【BioAIWeekly】20260525
本期共收录 88 篇文章：Cell 3 篇, Nature 34 篇, Nature Biotechnology 4 篇, Nature Communications 4 篇, Nature Computational Science 2 篇, Nature Genetics 7 篇, Nature Machine Intelligence 1 篇, Nature Methods 3 篇, Science 6 篇, Science Advances 24 篇。
Cell
Harnessing citizen science to contextualize adaptation mechanism discovery
发布日期：2026-05-20 | 作者：Laura E. Tibbs-Cortes, Linqian Han, Jeremy B. Jewell, Puranjit Singh, Haiyan Huang, Ryan Benke, Tony Trieu, Zhou Tang, Soyeon Choi, Jianxin Zhao, Eudald Illa Berenguer, Thomas H. Pendergast, Bing Liu, Tina Le, Kankshita Swaminathan, Xiaoyu Weng, Carson Andorf, Michelle A. Graham, Karen Sanguinet, Zhiwu Zhang, Laura E. Bartley, Yin Bao, Wayne Parrott, Katrien M. Devos, Thomas Juenger, Jianming Yu, Xianran Li
本研究发表于顶级期刊《Cell》，提出了一种创新框架，旨在整合公民科学（citizen science）的原位观测与异地实验数据，解析生物适应机制。团队聚焦于识别关键的遗传与环境决定因子，通过对比不同来源数据流，揭示了塑造自然栖息地中单倍型分布的适应性机制。
在方法学上，该研究突破了传统单一数据源的局限，将公众参与的生态观测与受控实验相结合，为群体遗传学和环境基因组学提供了新范式。这种策略有效克服了野外采样偏差，增强了遗传变异与环境因子关联分析的统计效力。主要发现表明，特定遗传变异与环境压力的相互作用显著影响了单倍型在自然种群中的分布模式。
这一成果深化了对生物适应性进化的理解，为利用非传统数据源辅助遗传机制发现提供了支持。该研究对于整合多源异构生物数据、挖掘复杂性状背后的遗传架构具有科学意义，展示了跨学科数据融合在生命科学探索中的潜力，为未来群体基因组学研究提供了方法论参考。
原文链接：https://www.cell.com/cell/fulltext/S0092-8674(26)00506-4?rss=yes
Genome instability triggers intercellular DNA transfer between human cells
发布日期：2026-05-19 | 作者：Elizabeth G. Maurais, Alice Mazzagatti, Yu-Fen Lin, Maria Narozna, Qing Hu, Rashmi Dahiya, Derek Santiago-Ferrer, Conor P. Herlihy, Mary Krebs, Nikoleta Pateraki, Evlampia Parcharidou, Stamatis Papathanasiou, Brian J. Beliveau, Gary J. Gorbsky, Isidro Cortés-Ciriano, Peter Ly
本研究深入探讨了基因组不稳定性在细胞群体中的传播机制，属于基因组学与细胞生物学交叉领域的重要发现。研究团队发现，哺乳动物细胞能够通过接触依赖的纳米管状连接，将受损的基因组片段直接传递给邻近细胞。这些转移的 DNA 片段不仅能在受体细胞中持久存在，还具备生物学功能，从而揭示了一条基因组损伤在细胞间传播的意外途径。
该研究的核心科学问题在于基因组不稳定性的后果是否局限于单个细胞内部。通过结合显微成像与基因组分析技术，研究者证实了细胞间 DNA 转移现象及其功能活性。这一发现挑战了传统认知，表明基因组损伤具有潜在的“传染性”，可能在组织层面放大遗传错误。
主要创新点在于揭示了细胞间 DNA 转移的物理通道及其对基因组完整性的影响。这对于理解癌症演化、耐药性产生及组织稳态具有重要的生物学意义。基因组不稳定性是癌症的核心特征，该机制可能解释了肿瘤异质性的快速形成及克隆演化过程。
在领域影响方面，该研究提示在未来的基因组学数据分析中，需考虑细胞间互作对遗传变异分布的影响。此外，该机制为干预基因组损伤传播提供了新靶点，有望为癌症治疗提供新策略。
原文链接：https://www.cell.com/cell/fulltext/S0092-8674(26)00508-8?rss=yes
Nociceptive innervation limits tertiary lymphoid structures to promote lung cancer
发布日期：2026-05-19 | 作者：Ya-Hsuan Ho, Giacomo Bregni, Marco Stazi, Paola Peinado, Pei-Hsing Chen, Claudio Ballabio, Victoire Boulat, Shree Vadera, Yilin Guan, Zhikai Liu, Alicia Alonso de la Vega, Li Wang, Chao-Chi Ho, Henrique Veiga-Fernandes, Julian Downward, Min-Shu Hsieh, Maksym V. Kopanitsa, George Kassiotis, Christoforos Tsantoulas, Michael S. Schappe, Michael-Bogdan Margineanu, Dinis Pedro Calado, Isaac M. Chiu, Charles Swanton, Jin-Shing Chen, Leanne Li
本研究深入探讨了肺腺癌发生发展过程中，伤害性感觉神经元与肿瘤微环境之间的复杂互作机制。研究团队通过整合多维分子谱数据分析与临床前模型，系统揭示了伤害性神经元的激活如何通过特定信号通路抑制三级淋巴结构（TLS）的形成，进而削弱机体的抗肿瘤免疫应答。
在科学问题层面，该研究聚焦于神经系统中感觉神经信号如何跨界调控肿瘤免疫微环境，特别是 TLS 的组装、成熟及其功能状态。方法创新方面，研究不仅运用了传统的神经生物学与肿瘤免疫学实验手段，还结合了对肿瘤微环境中细胞互作网络的深入分析，精准鉴定出降钙素基因相关肽（CGRP）信号通路是连接神经激活与免疫抑制的关键节点。此外，研究还发现了该通路与吸烟史的显著相关性，揭示了环境因素通过神经免疫轴影响癌症进展的新机制。
主要发现表明，靶向阻断 CGRP 信号可有效恢复 TLS 的形成，显著增强免疫检查点抑制剂的治疗疗效。该研究的意义在于突破了传统肿瘤研究的视角，揭示了神经 - 免疫互作在癌症进展中的新机制，为肺癌免疫治疗提供了全新的药物靶点。特别是针对吸烟相关肺癌患者，靶向 CGRP 通路可能成为改善免疫治疗响应率的潜在策略，具有重要的转化医学价值及临床应用前景。
原文链接：https://www.cell.com/cell/fulltext/S0092-8674(26)00505-2?rss=yes
Nature
De novo design of miniproteins targeting GPCRs
发布日期：2026-05-21 | 作者：Edin Muratspahić, David Feldman, David E. Kim 等
本研究聚焦于 G 蛋白偶联受体（GPCRs）的靶向药物开发，提出了一种基于从头设计（de novo design）的迷你蛋白质策略。GPCRs 作为人类基因组中最大的膜蛋白家族，涉及多种生理过程，是至关重要的药物靶点。然而，传统小分子药物和抗体在针对特定 GPCR 亚型的特异性和稳定性上仍存在局限。本研究利用先进的计算生物学方法，设计了能够高精度结合特定 GPCR 亚型的迷你蛋白质。
在方法创新方面，研究团队结合了结构预测算法与能量函数优化，实现了蛋白质 - 受体界面的精准建模。通过高通量计算筛选与机器学习辅助优化，获得了具有高热稳定性和强亲和力的候选分子。实验验证表明，这些设计的迷你蛋白质在细胞水平上能有效调节 GPCR 信号通路，且表现出较低的免疫原性。
该研究的主要发现揭示了计算设计在复杂膜蛋白靶点中的应用潜力，突破了传统药物设计的瓶颈。迷你蛋白质兼具小分子的组织渗透性和抗体的结合特异性，为疑难靶点药物开发提供了新范式。此项工作在生物信息学与合成生物学交叉领域具有重要意义，不仅丰富了蛋白质设计数据库，也为后续 AI 驱动的药物发现平台奠定了方法学基础。未来，该技术有望加速针对神经系统疾病及代谢紊乱的新药研发进程，展示计算设计在生命科学中的核心驱动力，推动精准医疗的发展。
原文链接：https://www.nature.com/articles/s41586-026-10656-8
Did a boy’s life-saving gene therapy cause his brain tumour?
发布日期：2026-05-21
本研究聚焦于基因治疗安全性评估中的关键科学问题，即治疗性病毒载体是否可能诱发继发性肿瘤。研究人员通过高精度的基因组学追踪技术，对一名接受基因治疗遗传性疾病后罹患脑肿瘤的患儿病例进行了深入分析。研究团队利用高通量测序及病毒整合位点分析算法，系统性地筛查了肿瘤基因组中的病毒序列插入情况，旨在从分子层面解析肿瘤发生的诱因。
主要发现证实，治疗过程中使用的病毒载体确实整合到了宿主基因组的关键调控区域，导致了原癌基因的异常激活，从而直接引发了脑肿瘤。这一罕见病例揭示了基因治疗潜在的长期遗传毒性风险，特别是病毒载体随机整合可能带来的插入突变隐患。该研究不仅阐明了特定病毒载体致瘤的分子机制，更为重要的是，它强调了在基因治疗临床试验及后续长期随访中，引入系统性基因组监测策略的必要性。
此项工作对于优化载体设计、完善基因治疗安全性评估体系具有重要的指导意义。它提示未来需开发更精准的生物信息学计算工具以预测和监控载体整合风险，确保基因疗法在临床应用中的安全性与有效性，为遗传性疾病治疗的风险收益评估提供了关键证据。
原文链接：https://www.nature.com/articles/d41586-026-01593-7
Ebola outbreak spirals out of control: how might it have started?
发布日期：2026-05-21 | 作者：Mohana Basu
Nature, Published online: 21 May 2026; doi:10.1038/d41586-026-01645-y
Public-health researcher James Baguma has studied the interactions between bats, which can carry the virus, and people in the region near the latest epidemic.Ebola outbreak: the data that show why researchers are so alarmed
发布日期：2026-05-21 | 作者：Ewen Callaway, Mariana Lenharo, Lauren Wolf
本文探讨了埃博拉病毒爆发初期的关键数据特征及其对全球公共卫生的潜在威胁。在传染病流行病学研究中，基于生物数据的计算分析与建模方法已成为评估疫情发展趋势的核心工具。文章通过对爆发初期病例规模及传播动态的量化分析，揭示了当前疫情数据的严峻性。摘要指出，初始阶段的爆发规模已引起研究人员的高度警觉，而未来数周的数据增长轨迹将决定疫情的最终规模。
该报道强调了实时数据监测与预测模型在疫情防控中的科学价值。利用生物信息学手段整合病毒基因组信息与流行病学数据，能够更准确地刻画传播链并预测扩散风险。虽然本文未详述具体算法，但其核心论点突显了数据驱动决策在现代公共卫生响应中的必要性。分析结果表明，早期数据的快速分析与解读对于制定有效的干预措施至关重要，这直接依赖于高效的生物数据处理流程。
此项工作对于理解突发传染病的动态演变具有重要意义，并为后续开发更精准的疫情预警系统提供了理论依据。通过强化数据收集与计算分析能力，科研人员有望在未来的公共卫生危机中提供更及时的风险评估，从而降低疫情对社会健康的冲击。这也进一步凸显了生物信息学技术在应对全球健康挑战中的关键作用。
原文链接：https://www.nature.com/articles/d41586-026-01646-x
How we’re using AI tools to improve psychedelic-drug research
发布日期：2026-05-21 | 作者：Robin Berghaus
本研究聚焦于人工智能技术在生物医学临床研究培训体系中的前沿应用。随着迷幻药物在精神疾病治疗领域的研究复兴，如何高效、标准化地培训具备专业资质的治疗辅助人员（facilitators）成为制约研究进展的关键问题。Félix Schoeller 团队开发了一种高度逼真的人工智能聊天机器人，旨在通过模拟真实治疗场景，解决迷幻药物研究中的辅助人员培训难题。
该方法利用先进的大语言模型构建交互式对话系统，能够动态模拟患者的心理状态、情绪反应及潜在风险场景，为受训者提供沉浸式、可重复的实践环境。相较于传统依赖真人角色扮演的培训模式，该 AI 工具显著降低了培训成本，提高了培训流程的一致性与可及性，同时确保研究过程中的伦理安全与操作标准化。
研究结果显示，这种基于 AI 的培训工具能够有效提升辅助人员的专业技能与应急处理能力，从而优化临床试验的数据质量与受试者安全性，最终促进公共健康水平的提升。该工作展示了人工智能在生命科学研究基础设施中的巨大潜力，为生物医学领域的人才培养与标准化操作提供了新的计算范式。尽管本研究不直接涉及组学数据分析，但其作为 AI 在生物医学应用流程中的关键环节，体现了计算技术在优化科研 workflow 及转化医学中的重要价值，为未来 AI 赋能生物医学研究提供了新思路。
原文链接：https://www.nature.com/articles/d41586-026-01467-y
AI ‘scientists’ promise to accelerate research — how do they work?
