本期共收录 41 篇文章：Cell 10 篇, Nature 7 篇, Nature Biotechnology 2 篇, Nature Communications 1 篇, Nature Computational Science 1 篇, Nature Genetics 5 篇, Nature Machine Intelligence 3 篇, Nature Methods 2 篇, Science 3 篇, Science Advances 7 篇。

Cell

Multimodal clocks of human aging

发布日期：2026-05-08 | 作者：Jiaming Li, Beier Jiang, Wei Zhang, Junwei Hao, Zhili Liu, Qianzhao Ji, Yandong Zheng, Xiaoyong Lu, Zikai Zheng, Shuai Ma, Yanlin Fan, Dan-Dan Gao, Xiao-Wen Hou, Jing Li, Jiazhen Tang, Yaobin Jing, Lingling Geng, Ruochen Wu, Baohu Zhang, Shuhui Sun, Yusheng Cai, Kaowen Yan, Muzhao Xiong, Chen Dong, Xibo Ma, Gang Xu, Zhejun Ji, Haoteng Yan, Quan Zheng, Honghao Huang, Li Zhang, Junming Li, Mengmeng Jiang, Liu-Jun Xu, Yifan Chen, Geyue Qu, Wan Lei, Hengchao Wang, Jun Ping, Jia Zhou, Ming Yi, Mingjin Jiang, Ying Jing, Wei-Dong Ye, Xiao Zhang, Xi Chu, Yuting He, Qian Zhao, Qi Wu, Meiling He, Lina Ma, Peng Liu, Liyun Zhao, Qiao-Cheng Zhai, Jun Qin, Jie Lu, Xianhe Yang, Shuo Zhang, Yu Xiong, Hua Ren, Wei Yang, Zhanmei Huang, Jiachen Zhang, Min Zhang, Pei Chen, Jian Dong, Yu Zhang, Tingting Yan, Jin-Lin Ye, Ping Huang, Zhigang Qi, Yong Liu, Jichen Shuai, Cheng-Shui Chen, Ping Li, Dawei Li, Xiuhua Xu, Xuexian Song, Jingyi Li, Jiale Ping, Jinghao Hu, Xiaoyan Sun, Jiaqi Ai, Zhengqin Wang, Yuxin Zhang, Peng Yang, Taixin Ning, Yan Yu, Zan He, Hui Zhang, Tianyang Zhang, Yuanhan Yang, Qiaoran Wang, Fangmin Lin, Xiangmei Jin, Xuewei Chen, Jie Ren, Moshi Song, Si Wang, Jiayin Yang, Jianming Li, Weihong Song, Fuchu He, Yun-Gui Yang, Gang Pei, Jing Qu, Wei Zhang, Jun Pu, Feng Zhang, Guoguang Zhao, Weiqi Zhang, Guang-Hui Liu

衰老的精准量化与系统性机制解析是当前老年医学与计算生物学交叉领域的核心挑战。发表于《Cell》的这项研究构建了一种创新的多模态人类衰老时钟分析框架，通过整合多中心队列的多维组学数据，实现了对生物学年龄的高精度量化评估。该研究不仅鉴定出跨独立人群高度保守的衰老生物标志物，还系统描绘了不同器官衰老轨迹的异质性，首次从数据驱动角度解码了器官衰退的异步性特征。在机制层面，研究团队发现肝脏来源的凝血因子随年龄增长发生异常积累，并证实这一过程是驱动血管老化及全身系统性衰老的关键上游机制。该工作将多模态数据整合、生物标志物发现与功能机制验证有机结合，不仅深化了对器官间通讯网络在衰老级联反应中作用的理解，更为靶向凝血-炎症轴开发抗衰老干预手段提供了全新的理论依据和治疗靶点。这项研究标志着衰老评估从单一维度向系统整合范式的重要转变，对推动精准老年医学和衰老相关疾病的早期防控具有重要科学意义。

原文链接：https://www.cell.com/cell/fulltext/S0092-8674(26)00460-5?rss=yes

AI-predicted spatial transcriptomics unlocks breast cancer biomarkers from pathology

发布日期：2026-05-08 | 作者：Eldad D. Shulman, Emma M. Campagnolo, Roshan Lodha, Youngmin Chung, Amos Stemmer, Thomas Cantore, Beibei Ru, Tian-Gen Chang, Sumona Biswas, Saugato Rahman Dhruba, Sumeet Patiyal, Sushant Patkar, Andrew Wang, Ranjan K. Barman, Chuhan Wang, Rohit Paul, Sarath Chandra Kalisetty, Tom Hu, MacLean P. Nasrallah, Ellis Patrick, Jean Yang, Yuan Yuan, Karine Sargsyan, Amy Plotkin, Padma Sheila Rajagopal, Stephen-John Sammut, Stanley Lipkowitz, Peng Jiang, Carlos Caldas, Simon R.V. Knott, Kenneth Aldape, Joo Sang Lee, Danh-Tai Hoang, Eytan Ruppin

研究团队开发了一种名为Path2Space的人工智能计算框架，首次实现了从常规组织病理学H&E染色切片直接预测空间基因表达图谱，为乳腺癌精准诊疗提供了全新的生物信息学分析策略。该研究直面空间转录组技术成本高昂、通量受限、难以在大型临床队列中规模化应用的核心瓶颈，利用深度学习方法挖掘病理图像中的微观形态特征，建立其与高维空间分子表达之间的非线性映射关系，从而在不进行额外分子实验的前提下，低成本地重构肿瘤组织的空间转录组景观。

该方法的方法学创新在于突破了传统计算病理学仅关注形态学分类或基因突变预测的局限，将人工智能与空间组学深度融合，实现了对肿瘤微环境异质性的系统解析。在乳腺癌研究中的应用表明，Path2Space推断的空间基因表达图谱不仅能够识别具有独立预后意义的临床亚群，还能基于常规病理切片准确预测患者的治疗反应，挖掘出具有临床转化潜力的数字生物标志物。

该工作展示了病理图像作为“空间分子信息载体”的巨大潜力，为生物信息学驱动的精准肿瘤学研究开辟了新的范式。其技术路线有望显著降低空间组学研究的门槛，提升精准医学在大规模临床队列中的可及性，对肿瘤分子分型、疗效评估及新药研发均具有重要的理论意义与应用价值。

原文链接：https://www.cell.com/cell/fulltext/S0092-8674(26)00458-7?rss=yes

The rise of polyploids during environmental upheaval

发布日期：2026-05-08 | 作者：Hengchi Chen, Fabricio Almeida-Silva, Garben Logghe, Steven Maere, Dries Bonte, Yves Van de Peer

该研究致力于解析古环境剧变与被子植物宏观进化之间的深层关联。通过对470种被子植物基因组进行系统比较与进化基因组学分析，研究团队精确鉴定并定年了132次古老的全基因组加倍（WGD）事件，首次在宏观进化尺度上揭示了古多倍化与地球环境灾难之间的耦合关系。

研究发现，这些古老的基因组加倍事件并非随机分布，而是显著聚集于地质历史上多次关键的环境剧变与生物大灭绝时期，包括白垩纪-古近纪（K-Pg）灭绝事件、古新世-始新世极热事件（PETM）、始新世-渐新世过渡、中中新世气候扰动以及多次海洋缺氧事件。这一聚集模式强烈暗示，极端环境压力可能通过诱导全基因组加倍，为植物提供了丰富的遗传冗余和变异来源，进而促进适应性进化与物种多样化。

该研究整合了大量基因组数据与深时地质记录，不仅建立了植物基因组进化与地球系统科学之间的直接联系，也为理解被子植物多样性爆发的驱动机制提供了全新的进化基因组学视角，对评估全球气候变化背景下植物的进化响应与适应潜力具有重要的理论启示。

原文链接：https://www.cell.com/cell/fulltext/S0092-8674(26)00397-1?rss=yes

A blood-brain barrier-like vascular gate limits immunotherapy efficacy in neuroendocrine cancers

发布日期：2026-05-07 | 作者：Yiyun Wang, Ailing Zhong, Bo Wang, Xiaoqian Zhai, Chang Lei, Zuoyu Liang, Xintong Deng, Jian Zhong, Chaoxin Xiao, Jianan Zheng, Baohong Wu, Lanxin Zhang, Yuying Wang, Xiangmeng Luo, Jian Wang, Mengsha Zhang, Hongyu Liu, Xudong Wan, Siqi Dai, Yucen Yang, Shiyu Zhang, Weiya Wang, Shengyong Yang, Jianxin Xue, Chengjian Zhao, Tuomas Tammela, Zhiming Li, Yan Zhang, Feifei Na, Manli Wang, Yu Liu, Chong Chen

该研究聚焦于神经内分泌肿瘤（尤其是小细胞肺癌）免疫治疗耐药的微环境调控机制，从血管生物学角度揭示了血脑屏障样结构在肿瘤免疫逃逸中的关键作用。研究团队发现，小细胞肺癌等神经内分泌肿瘤中存在着一种功能性的血管门控系统，该系统通过选择性阻滞CD8+ T细胞等免疫效应细胞向肿瘤实质的浸润，形成免疫“冷”微环境，进而驱动对抗PD1免疫检查点抑制剂的系统性耐药。深入的机制研究鉴定出IGF1R及其结合蛋白IGFBP5是维持该血管屏障完整性和功能的核心调控因子。研究证实，通过药理学手段靶向阻断IGF1R信号或干预IGFBP5功能，能够有效破坏血管内皮屏障、重塑肿瘤血管通透性，显著增加CD8+ T细胞的肿瘤内浸润水平，从而恢复并增强抗PD1免疫治疗的应答效率。该发现不仅阐明了神经内分泌肿瘤免疫治疗失败的新机制，更为开发以血管微环境为靶点的联合免疫治疗策略提供了重要的理论依据和临床转化方向。

