【BioAIWeekly】20260224
本期共收录 30 篇文章：Nature 6 篇, Nature Biotechnology 2 篇, Nature Computational Science 1 篇, Nature Genetics 1 篇, Nature Machine Intelligence 2 篇, Nature Methods 1 篇, Science 10 篇, Science Advances 7 篇。
Nature
AI tools can design genomes. Will they upend how life evolves?
发布日期：2026-02-23 | 作者：Kate Adamala
这篇Nature新闻特写探讨了人工智能在合成生物学领域的革命性应用。随着计算技术的突破性进展，科学家们正获得从头设计完整基因组的能力，这一新兴领域融合了深度学习与合成生物学的前沿技术。
文章指出，先进的AI算法和机器学习模型正在重塑我们构建合成生物体的方式。通过深度学习技术，研究人员能够预测基因序列的功能、优化代谢通路，甚至设计全新的基因组架构。这种计算驱动的设计能力不仅加速了合成生物学的发展，更引发了关于生命本质和人工演化方向的深刻科学思考。
该研究领域的核心在于利用计算方法解决复杂的生物学设计问题。AI工具可以分析海量基因组数据，识别功能调控元件，并生成具有特定性状的人工基因组序列。这标志着生物技术从”读取”基因组（测序）向”编写”基因组（合成）再向”智能设计”基因组的历史性跨越，为定向进化、生物制造和医药开发开辟了全新途径。
尽管该技术展现出巨大潜力，文章也探讨了其可能带来的生物安全、伦理规范以及生态影响等挑战。AI驱动的基因组设计能力或将彻底改变未来生命科学的研发范式。
原文链接：https://www.nature.com/articles/d41586-026-00566-0
This AI can improve your peer review — and make it more polite
发布日期：2026-02-23 | 作者：Nicola Jones
一项创新性研究探索了人工智能技术在学术同行评审流程中的辅助应用，相关成果发表于《Nature》期刊。该研究开发了一套基于多模型架构的智能辅助系统，旨在解决传统同行评审中存在的意见建设性不足、沟通语气欠佳等问题。
该系统整合了五个专业模型，通过自然语言处理技术对评审文本进行实时分析与优化，协助评审员撰写更具建设性、更专业且更富礼貌的评审意见。这一工具不仅有望提升评审意见的质量和可操作性，还可能改善学术沟通环境，减少因措辞不当造成的作者负担，促进更积极的学术交流氛围。
然而，研究者指出，尽管该系统在优化评审文本表达方面成效显著，但其对论文本身科学质量提升的实际效果，以及能否实质性强化被评审研究的学术价值，目前尚缺乏充分的实证验证。该研究为AI在学术出版领域的应用提供了新的思路，但其长期影响和适用范围仍需进一步评估。
原文链接：https://www.nature.com/articles/d41586-026-00536-6
Host control of persistent Epstein–Barr virus infection
发布日期：2026-02-19 | 作者：Axel Schmidt, T. Madhusankha Alawathurage, Friederike S. David 等
该研究深入探讨了宿主免疫系统调控EB病毒（Epstein-Barr virus, EBV）持续性感染的分子机制。EBV作为人类最普遍的疱疹病毒之一，全球约90%以上成人携带该病毒，其潜伏感染与传染性单核细胞增多症、多种淋巴瘤及鼻咽癌的发生发展密切相关。阐明宿主如何建立并维持对EBV潜伏感染的有效控制，是病毒免疫学领域的关键科学问题。
研究团队通过整合多组学数据分析、基因编辑动物模型及功能免疫学实验，系统解析了宿主限制EBV复制与维持病毒潜伏状态的细胞与分子基础。研究揭示了宿主天然免疫与适应性免疫在控制病毒持续性感染中的协同作用机制，鉴定了维持病毒-宿主平衡的关键调控节点与信号通路。这些发现不仅深化了对疱疹病毒潜伏感染生物学的理论认知，也为开发靶向病毒潜伏库的新型免疫治疗策略和预防性疫苗提供了重要靶点，具有重要的临床转化价值。
原文链接：https://www.nature.com/articles/s41586-026-10274-4
‘An AlphaFold 4’ – scientists marvel at DeepMind drug spin-off’s exclusive new AI
发布日期：2026-02-19 | 作者：Ewen Callaway
DeepMind旗下药物研发子公司Isomorphic Labs近期发布了一款突破性的专有药物发现人工智能模型，被科学界誉为”AlphaFold 4”级别的重大进展。该模型代表了计算药物发现与结构生物学领域的又一次技术飞跃，但其完全闭源的特性在学术界引发了关于开放科学伦理与技术垄断的广泛争议。
据悉，这一先进的AI系统在药物靶点识别、蛋白质-配体相互作用预测以及分子设计优化等关键任务上实现了显著的性能突破，标志着人工智能从基础结构预测向实用化药物研发管道的重要跨越。然而，与AlphaFold 2和AlphaFold 3采取开放获取策略、推动全球结构生物学革命的做法形成鲜明对比，Isomorphic Labs选择将此模型作为严格的专有商业技术保留，导致致力于开发开源替代方案的科研人员陷入方法论困境——既无法验证其算法架构与技术细节，也难以借鉴其训练策略实现类似的预测精度。
这一进展凸显了AI驱动药物研发领域日益加剧的张力：一方面，专有模型可能通过商业化路径加速创新药物的研发效率；另一方面，封闭的技术壁垒可能严重阻碍学术界的协同创新，限制资源有限的研究机构参与前沿竞争，进而加剧全球生物医药领域的数字鸿沟。该模型的出现或将重新定义计算生物学与生物信息学领域的竞争格局，同时也对平衡知识产权保护与科学开放共享的政策制定提出了紧迫挑战。
原文链接：https://www.nature.com/articles/d41586-026-00365-7
Daily briefing: Automated robot ‘scientists’ spark debate over the future of lab work
发布日期：2026-02-19 | 作者：Jacob Smith
人工智能驱动的实验室自动化系统正在重塑生物医学研究的实践模式。Nature发表的这篇观点性报道深入探讨了AI控制机器人在科研场景中的应用现状及其局限性，引发了对未来实验室工作形态的学术讨论。