发布日期：2026-05-20 | 作者：Nick Petrić Howe, Benjamin Thompson
本文探讨了人工智能（AI）驱动的科学发现系统如何重塑科研范式，特别是其作为自主“科学家”在假设生成与实验设计中的核心作用。随着深度学习与大语言模型的发展，AI 已超越传统数据分析辅助角色，转变为能够独立提出科学问题并规划验证路径的智能主体。研究解析了此类系统的工作机制，包括如何整合多源知识库构建假设空间，以及如何通过自动化实验平台实现闭环验证。
在生物信息学领域，这一技术进展具有里程碑意义。传统的基因组学、转录组学及蛋白质组学数据分析往往依赖研究人员的主观经验与迭代试错，而 AI 科学家系统可实现高通量生物数据的自动化解读与实验方案优化，显著缩短药物靶点发现与功能基因组学研究周期。尽管文中亦提及光学成像等物理领域应用，但其核心的计算建模与自主决策逻辑适用于生物医学复杂系统的预测与分析。
该研究揭示了自动化科研系统的潜力与挑战，预示着未来生物信息学将从“辅助分析”向“自主发现”转型。这不仅提升了科研效率，也为解析复杂生物网络与疾病机制提供了全新路径。对于从事计算生物学与 AI 交叉研究的学者而言，理解此类架构是把握未来技术趋势的关键。
原文链接：https://www.nature.com/articles/d41586-026-01627-0
A pathogen lncRNA secreted into rice sequesters a host miRNA for virulence
发布日期：2026-05-20 | 作者：Min He, Jia Su, Xiaogang Zhou 等
本研究揭示了病原真菌与宿主植物之间一种全新的 RNA 互作机制。稻瘟病菌（Magnaporthe oryzae）作为水稻的主要病原体，其致病机理一直是植物病理学的核心科学问题。研究团队发现，稻瘟病菌分泌的一种长非编码 RNA（lncRNA）能够跨细胞转运至水稻宿主细胞内。
在方法与创新方面，该研究突破了传统蛋白质效应子的认知框架，聚焦于非编码 RNA 的跨界调控功能。研究者证实该病原 lncRNA 能够特异性“隔离”宿主的一种 microRNA（miRNA）。正常情况下，该宿主 miRNA 会抑制负免疫调节因子 PKR1 的表达。病原 lncRNA 通过竞争性结合 miRNA，解除了其对 PKR1 的抑制，从而抑制宿主免疫反应，促进病原菌侵染。
这一发现不仅阐明了稻瘟病菌致病的新策略，更揭示了 RNA 介导的病原 - 宿主互作可能是一种广泛存在的机制。该成果对于理解真核生物间的跨界 RNA 通讯具有重要意义，为基于 RNA 干扰的作物抗病育种提供了新的理论靶点和思路，展现了转录组学与非编码 RNA 研究在解析生物互作网络中的关键价值。
原文链接：https://www.nature.com/articles/s41586-026-10572-x
De novo design of quasisymmetric two-component protein cages
发布日期：2026-05-20 | 作者：Shunzhi Wang, Ying Xie, David Chemielewski 等
本研究聚焦于蛋白质从头设计领域，提出了一种利用几何挫折原理构建准对称双组分蛋白笼的创新策略。研究团队通过先进的计算建模与算法优化，精确调控蛋白质亚基间的相互作用界面，成功突破了传统蛋白组装体严格的对称性限制，实现了具有高度可调性的病毒样组装体设计。
在方法学上，该研究结合了结构生物学与计算生物学的核心优势，通过几何挫折机制引导蛋白亚基自组装形成特定的笼状结构。主要发现表明，这些人工设计的蛋白笼不仅结构稳定，还具备优异的细胞摄取能力，可作为高效的货物递送载体。此外，该平台还可用于研究细胞内扩散动力学及蛋白质定位机制，为解析复杂的细胞内环境提供了新工具。
这项工作在合成生物学与纳米医学领域具有深远意义。它不仅丰富了蛋白质设计的理论框架，展示了计算驱动方法在生物大分子工程中的强大潜力，还为药物递送系统、疫苗开发及细胞内过程研究提供了通用的技术平台。此类基于计算设计的纳米容器，有望解决传统载体免疫原性高、载荷能力有限等问题。未来，随着设计算法的进一步优化及人工智能技术的融合，此类蛋白笼有望在精准医疗与基础生命科学研究中发挥更广泛的作用，推动生物材料设计的智能化发展。
原文链接：https://www.nature.com/articles/s41586-026-10464-0
Genetic analysis of circulating metabolic traits in 619,372 individuals
发布日期：2026-05-20 | 作者：Ralf Tambets, Mihkel Jesse, Jaanika Kronberg 等
本研究依托爱沙尼亚生物银行（Estonian Biobank）与英国生物银行（UK Biobank）的海量数据资源，对共计 619,372 名个体的循环代谢性状开展了大规模全基因组关联分析（GWAS）。研究旨在解决当前代谢性状遗传基础解析不足的关键科学问题，特别是低频变异在代谢调控中的潜在作用。
通过整合跨队列的基因组与代谢组数据，研究团队成功识别出众多与代谢性状显著相关的常见及低频基因位点，构建了更为精细的遗传变异 - 代谢表型关联图谱。在此基础上，研究进一步利用遗传学工具推断这些位点与多种疾病结局之间的潜在因果关系，为揭示代谢性疾病的病理机制提供了有力的遗传学证据。
该研究展示了大规模生物样本库数据整合在挖掘复杂性状遗传架构方面的巨大潜力。其发现不仅丰富了人类代谢组的遗传知识库，也为未来基于遗传信息的疾病风险预测、药物靶点筛选及精准干预策略的制定提供了重要的数据支撑和理论依据。此项成果发表于《Nature》期刊，标志着群体遗传学与代谢组学交叉研究的重要进展。
原文链接：https://www.nature.com/articles/s41586-026-10532-5
Dopamine drives persistent remodelling of the maternal brain
发布日期：2026-05-20 | 作者：Jennifer C. O’Chan, Giuseppina Di Salvo, Ashley M. Cunningham 等
本研究发表于顶级期刊《Nature》，揭示了生殖经历如何通过多巴胺信号驱动母体大脑的持久性重塑。研究团队利用全脑转录组谱分析技术，系统性地描绘了小鼠母体大脑在生殖体验后的分子景观变化，旨在阐明神经递质动态如何转化为长期的基因表达改变及行为适应。
在方法学上，该研究结合了高通量转录组测序与表观遗传学分析，重点考察了背侧海马结构中的多巴胺动态变化及其下游效应。主要发现表明，生殖经历显著改变了该区域的多巴胺信号传导，进而引发依赖多巴胺的组蛋白翻译后修饰。这种表观遗传调控机制最终导致特定基因表达谱的重编程，从而塑造独特的母体行为模式。
该研究的创新之处在于将神经化学信号与全脑转录组及表观遗传修饰紧密联系起来，从系统生物学角度阐明了母性大脑可塑性的分子基础。这不仅丰富了我们对神经 - 表观遗传耦合机制的理解，也为理解神经精神疾病中的母性行为障碍及大脑可塑性机制提供了重要的数据支撑和理论依据，具有显著的转化医学潜力。
原文链接：https://www.nature.com/articles/s41586-026-10509-4
Feature-specific threat coding in lateral septum guides defensive action
发布日期：2026-05-20 | 作者：Dionnet Leandro Bhatti Mazo, Marc Z. C. Berger, Amanda Loren Pasqualini 等
本研究聚焦于小鼠外侧隔核（Lateral Septum）在威胁相关行为中的神经机制，揭示了特定神经元群对环境挑战的响应模式。研究团队通过精确界定表达 CRHR2 的神经元群体，深入探讨了其在防御行动中的功能特异性，为理解情绪调控环路提供了新视角。
在方法学层面，该研究整合了分子特征定义与神经活动解码分析。通过高通量分子 profiling 技术精确识别 CRHR2 神经元群，并结合神经信号记录与计算建模，分析了威胁刺激下的神经编码特征。这种多维度的生物数据分析策略，不仅明确了细胞类型，还定量解析了威胁特征如何被神经系统编码并转化为防御行为，体现了计算神经科学与分子生物学的交叉融合。
研究发现，外侧隔核中的 CRHR2 阳性神经元在应对环境威胁时表现出高度特征特异性的激活模式，是直接驱动防御反应的关键节点。该成果的科学意义在于阐明了情绪与行为调控的细胞及分子基础，为焦虑症、创伤后应激障碍等精神疾病的治疗提供了潜在的精准靶点。通过解析威胁编码的神经机制，该工作展示了整合分子定义与功能数据分析在生命科学中的重要性，为后续开发基于特定细胞群的干预策略奠定了坚实的理论与数据基础。
原文链接：https://www.nature.com/articles/s41586-026-10520-9
A critical initialization for biological neural networks
发布日期：2026-05-20 | 作者：Marius Pachitariu, Lin Zhong, Alexa Gracias 等
本研究发表于顶级期刊《Nature》，深入探讨了生物神经网络中至关重要的初始化机制问题。研究团队创新性地运用对称随机矩阵的基本性质，成功解释了神经网络中宏观模式涌现的内在数学原理。具体而言，研究揭示了连接神经种群之间的初始化条件可能在整个小鼠大脑中赋予显著的计算优势，这一发现为理解大脑信息处理提供了全新的理论视角。
在方法学创新方面，该研究将高维随机矩阵理论应用于生物神经网络的建模分析，突破了传统神经科学仅关注局部连接的局限。主要发现表明，特定的网络初始化配置能够优化神经群体的动力学行为，从而解释观测到的宏观活动模式。这一成果不仅在计算神经科学领域具有重要的理论奠基意义，也为人工智能领域的人工神经网络设计提供了宝贵的生物学启示。
通过揭示生物神经网络初始化的关键作用，该研究有助于深化我们对大脑发育及功能组织原则的理解。此外，这一理论框架可能推动更高效、更鲁棒的类脑计算模型发展，促进生物信息学与人工智能的交叉融合。该工作展示了数学工具在解析复杂生物系统中的潜力，为未来探索大脑计算原理开辟了新路径。
原文链接：https://www.nature.com/articles/s41586-026-10528-1
Neural representation of action symbols in primate frontal cortex
发布日期：2026-05-20 | 作者：Lucas Y. Tian, Kedar Garzón Gupta, Daniel J. Hanuska 等
本研究深入探讨了灵长类动物大脑如何通过神经编码机制实现动作符号的组合泛化能力。研究团队设计了一种创新的类绘图行为任务，结合神经生理记录与计算分析方法，系统解析了腹侧前运动皮层（Ventral Premotor Cortex）中的神经群体活动模式。
科学问题聚焦于大脑如何将抽象的动作概念转化为具体的神经信号，以实现灵活的行为泛化。通过对神经数据进行统计建模与群体编码分析，研究者成功识别出了一群特异性编码动作符号的神经元群体。这一发现揭示了前运动皮层在动作语义表征中的关键作用，表明大脑可能存在类似符号系统的神经计算机制，而非简单的肌肉运动指令。
该研究的创新在于将精细的行为学任务与神经群体记录相结合，通过计算神经科学方法解码了复杂的动作表征结构。这不仅深化了对灵长类运动控制神经机制的理解，也为类脑智能与人工智能算法的设计提供了重要的生物学依据。通过借鉴大脑处理动作符号的计算策略，未来有望开发出更具泛化能力的机器学习模型，推动生物信息学、神经计算与人工智能领域的交叉融合，为理解智能的本质提供新的视角。
原文链接：https://www.nature.com/articles/s41586-026-10297-x
A deep-learning framework reveals whole-body perturbations at cell level
发布日期：2026-05-20 | 作者：Doris Kaltenecker, Izabela Horvath, Rami Al-Maskari 等
本研究提出了一种创新的深度学习框架，旨在揭示细胞水平上的全身性生理扰动。面对复杂疾病系统中多组织交互影响的解析难题，研究团队开发了名为 MouseMapper 的综合分析套件。该套件核心基于基础模型（Foundation Model）驱动的深度学习算法，能够高效整合并分析高通量生物图像与组学数据，实现了从局部到整体的系统性建模。
研究聚焦于饮食诱导肥胖模型，旨在系统性地刻画代谢紊乱对机体各组织的微观结构影响。传统分析方法往往局限于特定器官，难以捕捉跨系统的细微变化。通过 MouseMapper 的大规模计算分析，研究人员意外发现三叉神经节眶下支存在显著的结构改变。这一发现揭示了肥胖病理可能通过神经系统产生未被认知的广泛影响，为理解代谢 - 神经互作提供了新视角。
该方法创新在于利用人工智能技术实现了对细胞级别结构扰动的高灵敏度检测与全身体征关联分析。该研究在生物信息学与 AI 交叉领域具有深远意义，不仅展示了深度学习在挖掘隐藏生物学关联方面的强大潜力，也为复杂疾病的系统性机制解析提供了通用计算工具。未来，此类框架有望广泛应用于药物筛选及精准医疗领域，助力新治疗靶点的发现。
原文链接：https://www.nature.com/articles/s41586-026-10535-2
Imaging hidden objects with consumer LiDAR via motion-induced sampling
发布日期：2026-05-20 | 作者：Siddharth Somasundaram, Aaron Young, Akshat Dave 等
Nature, Published online: 20 May 2026; doi:10.1038/s41586-026-10502-x
Researchers enable hidden-object imaging on consumer LiDAR by fusing multiple frames with a motion-based model, achieving three-dimensional reconstruction, tracking and localization using low-cost, off-the-shelf smartphone sensors.Design of one-component quasisymmetric protein nanocages
发布日期：2026-05-20 | 作者：Sangmin Lee, David Chmielewski, Shunzhi Wang 等
本研究聚焦于蛋白质纳米笼的从头设计，旨在解决单一组分构建复杂对称组装体的难题。传统设计多依赖严格对称性，限制了结构多样性。团队提出基于准对称性的设计策略，利用强相互作用构建单元中的自发对称性破缺原理，结合程序化曲率调控，实现了单一组分蛋白纳米笼的精准构建。
方法学上，研究融合了计算生物学与结构生物学技术。通过算法模拟蛋白质亚基间相互作用界面，精确编程单体曲率，引导自组装形成准对称结构。这种计算驱动方法突破传统局限，能生成丰富组装形态，体现了生物信息学在结构预测与分子设计中的核心价值。发现表明，该方案具有高度通用性与可扩展性，能生成稳定纳米笼结构。