原文链接：https://www.cell.com/cell/fulltext/S0092-8674(26)00452-6?rss=yes

A cell type-specific mechanism driving the rapid antidepressant effects of transcranial magnetic stimulation

发布日期：2026-05-07 | 作者：Michael W. Gongwer, Alex Qi, Alexander S. Enos, Sophia A. Rueda Mora, Sabahaddin Taha Solakoğlu, Russell N. Ahmed, Cassandra B. Klune, Meelan Shari, Adrienne Q. Kashay, Owen H. Williams, Aliza Hacking, Jack P. Riley, Gary A. Wilke, Yihong Yang, Hanbing Lu, Andrew F. Leuchter, Laura A. DeNardo, Scott A. Wilke

重复经颅磁刺激（rTMS）是临床上重要的非侵入性神经调控手段，具有快速抗抑郁效应，但其深层神经机制长期未被阐明。发表于《Cell》的这项研究通过构建重复经颅磁刺激小鼠模型，系统揭示了前额叶皮层中驱动TMS快速行为改善的关键神经环路机制。

研究团队发现，TMS的抗抑郁效应并非通过非特异性神经激活实现，而是依赖于前额叶皮层特定细胞类型及其神经环路的可塑性重塑。该研究将加速的行为学改善精准映射至细胞类型特异性的环路适应性改变，阐明了特定神经元亚群在介导神经调控效应中的选择性作用，建立了从神经活动调控到行为表型缓解的因果链条。

这一发现不仅深化了我们对快速抗抑郁神经生物学基础的理解，更重要的是提出了“细胞类型-神经环路-行为”三位一体的调控框架。该研究为临床优化TMS刺激参数、开发靶向特定细胞群体的精准神经调控策略提供了关键理论依据，对推动抑郁症的个体化治疗具有重要转化医学价值。

原文链接：https://www.cell.com/cell/fulltext/S0092-8674(25)01489-8?rss=yes

发布日期：2026-05-06 | 作者：Supaporn Wacharapluesadee, Wilaiporn Saikruang, Spyros Lytras, Kanata Matsumoto, Keiya Uriu, Alfredo Hinay, Ziyi Guo, Khwankamon Rattanatumhi, Ananporn Supataragul, Sasiprapa Ninwattana, Nattakarn Thippamom, Tanawut Srisuk, Patarapol Maneeorn, Kirana Noradechanon, Prateep Duengkae, Nutthinee Sirichan, Yusuke Kosugi, Shigeru Fujita, Maximilian Stanley Yo, Ryo Matsunaga, Bingjie Hu, Lianzhao Du, Lei Wang, Masumi Tsuda, Yoshitaka Oda, Hesham Nasser, Kanako Terakado Kimura, Hiroaki Akasaka, Hiroyuki Asakura, Mami Nagashima, Kenji Sadamasu, Kazuhisa Yoshimura, Yuki Yamamoto, Tetsuharu Nagamoto, Takanori Asakura, Wataru Shihoya, Takao Hashiguchi, Terumasa Ikeda, Shinya Tanaka, Hin Chu, Kouhei Tsumoto, Osamu Nureki, The Genotype to Phenotype Japan (G2P-Japan) Consortium, The Genotype to Phenotype Asia (G2P-Asia) Consortium, Arnon Plianchaisuk, Opass Putcharoen, Kei Sato

G2P-Asia联盟在《Cell》发表了一项针对东南亚菊头蝠中SARS-CoV-2相关冠状病毒的综合研究。该研究整合野外流行病学调查、实验病毒学与计算生物学分析，系统揭示了这类冠状病毒的生物学特征、进化动态与生态分布规律，为理解冠状病毒的跨种传播风险与进化起源提供了重要的科学依据。

研究团队针对东南亚地区菊头蝠种群中持续流行的SARS-CoV-2相关冠状病毒开展了长期监测与多维度数据分析。通过高通量测序与计算建模，研究深入解析了这些病毒的遗传多样性、进化轨迹及生态适应机制；同时结合实验验证，从病毒学层面阐明了相关毒株的受体结合特性与感染潜力，刻画了其在自然宿主中的动态循环模式。这种“野外监测—计算预测—实验验证”的整合研究范式，显著提升了人们对冠状病毒进化动力学的认识。

该研究填补了东南亚地区SARS-CoV-2相关冠状病毒系统研究的空白，不仅丰富了冠状病毒进化与生态学的基础理论，还为新发传染病的主动监测与早期预警提供了关键的数据资源和方法学参考，具有重要的公共卫生意义与科学价值。

原文链接：https://www.cell.com/cell/fulltext/S0092-8674(26)00454-X?rss=yes

Affinity-matured B cell responses neutralizing type-I interferons underlie severe viral infections

发布日期：2026-05-06 | 作者：Morgane Fournier, Matthias Vanderkerken, Karim Dorgham, Paul Bastard, Olivia Ahouzi, Stephane Duquerroy, Ngoc Khanh Nguyen, Manon Broutin, Manon Charlet, Alexis Vandenberghe, Paolo Van Endert, Lucy Bizien, Omaira Da Mata-Jardin, Andrés Ferriño-Iriarte, Ahmed Haouz, Thibaut Belmondo, Sophie Hüe, Alessandro Borghesi, Carlos Rodríguez-Gallego, Donald C. Vinh, Evangelos Andreakos, Filomeen Haerynck, Rabih Halwani, Qiang Pan-Hammarström, Niklas K. Björkström, Benedikt Strunz, Trine H. Mogensen, COVID Human Genetic Effort, Antonio Piralla, Stefania Varchetta, Jorge Freixinet, Lucie Roussel, Sophie Trouillet Assant, Bénédicte Neven, Romain Levy, Tom le Voyer, Ottavia M. Delmonte, Cliona O’Farrelly, Jacques Rivière, Blanca Amador Borrero, Amélie Servettaz, Roger D. Kouyos, Daniel E. Kaufmann, Etienne Crickx, Marc Michel, Anne Puel, Laurent Abel, Charles-Edouard Luyt, Alexis Mathian, Kai Kisand, Darragh Duffy, Lluis Quintana-Murci, Zahir Amoura, Benjamin G. Hale, Jean-Claude Weill, Jean-Laurent Casanova, Felix A. Rey, Guy Gorochov, Pascal Chappert, Matthieu Mahévas

一项发表于《Cell》的研究通过整合功能与结构生物学手段以及基于人工智能的自身抗体分析，系统阐明了中和I型干扰素（type-I IFNs）的自身抗体在严重病毒感染中的致病机制与起源。该研究聚焦于一类与人体严重病毒性疾病密切相关的自身抗体，这些抗体能中和关键的抗病毒细胞因子I型干扰素，从而严重削弱宿主的先天免疫防御，但其在分子水平上的产生机制与演化轨迹长期缺乏深入解析。

研究团队通过功能性实验与结构解析，并结合人工智能算法对自身抗体特征进行深度挖掘，发现这些致病性自身抗体并非偶然产生，而是源于预先存在的自身免疫背景。进一步的机制研究表明，持续的生发中心（germinal center）反应所驱动的亲和力成熟是塑造这些高致病性自身抗体的核心环节。该过程促使B细胞应答不断进化，最终产生能够高效中和I型干扰素的自身抗体，导致个体在面对病毒感染时易于发展为重症。

该研究在分子层面架起了自身免疫与感染性疾病之间的桥梁，不仅深化了对重症病毒感染易感性免疫学基础的理解，也为开发早期预测标志物和精准干预策略提供了重要理论依据。人工智能在抗体谱系分析与特征识别中的成功应用，进一步展示了计算生物学与免疫学研究深度融合的巨大潜力。

原文链接：https://www.cell.com/cell/fulltext/S0092-8674(26)00438-1?rss=yes

Multi-cohort proteogenomic analyses reveal genetic effects across the proteome and diseasome