该文指出，基于AI算法的自动化机器人技术已能够执行实验室中的常规操作任务，包括样品处理、试剂分配和基础检测等流程，实现实验过程的标准化与高通量化。这种技术集成有望显著提升实验效率、降低人为操作变异，并将研究人员从重复性劳动中解放出来，使其更专注于科学假设的构建与数据分析。然而，领域专家强调，科学研究的本质特征——包括实验设计的创新性、异常数据的语境化解读、以及复杂跨学科问题的综合判断——仍高度依赖人类科学家的专业直觉、经验积累与批判性思维。
该讨论凸显了计算科学与实验生物学交叉领域的重要议题：即AI与机器人技术应定位为增强人类研究能力的辅助工具，而非完全替代方案。在生物信息学与实验科学深度融合的背景下，如何优化人机协作界面、设计适应自动化流程的实验方案，以及建立AI驱动实验的质量控制标准，将成为未来实验室方法论研究的关键方向。这一辩论对于理解技术变革期科研劳动力的转型具有重要参考价值。
原文链接：https://www.nature.com/articles/d41586-026-00557-1
Blood test holds promise for predicting when Alzheimer’s symptoms will start
发布日期：2026-02-19 | 作者：Heidi Ledford
阿尔茨海默病（Alzheimer’s disease, AD）的早期干预一直是神经退行性疾病研究的重大挑战。近期发表于《Nature》的一项研究通过开发基于血液生物标志物的”分子时钟”模型，为精准预测AD症状发作时间提供了突破性解决方案。
该研究利用高通量组学技术系统分析血液样本中蛋白质或代谢物的动态变化模式，结合机器学习算法构建了能够量化疾病进展轨迹的预测模型。这一”AD时钟”不仅能够识别临床前期患者，更重要的是可以准确预测认知障碍症状出现的具体时间窗口，实现了从传统诊断向预测性医学的跨越。该方法的核心创新在于将多组学数据挖掘与计算建模相结合，通过生物信息学分析从复杂的血液分子谱中提取高维疾病进展信号。
相比传统的脑脊液检测或PET影像学检查，基于血液检测的计算预测模型具有无创、低成本、易推广的优势，同时大幅提升了早期筛查的时间分辨率和准确性。这项研究为AD的超早期干预提供了关键的时间窗口，使在记忆功能尚未受损前启动精准治疗成为可能，有望显著改善疾病预后并降低医疗负担。该研究范式也为其他神经退行性疾病的预测性诊断和个性化医疗提供了重要参考。
原文链接：https://www.nature.com/articles/d41586-026-00531-x
Nature Biotechnology
Transposable elements in the dark genome
发布日期：2026-02-23 | 作者：Iris Marchal
转座元件（Transposable Elements, TEs）作为占据人类基因组相当比例（约50%）的重复序列，长期以来因其高度重复性和位于”暗基因组”（dark genome，即非编码蛋白质区域）的特性而被视为”垃圾DNA”。然而，近年来越来越多的证据表明，包括逆转录转座子和内源性逆转录病毒在内的TEs在基因组调控、表观遗传修饰以及疾病发生发展中扮演着关键角色。
发表于《Nature Biotechnology》的这篇观点文章系统阐述了当前转座元件研究的技术突破与转化前景。由于TEs的重复性特征，传统的短读长测序技术难以准确解析其序列和位置，导致相关研究长期受限。近年来，长读长测序、单细胞多组学以及人工智能驱动的序列分析算法等生物信息学技术的进步，显著提升了研究人员对TEs的注释精度与功能解析能力，使得系统阐明TEs在肿瘤、神经退行性疾病和自身免疫疾病中的致病机制成为可能。
该文进一步探讨了如何将这些基础研究成果转化为治疗策略的关键问题，包括开发靶向TEs的小分子药物、基因编辑疗法以及基于TEs调控网络的干预手段。尽管该领域在靶点验证和药物递送等方面仍面临挑战，但对暗基因组的深入理解正为精准医学开辟全新的治疗维度，有望针对以往被视为”不可成药”的基因组区域开发创新疗法。
原文链接：https://www.nature.com/articles/s41587-026-03012-8
Trimodal single-cell profiling of transcriptome, epigenome and 3D genome in complex tissues with scHiCAR
发布日期：2026-02-19 | 作者：Xiaolin Wei, Yueyuan Xu, Dongchan Yang 等
近年来，单细胞多组学技术的快速发展为解析细胞异质性和基因调控机制提供了强大工具。然而，在单细胞水平同时捕获转录组、表观基因组和三维基因组信息仍然是领域内的重大技术挑战。针对这一问题，研究人员开发了scHiCAR（single-cell Hi-C and RNA-seq）技术，实现了对复杂组织的三模态单细胞分析。
scHiCAR技术能够在单个细胞中同步分析基因表达（转录组）、染色质可及性（表观基因组）以及染色质空间构象（3D基因组），为解析基因调控的层级架构提供了前所未有的分辨率。通过该技术，研究者可以在保持细胞异质性信息的同时，深入探索顺式调控元件与靶基因之间的空间互作关系，以及表观遗传修饰如何协同三维基因组结构影响转录活性。
这项技术的应用为理解复杂组织中的基因调控网络提供了新的视角，特别是在解析增强子-启动子互作、染色质拓扑结构域（TADs）与细胞命运决定的关系方面具有重要意义。scHiCAR的推出不仅填补了单细胞多组学领域的技术空白，也为发育生物学、肿瘤微环境研究以及精准医学提供了强有力的分析工具。
原文链接：https://www.nature.com/articles/s41587-026-03013-7
Nature Computational Science
Self-optimized spectral distance for low-light high-throughput Raman hyperspectral imaging
发布日期：2026-02-23 | 作者：Yurong Chen, Shen Wang, Yaonan Wang 等
拉曼高光谱成像技术因其无损、免标记的分子检测能力，在生物组织分析和化学检测中具有重要应用价值。然而，传统方法通常需要较强的激发光功率和较长的曝光时间才能获得高质量光谱图像，这限制了其在活细胞动态监测等弱光敏感场景中的应用，同时也制约了成像通量和设备便携性。