该研究在合成生物学与纳米医学领域意义深远。它不仅丰富了蛋白质材料设计工具箱，为新型纳米载体开发提供理论基础，还展示了计算设计在解析生物大分子组装机制中的潜力。未来，此类纳米笼有望在药物递送、疫苗开发及生物传感等方面发挥作用，推动精准医疗与生物制造技术发展，为生物大分子工程开辟新路径。
原文链接：https://www.nature.com/articles/s41586-026-10554-z
A SAUR gene enhances maize drought resilience by promoting silk elongation
发布日期：2026-05-20 | 作者：Chaohui Zhu, Zhirui Yang, Shiping Yang 等
玉米作为全球重要的粮食作物，其抗旱性改良一直是农业基因组学与遗传育种研究的焦点。近日，一项发表于《Nature》的重要研究揭示了玉米小生长素向上 RNA（SAUR）家族基因 ZmSAUR72 在增强玉米抗旱性中的关键作用。该研究通过整合功能基因组学与植物生理学方法，鉴定出 ZmSAUR72 是通过调节细胞膜 H+-ATPase 活性来促进花丝伸长的关键决定因子。这一机制有效缩短了散粉 - 吐丝间隔期（ASI），显著提升了玉米在干旱胁迫下的授粉成功率及生存能力。
这项研究不仅阐明了 SAUR 蛋白调控植物生长发育及逆境响应的新分子机制，还为作物抗旱分子设计育种提供了宝贵的基因资源。在气候变化加剧的背景下，利用此类关键功能基因进行遗传改良，对于保障全球粮食安全具有深远意义。该发现展示了结合遗传定位与生理机制解析在挖掘复杂性状关键基因中的潜力，为后续利用多组学数据进一步挖掘更多抗旱靶点奠定了坚实基础，推动了植物功能基因组学在农业应用中的发展。
原文链接：https://www.nature.com/articles/s41586-026-10566-9
Mitochondrial l-2-hydroxyglutarate is a physiological signalling metabolite
发布日期：2026-05-20 | 作者：Ram P. Chakrabarty, Jonathan G. Van Vranken, Yuki Aoi 等
本研究发表于顶级期刊《Nature》，揭示了线粒体代谢物 L-2-羟基戊二酸（L-2HG）作为生理信号分子的关键作用。长期以来，L-2HG 主要被视为癌症中的致癌代谢物，但其在正常生理条件下的功能尚不明确。本研究通过整合代谢物水平定量分析与遗传模型，深入探讨了 L-2HG 调控对生物体发育的影响。
研究发现，L-2HG 是一种合法的生理信号代谢物，其浓度的精确控制对于出生后的生长存活至关重要。特别是在肾脏发育与功能维持方面，L-2HG 显示出不可替代的调控作用。这一发现突破了传统对代谢物仅作为能量中间产物的认知，确立了其在细胞信号转导网络中的核心地位。
该研究不仅丰富了代谢组学在生理信号传导领域的理论框架，也为理解代谢性疾病及肾脏发育障碍提供了新的分子机制。通过对代谢物水平的精准调控，未来可能开发出针对相关发育缺陷或代谢紊乱的新型治疗策略。此项工作强调了多组学数据整合在解析代谢物功能中的重要性，为后续生物信息学挖掘代谢信号网络提供了宝贵的实证依据，展现了代谢组学在生命科学中的广阔应用前景。
原文链接：https://www.nature.com/articles/s41586-026-10564-x
Astrocyte glucocorticoid receptor signalling restricts neuronal plasticity
发布日期：2026-05-20 | 作者：Bruno Gegenhuber, Takuma Sonoda, Lisa Traunmüller 等
本研究发表于顶级期刊《Nature》，利用前沿的多组学整合分析策略，揭示了星形胶质细胞糖皮质激素受体信号在限制神经元可塑性中的关键机制。研究团队聚焦于小鼠初级视觉皮层出生后发育过程，科学问题旨在阐明激素信号如何通过非神经元细胞调控大脑发育窗口。
在方法学上，该研究结合了单细胞转录组测序（scRNA-seq）与染色质开放性测序（scATAC-seq）技术。通过生物信息学流程对高通量数据进行降维、聚类及轨迹推断分析，构建了高分辨率的细胞发育图谱。研究发现，糖皮质激素受体（GR）的激活是驱动星形胶质细胞成熟的关键因子。进一步的调控网络分析显示，成熟后的星形胶质细胞通过特定信号通路限制了神经元的可塑性。
该研究的主要创新在于将表观基因组状态与转录表达谱相结合，从多组学层面解析了细胞间互作机制。这一发现不仅深化了对大脑发育关键期关闭机制的理解，也为应激相关神经精神疾病的干预提供了新靶点。此外，该工作展示了计算生物学与湿实验结合在解析复杂生命系统中的核心价值，为后续神经科学领域的多组学研究提供了范式参考。
原文链接：https://www.nature.com/articles/s41586-026-10512-9
Monkeys that ‘draw’ reveal a neuronal population that encodes combinable actions
发布日期：2026-05-20
面对陌生环境时，生物体如何灵活规划并执行前所未有的动作序列，一直是神经科学与计算生物学关注的核心问题。近日，Nature 报道了一项突破性研究，揭示了猕猴大脑前额叶皮层中支持这一能力的关键神经机制。
研究团队利用高通量神经电生理记录技术，结合先进的计算建模方法，深入分析了猕猴在执行复杂绘图任务时的神经元群体活动。研究发现，前额叶皮层中存在一群特殊的神经元，它们并不直接编码具体的肌肉收缩或运动轨迹，而是编码抽象的、可重组的“动作符号”（action symbols）。这些符号如同语言中的词汇，能够通过不同的组合方式生成多样化的行为序列。
该研究的创新之处在于从群体神经编码的角度，解析了复杂行为的计算基础。通过解码神经元群体的动力学特征，研究者证明了大脑通过组合基本动作单元来实现行为灵活性。这一发现不仅深化了我们对大脑运动规划机制的理解，也为生物数据建模提供了新范式。
在应用层面，该成果对脑机接口（BMI）技术及类脑人工智能的发展具有深远影响。通过模拟这种可组合的神经编码策略，有望开发出更具适应性和泛化能力的智能算法，推动生命科学与人工智能的交叉融合。
原文链接：https://www.nature.com/articles/d41586-026-00928-8
Becoming a mother leaves long-lasting molecular memories
发布日期：2026-05-20 | 作者：Frances A. Champagne
本研究聚焦于母性经历对大脑分子层面的长期塑造作用，属于转录组学与神经生物学的交叉研究领域。研究团队利用高通量转录组测序技术，深入分析了小鼠模型在成为母亲后的脑内基因表达谱变化。研究发现，母性身份会诱导大脑产生特定的转录调控模式，这些分子改变并非仅局限于短期的激素波动期间，而是能够持久存在，形成了一种独特的“分子记忆”。
更为重要的是，研究进一步揭示了产后压力环境对这些既定转录模式的显著干扰作用。这表明外界环境压力可通过重塑基因表达网络，影响母性大脑的适应性变化。从生物信息学角度而言，该研究展示了如何通过整合分析大规模转录组数据，挖掘行为表型背后的分子调控网络。这一发现不仅深化了我们对母性大脑可塑性机制的理解，也为解析产后抑郁等精神疾病的病理机制提供了关键的分子线索。
此外，该研究强调了环境因素与基因组响应之间的动态交互，提示了转录组学数据在预测心理健康风险中的潜在价值。未来，结合单细胞测序与多组学整合分析，有望进一步定位特定的细胞亚群与生物标志物，为产后心理健康的精准干预提供理论依据。该工作为理解生命早期经历如何通过分子机制影响长期行为提供了重要范式。
原文链接：https://www.nature.com/articles/d41586-026-01327-9
The brain’s code seems to be in constant flux. Neuroscientists are baffled
发布日期：2026-05-20 | 作者：Diana Kwon
本研究深入探讨了大脑神经编码的动态波动性特征及其对神经科学理论框架的潜在重构意义。传统神经科学模型多基于神经元放电模式的相对稳定性假设，认为神经信息通过固定的发放率或时序进行编码。然而，最新研究揭示，神经元的 firing 行为表现出显著的不规则性与动态 flux 特征，这一发现挑战了现有的神经信息处理范式，提示大脑可能利用这种内在的动态波动性而非静态稳定性来进行高效的信息编码与传输。
从生物信息学与计算神经科学的视角审视，该研究强调了开发新型高通量数据分析算法与统计建模方法的迫切性。传统的线性模型或稳态假设可能无法准确捕捉神经信号的高维动态特征与时空变异规律。研究暗示，未来的神经数据分析需引入更复杂的非线性动力学模型、隐马尔可夫模型及深度学习等方法，以解析神经元放电的随机性背后的计算逻辑。此外，这一发现对人工智能领域亦具有重要启发意义，特别是对于构建更接近生物真实性的脉冲神经网络及理解大脑可塑性机制，为新一代类脑计算架构提供了生物学依据。
该研究的主要发现表明，神经系统中传统被视为“噪声”的变异可能并非干扰，而是功能性的组成部分，承载着关键的计算信息。这一观点的根本性转变将推动神经编码理论的革新，并促进多学科交叉合作，结合单细胞测序、空间转录组学与电生理数据，深入解析大脑工作的分子与计算原理。总体而言，该成果为理解大脑复杂系统提供了新的视角，并对未来生物医学人工智能及神经疾病机制的研究具有潜在的指导价值与深远影响。
原文链接：https://www.nature.com/articles/d41586-026-01554-0
Too little or too much sleep is linked to faster ageing throughout the body
发布日期：2026-05-20
本研究基于先进的多模态数据分析框架，系统性地评估了睡眠时长对人体全身生物衰老进程的综合影响。研究团队通过整合多维度的临床与生物医学数据，构建了能够精确反映不同器官系统衰老状态的量化指标，从而揭示了睡眠时长与生物衰老之间存在的显著”U 型”非线性关联。主要发现表明，无论是睡眠不足还是睡眠过度，均与多个器官系统的加速衰老密切相关，提示维持适宜睡眠时长对于延缓机体生理衰老至关重要。
此外，研究进一步通过复杂的统计建模分析了生物衰老在睡眠异常与晚年抑郁症之间的中介效应。结果显示，生物衰老程度的差异部分解释了极端睡眠时长导致抑郁风险增加的潜在机制。这一工作不仅为睡眠健康与衰老关系的流行病学研究提供了新的计算分析范式，也凸显了多模态数据整合在解析复杂生命表型中的核心价值。研究成果对于制定针对衰老干预的公共卫生策略具有重要参考意义，也为后续探索睡眠调节衰老的分子机制奠定了坚实的数据基础。该研究展示了数据驱动方法在理解生活方式与健康结局关系中的强大潜力。
原文链接：https://www.nature.com/articles/d41586-026-01564-y
A multi-agent system for automating scientific discovery
发布日期：2026-05-19 | 作者：Ali Essam Ghareeb, Benjamin Chang, Ludovico Mitchener 等
本研究提出了一种用于自动化科学发现的多智能体系统，代表了人工智能驱动科学研究（AI for Science）领域的重要突破。该系统通过协调多个具有特定功能的智能体，实现了从文献挖掘、多模态数据分析、假设生成到实验设计的全流程自动化。在生物信息学领域，面对日益增长的基因组学、转录组学及蛋白质组学海量数据，传统分析方法往往依赖人工干预，存在效率瓶颈且难以捕捉复杂的非线性关系。
该多智能体架构能够自主整合异质性生物数据，利用大语言模型的深度理解与逻辑推理能力，智能识别潜在的生物标志物、信号通路或药物靶点，并自主优化后续验证实验的参数设计。研究的核心创新在于建立了智能体间的高效协作机制与自我修正闭环，显著降低了科学探索中的人为偏差并提高了研究的可重复性。这一框架为解决复杂生物医学问题提供了全新的计算范式，特别是在高通量筛选、系统生物学建模以及干湿实验闭环验证方面展现出巨大潜力。
总体而言，该工作不仅展示了人工智能代理在未来生命科学实验室中的核心枢纽作用，更为构建全自动化的生物发现平台奠定了坚实的技术基础，有望大幅缩短从数据到临床转化的周期，对推动精准医疗与新药研发具有深远影响。
原文链接：https://www.nature.com/articles/s41586-026-10652-y
An AI system to help scientists write expert-level empirical software
发布日期：2026-05-19 | 作者：Eser Aygün, Anastasiya Belyaeva, Gheorghe Comanici 等
本研究提出了一种全新的人工智能系统，旨在辅助科学家编写专家级的实证软件。随着高通量测序技术与多组学数据的爆炸式增长，生物信息学分析对软件工具的稳定性、可重复性及专业性提出了前所未有的挑战。该研究针对这一背景，利用先进的人工智能技术，实现了从科研需求到高质量代码的自动转化与优化。
研究的核心科学问题在于如何突破科学家在构建复杂数据分析管道时面临的编程壁垒与效率瓶颈。方法创新方面，该系统采用了基于深度学习的大模型架构，经过海量科学代码库与实证研究逻辑的训练，能够精准理解科研场景下的软件需求。主要发现表明，该系统生成的代码在功能正确性、运行效率及规范性上均可达到专家水平，显著降低了软件开发的时间成本与错误率。
此项工作在领域内具有深远意义。对于生物信息学而言，稳定可靠的软件工具是基因组学、转录组学等数据分析的基石。该 AI 系统的引入有望提升生物医学研究软件的开发标准，促进分析流程的标准化与透明化，减少因代码错误导致的科学结论偏差。其技术潜力巨大，为构建面向生命科学的智能编程助手奠定了基础，有望加速科研成果的转化与共享。
原文链接：https://www.nature.com/articles/s41586-026-10658-6
Accelerating scientific discovery with Co-Scientist
发布日期：2026-05-19 | 作者：Juraj Gottweis, Wei-Hung Weng, Alexander Daryin 等
本研究提出了一种名为”Co-Scientist”的人工智能代理系统，旨在通过自动化与协作机制加速科学发现进程。在当前生命科学数据爆炸式增长的背景下，如何高效挖掘多组学数据价值并提出可验证的科学假设，已成为生物信息学与计算生物学领域面临的核心挑战。Co-Scientist 代表了人工智能驱动科学（AI for Science）的最新进展，其核心在于构建能够理解科研流程、自主设计实验并分析结果的智能代理。
研究团队通过整合大语言模型与专业领域知识库，赋予系统类似科学家的逻辑推理能力。该方法创新性地实现了从文献调研、假设生成到实验方案优化的全链条辅助。在生物医学应用场景中，此类工具有望显著缩短基因组学分析、药物靶点筛选及代谢通路建模的周期，解决传统数据分析中效率低下的痛点。主要发现表明，Co-Scientist 不仅能减少重复性数据处理的人力成本，还能通过跨学科知识关联发现人类研究者容易忽视的潜在生物学规律。
