体递送的耐受性。这项技术为实现千碱基级的精准基因组编辑提供了一种高保真、低毒性且可重复给药的创新方案。

References:

• Tou C J, Xie K, Ferreira da Silva J, et al. Immune evasive DNA donors and recombinases license kilobase-scale writing[J]. Nature, 2026: 1-11.

前往小宇宙评论区与主播互动

这项研究揭示了生理衰老如何通过表观遗传途径重塑肺腺癌的演变进程，使其从缓慢的肿瘤增长转向更具侵略性的远端转移。研究发现，老年小鼠的肿瘤细胞会激活综合应激反应（ISR），其中关键蛋白 ATF4 的持续表达驱动了细胞的代谢重塑和可塑性，从而获得了转移能力。由于这种机制，老年肿瘤细胞产生了对谷氨酸代谢的高度依赖。通过遗传手段或药理学抑制（如使用 CB-839）阻断该代谢通路，可以有效减少癌细胞的扩散。这一发现不仅明确了衰老是驱动癌症转移的诱因，也为老年肺癌患者提供了极具潜力的靶向治疗方案。

References:

• Patel A A H, Dzanan J J, Ali K X, et al. Ageing promotes metastasis via activation of the integrated stress response[J]. Nature, 2026: 1-10.

前往小宇宙评论区与主播互动

这篇文章介绍了一种名为 PerturbDiff 的新型计算框架，旨在通过功能扩散模型精确模拟单细胞对各类干扰（如药物或基因编辑）的反应。传统的虚拟细胞模型往往将干扰视为对单个细胞状态的映射，却忽略了微环境波动等隐性因素导致的群体分布变化。PerturbDiff 创新性地将研究对象从个体细胞转向整体分布，通过在再生核希尔伯特空间（RKHS）中嵌入分布，捕捉复杂实验条件下的系统性差异。该模型在信令、药物和遗传干扰等多个基准数据集上均达到了最先进（SOTA）的性能水平，展现了卓越的泛化能力。此外，研究团队还引入了边缘预训练策略，利用大规模未受干扰的细胞图谱增强模型在数据稀缺场景下的表现。这项工作为系统生物学中的干扰预测提供了一个严谨且高效的概率建模新范式。

References:

• Yuan X, Liu X, Zhang Y S, et al. PerturbDiff: Functional Diffusion for Single-Cell Perturbation Modeling[J]. arXiv preprint arXiv:2602.19685, 2026.

前往小宇宙评论区与主播互动

这篇文章详细探讨了细胞核的力学感知机制，阐明了细胞核如何通过其包膜、核孔和内部染色质来感应并响应外部物理压力。核纤层蛋白与LINC复合物在这一过程中发挥着核心作用，它们将细胞骨架产生的力传递至核内，进而调控基因表达和细胞行为。当这种力学传导功能出现障碍时，往往会导致癌症、纤维化以及如早衰症等罕见遗传疾病，表现为核膜脆弱和基因组不稳定。研究强调，深入理解细胞核的力学特性不仅有助于揭示疾病的发病机理，也为临床诊断与治疗提供了新的视角。这一领域对于探索力学信号如何塑造细胞命运以及维持组织功能至关重要。

References:

• Bertillot F, Miroshnikova Y A, Wickström S A. SnapShot: Mechanotransduction in the nucleus[J]. Cell, 2022, 185(19): 3638-3638. e1.

前往小宇宙评论区与主播互动

AlphaCell 是一款创新的生成式虚拟细胞世界模型，旨在通过模拟复杂的细胞动力学来预测生物体对干扰的反应。该研究针对现有模型在基因表示不全、重建精度低及泛化能力差等方面的瓶颈，提出了潜流形纠偏、生物现实重建和通用状态转移三大核心技术。模型通过对超过两亿个单细胞数据进行大规模预训练，构建了一个高维连续的虚拟细胞空间，并利用混合专家网络（MoE）和最优传输条件流匹配技术，将离散的观测数据转化为连续的物理演化轨迹。实验证明，AlphaCell 在跨细胞类型的干扰预测中表现卓越，能够实现高精度的全基因组水平重建。该框架不仅能够处理已知的细胞与干扰组合，还展现了在完全未见过的生物语境下进行零样本预测的强大潜力。这一突破为药物研发和基础生物学研究提供了一个从描述性基因组学向量化预测仿真的重要计算平台。

References:

• Chuai G, Chen X, Yang X, et al. Towards building a World Model to simulate perturbation-induced cellular dynamics by AlphaCell[J]. bioRxiv, 2026: 2026.03. 02.709176.

前往小宇宙评论区与主播互动