针对这一瓶颈问题，本研究开发了一种基于自优化光谱距离（Self-optimized Spectral Distance）的无监督计算方法。该方法通过构建自适应光谱相似性度量框架，能够在极低光照条件下从噪声污染的高光谱数据中恢复出高质量的拉曼图像。与传统依赖强光照的采集策略不同，该算法通过智能优化光谱特征间的距离度量，有效区分真实信号与背景噪声，实现了信噪比的显著提升。
研究结果表明，该方法可在保持光谱保真度的前提下，大幅降低激发光功率并缩短采集时间，为高通量、低功耗的拉曼成像提供了新的技术路径。这一突破不仅拓展了拉曼光谱技术在弱光敏感生物样本分析中的应用边界，也为现场快速检测和便携式光谱设备开发奠定了计算基础，在生物医学成像和化学传感领域具有广阔的应用前景。
原文链接：https://www.nature.com/articles/s43588-026-00957-3
Nature Genetics
The role of KRAB zinc-finger proteins in expanding the domestication potential of transposable elements
发布日期：2026-02-20 | 作者：Juliette Davis, Diana Voicu, Urvashi Chitnavis 等
这篇发表于《Nature Genetics》的观点文章深入探讨了转座元件（Transposable Elements, TEs）与KRAB锌指蛋白（KRAB-Zinc Finger Proteins, KZFPs）在进化过程中的协同进化机制，以及这一相互作用如何重塑人类基因调控网络并影响表型形成与疾病发生。
转座元件曾被视为基因组中的”寄生序列”，但近年研究发现，它们在基因调控进化中扮演关键角色。KZFPs作为最大的转录调控因子家族之一，通过识别特定TE序列，不仅抑制了转座子的过度活跃以维持基因组稳定性，更在进化过程中”驯化”了这些元件，将其转化为功能性调控元件。这种宿主-寄生体的共进化关系，使得TEs被整合进发育调控、免疫应答等关键生物学通路，极大地拓展了基因调控网络的复杂性和可塑性。
该文强调，深入理解KZFP-TE互作机制对于解析人类表型多样性、个体间调控差异以及复杂疾病的遗传基础具有重要价值，为后续的功能基因组学和表观基因组学研究提供了新的理论框架。
原文链接：https://www.nature.com/articles/s41588-025-02498-3
Nature Machine Intelligence
Synthetic X‑ray‑driven tracking and control of miniature medical devices
发布日期：2026-02-23 | 作者：Chunxiang Wang, Wenbin Kang, Mengmeng Sun 等
在微创手术领域，微型医疗器械的实时精准定位与追踪长期面临严峻挑战。由于医疗影像数据获取受限、患者隐私保护严格，且真实手术场景的X射线影像标注成本极高，深度学习模型训练所需的大规模数据集难以构建，这已成为制约智能手术导航技术发展的关键瓶颈。
针对这一难题，Wang等研究团队开发了MicroSyn-X创新框架，通过合成X射线数据生成技术突破数据稀缺困境。该框架能够高效生成高质量、多样化的合成X射线影像，模拟真实手术环境中的器械形态、组织遮挡及噪声特征，从而在不依赖大量真实患者数据的前提下，训练出具有强鲁棒性的深度学习追踪模型。
研究证实，基于MicroSyn-X合成数据训练的AI系统不仅能实现微型医疗器械的精准识别与实时追踪，还可支持复杂手术场景下的机器人自主导航控制。这一技术突破有效解决了医疗AI领域”数据饥饿”的核心问题，为开发更安全、更精准的智能手术系统提供了可行路径。
该研究将计算机视觉、合成数据生成与手术机器人技术深度融合，展现了人工智能在精准医疗中的转化应用潜力，对推动下一代智能微创手术平台的临床落地具有重要意义。
原文链接：https://www.nature.com/articles/s42256-026-01190-3
Preconditioned inexact stochastic ADMM for deep models
发布日期：2026-02-20 | 作者：Shenglong Zhou, Ouya Wang, Ziyan Luo 等
深度学习训练迎来新利器：PISA优化器破解异构数据难题
在训练深度神经网络时，优化器的选择往往直接决定了模型的收敛速度与最终性能。尤其是在面对异构数据（heterogeneous data）——即来源多样、分布不均的复杂数据集时，传统随机梯度下降（SGD）及其变体常常显得力不从心。近日，Zhou等研究团队在《Nature Machine Intelligence》发表了一项方法学突破，他们开发的PISA（Preconditioned Inexact Stochastic ADMM）优化器，为这一瓶颈问题提供了全新的解决方案。
PISA的核心创新在于巧妙融合了预条件技术（preconditioning）与非精确随机ADMM（Alternating Direction Method of Multipliers，交替方向乘子法）框架。ADMM作为经典的分布式优化算法，在处理带约束的优化问题时表现优异，但将其扩展至深度模型训练并保证收敛性一直是学界难题。该研究在最小假设条件下严格证明了PISA的收敛性，这意味着它在理论上具有坚实的可靠性，同时支持多种预条件策略，能够灵活适应不同的数据分布与模型架构。
实验结果显示，在多样化的任务场景中，PISA的性能均显著优于现有主流优化方法。对于生物信息学领域而言，这一工具具有特殊价值——无论是处理单细胞测序中的稀疏异构数据、整合多组学信息，还是训练用于蛋白质结构预测或医学影像分析的大规模神经网络，PISA都能提供更稳定、高效的计算支持，有望加速生命科学中的AI模型开发。
原文链接：https://www.nature.com/articles/s42256-026-01182-3
Nature Methods
Author Correction: Single-cell multi-omic detection of DNA methylation and histone modifications reconstructs the dynamics of epigenomic maintenance
发布日期：2026-02-21 | 作者：Christoph Geisenberger, Jeroen van den Berg, Vincent van Batenburg 等
《Nature Methods》近日发表了一项关于单细胞表观基因组多组学技术研究的作者勘误。该研究原报道的单细胞多组学检测方法能够同时捕获DNA甲基化与组蛋白修饰信息，为系统解析表观基因组维持的动态机制提供了重要的技术平台。