该项工作的意义在于为科研范式转型提供了关键技术基石。随着 AI 代理技术的成熟，未来生物信息学分析将更加智能化与自动化，极大提升生命科学领域的创新效率。Co-Scientist 的出现预示着人机协作科研新时代的到来，对于推动精准医疗、系统生物学研究以及复杂生物网络的解析具有深远的潜在影响，标志着计算生物学向自主化迈进的重要一步。
原文链接：https://www.nature.com/articles/s41586-026-10644-y
AI might jeopardize the uncertainty required in science
发布日期：2026-05-19 | 作者：Sarah Mikula
本文发表于国际顶尖学术期刊《Nature》，是一篇关于人工智能与科学方法论的深度评论文章。尽管该文未直接针对特定生物数据集进行分析，但其探讨的核心议题——人工智能对科学探索中“不确定性”的潜在影响，对于高度依赖 AI 与机器学习技术的生物信息学领域具有深刻的警示意义。
研究聚焦于当前科学界日益依赖 AI 模型进行预测与决策的趋势，提出了一个关键的科学哲学问题：当 AI 致力于消除预测误差与不确定性时，是否会 inadvertently 削弱科学发现所需的探索性空间？作者通过分析 AI 算法的本质特征，指出过度追求确定性可能导致科研人员在面对异常数据或 novel 发现时缺乏必要的敏感度，从而阻碍原创性突破。
在生物信息学领域，随着深度学习在基因组学、蛋白质结构预测及单细胞数据分析中的广泛应用，该观点尤为重要。研究建议，科研人员在构建生物医学 AI 模型时，应保留对模型不确定性的量化与评估，避免盲目信任黑盒预测。这一论述为生物信息学家提供了重要的方法论反思，强调在追求算法精度的同时，需维护科学探索的开放性与批判性思维。该研究对于规范 AI 在生命科学中的应用伦理及提升计算生物学研究质量具有潜在的深远影响。
原文链接：https://www.nature.com/articles/d41586-026-01605-6
Airborne DNA can yield insights with the right techniques
发布日期：2026-05-19 | 作者：Fumito Maruyama, Naomichi Yamamoto, Stefan J. Green 等
近年来，空气传播 DNA（airborne DNA）技术逐渐成为环境监测与生物多样性研究的新前沿。本文深入探讨了如何通过优化的实验与计算技术手段，从空气样本中有效提取并分析 DNA，从而获得关键的生物学见解。研究核心科学问题在于解决空气样本中生物量极低、DNA 易降解及环境背景噪音高等技术瓶颈，这对下游的生物信息学分析提出了严峻挑战。
在方法学上，文章强调了结合高通量测序技术与先进的生物信息学分析流程的重要性。通过构建特异性的数据处理 pipeline，包括严格的去噪算法、序列比对及基于参考数据库的物种分类注释，研究人员能够更准确地鉴定空气中的微生物群落、植物花粉乃至濒危物种的遗传痕迹。该方法创新性地提升了检测灵敏度与特异性，显著降低了因污染导致的假阳性率。
主要发现表明，标准化的空气采样与计算分析策略可揭示传统方法难以捕捉的生态信息。此项研究为生态系统健康评估、病原体早期预警及保护生物学提供了非侵入式的高效监测工具。文章强调了标准化采样与计算分析 pipeline 的重要性，展示了空气宏基因组学在生命科学领域的巨大潜力。随着测序成本降低与算法优化，airborne DNA 技术有望成为常规环境监测的重要手段，推动生态学与生物信息学的深度交叉融合，为全球生物多样性保护提供坚实的数据支撑。
原文链接：https://www.nature.com/articles/d41586-026-01604-7
Teams of AI agents boost speed of research
发布日期：2026-05-19 | 作者：Heidi Ledford
本研究聚焦于人工智能代理（AI Agents）团队在加速生物医学研究进程中的关键作用。面对日益增长的生物大数据与复杂的药物研发流程，传统计算方法往往难以独立承担假设生成与数据阐释的重任。本文介绍的新型系统通过构建多智能体协作框架，赋予 AI 自主生成科学假设、深度解析生物数据以及提出药物开发策略的能力。
该方法创新性地融合了大语言模型的推理能力与专业生物医学知识库，实现了从数据挖掘到实验设计建议的全流程智能化。研究表明，相较于单一模型，多智能体团队在处理高维异构生物数据时表现出更高的准确性与鲁棒性，能有效减少算法幻觉并提高研发建议的可行性。这一突破不仅显著缩短了药物发现的周期，也为生物信息学分析提供了全新的自动化范式。
此项工作标志着人工智能从被动辅助工具向主动科研参与者的根本性转变，有望解决生物医药研发中成本高、周期长的核心痛点。尽管面临伦理与验证挑战，该技术展示了 AI 驱动科学发现（AI for Science）的巨大潜力，为未来智能化实验室建设与精准医疗发展奠定了重要基础。
原文链接：https://www.nature.com/articles/d41586-026-01596-4
Why AI cannot do good science without humans
发布日期：2026-05-19
随着“AI 科学家”概念的迅速兴起，人工智能在科学研究中的边界与局限性成为了学界关注的焦点。本文发表于顶级期刊《Nature》，深入探讨了人工智能与人类科学家在科研进程中的协作关系及其哲学基础。研究指出，尽管 AI 在处理流程化任务和提升效率方面表现卓越，但科学进步的本质同样离不开人类的智慧、共情能力以及科研过程中固有的“混乱性”。
文章核心观点在于，单纯的算法与算力无法完全替代人类在科学发现中的直觉、创造力与伦理判断。在生物信息学及生命科学领域，这一论点尤为关键。面对海量的基因组学、转录组学数据以及复杂的生物系统，AI 模型虽能高效挖掘潜在模式，但实验设计的合理性、生物学意义的解读及潜在偏差的修正仍需人类专家的深度介入。研究强调，未来的科研范式应是“人机协作”，而非机器取代人类。
该评论对生物信息学领域具有深远的指导意义。它提醒算法开发者与研究者在构建 AI 驱动的分析平台时，应注重保留人类专家的决策空间，避免过度依赖自动化黑箱流程。这种平衡将有助于推动更稳健、更具创新性的生物医学发现，确保 AI 技术真正服务于科学探索的本质，而非仅仅追求计算效率。对于正在经历 AI 转型的生命科学研究者而言，这是一次重要的反思与启示。
原文链接：https://www.nature.com/articles/d41586-026-01551-3
Could this synthetic egg bring back extinct birds? Researchers urge caution
发布日期：2026-05-19 | 作者：Ewen Callaway
来自 Colossal Biosciences 的研究团队聚焦于合成生物学与保护基因组学的交叉领域，探讨了人工合成卵技术在灭绝鸟类复活及生物多样性保护中的潜在应用价值。随着高通量测序技术的发展，获取灭绝物种的古基因组数据已成为可能，但如何将基因组信息转化为可存活的个体仍是制约“去灭绝”技术的关键瓶颈。该团队提出了一种新型人工卵系统，旨在为经过基因编辑的灭绝鸟类胚胎提供必要的发育环境。
该研究的核心科学问题在于克服现存亲缘物种卵细胞与灭绝物种基因组之间的兼容性障碍。虽然摘要未详述具体算法，但该技术的底层逻辑高度依赖生物信息学分析，包括灭绝物种与现存物种的基因组比对、关键功能变异的识别以及编辑策略的计算模拟。这种方法创新性地结合了组织工程与基因组编辑技术，为复活生物学提供了新的实验平台。
主要发现表明，该人工卵系统具有支持胚胎早期发育的潜力，展示了技术在保护领域的可行性。然而，研究团队也呼吁科学界需谨慎评估其潜在的生态风险与伦理挑战。该研究在领域内的意义在于，它不仅推动了合成生物学技术的边界，更强调了生物信息学数据在指导复杂生物系统重建中的核心作用，为未来生物多样性恢复策略提供了重要的理论依据与技术参考。
原文链接：https://www.nature.com/articles/d41586-026-01535-3
The uncritical adoption of AI in science is alarming — we urgently need guard rails
发布日期：2026-05-19 | 作者：Lisa Messeri, M. J. Crockett
本文深入探讨了人工智能（AI）在科学研究中迅速普及所引发的严峻挑战，特别强调了建立监管机制的紧迫性。随着 AI 技术在加速科学产出方面的显著成效，其在生物信息学、基因组学及药物研发等生命科学领域的应用亦呈爆炸式增长。然而，本研究指出，不加批判地采纳 AI 技术可能导致科学探究范围的窄化、科学家独立判断力的削弱以及科研培训体系的潜在受损。
研究核心在于呼吁为 AI 在科研中的应用建立必要的“护栏”。作者强调，过度依赖数据驱动的 AI 模型可能使研究人员忽视传统假设驱动的研究方法，从而限制科学发现的多样性。特别是在生物信息学领域，深度学习模型的黑箱特性若缺乏严格的生物学验证，极易产生误导性结论。此外，文章还关注了 AI 对科研人员培养模式的冲击，建议重新审视计算思维与领域知识的平衡。
该评论对生物信息学界具有重要警示意义。在 AlphaFold 等大模型重塑结构生物学、生成式 AI 辅助设计的背景下，确立 AI 使用的伦理规范与技术标准至关重要。本研究倡导的治理框架有助于确保 AI 技术真正赋能生命科学。未来，开发可解释性强、符合科学逻辑的 AI 工具，及培养具备批判性思维的计算生物学家，将成为领域发展的关键方向。
原文链接：https://www.nature.com/articles/d41586-026-01557-x
China moves AI brain implants from trials towards real-world use
发布日期：2026-05-19 | 作者：Xiaoying You
本研究聚焦于脑机接口（BCI）技术中人工智能算法的开发与应用，标志着神经信息学与生物医学工程领域的重要进展。报道指出，中国多家初创企业正致力于将 AI 驱动的脑植入设备从临床试验推向实际应用阶段。科学问题核心在于如何通过高精度的计算模型解码复杂神经信号，从而帮助因神经损伤导致运动或语言功能障碍的患者恢复行走与交谈能力。
方法创新主要体现在针对神经信号处理的深度学习算法优化，显著提高了信号解码的实时性与准确性。研究强调，中国科研团队正在加速推进相关算法的迭代，克服了以往技术在复杂现实环境中的稳定性瓶颈，涉及高通量神经数据的采集、统计建模及实时反馈控制。这些计算方法的进步是生物信息学在神经科学领域应用的典型体现，展示了数据驱动方法在解析神经编码中的潜力。
主要发现表明，新一代 AI 脑植入物在真实世界场景中展现出临床可行性，为瘫痪患者提供了新的康复希望。该研究在领域内的意义深远，不仅推动了神经工程学与生物信息学的交叉融合，也为全球脑科学计划提供了重要的技术范式。其潜在影响在于加速了转化医学进程，使高通量神经数据分析技术能够真正服务于临床治疗，预示着智能医疗时代的到来。此外，这一进展也凸显了计算生物学在解决重大神经系统疾病中的关键作用，为后续相关算法的标准化与平台化建设奠定了坚实基础。
原文链接：https://www.nature.com/articles/d41586-026-01468-x
DNA-folding changes block production of self-directed antibodies
发布日期：2026-05-19 | 作者：Zeqian Gao, Joan Boyes
Nature, Published online: 19 May 2026; doi:10.1038/d41586-026-01329-7
DNA rearrangements in immune-system B cells generate diverse antibody-encoding genes and help to avoid producing antibodies that target the body’s own tissues.Nature Biotechnology
AI-guided redesign of laboratory-evolved reverse transcriptases enhances prime editing
发布日期：2026-05-21 | 作者：Y. Allen Tao, Holt A. Sakai, Allen Y. Jiang 等
本研究发表于《Nature Biotechnology》，提出了一种人工智能引导的计算重新设计策略，旨在优化实验室进化而来的逆转录酶，从而显著增强先导编辑（prime editing）系统的整体性能。先导编辑作为第三代基因组编辑技术，能够实现精准的插入、删除及碱基替换，但其效率在很大程度上受限于逆转录酶（RT）的活性与稳定性。尽管传统的实验室定向进化已获得了一些改进的酶变体，但在复杂生理环境下的表现仍有提升空间。
研究团队创新性地构建了计算生物学与实验进化相结合的工作流。通过利用 AI 模型深度学习蛋白质序列 - 结构 - 功能的关系，对已进化的逆转录酶进行进一步的理性设计与改造。这种计算重新设计策略成功识别出了传统方法难以发现的关键位点突变，显著提高了先导编辑器的编辑效率及特异性。实验验证表明，经过 AI 引导 redesign 的逆转录酶在多种细胞类型中均表现出更优的编辑能力，同时有效降低了脱靶效应。
这一成果不仅为下一代基因组编辑工具的开发提供了新的范式，也彰显了人工智能在蛋白质工程及生物医学应用中的巨大潜力。该研究推动了精准医疗技术的发展，为遗传病治疗提供了更强大的工具支持，同时也展示了计算设计在优化生物大分子功能方面的核心价值，为生物信息学驱动的酶工程指明了新方向。
原文链接：https://www.nature.com/articles/s41587-026-03149-6
Novel antivenoms bite back
发布日期：2026-05-20 | 作者：Carrie Arnold
蛇咬伤被列为被忽视的热带病之一，传统抗蛇毒血清疗法面临特异性不足、免疫原性高及生产复杂等挑战。本文发表于《Nature Biotechnology》，综述了基于前沿生物技术的新型抗蛇毒药物研发进展，并深入分析了其从实验室走向市场的关键障碍。研究重点探讨了现代组学技术与计算生物学在革新抗蛇毒治疗策略中的核心作用。
在科学问题层面，文章指出了当前领域的核心矛盾：尽管高通量测序、蛋白质组学及计算机辅助药物设计等生物信息学手段已显著提升了毒素基因挖掘与中和抗体筛选的效率，但如何将这些技术优势转化为可负担、可及的临床产品仍是亟待解决的难题。研究强调了技术创新与商业可行性之间的平衡，特别是针对资源匮乏地区的可及性。
主要发现与意义在于，新型抗蛇毒药物研发正逐步从传统的动物免疫血清转向精准化、重组化的生物制品。这一转变离不开生物信息学在毒素序列分析、表位预测及抗体人源化改造中的支撑作用。文章评估了当前研发管线中候选药物的现状，并分析了监管审批与市场推广的潜在障碍。
该研究对于推动全球蛇咬伤治疗领域的技术转化具有重要指导意义。它不仅总结了前沿技术在 venomomics 及抗体工程中的应用潜力，还为政策制定者及研发机构提供了关于市场准入与可持续性的深刻见解。未来，随着多组学数据整合与人工智能模型的进一步介入，新型抗蛇毒药物有望实现更高效、更安全的临床应用，最终改善受影响地区的公共卫生状况。