发布日期：2026-05-06 | 作者：Mine Koprulu, Karl Smith-Byrne, Brian Richard Ferolito, Erin Macdonald-Dunlop, Jian’an Luan, Åsa K. Hedman, Chibuzor Franklin Ogamba, Jurgis Kuliesius, Linda Repetto, Anna Ramisch, Fahim Abbasi, Johan Ärnlöv, Themistocles L. Assimes, BeLOVE Study Group, Hanna M. Björck, Sophia Björkander, Morten Böttcher, Adam Stuart Butterworth, Zhengming Chen, Kelly Cho, Robert Joseph Clarke, Simon Riddington Cox, Kamila Czene, John Danesh, George Dedoussis, Sölve Elmståhl, Niclas Eriksson, Per Eriksson, Tõnu Esko, Estonian Biobank Research Team, Aida Ferreiro-Iglesias, Paul William Franks, Jingyuan Fu, J. Michael Gaziano, Mohsen Ghanbari, Christian Gieger, Arthur Gilly, Harald Grallert, Marc James Gunter, Stefan Gustafsson, Andreas Göteson, Per Frans Leonard Hall, Oskar Hansson, Sarah Elizabeth Harris, Caroline Hayward, Christian Herder, Natalia Hernandez-Pacheco, Ziad Hijazi, Robert F. Hillary, Jemma Caroline Hopewell, Shixian Hu, Shih-Jen Hwang, Christina Jern, Åsa Johansson, Lina Jonsson, Anette Kalnapenkis, Nicola Dorothy Kerrison, Pik Fang Kho, Lucija Klaric, Leonhard Kohleick, Julia Kraft, Mikael Landén, Daniel Levy, Liming Li, Lars Lind, Jirong Long, Niklas Mattsson-Carlgren, Erik Melén, Simon Kebede Merid, Philipp Mertins, Karl Michaëlsson, Peter Loof Møller, Federico Murgia, Mette Nyegaard, Young-Chan Park, Ewan Pearson, James Peters, John Ross Petrie, Grace Png, Ozren Polašek, Bram Peter Prins, Stephan Ripke, Michael Roden, Palle Duun Rohde, Saredo Said, SCALLOP Consortium, Xia Shen, Jochen M. Schwenk, Agneta Siegbahn, J. Gustav Smith, Tara M. Stanne, Karsten Suhre, Johan Sundström, Barbara Thorand, Elsa Valdes-Marquez, Costanza L. Vallerga, Joyce B.J. van Meurs, Ana Viñuela, Urmo Võsa, Lars Wallentin, Robin G. Walters, Nicholas John Wareham, Joachim Eduard Weber, Rinse Karel Weersma, James F. Wilson, Simon Winther, Summaira Yasmeen, Daniela Zanetti, Eleftheria Zeggini, Jing Hua Zhao, Alexandra Zhernakova, Daria V. Zhernakova, Matthias Ziehm, Benedikt Mathias Kessler, Alexandre C. Pereira, Anders Mälarstig, Maik Pietzner, Claudia Langenberg

蛋白质基因组学作为连接基因组学与蛋白质组学的交叉领域，为解析遗传变异的功能后果及疾病机制提供了系统性的研究框架。近期发表于《Cell》的一项大规模多队列蛋白质基因组学研究，通过整合多个队列的蛋白质组与基因组数据，系统鉴定了影响循环蛋白水平的遗传位点，深入揭示了调控循环蛋白质组的分子通路及关键细胞类型，并进一步绘制了蛋白质组与疾病组之间的关联图谱。

该研究利用大规模队列的蛋白质定量性状位点（pQTL）分析，不仅全面解析了遗传变异对蛋白质丰度的调控效应，还通过整合多组学数据阐明了这些遗传效应背后的生物学机制，包括特定信号通路和细胞类型的参与。更为重要的是，研究将蛋白质组的遗传调控图谱与疾病表型进行深度关联，为多种复杂疾病的发病机制提供了新的分子见解，并筛选出具有潜在治疗价值的干预靶点，为后续的药物开发和精准医学研究提供了重要的理论依据与数据资源。

这项工作不仅拓展了人类对遗传变异功能后果的系统认知，也为从多组学整合角度阐释疾病发生发展机制树立了新的标杆，在推动基础研究发现向临床转化方面具有重要的科学意义和应用价值。

原文链接：https://www.cell.com/cell/fulltext/S0092-8674(26)00385-5?rss=yes

Biodiversity and biogeography of the multi-kingdom cancer microbiome

发布日期：2026-05-05 | 作者：Anders B. Dohlman, Robin Mjelle, Henry M. Wood, Kevin Jiang, Alaina Shumate, Iris Lee, Gianmarco Piccinno, Garazi Serna, Abdul-Rakeem Yakubu, Paolo Nuciforo, Phil Quirke, Curtis Huttenhower, Nicola Segata, Matthew Meyerson

肿瘤微生物组作为肿瘤微环境的关键组成部分，其多界生物多样性及空间分布规律对理解肿瘤演进具有重要科学意义。然而，宿主DNA干扰与实验污染长期制约着基于测序的肿瘤微生物组精准识别。本研究针对该技术瓶颈，开发并系统验证了一套宿主过滤与去污染生物信息学流程，并将其应用于16,369例肿瘤基因组数据，绘制了迄今分辨率最高的多界癌症微生物组图谱。

研究发现，尽管多数癌种未检出显著微生物组信号，口消化道肿瘤却富集了高度复杂的多界微生物群落，且其群落组成呈现出显著的解剖部位特异性、分子亚型异质性及与体细胞突变负荷的关联性。这些结果系统揭示了肿瘤微生物组的生物地理学分布特征，并将其与宿主表型及肿瘤基因组背景建立了定量关联。

该研究建立的标准化计算分析框架为大规模肿瘤微生物组研究提供了重要的方法学参考，其产生的多界微生物组资源为深入解析微生物-宿主互作在癌症中的功能角色奠定了数据基础，对推动微生物组标志物在肿瘤精准分型与治疗中的应用具有重要价值。

原文链接：https://www.cell.com/cell/fulltext/S0092-8674(26)00440-X?rss=yes

Disrupted molecular glue complex drives RAS inhibitor resistance

发布日期：2026-05-05 | 作者：Ben Sang, Ling Feng Ye, Zheng Fu, Yasin Pourfarjam, Antonio Cuevas-Navarro, Shijie Fan, Feng Hu, Aaliyah Washington, Diego J. Rodriguez, Alberto Vides, Sumit Kar, Ethan Ahler, Kevin K. Lin, Aparna Hegde, Jacqueline A.M. Smith, Brian M. Wolpin, Salman R. Punekar, Alexander I. Spira, Ignacio Garrido-Laguna, David S. Hong, Arvin C. Dar, Rona Yaeger, Kathryn C. Arbour, Piro Lito

RAS蛋白作为肿瘤中最常见的突变癌基因之一，其靶向治疗长期以来面临”不可成药”的重大挑战。近年来，分子胶（molecular glue）技术通过诱导新型蛋白质相互作用为抑制RAS信号通路提供了革命性策略，但肿瘤耐药性的产生成为制约其临床转化的关键瓶颈。本研究发表于Cell，系统阐明了分子胶复合物破坏驱动RAS抑制剂耐药性的统一分子机制。

研究团队揭示，尽管癌细胞可通过多种不同的分子改变逃避RAS靶向分子胶的作用，这些异质性耐药机制最终汇聚于一个共同的功能节点——破坏分子胶介导的合成复合物形成。这一发现突破了以往对单一耐药通路的认知局限，揭示了RAS抑制剂耐药性的汇聚性进化规律。基于上述机制洞察，研究为优化药物分子设计、开发具有更强复合物稳定能力的新型分子胶，以及制定合理的联合用药策略提供了重要理论框架。

该研究不仅深化了对分子胶作用机制及肿瘤耐药演化规律的理解，更为克服RAS靶向治疗耐药性、开发下一代抗癌药物奠定了重要基础，具有显著的转化医学意义和临床应用前景。

原文链接：https://www.cell.com/cell/fulltext/S0092-8674(26)00332-6?rss=yes

Nature

Trafficked pangolins can be traced to their source by DNA — even to a specific forest

发布日期：2026-05-07

穿山甲是全球非法贩运最严重的哺乳动物类群之一，精准追溯走私个体的地理来源并揭示其贸易网络结构，是野生动物保护与法医学领域长期面临的重大挑战。发表于《Nature》的一项研究开发出一种基于DNA溯源的高精度技术方法，能够将查获的走私穿山甲追溯至其原生栖息地，分辨率可达特定森林级别，并进一步揭示地方野味市场与全球走私网络之间存在共享的供应链渠道。

该研究通过提取并分析穿山甲样本中的遗传标记，结合群体遗传学模型与统计分配算法，构建了从个体基因型反推地理来源的计算框架。研究不仅实现了对盗猎“起点”的精准定位，更通过比对不同市场查获样本的遗传背景，发现部分本地野味市场与大型跨国走私操作具有高度重叠的供应来源。这一发现表明，看似分散的地方消费端可能与有组织的国际贩运网络紧密关联。

该方法为野生动物法医学和保护遗传学提供了重要的技术范式。通过将分子数据与地理信息及统计建模相结合，执法人员与保护生物学家能够更有效地绘制非法贸易路线图，识别热点盗猎区域，并解析市场间的关联性。该研究充分展示了基因组学与生物信息学分析在打击野生动物犯罪中的实际应用价值，对全球濒危物种保护、生态系统安全管理及反盗猎政策的制定具有深远的科学意义和实践影响。

原文链接：https://www.nature.com/articles/d41586-026-01446-3

Author Correction: Multidimensional profiling of heterogeneity in supratentorial ependymomas

发布日期：2026-05-06 | 作者：Daeun Jeong, Sara G. Danielli, Kendra K. Maaß 等

本文是《Nature》杂志发表的一篇作者更正（Author Correction），关联此前针对幕上室管膜瘤（supratentorial ependymomas）异质性开展的多维分析研究。幕上室管膜瘤是中枢神经系统中分子异质性显著的肿瘤类型，其肿瘤内异质性是导致治疗抵抗与预后差异的核心因素。该原始研究通过整合基因组、转录组、表观遗传组及空间组学等多维度高通量数据，系统解析了此类肿瘤的分子景观与细胞异质性模式。