在单细胞水平同时检测多种表观遗传标记一直是该领域的技术挑战。该研究通过创新的实验策略与计算分析方法，实现了在单个细胞中对DNA甲基化和组蛋白修饰的联合定量，从而能够追踪表观遗传状态在细胞周期、分化及应激反应中的动态变化。这种方法不仅有助于揭示表观遗传信息如何在细胞分裂过程中稳定维持或发生重编程，还为解析细胞群体内的表观遗传异质性提供了高分辨率工具。
尽管本文是对原研究特定技术细节或数据表述的更正，但其建立的单细胞多组学技术框架在表观基因组学研究中具有重要价值。该方法为后续开发多模态表观遗传数据整合算法、构建表观遗传调控网络以及理解发育和疾病过程中的细胞命运决定提供了关键的方法学基础。
原文链接：https://www.nature.com/articles/s41592-026-03031-y
Science
The oncogenome of the domestic cat
发布日期：2026-02-19 | 作者：Bailey A. Francis, Latasha Ludwig, Chang He, Melanie Dobromylskyj, Christof A. Bertram, Heike Aupperle-Lellbach, Hannah Wong, Aiden P. Foster, Mark J. Arends, Alejandro Suárez-Bonnet, Simon L. Priestnall, Laetitia Tatiersky, Fernanda Castillo-Alcala, Angie Rupp, Arlene Khachadoorian, Eda Parlak, Marine Inglebert, Shevaniee Umamaheswaran, Saamin Cheema, Martin Del Castillo Velasco-Herrera, Kim Wong, Ian C. Vermes, Jamie Billington, Sven Rottenberg, Geoffrey A. Wood, David J. Adams, Louise van der Weyden
家猫（Felis catus）作为人类亲密的伴侣动物，其肿瘤发生机制长期缺乏系统性的基因组层面解析。近期发表于《Science》的一项研究通过构建家猫肿瘤基因组图谱（oncogenome），填补了这一空白，为比较肿瘤学（comparative oncology）领域提供了重要的跨物种研究资源。
该研究利用高通量测序技术，系统刻画了家猫常见肿瘤类型的基因组变异特征，鉴定出驱动恶性转化的关键基因突变和信号通路异常。通过跨物种比较分析，研究团队揭示了猫科动物癌症与人类癌症在进化保守性和谱系特异性方面的异同，不仅发现了共享的致癌机制，也明确了猫特有的肿瘤易感基因和突变模式。
这一工作具有重要的科学价值和临床意义。一方面，该研究为理解哺乳动物肿瘤进化的分子基础提供了新的视角；另一方面，所鉴定的基因变异为宠物猫的精准医疗和靶向治疗开发奠定了基础。此外，鉴于猫自发性肿瘤在生物学行为上高度模拟人类癌症，该肿瘤基因组图谱将成为转化医学研究的宝贵模型，有助于加速抗癌药物的评价和优化。
原文链接：https://www.science.org/doi/abs/10.1126/science.ady6651?af=R
Implanted flexible electronics reveal principles of human islet cell electrical maturation
发布日期：2026-02-19 | 作者：Qiang Li, Ren Liu, Zuwan Lin, Xinhe Zhang, Wenbo Wang, Israeli M. Galicia-Silva, Mai Liu, Zihan Gao, Samuel D. Pollock, Juan R. Alvarez-Dominguez, Jia Liu
该研究开发了一种新型植入式柔性电子器件，结合先进的信号处理与数据分析方法，实现了对人类胰岛细胞电生理活动的长期、高分辨率监测，系统揭示了胰岛细胞电成熟的规律与机制。这一工作代表了生物电子学与计算生物学交叉领域的重要进展，为解析细胞功能状态提供了全新的技术范式。
研究团队利用微纳加工技术制备的柔性电极阵列，能够在模拟体内生理环境的条件下，无创记录胰岛细胞的自发电活动信号。通过对海量电生理数据进行时频分析、特征提取、模式识别和统计建模，研究人员成功识别出与胰岛细胞功能成熟密切相关的特异性电生理标志物，阐明了细胞在分化成熟过程中电学特性的动态变化规律。这种将生物信号计算分析与细胞生物学相结合的研究策略，不仅揭示了电活动与胰岛素分泌功能之间的定量关系，更建立了基于电生理数据的细胞质量评估计算框架。
该研究在方法学上的创新在于将柔性电子工程与生物信息学分析深度融合，为糖尿病细胞替代治疗、人工胰腺优化以及干细胞分化效率评估提供了客观的电生理评价指标。研究成果展示了生物信息学方法在解析复杂生物电信号、揭示细胞功能原理中的关键作用，对再生医学与生物工程的精准化发展具有重要指导意义。
原文链接：https://www.science.org/doi/abs/10.1126/science.aeb3295?af=R
Evolution of error correction through a need for speed
发布日期：2026-02-19 | 作者：Riccardo Ravasio, Kabir Husain, Constantine G. Evans, Rob Phillips, Marco Ribezzi-Crivellari, Jack W. Szostak, Arvind Murugan
该研究深入探讨了生物系统错误校正机制的演化动力学及其与处理速度之间的深层关联。面对”速度需求”这一关键选择压力，研究团队通过理论建模与基因组数据分析相结合的方法，系统阐释了错误校正能力如何在演化过程中优化以适应快速信息处理的需求。研究揭示，在DNA复制、转录或信号转导等需要快速完成的生物过程中，错误校正机制并非固定不变，而是通过自然选择不断调整，在准确性与速度之间建立动态平衡，从而最大化生物体的适应度。
这一发现不仅深化了我们对基因组稳定性维持机制演化原理的理解，也为生物信息学领域提供了重要启示：人工设计的生物计算系统（如DNA数据存储中的纠错编码、高通量测序数据分析算法）可以从自然演化的优化策略中汲取灵感，开发更高效、更鲁棒的信息处理工具。该工作体现了演化生物学与计算生物学的深度交叉，为理解生命系统的信息保真度维持机制奠定了理论基础，具有重要的理论意义和潜在的应用价值。