原文链接：https://www.nature.com/articles/s41587-026-03157-6
Directed evolution of small RNA-stabilizing motifs that improve prime-editing efficiency
发布日期：2026-05-20 | 作者：Holt A. Sakai, Sarah E. Pierce, Allen Y. Jiang 等
本研究针对先导编辑（Prime Editing）技术在实际应用中面临的编辑效率受限问题，提出了一种基于定向进化策略的 RNA 稳定化模体工程方案。先导编辑作为第三代基因组编辑工具，其效能常受限于 pegRNA 的体内稳定性。研究团队通过构建大规模随机 RNA 序列文库，结合高通量测序技术与功能筛选平台，系统性地进化出了能够显著增强 RNA 稳定性的小分子模体。
在方法学层面，该研究采用了定向进化与生物数据分析相结合的策略。通过对进化前后文库的深度测序数据进行统计分析与富集度计算，研究人员精准识别出与编辑效率提升显著相关的序列特征及结构模体。实验验证表明，引入这些工程化 RNA 稳定模体后，先导编辑系统在多种细胞模型中的编辑效率得到了显著改善，且未牺牲靶向特异性。
这一发现不仅优化了现有的基因组编辑工具体系，解决了制约其应用的关键技术瓶颈，也为后续基于 RNA 结构的基因治疗载体设计提供了新的数据驱动思路。该工作展示了高通量测序数据分析与湿实验结合在合成生物学及基因组学领域的重要潜力，有望加速精准基因编辑技术在临床转化中的广泛应用进程。
原文链接：https://www.nature.com/articles/s41587-026-03123-2
Zero-shot de novo peptide sequencing with open posttranslational modification discovery
发布日期：2026-05-19 | 作者：Zeping Mao, Chao Peng, Yuling Chen 等
本研究发表于顶级期刊《Nature Biotechnology》，提出了一种名为 RNova 的新型生物信息学模型，旨在解决蛋白质组学中从头肽段测序（de novo peptide sequencing）及翻译后修饰（PTM）发现的关键挑战。在大规模质谱数据分析中，传统的数据库搜索方法往往受限于已知修饰库，难以有效识别未知的或非预期的修饰类型，限制了我们对蛋白质功能多样性的理解。
RNova 模型引入了开放搜索（open-search）策略与零样本学习（zero-shot learning）机制，能够在无需预先定义修饰类型的前提下，直接从质谱数据中推断肽段序列并发现开放的翻译后修饰。该方法的核心创新在于其先进的深度学习架构，能够捕捉质谱图与肽段序列之间的复杂非线性关系。通过零样本学习能力，RNova 突破了传统算法对已知修饰数据库的依赖，显著提高了在复杂生物样本中鉴定新型修饰的灵敏度与准确性。
这一研究成果对于生物信息学及蛋白质组学领域具有深远影响。它不仅提供了一种高效的计算工具，还推动了质谱数据处理从依赖数据库向数据驱动的智能分析转变。RNova 的应用将有助于研究人员更深入地解析细胞信号传导网络、疾病发生机制及潜在药物靶点，展示了人工智能技术在解析蛋白质复杂修饰景观中的巨大潜力，为后续的功能蛋白质组学研究奠定了坚实的方法学基础。
原文链接：https://www.nature.com/articles/s41587-026-03116-1
Nature Communications
Regional variations in emergency care vulnerability to summer heat
发布日期：2026-05-25 | 作者：Wenhua Yu, Rongbin Xu, Wenzhong Huang 等
本研究聚焦于全球气候变暖背景下，夏季高温暴露对急诊医疗服务的冲击及其区域脆弱性差异。随着极端高温事件频发，理解热暴露与急诊就诊率之间的关联模式，对于优化医疗卫生资源配置及制定适应性策略至关重要。研究团队通过整合多区域急诊就诊数据与气象暴露数据，采用先进的统计学建模方法，系统分析了不同地区及不同病因下的脆弱性特征。
研究主要发现，热暴露与多个领土的急诊就诊增加显著相关，且这种脆弱性模式存在明显的区域异质性和病因特异性。某些地区因基础设施、人口结构或医疗资源分布的不同，表现出更高的热敏感风险。该研究不仅揭示了高温健康风险的空间分布规律，还为公共卫生决策者提供了数据驱动的见解。
在方法学上，该研究展示了如何利用大规模健康数据进行环境流行病学建模，体现了生物医学数据分析在应对气候变化挑战中的应用潜力。其成果对于推动精准公共卫生干预、提升医疗系统的气候韧性具有重要的科学意义和实践价值。此外，该研究框架可为后续结合多维生物数据探索个体热应激反应机制奠定基础，进一步拓展生物信息学在环境健康领域的应用边界。
原文链接：https://www.nature.com/articles/s41467-026-73338-z
Durvalumab plus anlotinib versus durvalumab alone as maintenance treatment in extensive-stage small-cell lung cancer (DURABLE): a multicenter, randomized, phase II trial and biomarker analysis
发布日期：2026-05-25 | 作者：Bo Zhang, Runbo Zhong, Chunlei Shi 等
广泛期小细胞肺癌（ES-SCLC）预后较差，尽管一线免疫化疗已显示出一定疗效，但患者的长期生存获益仍然有限，亟需探索更有效的维持治疗策略。本研究由多国多中心团队合作，在《Nature Communications》上发表了一项名为 DURABLE 的随机 II 期临床试验结果及其伴随的生物标志物分析。研究旨在评估度伐利尤单抗（Durvalumab）联合安罗替尼（Anlotinib）对比度伐利尤单抗单药作为 ES-SCLC 维持治疗的有效性与安全性。
该研究不仅关注临床终点的统计学差异，还整合了深入的生物标志物分析，试图从分子层面揭示治疗响应的潜在机制。通过对比联合用药与单药免疫治疗的差异，研究团队探索了抗 PD-1 抗体与多靶点 TKI 协同作用的临床价值。生物标志物的纳入分析体现了精准医学的理念，有助于利用生物数据识别可能从联合治疗中获益的优势人群，为后续的转化医学研究提供了关键的数据支持。这种结合临床表型与分子特征的研究模式，是生物信息学在肿瘤临床转化中的重要应用场景。
此项工作为 ES-SCLC 的维持治疗提供了新的循证医学证据，特别是在免疫联合靶向治疗领域。其研究结果对于优化肺癌治疗策略、推动个体化医疗发展具有重要的科学意义和潜在影响，也为后续基于多组学数据的疗效预测模型构建奠定了基础。
原文链接：https://www.nature.com/articles/s41467-026-73562-7
Thalamo-cortical synchrony shapes seizure expression in human temporal lobe epilepsy
发布日期：2026-05-25 | 作者：Thandar Aung, Jian Li, Tipakorn Tumnark 等
本研究聚焦于药物难治性颞叶癫痫（TLE）中发作表达的神经机制，特别是丘脑 - 皮层网络的同步性动态变化。研究团队通过对癫痫患者颅内脑电图数据的深入计算分析，重点考察了癫痫发作起始后关键 20 秒时间窗内的网络特征。研究发现，临床发作期间的丘脑 - 皮层同步性显著强于单纯电发作，这一差异表明大规模神经网络的 engagement 是驱动癫痫临床症状表现的关键因素，而非单纯的局部放电。
该方法涉及对高维神经生理信号的计算建模与统计分析，通过量化脑区间的同步性指标，构建了癫痫发作早期的网络动力学图谱。这一发现不仅深化了对癫痫发作传播机制的理解，也为基于网络特征的癫痫诊断 biomarkers 和治疗靶点提供了新的计算生物学依据。研究强调了在癫痫研究中整合电生理数据与网络分析的重要性，提示未来的抗癫痫策略应关注丘脑 - 皮层环路的同步化调控。此项工作展示了计算神经科学方法在解析复杂神经系统疾病中的潜力，为开发新型的神经调控疗法提供了重要的理论支持与数据驱动的证据，体现了生物数据分析在临床神经科学中的核心价值。
原文链接：https://www.nature.com/articles/s41467-026-73053-9
Genome-wide meta-analysis identifies genetic drivers of bile acid metabolism in intrahepatic cholestasis of pregnancy
发布日期：2026-05-25 | 作者：Jaakko S. Tyrmi, Juha Karjalainen, Samvida S. Venkatesh 等
妊娠期肝内胆汁淤积症（ICP）是一种严重的妊娠特异性肝脏疾病，长期以来其遗传病因尚不明确，限制了临床诊疗策略的发展。本研究利用大规模全基因组关联分析（GWAS）荟萃分析方法，系统性地解析了 ICP 的遗传驱动因素。研究团队通过整合多个独立队列数据，克服了单一样本量不足的局限，成功鉴定了 26 个与 ICP 显著相关的风险位点。功能注释与通路富集分析表明，这些位点主要富集于胆汁酸合成及脂质代谢相关通路，揭示了代谢紊乱在疾病发生中的核心作用。此外，跨疾病遗传相关性分析发现 ICP 与胰腺炎之间存在共享的遗传架构，提示两者可能存在共同的病理生理机制。该研究不仅填补了 ICP 遗传学研究的空白，也为理解妊娠期间代谢调控网络提供了新视角。这些发现对于开发基于遗传标记的风险预测模型及潜在治疗靶点具有重要的临床转化意义，充分展示了生物信息学与群体遗传学方法在解析复杂疾病遗传结构中的关键价值，为后续的功能验证研究奠定了坚实基础。
原文链接：https://www.nature.com/articles/s41467-026-73122-z
Nature Computational Science
Modeling context-dependent RNA splicing by deep learning
发布日期：2026-05-19 | 作者：Chengxuan Chen, Leng Han
本研究发表于《Nature Computational Science》，提出了一种名为 HELIX 的深度学习框架，旨在解决不同生物背景下全长转录本异构体使用情况的预测难题。RNA 选择性剪接是基因表达调控的关键环节，但其上下文依赖性建模一直充满挑战，传统方法难以准确捕捉复杂的调控逻辑。HELIX 框架通过整合基因组序列特征与 RNA 结合蛋白（RBP）的表达数据，利用深度神经网络实现了对复杂剪接模式的高精度预测。该方法不仅捕捉了顺式调控元件的静态信息，还结合了反式作用因子的动态变化，显著提升了模型在不同细胞类型和组织中的泛化能力。研究结果表明，HELIX 能够准确识别特定上下文中的剪接变异，为解析转录组复杂性提供了新的计算工具。这一创新对于理解基因调控网络、揭示疾病相关的剪接异常具有重要的科学意义，有望推动精准医疗中基于转录组 biomarker 的发现与应用，为功能基因组学研究提供了强有力的算法支持。
原文链接：https://www.nature.com/articles/s43588-026-00987-x
HELIX: a scalable model for predicting context-dependent regulation of RNA splicing and isoform usage
发布日期：2026-05-19 | 作者：Zihan Zhou, Bingqi Wu, Xin Zheng 等
本研究提出了一种名为 HELIX 的深度学习框架，旨在解决 RNA 剪接和异构体使用中的上下文依赖性预测难题。RNA 剪接的调控具有高度的组织特异性，传统的计算方法往往难以捕捉这种复杂的上下文信息，限制了我们对转录后调控机制的理解。
HELIX 模型通过整合 bulk RNA 测序和单细胞 RNA 测序数据，能够可扩展地建模组织及特定上下文下的剪接调控模式。该方法的核心创新在于其强大的特征学习能力，能够从海量转录组数据中精准识别出影响剪接的关键遗传变异，并评估其潜在的功能效应。研究结果表明，HELIX 在优先排序剪接改变型遗传变异方面表现出色，显著优于现有工具，为理解基因表达调控提供了新工具。
这项工作对于解析复杂疾病的遗传机制具有重要意义，特别是在非编码区变异的功能注释方面。HELIX 为研究人员提供了一个可扩展的计算平台，有助于推动精准医疗中基于转录组的变异解读进程，深化了对细胞类型特异性剪接事件的认知。
原文链接：https://www.nature.com/articles/s43588-026-00988-w
Nature Genetics
Allele-specific methylation uncovers non-Mendelian inheritance
发布日期：2026-05-21
本研究发表于《Nature Genetics》，提出了一种基于长读长测序技术的全基因组等位基因特异性甲基化（ASM）分析框架，旨在系统刻画小鼠模型中的代际表观遗传继承机制。传统遗传学主要关注 DNA 序列的孟德尔式传递，而该研究聚焦于序列之外的表观修饰如何跨代稳定遗传这一关键科学问题。
方法学上，该框架利用长读长测序优势，有效解决了短读长技术在单倍型定相及等位基因特异性修饰检测中的局限，实现了对亲本来源甲基化模式的高分辨率解析。研究团队在非转基因哺乳动物基因组中，成功揭示了多种非孟德尔遗传现象，包括新发表观等位基因、基因组印记事件以及副突变。
主要发现表明，表观遗传变异可在无 DNA 序列改变的情况下实现跨代传递，这挑战了传统的遗传学认知。该研究不仅提供了强大的生物信息学分析工具，更为理解复杂性状遗传、疾病易感性及进化生物学提供了新的视角。其建立的 ASM 分析流程有望广泛应用于群体表观基因组学研究，推动精准医学发展。
原文链接：https://www.nature.com/articles/s41588-026-02603-0
Non-Mendelian inheritance of DNA methylation patterns in mice
发布日期：2026-05-20 | 作者：Adam Davidovich, Danila Cuomo, Hang Su 等
本研究聚焦于小鼠肝脏和肌肉组织中等位基因特异性 DNA 甲基化模式的遗传规律，旨在解析表观遗传修饰在代际传递中的稳定性与变异机制。作为表观基因组学领域的重要进展，研究团队利用高通量测序技术结合生物信息学分析策略，系统绘制了甲基化位点的遗传图谱。
研究结果显示，绝大多数 DNA 甲基化模式遵循经典的孟德尔遗传定律，但约有 7% 的位点表现出显著的非孟德尔遗传特征。在此基础上，研究人员鉴定了多个新的印记基因，并首次在 Capn11 基因座发现了一种副突变（paramutation）现象。这一发现不仅丰富了我们对遗传信息传递方式的认知，也揭示了 DNA 序列之外的表观遗传信息在特定条件下可独立于基因型进行传递。
该研究对于理解哺乳动物表观基因组的重编程机制、印记基因调控网络以及复杂疾病的表观遗传起源具有深远意义。通过量化非孟德尔遗传的比例与特征，本研究为后续开发更精准的表观遗传分析算法及疾病风险预测模型提供了关键的理论依据与数据支持。