在方法学层面，此类研究通常依托先进的生物信息学分析框架，运用多组学数据整合算法、单细胞测序分析、聚类降维、机器学习分类模型及克隆演化推断等计算策略，识别肿瘤亚型特异性标志物，描绘恶性细胞的发育轨迹，并解析肿瘤微环境中的细胞间互作网络。这些计算生物学方法的深入应用，极大地推动了对室管膜瘤分子分型与生物学行为的系统性认知。

该更正的发布体现了顶级学术期刊对研究数据准确性、分析透明度及结果可重复性的严格要求。通过对前期发表内容的修正与完善，进一步保障了多维组学分析结论的科学可靠性。此类基于高通量测序与生物信息学整合策略的肿瘤异质性研究，不仅为幕上室管膜瘤的精准医学研究奠定了重要的数据与方法学基础，也为利用多组学数据解析实体瘤复杂性提供了具有广泛借鉴意义的研究范式。

原文链接：https://www.nature.com/articles/s41586-026-10602-8

Expanding the human proteome with microproteins and peptideins

发布日期：2026-05-06 | 作者：Eric W. Deutsch, Leron W. Kok, Jonathan M. Mudge 等

TransCODE Consortium在Nature发表了一项大规模蛋白质组学研究，通过系统解析人类“暗蛋白质组”，显著拓展了对人类蛋白质组编码能力的认知。长期以来，蛋白质组学分析主要依赖于已注释的经典开放阅读框，而基因组中大量非经典开放阅读框的翻译潜力及其生物学功能仍处于未知状态。该研究利用高通量质谱技术与计算分析策略，对非经典翻译事件进行了大规模深度挖掘。

研究团队发现，众多此前未被识别的非经典开放阅读框可翻译并编码功能性微蛋白，以及一类被命名为“peptideins”的新型肽段。这些隐藏蛋白产物的发现极大地扩展了人类蛋白质组的边界，揭示了基因组中存在远比现有注释更为复杂的翻译景观。该研究不仅提供了高质量的新蛋白编码事件证据，也为后续功能注释与机制研究奠定了重要的数据与方法论基础。

这项工作对蛋白质组学、基因组学及计算生物学领域具有重要推动作用。新发现的微蛋白和peptideins可能参与关键的细胞调控与生理病理过程，为疾病生物标志物筛选和新型药物靶点开发提供了崭新方向。该成果充分展示了数据驱动的大规模蛋白质组学计算分析在揭示生命分子复杂性方面的强大潜力。

原文链接：https://www.nature.com/articles/s41586-026-10459-x

Non-invasive profiling of the tumour microenvironment with spatial ecotypes

发布日期：2026-05-06 | 作者：Wubing Zhang, Erin L. Brown, Abul Usmani 等

肿瘤微环境（TME）的空间异质性是驱动肿瘤进展、免疫逃逸及治疗耐药的核心因素，但传统组织活检的有创性使其难以用于动态监测与临床常规评估。针对如何系统解构TME的空间组织结构并实现无创检测这一关键科学问题，本研究构建了一种多模态机器学习框架，创新性地将肿瘤微环境划分为具有特定空间组织规律的多细胞生态系统，并将其定义为“空间生态型”（spatial ecotypes）。

该研究通过整合空间组学数据与先进的机器学习算法，发现肿瘤内部存在多种可重复识别的空间生态型，这些生态型精确刻画了不同功能细胞在肿瘤空间结构中的分布模式与相互作用网络。研究的核心突破在于证实这些空间生态型可通过液体活检实现无创获取，从而在不依赖侵入性取样的前提下，完成对患者个体肿瘤微环境特征的精准画像。基于此，研究者建立了全新的癌症分型体系，并为个体化治疗策略的制定提供了高维度的决策依据。

这项工作的重要意义在于架起了空间组学与无创临床监测之间的转化桥梁，突破了传统活检的技术局限。通过人工智能与空间生物学的深度交叉融合，该研究为动态追踪肿瘤演化、实时评估治疗反应及推动精准肿瘤学的发展提供了创新性技术范式，展现出广阔的临床应用潜力。

原文链接：https://www.nature.com/articles/s41586-026-10452-4

Genome-wide sweeps create ecological units in the human gut microbiome

发布日期：2026-05-06 | 作者：Xiaoqian Annie Yu, Cameron R. Strachan, Craig W. Herbold 等

该研究围绕人类肠道微生物组的进化动力学与群体遗传结构这一关键科学问题展开。基于全球范围的宏基因组队列数据，研究团队运用群体遗传学分析方法，系统探究了全基因组选择扫描（genome-wide selective sweeps）在肠道菌群中的发生频率、传播模式及生态学效应。研究发现，强烈的选择压力可驱动特定微生物谱系在基因组层面发生高频选择性清除，且这些遗传变异能够在数十年内跨越洲际快速传播，形成类似流行病扩散的群体结构。这种由适应性进化驱动的遗传同质化过程，促使肠道微生物组分化形成具有明确生态功能边界的生态单元（ecological units）。

该研究的创新在于将经典群体遗传学理论引入微生物组研究领域，从进化基因组学层面揭示了肠道菌群组装的非中性过程。其科学意义体现在：首先，证实了适应性进化是塑造人类肠道微生物全球地理分布与时间动态的核心力量；其次，提示特定微生物谱系的快速扩张可能与宿主环境适应或疾病状态密切相关。该发现不仅深化了对微生物组-宿主共进化机制的理解，也为基于进化原理开发微生物组诊断标志物与靶向干预手段提供了重要的理论支撑。

原文链接：https://www.nature.com/articles/s41586-026-10476-w

Specific expansion of motor cortical projections in a singing mouse

发布日期：2026-05-06 | 作者：Emily C. Isko, Clifford E. Harpole, Xiaoyue Mike Zheng 等

该研究运用高通量条形码神经解剖学技术，系统比较了两种亲缘关系相近但发声行为存在显著差异的啮齿动物物种，深入探究了大脑长程神经投射模式与发声复杂性演化之间的结构基础。研究团队利用病毒介导的条形码标记策略，结合高通量测序与计算解析手段，在单细胞分辨率水平绘制了运动皮层神经元向全脑靶区的投射图谱，实现了对神经环路架构的系统性定量比较。

研究发现，相较于发声简单的近亲物种，具有复杂“歌唱”行为的鼠类其运动皮层特定亚群的轴突投射存在显著扩张，形成了物种特异性的长程投射模式。这些精细的神经环路拓扑差异可能直接支持了发声复杂性的分化，提示运动皮层投射结构的演化是发声行为多样化的关键神经解剖学基础。

这项工作不仅从环路层面揭示了声音通讯行为演化的神经机制，更展示了高通量条形码神经解剖学在跨物种比较研究中的强大解析力与可扩展性。该研究为理解基因型如何通过神经环路的差异性重塑转化为行为表型的复杂性提供了关键线索，对神经演化生物学、比较神经解剖学及相关生物信息学分析方法的发展均具有重要的启发意义。

原文链接：https://www.nature.com/articles/s41586-026-10458-y

Revealed: the mysterious ‘dark’ proteins that might play a big role in biology

发布日期：2026-05-06 | 作者：Ewen Callaway

长期以来，蛋白质组学研究中存在大量功能未知、注释不充分的“暗蛋白质”（dark proteins），这些分子如同蛋白质宇宙中的“暗物质”，其生物学分类地位与功能角色始终是领域内的重要空白。近期发表于Nature的一项研究在这一方向上取得了突破性进展：研究团队通过对大规模蛋白质组数据的系统梳理与计算分析，将数千种暗蛋白质重新归类为一个全新的蛋白质类别——“peptideins”（肽素），并将其正式整合入主流蛋白质数据库中。

该研究在方法学上的核心创新在于，利用生物信息学手段对现有蛋白质数据进行了深度重注释与分类学重构，挑战了传统的蛋白分类框架。研究指出，peptideins并非已知蛋白家族的简单延伸，而是一个具有独特序列特征与潜在功能谱系的独立类别，可能在基因调控、细胞信号转导及多种生理病理过程中扮演此前被忽视的关键角色。

这一发现不仅显著拓展了蛋白质组的认知边界，丰富了公共数据库的分子多样性，也为计算生物学与功能基因组学研究开辟了全新的分析维度。peptideins的系统归类将为后续基于人工智能的功能预测、进化动力学分析以及疾病标志物挖掘提供宝贵的数据资源，有望推动蛋白质组学从已知功能域向更广阔分子空间的深度探索。

原文链接：https://www.nature.com/articles/d41586-026-01492-x

Nature Biotechnology

A PIVOT towards single-cell functional genetic screening in plants

发布日期：2026-05-05

单细胞功能基因组学筛选技术在动物体系中已日趋成熟，但受限于植物细胞的细胞壁屏障及递送效率低下等因素，该技术在植物领域的应用长期滞后。本研究发表于Nature Biotechnology，报道了一种名为PIVOT（Plant single-cell screening by Intracellular Vector delivery and phenOtype-based sorTing）的单细胞功能遗传筛选平台，为植物基因的高通量功能解析提供了全新工具。

PIVOT平台的技术突破主要体现在两方面：其一，实现了基因文库以单次感染复数（single MOI）向烟草叶片细胞的高效递送，显著降低了多重感染导致的分析偏差；其二，建立了基于表型的磁珠分选系统，能够从复杂的植物细胞群体中精准分离目标单细胞。研究团队利用该平台对拟南芥开放阅读框（ORF）文库进行筛选，成功鉴定出多个细胞分裂素信号通路的关键调控因子，充分验证了PIVOT在植物激素信号网络研究中的可靠性。