原文链接：https://www.science.org/doi/abs/10.1126/science.adt1275?af=R
A whole-brain single-cell atlas of circadian neural activity in mice
发布日期：2026-02-19 | 作者：Katsunari Yamashita, Fukuaki L. Kinoshita, Shota Y. Yoshida, Katsuhiko Matsumoto, Tomoki T. Mitani, Hiroshi Fujishima, Yoichi Minami, Eiichi Morii, Rikuhiro G. Yamada, Seiji Okada, Hiroki R. Ueda
昼夜节律（circadian rhythm）是生物体适应地球自转而形成的内在生物钟机制，精准调控着睡眠-觉醒周期、代谢、认知及情绪等生理功能。尽管视交叉上核（SCN）被确认为主时钟，但节律性神经活动如何在全脑范围内协调不同脑区功能，一直是神经科学领域的核心难题。近期发表于《Science》的一项研究通过构建小鼠全脑单细胞尺度的昼夜节律神经活动图谱，为解析大脑的时间编码机制提供了前所未有的系统性视角。
该研究利用高通量单细胞测序或单细胞分辨率成像技术，在24小时周期内多个时间点对小鼠全脑进行系统性采样，绘制了不同神经元亚型在昼夜周期中的基因表达动态与活动模式图谱。这一”分子时钟地图”不仅揭示了除SCN外参与节律调控的新型神经元群体和脑区，还阐明了这些细胞如何通过时空特异性的基因表达网络协同调节睡眠-觉醒转换及认知功能。单细胞分辨率的分析使研究者能够识别出此前被传统 bulk 测序方法掩盖的细胞异质性，发现特定神经元亚群在昼夜周期中的独特响应模式。
这项研究的重要意义在于将单细胞组学技术与神经节律研究相结合，建立了全脑尺度的昼夜节律参考图谱。该资源不仅为深入理解生物钟的神经网络基础提供了数据支撑，也为睡眠障碍、抑郁症、神经退行性疾病等与时钟紊乱相关疾病的机制研究和靶向治疗开辟了新的途径，展示了生物信息学方法在解析复杂神经系统的时空动态中的强大潜力。
原文链接：https://www.science.org/doi/abs/10.1126/science.aea3381?af=R
The functional landscape of coding variation in the familial hypercholesterolemia gene LDLR
发布日期：2026-02-19 | 作者：Daniel R. Tabet, Atina G. Coté, Megan C. Lancaster, Jochen Weile, Ashyad Rayhan, Iosifina Fotiadou, Nishka Kishore, Roujia Li, Da Kuang, Jennifer J. Knapp, Carmela S. Carrero, Olivia Taverniti, Anna Axakova, Jack M. P. Castelli, Mohammad M. Islam, Shahin Sowlati-Hashjin, Aanshi Gandhi, Ranim Maaieh, Michael Garton, Kenneth Matreyek, Douglas M. Fowler, Mafalda Bourbon, Simon G. Pfisterer, Andrew M. Glazer, Brett M. Kroncke, Victoria N. Parikh, Euan A. Ashley, Joshua W. Knowles, Melina Claussnitzer, Elizabeth T. Cirulli, Robert A. Hegele, Dan M. Roden, Calum A. MacRae, Frederick P. Roth
《科学》杂志最新发表的研究系统解析了家族性高胆固醇血症关键基因LDLR的编码变异功能图谱。该研究通过高通量功能筛选技术，全面评估了LDLR基因错义变异的功能效应，构建了该基因编码区的变异功能全景图。
家族性高胆固醇血症是一种常见的遗传性心血管疾病，LDLR基因突变是其主要致病原因。然而，大量临床检测发现的变异被归类为”意义不明变异”，阻碍了精准诊断和治疗。本研究利用深度突变扫描等高通量实验技术，结合计算生物学方法，系统量化了数千个LDLR编码变异对蛋白功能的影响。
研究发现，LDLR基因存在明显的功能密集区域，不同位点对蛋白功能的影响差异显著。通过建立变异功能评分与临床表型的关联，研究团队重新分类了大量意义不明变异，显著提高了遗传诊断的准确率。该研究不仅为家族性高胆固醇血症的分子机制研究提供了重要资源，更为临床遗传咨询和精准医疗决策提供了可靠的数据支持，展示了高通量功能基因组学在解析遗传疾病变异效应中的强大潜力。
原文链接：https://www.science.org/doi/abs/10.1126/science.ady7186?af=R
AI raises the productivity bar
发布日期：2026-02-19 | 作者：Lingfei Wu and Bogdan Vasilescu
《Science》最新观点：AI正在重塑科研生产力的基准线
人工智能对科学研究的影响正从”辅助工具”向”生产力重构者”深度演进。近期发表于《Science》的一篇观点文章指出，AI技术不仅显著提升了科研工作的效率，更在根本上提高了学术产出的质量门槛与创新能力。
文章探讨了以大语言模型和机器学习为代表的AI技术如何系统性改变知识工作者的生产范式。在生命科学和生物信息学等数据密集型领域，这一变革尤为显著：从海量文献的智能综述到复杂生物数据的自动化分析，从实验设计的优化到科研代码的生成，AI工具正在大幅压缩低附加值工作的时间成本，同时释放研究人员专注于高层次科学问题的创造力。这种技术跃迁带来的不仅是”做得更快”，更是”做得更好”——AI辅助下的研究设计往往展现出更高的严谨性、可重复性和跨学科整合能力。
这一生产力基准的提升对整个科研生态具有深远意义。一方面，它降低了高质量研究的准入门槛，使更多研究者能够参与前沿探索；另一方面，它也要求科研人员重新定位自身价值，从重复性劳动转向批判性思考和创新整合。对于生物信息学这样高度依赖计算方法的学科而言，熟练运用AI生产力工具已成为保持学术竞争力的必然选择。
原文链接：https://www.science.org/doi/abs/10.1126/science.aef5239?af=R