原文链接：https://www.nature.com/articles/s41588-026-02604-z
Genome-wide associations of structural variants with human traits through imputation from long-read assemblies
发布日期：2026-05-20 | 作者：Wei-Yang Bai, Shuli Liu, Zhongqu Duan 等
结构变异（SV）是人类遗传变异的重要组成部分，但受限于检测技术，其在复杂性状中的作用长期未被充分探索。本研究基于长读长测序组装技术，系统识别了高质量的结构变异，并构建了新型参考面板。研究团队开发了一套先进的生物信息学计算流程及 Web 应用程序，实现了从常规单核苷酸多态性（SNP）数据中对 SV 进行高精度基因型填充。利用这一方法，研究成功鉴定了多个结构变异与人类复杂性状之间的显著关联。
该方法创新性地解决了长读长测序样本量有限与大规模全基因组关联分析（GWAS）队列之间的数据鸿沟，使得利用现有海量 SNP 芯片数据进行 SV 关联分析成为可能。这项工作在算法开发与数据整合方面取得了重要突破，不仅丰富了人类遗传变异图谱，为解析复杂疾病的遗传架构提供了新视角，也为后续功能基因组学研究提供了重要的计算工具和资源平台，显著推动了结构变异在精准医学中的转化应用，展示了计算生物学在挖掘基因组暗物质中的关键作用。
原文链接：https://www.nature.com/articles/s41588-026-02612-z
Accurate, scalable and cross-platform cell identification for high-resolution spatial transcriptomics
发布日期：2026-05-20 | 作者：Dongqing Sun, Lele Zhang, Tong Han 等
空间转录组学技术的飞速发展使得在组织原位解析基因表达模式成为可能，然而，如何在高分辨率下实现准确、可扩展且跨平台的细胞识别，仍是制约该领域深入分析的关键瓶颈。针对这一科学问题，本研究提出了一种名为 Cellist 的新型计算框架。
Cellist 方法的核心创新在于其能够高效整合空间转录组技术中的形态学成像信息与分子表达数据。与传统依赖单一数据源的算法相比，该模型具有显著的计算效率优势，并具备出色的跨平台兼容性，能够适用于多种不同的空间转录组技术平台。研究结果表明，Cellist 在不同技术场景下均能实现高精度的细胞分割与识别，有效克服了因技术差异导致的数据分析壁垒。
该方法的出现为空间组学数据的标准化分析提供了重要工具。其卓越的可扩展性使得处理大规模高分辨率数据集成为可能，极大地降低了计算资源消耗。这对于推动空间转录组学在复杂组织微环境解析、细胞互作研究以及临床样本分析中的广泛应用具有深远意义。Cellist 不仅提升了数据处理的准确性，也为后续下游分析奠定了坚实基础，有望成为空间组学数据分析流程中的标准组件之一，加速生命科学领域的发现进程。
原文链接：https://www.nature.com/articles/s41588-026-02610-1
Towards a decentralized future for open-science databases
发布日期：2026-05-19 | 作者：Gaurav Sharma, Viorel Munteanu, Nika Mansouri Ghiasi 等
随着高通量测序技术的普及，大规模生物数据仓库已成为生命科学研究的基石。然而，当前依赖单一实例或狭窄治理背景的集中式存储模式正面临结构性脆弱性，包括日益严峻的网络攻击威胁及潜在的资金中断风险，这可能危及全球科学数据的安全与连续性。针对这一紧迫挑战，本研究发表于《Nature Genetics》，提出了一种面向开放科学数据库的去中心化未来框架。
研究团队创新性地设计了一种混合架构，深度融合了联邦模型与去中心化技术的优势。该框架旨在克服传统存储模式的局限，确保科学数据作为全球公共产品的韧性、可持续性以及符合 FAIR（可发现、可访问、可互操作、可重用）与 CARE（集体利益、权威控制、责任、伦理）原则的治理标准。通过分散存储风险并优化数据主权管理，该方法不仅显著提升了数据基础设施的安全性，还促进了跨机构、跨国界的高效数据共享与协作。
此项研究对于生物信息学基础设施建设意义深远。它为构建下一代抗风险、治理透明的数据平台提供了理论依据与技术路径，有望推动开放科学生态健康发展，保障遗传学大数据的长期可用性与价值挖掘，为全球生物数据治理树立新标杆。
原文链接：https://www.nature.com/articles/s41588-026-02606-x
Genomic and genetic dissection of drought tolerance in a resilient wheat germplasm JIN50
发布日期：2026-05-19 | 作者：Jingchen Lin, Chenji Zhang, Zehui Liu 等
本研究发表于国际顶级期刊《Nature Genetics》，聚焦于小麦抗旱种质 JIN50 的基因组与遗传解析，旨在揭示作物应对非生物胁迫的分子机制。研究团队完成了抗旱小麦基因型 JIN50 的高质量从头基因组组装，并跨多种小麦种质进行了系统的比较基因组学分析。利用先进的生物信息学算法，研究人员精准鉴定了与干旱响应及环境适应性密切相关的关键结构变异（Structural Variations, SVs）。
这一工作不仅填补了特定抗旱种质基因组资源的空白，更深入解析了结构变异在小麦抗旱性形成中的遗传基础。研究发现，特定的基因组结构重排可能调控了关键抗旱基因的表达，从而赋予 JIN50 优异的耐旱表型。在全球气候变化加剧的背景下，挖掘并利用此类抗旱遗传资源对于保障全球粮食安全具有深远意义。该研究展示的高精度组装与结构变异分析策略，为复杂植物基因组的性状定位提供了新范式，有望加速小麦分子设计育种进程，培育出更具气候韧性的新品种。
原文链接：https://www.nature.com/articles/s41588-026-02596-w
Patterns and drivers of 43,617 mosaic chromosomal alterations in blood
发布日期：2026-05-19 | 作者：David Tang, Nolan Kamitaki, Ronen E. Mukamel 等
本研究依托英国生物银行（UK Biobank）海量全基因组测序数据，深入解析了血液系统中嵌合染色体改变（mCAs）的分布模式及其遗传驱动机制。体细胞突变积累是衰老及血液恶性肿瘤的重要特征，然而大规模人群中 mCAs 的全景图谱及其与种系遗传变异的互作关系仍有待阐明。
研究团队采用高分辨率生物信息学分析流程，对血液衍生全基因组序列数据进行了系统性挖掘。通过优化算法检测体细胞结构变异，研究共识别出 43,617 个 mCAs 事件，显著扩充了已知的嵌合突变目录。在此基础上，分析重点聚焦于拷贝中性杂合性缺失（CN-LOH）这一特定类型，成功定位了多个驱动克隆扩张的罕见蛋白编码变异。
主要发现揭示了特定种系遗传背景如何促进体细胞克隆性造血的发生，为理解血液系统疾病的早期演化提供了关键证据。该研究不仅展示了大规模队列数据结合高精度计算分析方法在解析体细胞突变景观中的巨大潜力，也为未来开发基于血液检测的疾病风险预测模型奠定了坚实的数据基础。这一成果对于揭示衰老相关的血液学变化及潜在治疗靶点具有重要的科学意义。
原文链接：https://www.nature.com/articles/s41588-026-02592-0
Nature Machine Intelligence
Deep neural operator for free boundary problems
发布日期：2026-05-21 | 作者：Zongjia Long, Qi Zhou, Aiqing Zhu 等
本研究由 Long 等人团队完成，提出了一种基于深度神经算子（Deep Neural Operator）的新型计算框架，旨在高精度求解自由边界问题。自由边界问题在生物医学建模中具有极高挑战性，尤其是在肿瘤生长模拟等动态生理过程中，传统数值方法往往计算成本高昂且难以满足实时性要求，限制了其在临床决策中的即时应用。
该研究的核心创新在于将深度学习技术与偏微分方程求解相结合，构建了能够学习无限维函数空间算子映射的神经网络架构。该方法不仅在理论上保证了求解的数学精度，更显著提升了计算效率，克服了传统有限元方法的瓶颈。实验结果显示，该框架在模拟肿瘤生长轨迹时表现出卓越的性能，能够实现实时预测，为临床应用场景提供了可行的技术路径。
此项工作在计算生物学与医学 AI 交叉领域具有深远意义。通过提供高效、准确的肿瘤生长预测工具，该研究有望辅助医生制定个性化治疗方案，优化放疗剂量分布或手术切除范围规划。此外，该方法论也为解决其他生物组织变形及生长相关的自由边界问题提供了通用范式，推动了人工智能在生物医学建模中的深度融合与应用落地，标志着 AI 驱动的科学计算在转化医学中迈出了关键一步。
原文链接：https://www.nature.com/articles/s42256-026-01233-9
Nature Methods
A multimodal adaptive optical microscope for in vivo imaging from molecules to organisms
发布日期：2026-05-22 | 作者：Tian-Ming Fu, Gaoxiang Liu, Daniel E. Milkie 等
本研究介绍了一种名为 MOSAIC 的多模态自适应光学显微镜系统，旨在解决生物成像中单一模态无法兼顾多尺度观测的难题。传统显微技术往往局限于特定的成像模式，难以在同一平台上实现从分子到个体的无缝切换，限制了多维生物数据的整合分析。MOSAIC 系统通过集成光片、双光子、无标记及超分辨率等多种成像模态，突破了这一技术瓶颈。
该方法的核心创新在于其自适应光学设计与多模态融合能力，允许研究人员在不更换设备的情况下，灵活切换成像模式以获取互补的结构与功能信息。研究团队在多种生物系统中验证了该平台的性能，涵盖从体外细胞培养到活体小鼠成像的广泛场景。实验结果表明，MOSAIC 能够在不同分辨率和穿透深度之间实现高效转换，显著提升了活体成像的灵活性与数据获取效率。
此项工作对于生物医学及生物信息学研究具有重要意义。它不仅为复杂生物系统的多尺度解析提供了强有力的工具，也为后续的生物图像分析、三维重建及计算建模产生了高质量的多模态数据基础。MOSAIC 这类集成化平台将极大促进结构生物学、神经科学及发育生物学领域的交叉研究，推动生命科学研究向更全面、更动态的方向迈进，并为人工智能驱动的图像解析提供丰富的数据源。
原文链接：https://www.nature.com/articles/s41592-026-03066-1
Author Correction: Biophysical prediction of protein–peptide interactions and signaling networks using machine learning
发布日期：2026-05-21 | 作者：Joseph M. Cunningham, Grigoriy Koytiger, Peter K. Sorger 等
本文档为发表于顶级期刊《Nature Methods》的作者修正声明，涉及原研究“利用机器学习进行蛋白 - 肽相互作用的生物物理预测及信号网络分析”。尽管该文档本身为勘误性质，但其关联的原始工作深刻体现了生物信息学、生物物理学与人工智能的交叉融合，具有重要的学术参考价值。
蛋白 - 肽相互作用是细胞信号转导网络的核心组成部分，调控着众多关键的生理与病理过程。传统实验手段难以高通量地解析这些动态相互作用，而计算预测方法则面临精度与效率的挑战。原研究提出了一种创新的机器学习框架，旨在通过生物物理特征预测蛋白 - 肽结合亲和力及其下游信号网络。该方法利用深度学习模型挖掘序列与结构数据中的潜在模式，显著优于传统打分函数，为大规模信号通路重构提供了新范式。
此次修正主要针对原论文中的部分数据或描述进行更正，体现了科学研究严谨性与可重复性的核心原则。在 AI 驱动的生命科学研究日益普及的今天，确保算法输入与输出数据的准确性至关重要。该研究工作展示了计算模型在解析复杂生物系统中的应用潜力，对于药物靶点发现及机制研究具有深远影响。关注此类修正信息，有助于社区及时掌握最新进展，避免基于错误数据的二次开发，推动领域健康发展。
原文链接：https://www.nature.com/articles/s41592-026-03117-7
StringTie3 improves total RNA-seq assembly by resolving nascent and mature transcripts
发布日期：2026-05-19 | 作者：Ida Shinder, Geo Pertea, Richard Hu 等
转录组测序数据的准确组装与定量是解析基因表达调控机制的关键步骤。然而，传统的总 RNA-seq 分析流程往往难以有效区分新生转录本（nascent transcripts）与成熟转录本（mature transcripts），这种混淆常导致组装完整性不足及基因表达定量偏差，限制了下游生物学发现的可靠性。针对这一计算生物学挑战，研究团队在《Nature Methods》上发布了最新版本的转录本组装软件 StringTie3。
该研究的核心创新在于提出了一种全新的计算模型，能够同时在组装过程中解析新生与成熟转录本的结构特征。StringTie3 不仅优化了算法效率，还显著增强了对多种测序平台的兼容性，支持短读长、长读长以及混合测序数据的整合分析。基准测试结果显示，相较于前代版本及其他主流工具，StringTie3 在转录本重建准确率和表达量定量精度上均表现出显著提升，尤其在复杂基因座的表现更为优异。
此项工作为复杂转录组结构的解析提供了更强大的计算工具，特别是在研究转录动力学、可变剪接及非编码 RNA 时具有重要价值。StringTie3 的推出将进一步推动高通量测序数据在基础生物学研究及精准医学中的应用，为理解基因表达的全貌提供更可靠的技术支撑，标志着转录组分析算法迈向了更高精度的新阶段。
原文链接：https://www.nature.com/articles/s41592-026-03080-3
Science
Magnon hydrodynamics in an atomically thin ferromagnet
发布日期：2026-05-21 | 作者：Ruolan Xue, Nikola Maksimovic, Pavel E. Dolgirev, Li-Qiao Xia, Aaron Müller, Ryota Kitagawa, Francisco Machado, Dahlia R. Klein, David MacNeill, Kenji Watanabe, Takashi Taniguchi, Pablo Jarillo-Herrero, Mikhail D. Lukin, Eugene Demler, Amir Yacoby
Science, Volume 392, Issue 6800, Page 873-878, May 2026.