该平台的建立突破了植物单细胞遗传筛选的技术瓶颈，不仅为模式植物的功能基因组学研究提供了重要手段，也为作物抗逆、发育调控及合成生物学等领域的高通量基因挖掘奠定了技术基础，具有重要的科学意义与应用价值。

原文链接：https://www.nature.com/articles/s41587-026-03141-0

A single-cell screening platform accelerates functional genetics in plants

发布日期：2026-05-05 | 作者：Tara N. Lowensohn, Will B. Cody, Chun Tsai 等

该研究开发了一种基于混合文库（pooled）的单细胞遗传筛选平台，并将其应用于植物功能基因组学研究，为系统性解析植物激素信号通路提供了重要的技术工具。研究团队利用这一高通量细胞筛选系统，对细胞分裂素（cytokinin）信号通路中的关键蛋白进行了大规模功能分析，显著提升了植物遗传学研究的效率与细胞分辨率。

传统植物遗传筛选通常依赖于个体水平的表型观察，存在周期长、通量低且难以解析细胞异质性等局限。该研究通过建立单细胞水平的筛选平台，实现了在植物细胞群体中对基因扰动文库的高通量功能筛选。该技术能够在单细胞分辨率下追踪基因缺失或激活对信号通路的动态影响，从而精确鉴定细胞分裂素信号传导网络中的关键调控因子，克服了植物组织复杂性带来的技术挑战。

这一方法创新为植物生物技术领域提供了可扩展的研究范式。它不仅适用于解析植物发育、免疫应答及代谢调控等复杂生物学过程，还有望推广至主要农作物中，加速功能基因的挖掘与作物分子设计育种。随着单细胞技术与合成生物学的进一步融合，该筛选平台或将成为植物功能基因组学研究的核心基础设施，推动基础理论发现向农业应用转化。

原文链接：https://www.nature.com/articles/s41587-026-03094-4

Nature Communications

Geometry of the cumulant series in diffusion MRI

发布日期：2026-05-10 | 作者：Santiago Coelho, Jenny Chen, Filip Szczepankiewicz 等

扩散磁共振成像（diffusion MRI, dMRI）信号的数学结构解析是神经影像方法学研究的核心方向之一。近期发表于《Nature Communications》的一项研究，系统阐述了累积量级数（cumulant series）框架下dMRI信号的几何与拓扑性质，揭示了旋转对称性在定义信号不可约分量及其不变量中的根本作用。

该研究从理论层面深入刻画了dMRI累积量展开的内在几何结构，推导出一组具有旋转不变性的新型影像指标。这些指标不仅能够稳健地捕捉脑组织微结构特征，还在计算效率上具有显著优势。研究团队将这些几何与拓扑度量应用于人脑MRI数据，证实其可显著提升多发性硬化症（multiple sclerosis）的分类准确性。此外，基于该数学框架，临床扫描可在保证信息完整性的前提下实现更快的采集速度，为缩短患者扫描时间、提高影像通量提供了可行的技术路径。

这项工作将理论数学与临床神经影像紧密结合，为dMRI数据的物理建模和计算分析开辟了新范式。其提出的不变量指标有望集成至常规影像分析流程，在推动精准神经影像诊断和优化临床扫描协议方面具有重要应用前景。

原文链接：https://www.nature.com/articles/s41467-026-70018-w

Nature Computational Science

Translating biodiversity into chemical diversity

发布日期：2026-05-05

在天然产物药物发现领域，如何高效挖掘微生物次级代谢产物一直是核心挑战。发表于《Nature Computational Science》的一项研究开发了名为DeepSeMS的Transformer生成式框架，实现了从生物合成基因簇（BGC）序列直接预测微生物次级代谢产物结构，建立了从生物多样性到化学多样性的计算翻译新范式。

该研究的方法学创新在于利用深度学习捕捉基因簇序列与化学结构之间的复杂非线性关系，无需依赖传统的微生物培养与实验分离流程。研究团队将DeepSeMS应用于全球海洋宏基因组数据——这一地球上最庞大且尚未充分开发的微生物资源库，成功实现了新型分子结构的大规模计算挖掘，显著拓展了天然产物候选化合物库。

这项工作突破了传统天然产物发现的瓶颈，为宏基因组时代的药物研发提供了强有力的AI驱动工具。其研究成果不仅加速了海洋微生物资源的系统化开发利用，也为抗生素、抗肿瘤等创新药物的先导化合物发现开辟了新的途径，展示了人工智能在计算天然产物化学中的广阔应用前景。

原文链接：https://www.nature.com/articles/s43588-026-00984-0

Nature Genetics

Empirically determined baseline masking strategies and other considerations for gene-level burden tests

发布日期：2026-05-08 | 作者：Trang Nguyen, Ryan Koesterer, Poeya Haydarlou 等

在罕见变异关联研究领域，基因水平负担检验（gene-level burden tests）是解析复杂性状遗传架构的重要统计工具。然而，针对变异筛选与注释的掩码（masking）策略如何影响检验效能，长期以来缺乏基于大规模人群队列的系统性实证评估。发表于Nature Genetics的这项研究，利用英国生物银行（UK Biobank）涵盖54种复杂性状的大规模测序数据，对不同掩码方法在基因水平负担分析中的表现进行了系统比较。

研究团队通过严格的实证分析，确定了能够最大化统计效能（power）并增强结果可重复性（replicability）的基线掩码策略。研究表明，掩码参数的设定对罕见变异关联检验的稳健性具有决定性影响，不恰当的掩码可能导致统计效能损失或假阳性风险上升。该研究不仅为基因水平负担检验提供了经过大规模数据验证的方法学建议，也为后续全外显子组及全基因组测序研究中的变异筛选流程确立了重要基准。

这项工作为罕见变异关联分析领域提供了关键的方法学指导，有助于提升复杂疾病遗传学研究的可靠性，对推动测序数据在精准医学和群体遗传学中的应用具有重要价值。

原文链接：https://www.nature.com/articles/s41588-026-02597-9

Alterations of chromatin state at transposable elements rewire stemness in acute myeloid leukemia

发布日期：2026-05-07

急性髓系白血病（AML）的干性维持机制是制约其临床治疗的关键科学问题。近期发表于《Nature Genetics》的一项研究通过系统解析转座子（transposable elements, TEs）的染色质状态，揭示了重复DNA序列在重编程白血病干性中的核心作用。

研究团队通过绘制正常造血细胞与原发AML各细胞类型中转座子的染色质可及性图谱，系统鉴定出在白血病干细胞中呈现显著染色质状态改变的TE亚家族。这些表观遗传改变并非随机发生，而是与AML干性特征的维持密切相关。进一步分析表明，基于TE染色质可及性构建的特征签名能够有效预测AML患者队列的临床结局，为疾病预后评估提供了全新的表观遗传标志物。

该研究的重要创新在于将基因组中大量“暗物质”——重复DNA元件——纳入白血病干性的调控网络。传统研究多聚焦于蛋白编码基因的调控，而此项工作证明了TE作为调控元件在肿瘤干细胞中的功能活性及其临床相关性。这一发现不仅拓展了我们对AML表观遗传异质性的理解，也为开发针对干性维持机制的新型治疗策略提供了潜在靶点。

原文链接：https://www.nature.com/articles/s41588-026-02599-7

Age distinguishes selection from causation in cancer genomes

发布日期：2026-05-05 | 作者：David Cheek, Martin Blohmer, Martin A. Nowak 等

在癌症基因组研究中，精准鉴定驱动突变是理解肿瘤发生机制的核心任务。然而，肿瘤样本中富集的体细胞突变可能源于两种截然不同的生物学过程：一是突变直接促进恶性转化（因果致瘤作用），二是突变仅在正常组织中赋予克隆扩增优势（选择作用），随后被被动携带至肿瘤中。由于这两种机制在常规横断面肿瘤测序数据中高度混杂，给驱动突变的识别带来了重大挑战。针对这一关键科学问题，Nature Genetics发表的一项研究通过整合肿瘤与正常组织测序数据，构建了基于年龄的数学模型，成功将选择效应与因果效应进行解耦。

该研究的方法学创新在于引入年龄作为关键变量，利用突变在正常组织中的克隆扩增动态与在肿瘤中的因果驱动效应具有不同时间尺度的特点，建立了系统的解析框架。通过大规模配对测序数据的数学建模，研究团队证明年龄能够有效区分突变富集的两种来源，从而过滤掉那些仅在正常组织克隆进化中受正向选择、但并不直接驱动癌症的“过客”突变。这一策略显著提升了癌症驱动事件鉴定的准确性，避免了传统分析中将组织克隆选择信号误判为肿瘤驱动信号的问题。

该研究为癌症基因组学提供了重要的理论突破，不仅深化了对体细胞突变在癌变前克隆扩张与恶性转化中不同作用的理解，也为开发更精准的癌症风险预测和早期干预策略奠定了方法论基础。

原文链接：https://www.nature.com/articles/s41588-026-02593-z

The Single Cell Notebooks for inclusive and accessible training in single-cell and spatial omics

发布日期：2026-05-05 | 作者：Adolfo Rojas-Hidalgo, Raúl Arias-Carrasco, Joyce Karoline Silva 等