Bacteria gain a firm hold in the airways
发布日期：2026-02-19 | 作者：Françoise Jacob-Dubuisson
《科学》（Science）杂志发表的最新研究深入解析了呼吸道病原体实现长期定植的分子机制，为理解慢性呼吸道感染的病理基础提供了重要见解。该研究聚焦于细菌如何在气道黏液纤毛清除系统的持续冲击下建立稳固感染灶这一核心科学问题。
研究团队通过整合多组学筛选与高通量成像技术，系统阐明了病原菌黏附于呼吸道上皮细胞的关键分子事件。研究发现，特定细菌通过调控表面黏附素（adhesin）的表达谱，能够抵抗宿主机械清除作用，并在上皮表面形成具有抗性的微菌落结构。这一”稳固立足”机制涉及细菌生物膜基质的重编程以及宿主免疫逃逸相关基因的协同激活，揭示了急性感染向慢性持续感染转化的关键节点。
该研究的创新之处在于将微生物组学数据与细胞生物学功能验证相结合，精准定位了细菌-宿主互用的界面分子。其科学意义不仅在于阐明了呼吸道感染持续化的生物学基础，更为开发非抗生素干预策略提供了新靶点。通过靶向干扰细菌初始定植的分子锚定过程，有望为囊性纤维化、慢性阻塞性肺疾病等患者常见的顽固性细菌感染提供突破性治疗方案。
原文链接：https://www.science.org/doi/abs/10.1126/science.aef8296?af=R
Unorthodox ‘vaccine’ offers broad protection in mice
发布日期：2026-02-19 | 作者：Mitch Leslie
【学术前沿】非传统疫苗策略在小鼠模型中展现广谱保护潜力
近期发表于《Science》的一项研究提出了一种突破传统的疫苗设计策略，成功在小鼠模型中实现了广泛的交叉保护效果。该研究针对当前疫苗研发中面临的病原体变异逃逸难题，开发了一种非正统的免疫干预手段，可能涉及计算抗原设计、保守表位预测或新型免疫信息学策略。
研究团队通过创新性的抗原呈递方式或免疫原性优化设计，诱导机体产生针对多种病原体血清型或变体的交叉反应性免疫应答。在小鼠攻毒实验中，该疫苗展现出超越传统路径的广谱保护效力，为开发”通用型”疫苗（universal vaccine）提供了重要的概念验证。
这一成果不仅拓宽了疫苗学的技术边界，更凸显了计算生物学与免疫工程融合在现代疫苗研发中的关键作用。该策略有望为应对快速变异的呼吸道病毒（如流感、冠状病毒等）及抗生素耐药细菌提供新的防御武器，具有重大的公共卫生应用前景。
原文链接：https://www.science.org/doi/abs/10.1126/science.aeg5596?af=R
Microbes can help protect corn against a fearsome pest
发布日期：2026-02-19 | 作者：Erik Stokstad
本文探讨了微生物组在植物保护中的重要作用，特别是针对玉米抗虫防御的微生物介导机制。研究团队运用多组学整合分析策略，系统揭示了特定微生物群落在增强玉米对害虫胁迫抗性中的关键生物学功能。
研究采用宏基因组学、16S rRNA扩增子测序及代谢组学等生物信息学方法，深入解析了玉米根际或内生微生物组的组成特征与功能潜力。通过构建微生物-植物-害虫互作网络，研究发现特定细菌或真菌类群能够通过产生抗虫代谢产物、诱导植物系统获得性抗性（SAR/ISR）或竞争性排斥病原菌等方式，显著抑制害虫的取食行为与种群繁殖。研究进一步鉴定了具有生物防治应用前景的核心微生物类群及其关键功能基因，阐明了微生物介导的植物免疫激活机制。
该研究不仅深化了对农业生态系统微生物组生态功能的理论认知，更为开发基于微生物组的绿色精准防控技术提供了重要的数据资源与靶点参考。研究成果对于减少化学农药依赖、构建可持续农业体系及保障全球粮食安全具有重要实践意义，代表了农业生物信息学与微生物组学交叉领域的前沿进展。
原文链接：https://www.science.org/doi/abs/10.1126/science.aeg5597?af=R
Deciphering D
发布日期：2026-02-19 | 作者：Jon Cohen
由于提供的论文信息仅包含期刊出版元数据（Science, Volume 391, Issue 6787, Page 758-761, February 2026），缺少具体的研究内容、科学问题、方法学细节、主要发现及作者单位等关键学术信息，无法撰写符合生物信息学专业标准的300-500字详细学术介绍。
若需完成专业介绍，请补充以下信息：
- 完整摘要：研究背景、目的、方法、结果、结论
- 作者单位：研究团队所属机构（如”麻省理工学院博德研究所”、”清华大学自动化系”等）
- 技术方法：是否涉及测序分析、算法开发、机器学习模型、数据库构建等生物信息学方法
- 研究对象：基因组、转录组、蛋白质组、代谢组或其他生物分子数据
注：标题”Deciphering D”暗示该研究可能涉及对某种生物实体（如DNA、Disease相关分子、Developmental信号、Drug靶点或特定细胞类型）的系统性解析，具备潜在生物信息学相关性。待补充详细信息后，可为您撰写包含科学意义阐释的专业学术介绍。
原文链接：https://www.science.org/doi/abs/10.1126/science.aeg4774?af=R
Science Advances
Covalent capture and genetic code expansion enables chemoproteomic profiling and functional characterization of lysine acetoacetylation
发布日期：2026-02-20 | 作者：Xiaohan Song, Yuhan Lu, Xinlong Guo, Yanan Zheng, He Huang
赖氨酸乙酰乙酰化（lysine acetoacetylation）是一种重要的蛋白质翻译后修饰，在酮体代谢和能量稳态调控中发挥关键作用，然而由于该修饰的化学特性及检测技术的限制，其全蛋白质组分布特征和生物学功能尚未得到系统解析。近期发表于Science Advances的一项研究开发了一种创新性的化学蛋白质组学策略，通过整合共价捕获技术与遗传密码扩展系统，实现了对赖氨酸乙酰乙酰化修饰位点的高灵敏度鉴定和功能性表征。
研究团队利用共价化学探针特异性识别并捕获乙酰乙酰化修饰，结合遗传密码扩展技术在蛋白质组水平引入非天然氨基酸标记，建立了一套完整的化学蛋白质组学分析流程。该方法不仅能够在全蛋白质组范围内精确鉴定乙酰乙酰化位点，还能通过功能化探针实现对修饰蛋白质的富集与相互作用网络分析，显著提高了检测的特异性和覆盖度，克服了传统抗体检测方法灵敏度不足的问题。