FERONIA orchestrates plasma membrane nanoclusters for plant thermotolerance
发布日期：2026-05-21 | 作者：Kun Wang, Hanqi Yan, Xin Guo, Qihong Lin, Jing Li, Aoyang Peng, Ying Fu, Zhizhong Gong, Shuhua Yang, Yanglin Ding
本研究深入揭示了植物受体激酶 FERONIA 通过调控质膜纳米簇组装以增强耐热性的分子机制。面对全球气候变暖挑战，解析植物热胁迫感知信号通路至关重要。本研究的核心科学问题在于阐明细胞膜表面受体如何通过空间组织化来传递高温信号。
在方法学上，研究团队创新性地结合了超分辨率显微成像技术与先进的生物图像分析算法。通过对膜蛋白单分子定位数据的定量建模，精确刻画了纳米簇的动态分布特征及互作网络，克服了传统光学显微镜的空间分辨率限制。主要发现表明，FERONIA 作为关键枢纽，协调膜脂微环境与蛋白互作，稳定纳米簇结构，进而激活下游耐热信号通路。
该研究不仅丰富了植物逆境生物学的理论框架，展示了定量图像分析在亚细胞结构解析中的强大潜力，也为利用膜生物学策略改良作物耐热性提供了新靶点。其跨学科研究范式强调了计算生物学与传统分子生物学融合的重要性，对推动植物系统生物学发展具有深远影响。
原文链接：https://www.science.org/doi/abs/10.1126/science.aeb1752?af=R
Long-distance genetic relatedness in megalithic central Europe
发布日期：2026-05-21 | 作者：Nicolas Antonio da Silva, Almut Nebel, Daniel Kolbe, Daniel Anton Myburgh, Florian Klimscha, Irina Görner, Katharina Fuchs, Christian Meyer, Kerstin Schierhold, Michael Rind, Robert Hoffmann, Andre Franke, John Meadows, Christoph Rinne, Johannes Müller, Ben Krause-Kyora
本研究聚焦于中欧巨石文化时期的群体遗传学分析，旨在通过古 DNA 数据揭示史前人类的长距离遗传关联。作为群体遗传学与考古学交叉的前沿课题，该研究利用高通量测序技术获取古代个体基因组信息，并应用生物信息学中的亲缘关系推断算法，构建了跨越地理区域的遗传谱系网络。研究的核心科学问题在于解析新石器时代晚期至青铜时代早期人类迁徙模式及其社会结构特征。
在方法学层面，文章展示了如何处理低覆盖度古基因组数据，并通过统计建模排除污染与降解干扰，准确计算个体间的遗传相关系数。主要发现表明，当时的社会网络可能比此前认为的更为广泛，存在显著的长距离亲属联系，这为理解欧洲史前人口动态提供了新的遗传学证据。此项工作不仅丰富了我们对中欧史前历史的认知，更体现了生物信息学在古基因组学领域的关键作用。
通过计算手段挖掘遗传变异信息，研究者能够重建古代人群的交流图谱。该研究为群体遗传学、考古遗传学及相关计算方法的发展提供了重要案例，展示了多组学数据整合在解析人类演化历史中的巨大潜力，对于理解人类历史上的大规模迁徙与社会组织形式具有深远意义。此外，研究中涉及的遗传相似性量化方法也为后续古代人口结构分析提供了重要的算法参考。
原文链接：https://www.science.org/doi/abs/10.1126/science.aeb2926?af=R
Biogeographic processes underlying global patterns of plant diversity
发布日期：2026-05-21 | 作者：Barnabas H. Daru, Cornelius O. Nichodemus, L. Francisco Henao-Diaz
该研究聚焦于全球植物多样性格局背后的生物地理过程，是一项涉及大规模生物数据整合与复杂计算建模的前沿工作。理解植物多样性的全球分布模式及其驱动机制，不仅是生态学与进化生物学的核心科学问题，也是生物信息学在宏观尺度应用的重要体现。本研究通过整合全球范围内的植物物种分布数据，结合先进的统计建模与计算方法，系统解析了影响植物多样性分布的关键生物地理过程。
研究的主要创新在于其处理海量异质生物数据的能力以及对复杂生态演化过程的量化分析。通过构建高分辨率的多样性分布模型，研究团队揭示了历史演化过程、扩散限制与当前环境因子如何共同塑造了现有的植物多样性格局。这一工作不仅深化了我们对全球生物多样性形成机制的理解，也为保护生物学提供了重要的数据支持和理论依据。
在方法学层面，该研究展示了计算生物学方法在宏观生态学中的广泛应用潜力，体现了生物信息学技术在处理跨尺度、多维度生物数据中的核心价值。通过对全球尺度数据的系统性分析与模拟，该研究为预测未来气候变化情境下的生物多样性响应提供了新的视角和模型框架。这一成果对于制定全球生物多样性保护策略具有重要的指导意义，展现了数据驱动型研究在现代生命科学中的深远影响，为后续相关领域的算法优化与数据挖掘奠定了坚实基础。
原文链接：https://www.science.org/doi/abs/10.1126/science.adv6172?af=R
A deep-time landscape of plant cis-regulatory sequence evolution
发布日期：2026-05-21 | 作者：Kirk R. Amundson, Anat Hendelman, Danielle Ciren, Hailong Yang, Amber E. de Neve, Shai Tal, Adar Sulema, David Jackson, Madelaine E. Bartlett, Zachary B. Lippman, Idan Efroni
植物顺式调控元件的进化是理解物种适应性分化与基因表达调控网络演变的核心问题。本研究题为”A deep-time landscape of plant cis-regulatory sequence evolution”，发表于顶级期刊《Science》。研究聚焦于植物界长时序进化过程中顺式调控序列的动态变化景观，旨在揭示非编码基因组在深层进化尺度上的演化规律。
在方法学创新上，该研究采用了大规模比较基因组学策略，整合了跨越多个植物科属的基因组数据。利用生物信息学算法与系统发育建模技术，研究者重建了调控序列的进化历史，追踪了非编码区域在数百万年间的保守性与变异模式。该方法能有效识别关键调控 motif 并量化功能分化速率。
主要发现方面，研究描绘了植物顺式调控序列演化的深层景观，阐明了调控变异如何驱动形态多样性及环境适应。这不仅填补了植物非编码基因组进化研究的空白，也为作物改良提供了潜在的调控靶点。
本研究将进化生物学与计算基因组学深度融合，为解析复杂性状的遗传基础提供了新的视角。通过描绘跨物种的调控演化图谱，研究推动了我们对植物基因调控逻辑演变的理解，具有重要理论与应用价值。
原文链接：https://www.science.org/doi/abs/10.1126/science.adt8983?af=R
Making eyes ‘photosynthetic’ could treat major vision problem
发布日期：2026-05-21 | 作者：Mitch Leslie
Science, Volume 392, Issue 6800, Page 798-799, May 2026.
Science Advances
Autism-like phenotypes and increased NMDAR2D expression in mice with KDM5B histone lysine demethylase deficiency
发布日期：2026-05-20 | 作者：Leticia Pérez-Sisqués, Shail U. Bhatt, Angela Caruso, Josephine L. Robb, Alex P. A. Donovan, Rosemary Bamford, Alejo Torres-Cano, Shoshana Spring, Eleanor Hendy, Talia E. Gileadi, Martyna Panasiuk, Jed Trengove, Neeru Jindal, Mohi U. Ahmed, Mara Sabbioni, Joyce Taylor-Papadimitriou, Diana Cash, Nicholas Clifton, Jacob Ellegood, Laura C. Andreae, Jason P. Lerch, Maria Luisa Scattoni, K. Peter Giese, Cathy Fernandes, M. Albert Basson
本研究深入探讨了表观遗传修饰酶 KDM5B 在神经发育障碍中的关键调控作用。KDM5B 作为一种组蛋白赖氨酸去甲基化酶，通过修饰染色质状态精确控制基因的时空表达。研究团队利用基因缺陷小鼠模型，系统评估了 KDM5B 功能缺失对行为学及分子层面的影响，揭示了其与自闭症样表型的强相关性。关键发现表明，KDM5B 缺陷导致突触功能相关基因 NMDAR2D 的表达显著上调，提示表观遗传失调可能通过干扰谷氨酸能信号通路诱发神经发育异常。
尽管本研究主要采用实验生物学方法，但其核心科学问题涉及表观基因组学与转录调控网络的解析，属于生物信息学关注的功能基因组学范畴。研究结果为整合多组学数据构建自闭症分子机制模型提供了关键节点信息，有助于后续利用计算生物学方法预测下游靶点及调控网络。该工作不仅深化了对 KDM5B 生理功能的认知，也为理解复杂神经疾病的表观遗传驱动机制提供了新视角，对未来开发基于表观遗传修饰的精准干预策略具有重要的理论意义和潜在临床应用价值。
原文链接：https://www.science.org/doi/abs/10.1126/sciadv.adq6577?af=R
P2X7R of synovial fibroblasts is a potential therapeutic target associated with refractory rheumatoid arthritis
发布日期：2026-05-22 | 作者：Peishi Rao, Shanzhao Jin, Shibai Xiao, Yinchao Ma, Jing Li, Yuhua Liao, Ziye Wang, Yundi Tang, Xuanlin Cai, Xingyue Zeng, Yixiang Hong, Xiaocheng Wang, Jiaxin He, Shenjie Ma, Junyi Jiang, Wenjuan Zhang, Baozhen Zhang, Ru Li, Liang Zhang, Chuanhui Xu, Qingping Jin, Qingwen Wang, Ming Chu, Xiaolin Sun, Zhanguo Li
类风湿关节炎（RA）作为一种慢性自身免疫性疾病，其难治性病例的治疗策略开发一直是风湿免疫学领域的重大挑战。本研究聚焦于滑膜成纤维细胞中的 P2X7 受体（P2X7R），揭示其作为难治性 RA 潜在治疗靶点的重要价值。研究团队通过深入的分子特征分析，确立了 P2X7R 在疾病进程中的关键调控作用，为理解疾病异质性提供了新视角。
在现代生物医学研究中，关键治疗靶点的发现往往离不开高通量组学数据的支持与生物信息学整合分析。该研究可能结合了转录组学或蛋白质组学策略，系统性地筛选了与疾病表型密切相关的分子标志物，从而锁定了 P2X7R 这一关键节点。这种数据驱动的研究范式，不仅丰富了我们对 RA 病理机制的理解，特别是滑膜成纤维细胞在炎症维持中的功能状态，也为开发针对性的干预策略提供了坚实的理论依据。
针对 P2X7R 的治疗策略有望改善现有疗法对部分患者无效的局面，推动 RA 治疗向精准医学迈进。此外，该研究也为后续利用多组学数据挖掘潜在药物靶点提供了范例，展示了计算生物学与实验验证相结合在转化医学中的巨大潜力。未来，进一步阐明 P2X7R 下游信号网络及其与其他免疫细胞的互作机制，将有助于优化治疗方案，造福更多难治性患者。
原文链接：https://www.science.org/doi/abs/10.1126/sciadv.adw9543?af=R
Scalable and cost-efficient custom gene library assembly from oligopools
发布日期：2026-05-22 | 作者：Chase R. Freschlin, Kevin K. Yang, Philip A. Romero
基因文库构建是功能基因组学与合成生物学研究的核心环节，然而传统方法常受限于高昂的成本与复杂的流程，难以满足大规模筛选的需求。本研究提出了一种可扩展且具成本效益的自定义基因文库组装策略，基于寡核苷酸池（oligopools）技术实现了高效构建，为解决高通量基因合成中的瓶颈问题提供了新方案。
针对当前基因合成中存在的错误率高及组装效率低等科学问题，该研究通过优化寡核苷酸设计与组装流程，显著降低了实验成本并提升了文库质量。在方法创新方面，该工作融合了生物信息学辅助的寡核苷酸设计算法，利用计算模型预测并减少合成错误，优化拼接效率，体现了干湿结合的研究范式。主要发现表明，该方法能够在大规模基因合成任务中保持高准确性与经济性，为复杂基因线路的构建及蛋白质工程提供了新的技术平台。
此项研究对于推动高通量基因合成技术的普及具有重要意义，特别是在需要大规模变异库筛选的药物研发及基础生物学研究中。通过降低技术门槛，该成果有望加速合成生物学领域的创新进程，促进从基因型到表型的快速验证。此外，该策略也为后续整合机器学习模型以进一步优化序列设计奠定了基础，展示了计算生物学在生命科学研究中的潜在影响力。
原文链接：https://www.science.org/doi/abs/10.1126/sciadv.ady2279?af=R
The posteroventral part of the medial amygdala nucleus glutamatergic neurons encodes conspecifics’ individual identity in rodents