单细胞与空间组学技术的飞速发展为生命科学研究带来了前所未有的分子分辨率，然而，分析工具的复杂化与高质量培训资源在语言覆盖和计算可及性上的不均衡，已成为制约全球科研人员公平参与组学研究的重要瓶颈。近期发表于《自然·遗传学》（Nature Genetics）的一项研究系统介绍了The Single Cell Notebooks平台，旨在通过构建多语言、开放获取且可重复使用的计算笔记本（notebooks），全面降低单细胞及空间转录组学数据分析的学习与实操门槛。

该平台不仅提供了涵盖数据质控、降维聚类、空间映射等核心分析流程的标准化培训材料，更通过社区驱动的协作模式持续整合前沿方法与教学资源，形成了一个动态更新、全球共享的组学教育生态系统。其设计理念充分兼顾计算可及性与语言包容性，显著缓解了非英语母语研究者及计算资源受限地区科研群体面临的技术壁垒。作为教育创新与生物信息学基础设施融合的重要实践，The Single Cell Notebooks有效推动了单细胞与空间组学研究的全球化普及与科研公平，对促进全球南方国家及新兴实验室的能力建设具有深远的示范意义。

原文链接：https://www.nature.com/articles/s41588-026-02584-0

Population-level super-pangenome reveals genome evolution and empowers precision breeding in watermelon

发布日期：2026-05-05 | 作者：Honghe Sun, Jie Zhang, Shengjin Liao 等

西瓜（Citrullus spp.）作为世界重要的园艺作物，其遗传多样性及果实品质性状的基因组基础仍有待系统解析。近期发表于《Nature Genetics》的一项研究通过构建群体水平的超级泛基因组，为西瓜基因组进化与精准育种提供了重要的理论与数据资源。

该研究完成了138个参考级质量的基因组组装，涵盖7个现存西瓜属物种，成功构建了迄今规模最大的西瓜群体超级泛基因组。这一高分辨率基因组资源系统描绘了西瓜属物种间的基因组变异图谱与进化轨迹，深入解析了果实品质相关性状的遗传基础。通过整合大规模群体基因组数据，研究团队精准鉴定了与风味、糖度、色泽等重要农艺性状关联的结构变异与功能基因位点，为阐明西瓜驯化与改良的分子机制提供了全新见解。

该超级泛基因组不仅显著填补了西瓜遗传多样性研究的空白，更为分子设计育种提供了全面的变异图谱与靶点资源。这项工作将大幅加速西瓜精准育种进程，对提升果实品质、增强抗逆性及缩短育种周期具有重要实践意义，同时也为其他作物的泛基因组研究与基因组辅助育种提供了重要的方法学参考。

原文链接：https://www.nature.com/articles/s41588-026-02598-8

Nature Machine Intelligence

Learning the chemical language of natural products

发布日期：2026-05-07 | 作者：Xu Guo, Celia M. Rava, Allison S. Walker

天然产物作为药物发现的重要源泉，其结构复杂性和化学多样性长期以来对计算方法提出了独特挑战。近期发表于Nature Machine Intelligence的一项研究针对这一瓶颈，构建了一种面向天然产物挖掘的基础模型，旨在系统性地学习天然产物的“化学语言”。该模型通过深度捕捉天然产物分子的结构特征与化学规律，为一系列下游任务提供了统一的计算框架。

传统分子表示学习方法多针对合成化合物或药物小分子进行优化，难以充分刻画天然产物特有的结构复杂性，如广泛的立体化学、多样的骨架类型及复杂的环系结构。该研究通过大规模预训练策略，使模型能够有效编码天然产物的内在化学语义，从而在天然产物分类、结构鉴定、生物活性预测及新分子发现等下游应用中展现出良好的泛化性能与预测精度。

这一工作不仅拓展了化学信息学基础模型的应用边界，更为天然产物药物研发提供了强有力的AI驱动工具。通过建立通用的天然产物计算表征体系，该模型有望加速从海量天然产物资源中挖掘具有药用潜力的先导化合物，推动计算天然产物化学与人工智能的深度融合。

原文链接：https://www.nature.com/articles/s42256-026-01241-9

Reusability report: Meta-learning for antigen-specific T cell receptor binder identification

发布日期：2026-05-06 | 作者：Fei He, Xianyu Wang, Dong Xu

He等人在《Nature Machine Intelligence》发表了一项关于元学习框架PanPep可重用性的评估研究。T细胞受体（TCR）与抗原肽的特异性结合识别是适应性免疫应答的核心分子事件，精准预测肽-TCR相互作用对于肿瘤免疫治疗、疫苗研发及T细胞疗法优化具有重要价值。然而，由于TCR库的高度多样性及抗原特异性的复杂分布，传统深度学习方法在面对新抗原或稀有TCR克隆型时往往面临数据稀缺和泛化能力不足的双重挑战。

针对这一难题，该研究对基于元学习（meta-learning）的肽-TCR结合预测框架PanPep进行了系统的可重用性验证。元学习通过模拟少量样本的学习任务，使模型具备快速适应新抗原的能力。作者在此基础上，利用多个独立的扩展数据集，并设计严谨的负采样策略，在多样化的测试场景中全面评估了模型的预测性能、稳健性及可迁移性。结果表明，PanPep能够有效适应不同的数据分布，在跨数据集验证中展现出优异的泛化能力和实用价值。

该研究不仅为元学习在免疫信息学中的应用提供了可靠的实证支持，也为高通量TCR-抗原筛选提供了经过严格验证的计算工具，对加速人工智能驱动的免疫治疗开发具有积极意义。

原文链接：https://www.nature.com/articles/s42256-026-01236-6

Force-free molecular dynamics through autoregressive equivariant networks

发布日期：2026-05-05 | 作者：Fabian L. Thiemann, Thiago Reschützegger, Massimiliano Esposito 等

分子动力学模拟是解析生物大分子构象变化与功能机制的重要计算手段，但传统方法受限于力场计算的庞大开销与极小积分步长的约束，难以有效跨越时空尺度鸿沟。针对这一瓶颈，Thiemann等研究者在Nature Machine Intelligence发表了最新研究成果，提出了名为TrajCast的自回归等变神经网络模型，建立了无需力场计算的分子动力学模拟新范式。

该研究的核心方法创新在于彻底绕过了传统分子动力学中耗时的原子间受力计算环节，转而利用深度生成模型直接学习并预测原子轨迹演化。TrajCast基于等变神经网络架构构建，严格保持了对三维空间旋转、平移及置换等物理对称性的等变性，确保模型预测遵循基本的物理守恒定律；其自回归生成机制则实现了对系统状态序列的逐步推演。该方法在将模拟时间步长最高提升30倍的同时，仍能精确复现分子与材料体系的关键物理性质与结构特征。

这一突破显著降低了长时程分子模拟的计算成本，为蛋白质折叠、构象动态变化以及生物分子互作等结构生物信息学问题的研究提供了高效可扩展的新型计算工具，在计算生物学与药物设计领域展现出广阔的应用前景。

原文链接：https://www.nature.com/articles/s42256-026-01227-7

Nature Methods

‘FILMing’ the metabolic landscape of individual cell organelles

发布日期：2026-05-07

亚细胞器水平的代谢异质性是理解细胞功能与疾病机制的关键，但如何在天然状态下高分辨解析单个细胞器的化学组成长期面临技术瓶颈。近期发表于 Nature Methods 的一项研究开发了光学 boxcar 增强荧光检测中红外光热显微镜（FILM），并结合人工智能辅助数据处理技术，实现了对单个细胞器化学组成的精准原位 mapping。

该方法通过 boxcar 增强策略显著提升中红外光热显微镜的灵敏度与空间分辨率，可在无需标记的天然环境中捕获细胞器的精细光谱特征。研究团队进一步利用人工智能算法对复杂的光热显微数据进行高效解析与去噪，显著提升了化学鉴定的准确性与通量。应用这一平台，研究者系统绘制了溶酶体的代谢图谱，首次在单细胞器水平揭示了溶酶体群体内部显著的代谢异质性。更重要的是，该技术能够灵敏捕捉生理衰老及多种病理条件下溶酶体化学组成的动态重塑，为解析溶酶体功能障碍相关疾病提供了全新的观测窗口。

这项工作不仅建立了一种连接超分辨光学成像与代谢组学的新型技术范式，也展示了人工智能在显微光谱数据处理中的巨大潜力。其单细胞器分辨率的代谢分析能力有望广泛应用于细胞生物学、衰老研究及精准医学领域，推动生命科学研究从群体平均化测量向单细胞器精准定量迈进。

原文链接：https://www.nature.com/articles/s41592-026-03091-0

        <EquationSource Format="TEX">$${\bf{Micro}}{{\mathbb{S}}}{\bf{plit}}$$</EquationSource>
        <EquationSource Format="MATHML"><math>
          <mrow>
            <mi mathvariant="bold">Micro</mi>
            <mi mathvariant="double-struck">S</mi>
            <mi mathvariant="bold">plit</mi>
          </mrow>
        </math></EquationSource>
      </InlineEquation>: semantic unmixing of fluorescent microscopy data

发布日期：2026-05-05 | 作者：Ashesh Ashesh, Federico Carrara, Igor Zubarev 等

荧光多路复用成像技术长期受限于光谱重叠的瓶颈，传统方法通常限制每个通道仅检测一种靶标，严重制约了成像通量与信息维度。发表于 Nature Methods 的 MicroSplit 方法提出了一种基于语义解混（semantic unmixing）的创新计算策略，能够在单个荧光成像通道中同时分辨多达四种不同的生物结构，为高通量显微成像提供了全新的数据分析范式。