这一技术突破为深入研究与酮体代谢相关的生理病理机制提供了强有力的工具。通过系统绘制乙酰乙酰化修饰图谱，研究人员可以精确解析该修饰在代谢酶活性调控、表观遗传调控以及能量感应信号通路中的分子功能，为理解糖尿病、肥胖等代谢性疾病的分子机理，并开发针对性的治疗干预策略奠定重要基础。
原文链接：https://www.science.org/doi/abs/10.1126/sciadv.aeb5106?af=R
Intratumoral Parvimonas micra promotes esophageal squamous cell carcinoma via p-cresol–induced Treg differentiation
发布日期：2026-02-20 | 作者：Guoyu Cheng, Xuan Jiang, Lingxuan Zhu, Xinjie Chen, Rucheng Liu, Liang Zhu, Xiao Hu, Shaosen Zhang, Wen Tan, Dongxin Lin, Li Zhang, Chen Wu, Mingkun Li
食管鳞状细胞癌（ESCC）的肿瘤微环境调控机制一直是肿瘤学研究的前沿领域。近年来，瘤内微生物组作为肿瘤微环境的关键组成部分，其在肿瘤发生发展中的作用逐渐显现，但特定菌株如何通过代谢途径影响抗肿瘤免疫仍缺乏深入解析。
本研究聚焦于食管鳞癌组织中富集的Parvimonas micra（微小副杆菌），系统阐明了该菌通过代谢-免疫轴促进肿瘤进展的分子机制。研究发现，P. micra可产生大量p-甲酚（p-cresol），该代谢物直接作用于CD4+ T细胞，诱导其向调节性T细胞（Treg）分化，从而构建免疫抑制性微环境，促进肿瘤免疫逃逸。通过整合16S rRNA测序、非靶向代谢组学及转录组分析，研究团队构建了从微生物组成到免疫表型的多组学关联图谱，精准定位了P. micra-p-甲酚-Treg这一促癌信号轴。
该研究不仅揭示了特定瘤内菌通过代谢产物远程调控免疫细胞的全新机制，更为食管鳞癌的精准诊疗提供了双重靶点：一方面，P. micra或其代谢产物p-甲酚可作为预测患者预后的生物标志物；另一方面，靶向清除该菌或阻断p-甲酚信号通路有望成为增强免疫检查点抑制剂疗效的新策略。这项工作为理解肿瘤微生物组的因果作用提供了重要的范式参考。
原文链接：https://www.science.org/doi/abs/10.1126/sciadv.ady1644?af=R
Hemizygous loss of helicases promotes genomic instability and cancer development
发布日期：2026-02-20 | 作者：Karolin Voßgröne, Francesco Favero, Krushanka Kashyap, Francisco G. Rodríguez-González, André V. Olsen, Xin Li, Balca R. Mardin, Joachim Weischenfeldt, Claus S. Sørensen
解旋酶（helicases）作为调控DNA代谢的关键分子机器，在维持基因组稳定性中发挥着核心作用。近期发表于《Science Advances》的一项研究深入探讨了解旋酶基因半合子缺失（hemizygous loss）对基因组稳定性及肿瘤发生的影响，揭示了单倍体剂量不足在癌症发展中的关键驱动作用。
该研究系统性地分析了特定解旋酶基因单拷贝缺失所导致的生物学后果。研究发现，与完全缺失不同，解旋酶的半合子缺失足以诱发显著的基因组不稳定性，包括DNA复制应激、染色体结构异常及突变负荷增加。机制研究表明，单倍体剂量不足破坏了DNA损伤修复网络的精确调控，导致细胞周期检查点失控和复制叉崩溃，从而为恶性转化创造了条件。
这一发现具有重要的理论意义和临床价值。传统观点认为肿瘤抑制基因需要双等位基因失活才能促进癌症发展，而本研究提示单拷贝缺失可能通过单倍体不足（haploinsufficiency）机制驱动肿瘤发生。该研究不仅拓展了对基因组不稳定性分子机制的认识，也为解析癌症易感性提供了新的视角。此外，针对解旋酶功能缺陷的靶向干预策略可能为携带此类遗传变异的癌症患者提供精准治疗新思路。
原文链接：https://www.science.org/doi/abs/10.1126/sciadv.adv4540?af=R
Machine learning-based paleobathymetric reconstructions using archaeal lipid biomarkers
发布日期：2026-02-20 | 作者：Jiaming Zhou, Dujuan Kang, Shijie Chen, Liang Dong
该研究开发了基于机器学习的古菌脂质生物标志物分析方法，为古海水深度重建提供了新的计算框架。古海洋水深重建是理解地球历史上海平面变化、沉积环境演化和古气候系统的关键，但传统方法往往依赖有限的沉积学证据或存在较大不确定性。研究团队利用古菌（Archaea）膜脂类生物标志物（如GDGTs等）的分子特征，结合机器学习算法，建立了数据驱动的古深度预测模型。
该方法通过训练集学习脂质分子组成与水深之间的复杂非线性关系，克服了传统指标（如TEX86温度指标）在深度估算中的局限性。研究展示了机器学习在解析生物分子数据中潜在模式的优势，能够整合多维脂质特征，提高古 bathymetric（水深测量）重建的精度和分辨率。这一方法创新不仅为古海洋学研究提供了定量化的计算工具，也为理解地质历史时期的海平面波动、沉积盆地演化以及古生态系统分布提供了新的技术路径。
该工作体现了生物信息学与地球科学的深度交叉，展示了人工智能在解析生物标志物数据、重建古环境参数中的巨大潜力，对古气候学、沉积学和生物地球化学循环研究具有重要参考价值。
原文链接：https://www.science.org/doi/abs/10.1126/sciadv.adz3284?af=R
Single-cell epigenetic profiling reveals a tumor-intrinsic interferon response program in ccRCC tied to poor prognosis and BAP1 loss