MicroSplit 将计算解混与语义信息相结合，突破了传统依赖光谱特征分离信号的框架。通过对混合荧光信号进行智能解析与分配，该方法可在不增加硬件复杂度的前提下，显著提升单位通道的信息容量，实现更高程度的多路复用。这种纯计算驱动的解决方案具有良好的通用性，可直接应用于现有荧光显微镜数据集，从标准图像中挖掘深层生物学信息。

该研究有效缓解了荧光染料光谱重叠带来的技术限制，为同时观测多种细胞组分、蛋白定位及组织微环境等复杂生物学问题提供了强有力的工具。MicroSplit 不仅推动了计算显微成像方法学的发展，也为空间生物学和细胞组学研究中高通量图像信息的深度挖掘奠定了重要基础。

原文链接：https://www.nature.com/articles/s41592-026-03082-1

Science

Human DHX29 detects nonoptimal codon usage to regulate mRNA stability

发布日期：2026-05-07 | 作者：Fabian Hia, Yitong Wu, Masanori Yoshinaga, Sakurako Goto-Ito, Wakana Iwasaki, Koshi Imami, Hirotaka Toh, Peixun Han, Ting Cai, Takayuki Ohira, Akira Fukao, Daron M. Standley, Yuichi Shichino, Masaki Takegawa, Toshinobu Fujiwara, Tsutomu Suzuki, Shintaro Iwasaki, Michael C. Bassik, Takuhiro Ito, Osamu Takeuchi

《Science》发表的一项研究揭示了人源RNA解旋酶DHX29通过识别非最优密码子使用（nonoptimal codon usage）调控mRNA稳定性的分子机制。该研究聚焦于基因表达调控中翻译过程与mRNA降解的交叉对话，系统阐明了密码子使用偏好不仅是翻译效率的调控因子，更是决定mRNA命运的关键质量监控信号。

研究团队发现，DHX29作为DEAD-box家族RNA解旋酶，能够直接感知mRNA编码区中的非最优密码子使用模式，并据此介导目标转录本的降解。这一发现建立了从密码子组成到mRNA稳定性调控的直接关联，突破了传统上仅将密码子优化与翻译延伸效率相联系的经典认知框架。该机制为细胞如何通过翻译机器监控基因表达质量、及时清除异常转录本提供了全新的分子视角。

该研究在基础理论与应用层面均具有重要意义。一方面，它深化了我们对转录后基因表达调控网络的理解，揭示了核糖体相关质量控制系统的新层级；另一方面，为合成生物学中的密码子优化策略、重组蛋白高效表达以及基于mRNA的疗法设计提供了关键分子靶点和理论依据。这项工作将推动未来在转录组稳定性调控与翻译组学交叉领域的深入研究。

原文链接：https://www.science.org/doi/abs/10.1126/science.adw0288?af=R

High risk of extinction across the flowering plant tree of life

发布日期：2026-05-07 | 作者：Félix Forest, Ruth Brown, Sven Buerki, Jonathan F. Colville, Justin Moat, Eimear Nic Lughadha, Nisha R. Owen, Domitilla C. Raimondo, Malin Rivers, James Rosindell, Barnaby E. Walker, Steven P. Bachman, Sebastian Pipins, Rikki Gumbs, Matilda J. M. Brown

该研究聚焦于被子植物（开花植物）灭绝风险在其完整生命树上的宏观分布格局与进化内涵。作为陆地生态系统中最具优势的植物类群，被子植物的多样性维持与全球生态安全及生物圈功能息息相关。研究团队通过整合大规模系统发育基因组数据与全球物种灭绝风险评估，在宏观进化尺度上系统量化了高风险灭绝事件在开花植物各大演化支系中的覆盖范围与分布特征。研究表明，高灭绝风险广泛贯穿于被子植物的生命树，涉及大量具有独特进化历史的谱系，可能导致不成比例的系统发育多样性丧失与进化潜力损伤。该工作不仅揭示了脆弱类群在进化树上的空间格局，还为识别具有高度进化独特性的优先保护单元提供了关键的理论与数据支撑。其方法论框架——将大规模系统发育推断、生物信息学分析与保护生物学风险评估深度整合——为其他受威胁生物类群的研究提供了可推广的重要范式。该成果发表于Science，对制定基于进化历史的全球植物保护策略具有深远指导意义。

原文链接：https://www.science.org/doi/abs/10.1126/science.adz0773?af=R

Rapid directed evolution guided by protein language models and epistatic interactions

发布日期：2026-05-07 | 作者：Vincent Q. Tran, Matthew Nemeth, Liam J. Bartie, Sita S. Chandrasekaran, Alison Fanton, Hyungseok C. Moon, Brian L. Hie, Silvana Konermann, Patrick D. Hsu

蛋白质定向进化是改造酶功能与特性的核心技术，然而传统实验筛选方法面临序列空间爆炸与上位性效应（epistasis）的严峻挑战，导致进化过程缓慢且成本高昂。本研究报道了一种由蛋白质语言模型（protein language models, PLMs）与上位性相互作用协同指导的快速定向进化新策略，为精准蛋白质工程提供了高效的计算-实验整合范式。

研究团队利用大规模蛋白质语言模型从海量进化序列数据中学习氨基酸的共变规律与结构约束，系统预测单点及多点突变对蛋白质适应度的影响。更为重要的是，该方法显式建模了突变位点间的上位性相互作用，有效捕捉到非加性的协同或拮抗效应，从而突破了传统定向进化依赖随机突变和逐步积累的局限，实现了在巨大序列空间中对最优突变组合的快速定位与精准导航。

该策略显著缩短了蛋白质进化周期，在优化酶催化活性、热稳定性及底物特异性等关键性状的同时，大幅降低了实验筛选负担。此项工作不仅拓展了蛋白质语言模型在指导实验进化中的应用边界，也深刻揭示了整合上位性分析对于准确理解蛋白质适应度景观的重要性，为合成生物学、工业酶设计及生物制药开发提供了强有力的理论框架与技术工具。

原文链接：https://www.science.org/doi/abs/10.1126/science.aea1820?af=R

Science Advances

The pleuroparenchymal fibroelastosis atlas reveals aberrant cell states and their zonation as an alternate roadmap to lung fibrosis

发布日期：2026-05-08 | 作者：Jannik Ruwisch, Aurélie Cazes, Lena M. Leiber, Raphaël Borie, Lavinia Neubert, Leonard Christian, Vincent Thomas de Montpréville, Adam Szmul, Farah Moussa, Stijn E. Verleden, Svenja Gaedcke, Jan Hegermann, Jan Fuge, Matthias Ballmaier, Jan C. Kamp, Mark Greer, Peter Braubach, Christopher Werlein, Fabius Ius, Theresa Graalmann, Kalil Aburahma, Laurens J. De Sadeleer, Ryoko Egashira, Maximilian Ackermann, Daisuke Yamada, Marius M. Hoeper, Christine Falk, Jens Gottlieb, Herbert B. Schiller, Bart Vanaudenaerde, Benjamin Seeliger, Marie-Pierre Debray, Jean Francois Bernaudin, Lars Knudsen, Emmanuel Bergot, Joseph Jacob, Hervé Mal, Danny Jonigk, Sabine Dettmer, Pierre Mordant, Antje Prasse, Elie Fadel, Wim A. Wuyts, Bruno Crestani, Naftali Kaminski, Aurélien Justet, Jonas C. Schupp

胸膜肺实质纤维化弹性组织增生症（PPFE）是一种病理机制尚未完全阐明的间质性肺病，其与传统肺纤维化在细胞及分子层面的差异长期缺乏系统解析。发表于Science Advances的一项最新研究通过构建PPFE全景式细胞图谱，深入鉴定了疾病相关的异常细胞状态及其空间区域化（zonation）特征，并据此提出了理解肺纤维化病理进程的替代性路线图。

该研究整合高通量单细胞测序与空间组学技术，系统绘制了PPFE的高分辨率细胞景观。研究不仅发现多种疾病特异性的异常细胞状态，更揭示这些细胞在组织内呈现精确的空间带状分布模式。这种独特的区域化组织方式提示，PPFE可能通过有别于传统特发性肺纤维化（IPF）的替代性分子机制驱动纤维化重塑，从而显著拓展了对肺纤维化病理异质性与多样性的认知。

这项工作为阐释PPFE的发病机制提供了重要的细胞层面证据，更从空间生态位角度重新定义了纤维化疾病的演进规律。研究成果为后续针对特定异常细胞状态及空间微环境的精准靶向干预奠定了理论基础，同时充分彰显了单细胞及空间多组学整合分析在解析复杂肺部疾病中的关键应用价值。

原文链接：https://www.science.org/doi/abs/10.1126/sciadv.aeb5967?af=R

The genetic landscape of antibiotic sensitivity in Staphylococcus aureus

发布日期：2026-05-08 | 作者：Wan Li, Menghan Liu, Panos Oikonomou, Sydney Blattman, Mirela Berisa, Falguni Paul, Julia Hettleman, Joseph Gonzalez, Qiaoyu Hu, Howe Chen, Saeed Tavazoie, Wenyan Jiang

金黄色葡萄球菌（Staphylococcus aureus）是临床感染中最重要的致病菌之一，其对抗生素的敏感性变异直接决定治疗方案的选择与感染控制成效。然而，系统解析该菌药物敏感性表型背后的完整遗传图谱及分子机制仍是领域内亟待解决的关键科学问题。发表于Science Advances的这项研究，通过整合大规模群体基因组学与抗生素表型组学数据，全面绘制了金黄色葡萄球菌抗生素敏感性的遗传全景图。

研究团队依托丰富的菌株资源，运用全基因组关联分析、连锁不平衡分析及比较基因组学等生物信息学策略，深入挖掘了影响多种抗生素敏感性的关键遗传变异、已知及新型耐药基因和调控位点。该工作不仅系统验证了经典的耐药决定因子，还揭示了遗传背景效应、基因互作网络及多药耐药相关的协同进化模式，显著深化了对细菌耐药性遗传架构与进化动态的理解。

该研究为病原菌耐药性研究提供了重要的遗传资源与数据基础，对开发基于基因型的耐药性快速预测工具、指导临床精准用药、发现新型抗菌靶点以及开展耐药菌株的分子流行病学监测均具有重要的理论意义与应用价值。

原文链接：https://www.science.org/doi/abs/10.1126/sciadv.aeb9875?af=R

Cis-regulatory evolution shapes facial diversity in birds and mammals

发布日期：2026-05-06 | 作者：Stella Kyomen, Louk W. G. Seton, Laura E. Cook, Elio Escamilla-Vega, Andrea P. Murillo-Rincón, Alexander Jacobsen, Amor Damatac, Carsten Fortmann-Grote, Janina Fuss, Axel Visel, Markéta Kaucká

在进化发育生物学领域，一个长期存在的核心问题是：物种间复杂的形态差异究竟源于蛋白质序列的改变，还是基因调控程序的重塑？近期发表于Science Advances的一项研究为这一问题提供了重要线索。该工作系统揭示了顺式调控元件（cis-regulatory elements, CREs）的进化如何成为塑造鸟类与哺乳动物面部多样性的关键驱动力。

研究团队通过比较基因组学与功能基因组学相结合的策略，对跨物种的面部发育调控网络进行了深入解析。他们发现，驱动喙形、颌骨结构及面部轮廓适应性多样化的主要遗传力量，并非来自编码基因本身的突变，而是源于增强子等非编码调控区域的序列演化。这些顺式调控变异通过精细改变颅面发育关键基因（如BMP、FGF及Wnt通路基因）的表达剂量与时空特异性，在不破坏蛋白质功能的前提下，实现了表型的显著创新。

这一发现强有力地支持了“调控进化主导形态多样性”的经典假说，凸显了非编码基因组在适应性进化中的功能重要性。该研究不仅深化了我们对脊椎动物面部发育程序演化机制的理解，也为后续挖掘复杂性状的调控变异、构建基因型-表型映射关系提供了重要的理论框架与分析范式。

原文链接：https://www.science.org/doi/abs/10.1126/sciadv.aec2511?af=R

Integrated analysis of insulin resistance reveals metabolic remodeling following diet switch–triggered calorie reduction

发布日期：2026-05-06 | 作者：Xiaowen Duan, Lucy M. Davis, Satish Patel, Guillaume Bidault, Lu Long, Benjamin Jenkins, Yao Yi, Pushpa Pushpa, Julia R. Wesseling, Albert Koulman, Antonio Vidal-Puig, Daniel J. Fazakerley, David B. Savage

该研究发表于 Science Advances，通过整合分析策略系统探究了饮食转换触发卡路里减少后机体代谢重塑的分子机制，为理解胰岛素抵抗的改善路径提供了重要的系统生物学视角。

胰岛素抵抗是2型糖尿病和代谢综合征的核心病理基础，而饮食干预尤其是热量限制被广泛证实能够有效改善胰岛素敏感性。然而，饮食转换过程中多器官、多层次的代谢适应性重塑及其背后的调控网络仍缺乏系统性的解析。本研究采用整合分析方法，通过多组学数据融合与计算生物学建模，全景式描绘了饮食干预下代谢通路的动态重编程过程。研究发现，饮食转换所触发的卡路里减少可诱导机体发生显著的代谢重塑，涉及糖脂代谢、线粒体氧化磷酸化及能量感应网络等关键通路的系统性调整，进而协同逆转胰岛素抵抗状态。

该研究的创新之处在于运用系统层面的整合生物信息学分析，突破了传统单一组学研究的局限，揭示了饮食干预改善代谢健康的整体机制框架。这一成果不仅为代谢性疾病的防治提供了新的潜在干预靶点，也为基于多组学数据的精准营养策略开发奠定了重要的理论基础，展现出良好的转化应用前景。

原文链接：https://www.science.org/doi/abs/10.1126/sciadv.aed0535?af=R

Protein language models accurately predict polymorphic peptide–modulated NK cell receptor–HLA class I interaction strengths

发布日期：2026-05-08 | 作者：Abdallah AlShafey, Madeline Nelson, Mubasher Hassan, Andrzej Kloczkowski, William Ray, Salim I. Khakoo, Jayajit Das

蛋白质语言模型精准预测多态性肽段调控的NK细胞受体-HLA I类分子相互作用

自然杀伤（NK）细胞受体与HLA I类分子的相互作用是天然免疫监视的核心机制，其结合强度受呈递多肽序列多态性的精细调控。然而，传统实验方法测定这类相互作用存在通量低、成本高的问题，难以覆盖庞大的肽段-受体-配体组合空间。针对这一挑战，研究人员开发了基于蛋白质语言模型（Protein Language Models, PLMs）的计算预测框架，实现了对多态性肽段介导的NK细胞受体-HLA I类分子相互作用强度的精准预测。

该研究利用大规模预训练的蛋白质语言模型，从氨基酸序列中自动提取肽段-HLA复合物与NK细胞受体的高维结合特征，建立了不依赖实验测定三维结构的高通量预测模型。研究结果表明，蛋白质语言模型能够有效捕捉不同多态性肽段对受体-配体结合亲和力的调控效应，其预测精度显著优于传统基于物理或统计的打分方法。

这一方法学突破为免疫信息学领域提供了强有力的计算工具，不仅有助于系统阐明肽段多态性调控NK细胞功能的分子规律，还在移植免疫配型、肿瘤免疫治疗靶点筛选及自身免疫疾病风险预测等临床转化场景中具有重要应用前景，推动精准免疫学研究向数据智能驱动的范式演进。

原文链接：https://www.science.org/doi/abs/10.1126/sciadv.aed3077?af=R

A multiomics atlas of the Arabidopsis nuclear envelope

发布日期：2026-05-08 | 作者：Heejae Nam, Doogie Kim, Yu Tang, Yiling Fang, Maryam Haghani, Krishna V. Dhulipalla, Marvin Chen, Song Li, Yangnan Gu

《Science Advances》发表了一项关于拟南芥核被膜多组学图谱的重要研究。该研究整合多种高通量组学技术，系统构建了模式植物拟南芥核被膜的综合分子图谱，为深入解析植物核被膜的蛋白组成、基因表达调控及功能机制提供了重要的系统性资源。

核被膜是真核细胞中分隔核质与细胞质的关键界膜结构，在维持核形态、调控基因表达及介导细胞信号转导等过程中发挥核心作用。相较于动物和酵母，植物核被膜的系统性分子图谱仍较为缺乏。本研究通过蛋白质组学、转录组学等多组学数据的整合分析，全面描绘了拟南芥核被膜的分子架构，系统鉴定了其相关蛋白组分，并解析了这些组分在不同生理条件下的表达动态与功能模块。

该研究建立的高分辨率多组学参考图谱，不仅有助于揭示植物核质互作、染色质组织及环境应激响应的分子基础，也为比较核被膜生物学和植物功能基因组学研究提供了关键的数据支撑。该工作充分展示了整合组学策略在解析亚细胞结构功能与调控网络中的强大潜力，对推动植物细胞生物学的发展具有重要理论意义。

原文链接：https://www.science.org/doi/abs/10.1126/sciadv.aee7658?af=R

TCF3::HLF orchestrates an enhancer-promoter network with activation of MEF2C to promote immature HSC gene expression in leukemia

发布日期：2026-05-06 | 作者：Valdemar Priebe, Bartimée Galvan, Aneta Drakul, Nicola Margelisch, Júlia Aguadé-Gorgorió, Kaivalya Walavalkar, Yun Huang, Hanna K. A. Mikkola, Beat Bornhauser, Raffaella Santoro, Jean-Pierre Bourquin

该研究聚焦于TCF3::HLF融合蛋白驱动白血病的表观遗传调控机制，系统阐明了其通过编排全基因组增强子-启动子互作网络（enhancer-promoter network）并激活关键转录因子MEF2C，从而维持未成熟造血干细胞（HSC）基因表达程序的分子基础。研究团队整合多组学数据分析，在全基因组水平解析了TCF3::HLF介导的染色质三维构象重塑规律，发现该融合蛋白通过重构远端增强子与靶基因启动子的空间互作，建立起以MEF2C为核心的转录调控层级。这一调控网络不仅异常激活了干细胞自我更新相关基因，同时阻断了正常的造血分化程序，赋予白血病细胞显著的干性特征。该研究从表观基因组学与基因调控网络的角度，深化了对融合基因阳性白血病干细胞样表型形成机制的理解，为开发针对TCF3::HLF相关白血病的精准干预策略提供了新的理论依据和潜在治疗靶点。

原文链接：https://www.science.org/doi/abs/10.1126/sciadv.adu3728?af=R