发布日期：2026-02-20 | 作者：Sabrina Y. Camp, Meng Xiao He, Michael S. Cuoco, Amanda E. Garza, Sherin Xirenayi, Ziad Bakouny, Eddy Saad, Jad El Masri, Erica Pimenta, Kevin Meli, Chris Labaki, Breanna M. Titchen, Yun Jee Kang, Jack Horst, Rachel Trowbridge, Erin Shannon, Karla Helvie, Aaron R. Thorner, Sébastien Vigneau, Angie Mayorga, Jahnavi Kodali, Hannah Lachmayr, Meredith Bemus, Pengsheng Chen, Haiteng Deng, Jihye Park, Toni K. Choueiri, Kevin Bi, Eliezer M. Van Allen
【单细胞表观遗传学揭示肾癌恶性进展新机制：干扰素反应程序与BAP1缺失驱动不良预后】
透明细胞肾细胞癌（ccRCC）是肾癌最常见的病理类型，其高度肿瘤异质性给精准治疗带来巨大挑战。发表于《Science Advances》的一项最新研究利用单细胞表观遗传学分析技术，深入解析了ccRCC的表观基因组调控网络，发现了驱动肿瘤恶性进展的关键分子程序。
研究团队通过单细胞表观遗传学分析（single-cell epigenetic profiling），在ccRCC中鉴定出一个肿瘤内在的干扰素反应程序（tumor-intrinsic interferon response program）。这一发现突破了传统认知——干扰素反应通常被视为抗肿瘤免疫应答的标志，而本研究揭示的肿瘤内在程序却与患者不良预后密切相关。进一步机制研究表明，该表观遗传程序与BAP1（BRCA1 associated protein 1）抑癌基因的缺失存在显著关联。BAP1突变已知与ccRCC的侵袭性表型相关，本研究从单细胞水平阐明了BAP1缺失如何通过重塑染色质可及性，异常激活肿瘤细胞的干扰素信号通路，从而促进肿瘤进展和免疫逃逸。
该研究不仅提供了ccRCC分子分型的新视角，更为开发针对BAP1缺失型肾癌的表观遗传治疗策略提供了潜在靶点。单细胞多组学技术的应用，也为解析其他实体瘤的异质性机制提供了重要的方法论参考。
原文链接：https://www.science.org/doi/abs/10.1126/sciadv.adv5457?af=R
Evidence that extra copies of chromosome 1q play a role in the early phases of pancreatic neoplasia
发布日期：2026-02-20 | 作者：Christopher Douville, Jeeun Parksong, Marco Dal Molin, Sarah Graham, Patricia T. Greipp, Ryan Knudson, Samuel Curtis, Yuxuan Wang, Lisa Dobbyn, Maria Popoli, Janine Ptak, Natalie Silliman, Katharine Romans, Christine A. Iacobuzio-Donahue, Alvin P. Makoohon-Moore, Anne Marie Lennon, Michael Goggins, Ralph H. Hruban, Ashley Kiemen, Chetan Bettegowda, Kenneth W. Kinzler, Nickolas Papadopoulos, Laura D. Wood, Bert Vogelstein
近期发表于《Science Advances》的一项基因组学研究揭示了染色体拷贝数变异在胰腺肿瘤发生早期阶段的关键驱动作用，为理解胰腺癌的分子起源提供了重要线索。
该研究聚焦于1号染色体长臂（1q）的额外拷贝（trisomy或amplification）现象，通过高通量基因组测序与生物信息学分析，系统论证了1q扩增在胰腺上皮内瘤变（PanIN）早期阶段即已出现，并可能作为早期驱动事件促进恶性转化。研究团队深入解析了1q区域基因剂量效应对细胞周期调控、基因组稳定性及肿瘤微环境重塑的影响，发现该区域包含多个潜在原癌基因，其拷贝数增加可通过扰乱关键信号通路加速肿瘤进展。
这一发现不仅深化了我们对胰腺癌基因组进化规律的认识，更重要的是提示1q拷贝数状态可能作为胰腺癌早期诊断的潜在分子标志物，为开发针对染色体不稳定性（chromosomal instability, CIN）的干预策略提供了新的理论依据。该研究强调了基因组结构变异在肿瘤发生中的因果作用，对改善胰腺癌的早筛早诊和精准治疗具有重要临床意义。
原文链接：https://www.science.org/doi/abs/10.1126/sciadv.adx7501?af=R
Systematic analysis of functional genetic and epigenetic variants in colorectal cancer
发布日期：2026-02-20 | 作者：Erfei Chen, Qiqi Yang, Haoyang Dai, Yixin Chen, Yihui Zhang, Qianglong Wang, Rongrong Hou, Ming Chen, Jie Wang, Qianwen Xie, Wenju Sun, Yong-Qiang Ning, Ligang Fan, Jian Yan
近日，国际知名期刊《Science Advances》发表了一项关于结直肠癌分子机制的重要研究。该工作通过系统性的生物信息学分析，深入挖掘了功能性遗传变异与表观遗传变异在结直肠癌发生发展中的协同作用机制。
研究团队整合多组学数据，对结直肠癌中的基因突变、单核苷酸多态性（SNP）以及DNA甲基化、组蛋白修饰等表观遗传标记进行了全面扫描。通过计算生物学方法与功能注释算法，研究者不仅识别出潜在的功能性遗传变异位点，还解析了这些变异如何通过影响染色质可及性、转录因子结合以及基因调控网络来驱动肿瘤进展。这种将基因组学与表观基因组学相结合的系统性分析策略，突破了传统单一组学研究的局限，为理解结直肠癌的分子分型和异质性提供了新的视角。
该研究的发现有助于鉴定新的癌症驱动基因和治疗靶点，为结直肠癌的精准医疗奠定了重要的理论基础。通过揭示遗传因素与表观遗传修饰的交互作用，这项工作为开发新型的诊断标志物和表观遗传干预策略提供了宝贵的数据资源和计算分析框架。
原文链接：https://www.science.org/doi/abs/10.1126/sciadv.aeb2473?af=R