发布日期：2026-05-22 | 作者：Lu Zheng, Libiao Pan, Xiaoyu Fu, Siyu Wang (王思羽), Yue Wu, Hanyang Xiao, Jiachao Yang, Siyu Wang (王思雨), Li Yang, Xiaotong Wu, Fada Pan, Hongbin Yang, Gao Chen, Hao Wang
本研究聚焦于啮齿类动物社会行为背后的神经机制，特别是个体身份识别的神经编码问题。研究团队深入探讨了内侧杏仁核后腹侧部分（MeAPV）谷氨酸能神经元在这一过程中的关键作用。社会个体识别是动物建立社会等级、避免冲突及进行繁殖行为的基础，然而其具体的神经环路基础及信息编码方式尚不完全清楚。
该研究通过结合精细的行为学范式与高通量神经活动记录技术，系统分析了特定神经元群体对同种个体身份的编码能力。研究核心在于解析神经信号如何转化为具体的身份信息，这涉及对生物神经数据的复杂计算分析与统计建模。通过识别特定的神经元亚群及其活动模式，研究揭示了 MeAPV 区域在社会信息处理中的特异性功能，表明该区域神经元能够区分不同的个体刺激。这种神经编码的分析方法依赖于对大规模生物信号数据的处理与解码，体现了计算生物学在神经科学中的应用。
这一发现不仅深化了我们对杏仁核功能的理解，也为解析复杂社会行为的神经计算原理提供了新的视角。从生物数据分析的角度来看，该研究展示了如何通过计算方法解码神经活动中的信息内容，对于理解大脑如何处理社会信号具有重要意义。此外，该工作为后续结合单细胞转录组学或多组学数据奠定了基础，有助于更全面地描绘参与社会识别的分子与细胞图谱，推动神经科学与生物信息学的交叉融合，为相关精神疾病的研究提供潜在靶点。
原文链接：https://www.science.org/doi/abs/10.1126/sciadv.ady9830?af=R
The immunoproteome and multimorbidity: A Mendelian randomization study
发布日期：2026-05-20 | 作者：Nikita Hukerikar, Aroon D. Hingorani, Sandesh Chopade, Arjen J. Cupido, Folkert W. Asselbergs, Chris Finan, A. Floriaan Schmidt
本研究聚焦于免疫蛋白质组学与多病共存（multimorbidity）之间的因果关系，采用孟德尔随机化（Mendelian Randomization, MR）这一遗传流行病学方法进行深入探讨。随着人口老龄化加剧，多病共存已成为全球公共卫生的重大挑战，但其背后的分子机制及因果驱动因素尚不明确。传统的观察性研究易受混杂因素和反向因果关系的干扰，难以确立确切的因果联系，而孟德尔随机化利用遗传变异作为工具变量，能够有效推断暴露与结局之间的因果效应。
研究团队利用大规模基因组与蛋白质组学公开数据，构建强工具变量，系统评估了多种免疫相关蛋白对常见共病模式的潜在因果效应。该方法有效克服了传统流行病学研究的局限性，为解析复杂疾病共存的生物学基础提供了新的计算生物学视角。通过整合高通量蛋白质组学数据与遗传变异信息，本研究不仅有助于识别关键的免疫生物标志物，还为多病共存的早期预警、风险分层及精准干预策略提供了坚实的理论与数据支持。
此项工作充分展示了高通量组学数据与先进因果推断模型结合在生物医学研究中的巨大潜力，对于推动系统医学发展、理解复杂疾病网络以及开发新型治疗靶点具有重要的科学意义和临床应用前景。
原文链接：https://www.science.org/doi/abs/10.1126/sciadv.adz7117?af=R
Schizophrenia risk gene ZNF804A controls ribosome localization and synaptogenesis in developing human neurons
发布日期：2026-05-20 | 作者：Laura Sichlinger, Maximilian Hausherr, Sara Guerrisi, Lucia Dutan-Polit, George Chennell, Roland Nagy, Rugile Matuleviciute, Fatema Nasser, Szidonia Farkas, Rosemary A. Bamford, Szi Kay Leung, Rodrigo R. R. Duarte, Timothy R. Powell, Jonathan Mill, Katrin Marcus, Anthony C. Vernon, Deepak P. Srivastava
精神分裂症作为一种复杂的神经发育障碍，其遗传架构已通过全基因组关联分析揭示了多个风险位点，但如何将遗传变异转化为具体的细胞病理机制仍是功能基因组学面临的重大挑战。本研究聚焦于精神分裂症关键风险基因 ZNF804A，深入探讨了其在人神经元发育过程中的分子功能。
研究团队利用发育中的人神经元模型，揭示了 ZNF804A 在调控核糖体空间定位及突触发生中的关键作用。通过结合遗传学风险信号与细胞表型分析，该工作阐明了 ZNF804A 如何通过影响蛋白质合成机器的局部定位，进而调控神经突触的形成与功能。这一发现不仅为理解精神分裂症的遗传风险提供了具体的分子机制解释，也展示了从基因组数据到功能验证的研究范式。
该研究的意义在于搭建了遗传关联信号与细胞生物学功能之间的桥梁，为后续开发基于特定分子通路的干预策略提供了理论依据。对于生物信息学及基因组学领域而言，此类功能注释研究有助于完善疾病风险基因的生物学图谱，提升多组学数据整合分析的准确性与可解释性。
原文链接：https://www.science.org/doi/abs/10.1126/sciadv.aea0755?af=R
Molecular interfaces drive vertical crystallization in Dion-Jacobson perovskite solar cells
发布日期：2026-05-22 | 作者：Rui Wang, Xiyue Dong, Yuting Ma, Liu Yang, Jiangnan Li, Yuping Gao, Yu Chen, Yu Zou, Wenjuan Feng, Ziyang Hu, Yongsheng Chen, Yongsheng Liu
Science Advances, Volume 12, Issue 21, May 2026.
Multiplexed single-cell transcriptomics reveals diverse phenotypic outcomes for pathogenic SHP2 variants
发布日期：2026-05-22 | 作者：Anne E. van Vlimmeren, Ross M. Giglio, Ziyuan Jiang, Minhee Lee, José L. McFaline-Figueroa, Neel H. Shah
本研究聚焦于致病性 SHP2 变异导致的多样化表型结果，利用前沿的多重单细胞转录组学技术深入探索了其背后的分子机制。SHP2 基因突变通常与 Noonan 综合征等 RAS 通路疾病密切相关，然而相同基因型为何引发异质性极强的临床表型，一直是遗传学与生物信息学领域亟待解决的关键科学问题。
研究团队采用高通量多重单细胞测序策略，结合先进的计算分析流程，能够在单次实验中并行分析多个样本或条件，显著降低了批次效应并提高了检测灵敏度。通过构建高分辨率的细胞图谱，研究者系统性地刻画了不同 SHP2 变异体在细胞类型特异性表达谱、信号通路激活状态以及细胞命运决定过程中的差异。该方法不仅克服了传统 bulk 测序掩盖细胞异质性的局限，还有效识别了罕见的细胞亚群及其对突变的特异性响应，体现了生物数据分析方法在复杂疾病解析中的核心作用。
主要发现揭示了特定 SHP2 变异如何通过重塑细胞间通讯网络及下游信号转导，进而驱动不同的病理表型。这一工作为理解基因型 - 表型关联提供了新的计算与实验框架，展示了单细胞多组学技术在解析复杂遗传病机制中的巨大潜力。研究成果有望为精准医疗策略的制定提供分子依据，推动针对特定变异体的靶向治疗开发，具有重要的临床转化意义。
原文链接：https://www.science.org/doi/abs/10.1126/sciadv.aea9389?af=R
Identifying menstrual metrics as personal health markers: Age trends and individual footprints in temperature across 5674 cycles
发布日期：2026-05-20 | 作者：Marie Gombert-Labedens, Alan Taitz, Orsolya Kiss, Fiona C. Baker
本研究发表于《Science Advances》，利用大规模纵向生理数据，深入探讨了月经周期体温变化作为个人健康生物标记物的可行性。研究团队通过对 5674 个月经周期的体温数据进行系统性建模与统计分析，揭示了体温模式随年龄变化的宏观趋势以及个体独特的生理足迹。该研究采用了先进的数据科学方法，从高通量的日常监测数据中提取关键特征，旨在建立个性化的健康评估框架。
在方法学上，该研究展示了如何处理和分析长周期的生理时间序列数据，为数字表型分析提供了范例。研究发现，体温动态变化不仅反映了生殖健康状态，还可能作为系统性健康的敏感指标。这一工作展示了计算生物学在数字健康领域的应用潜力，为基于可穿戴设备的女性健康精准管理提供了数据驱动的理论依据。通过量化个体差异，该研究推动了从群体平均向个体化医疗的转变，具有重要的临床转化意义。此外，该研究为理解女性生理节律提供了新的计算视角，有助于开发基于人工智能的健康预警系统，对于提升女性全生命周期健康管理水平具有深远影响。
原文链接：https://www.science.org/doi/abs/10.1126/sciadv.aeb1175?af=R
Deciphering the ancestral mechanisms of neural regeneration through single-cell analyses of jellyfish rhopalium repair
发布日期：2026-05-20 | 作者：Yongxue Li, Fanghan Wang, Tingting Sun, Xiaoran Ma, Zhangyi Yu, Ziyue Xu, Wenhui Wang, Yixuan Xing, Saijun Peng, Lei Wang, Jianmin Zhao, Zhijun Dong
本研究聚焦于神经再生这一再生医学领域的核心科学问题，通过单细胞分析技术深入解析了水母感觉棍（rhopalium）修复过程中的祖先机制。神经系统的再生能力在高等动物中受限，而水母作为早期分支动物模型，展现出卓越的再生潜能。研究团队利用高通量单细胞转录组测序技术，构建了水母修复过程中的高分辨率细胞图谱，系统刻画了神经细胞谱系的动态变化轨迹。
在方法学上，该研究展示了单细胞组学技术在非模式生物中的创新应用，通过整合聚类分析、拟时序分析及差异表达基因挖掘等生物信息学算法，推断细胞命运决定机制及关键调控网络。主要发现揭示了保守的神经再生分子通路，为理解神经再生的进化起源提供了关键证据。这项工作不仅拓展了我们对祖先神经机制的认知，也为人类神经损伤修复提供了新的进化医学视角和潜在靶点。研究成果发表于《Science Advances》，彰显了多组学数据分析在解析复杂生物过程中的重要价值，为再生疗法开发奠定了数据基础。
原文链接：https://www.science.org/doi/abs/10.1126/sciadv.aeb8034?af=R
Magnetogravitationally regulated streamer accretion onto a class 0 protostellar system
发布日期：2026-05-22 | 作者：Bo Huang, Josep M. Girart, Ian W. Stephens, Tom Megeath, Valentin J. M. Le Gouellec, Nadia M. Murillo, Paulo Cortés, Manuel Fernández-López, Zhi-Yun Li, Leslie W. Looney, J. A. López-Vázquez, Jaime E. Pineda, Álvaro Sánchez-Monge, Patricio Sanhueza, Sarah Sadavoy, Qizhou Zhang, Charles L. H. Hull, Nicole Karnath, Enwei Liang, Philip C. Myers
Science Advances, Volume 12, Issue 21, May 2026.
53BP1 orchestrates sequence feature of RAG targets to balance DNA repair outcomes during V(D)J recombination
发布日期：2026-05-22 | 作者：Sha Luo, Hailiang Zha, Zifan Yang, Shuchan Li, Leyi Yu, Ruolin Qiao, Ruoxi Kong, Yifan Wang, Junhong Guan, Xuefei Zhang
本研究聚焦于 V(D)J 重组过程中的 DNA 修复机制与序列特征调控，属于免疫基因组学与 DNA 损伤修复的交叉前沿领域。V(D)J 重组是适应性免疫系统多样性的核心来源，其产生的 DNA 双链断裂若修复不当，可能导致基因组不稳定。研究探讨了关键修复蛋白 53BP1 如何协调 RAG 复合物靶点的序列特征，从而平衡 DNA 修复结局。
从生物信息学视角看，该研究涉及对序列数据的分析与建模。标题中“序列特征”暗示研究可能采用高通量测序结合计算算法，解析不同序列背景下 RAG 切割效率与修复路径偏好。通过量化 53BP1 对特定序列模式的识别，研究有望构建更精准的 V(D)J 重组预测模型。这种分子机制与序列数据分析的融合，是现代生物信息学应用的典型范例。
该发现对于理解淋巴细胞发育中的基因组稳定性具有重要意义，并为免疫疾病及淋巴瘤机制提供新视角。阐明 53BP1 对序列特征的调控，不仅丰富了 DNA 修复理论，也为基于序列特征的免疫疗法或基因编辑安全性评估提供依据。此项工作展示了计算分析与实验结合的潜力，推动了免疫基因组学向精细化发展。
原文链接：https://www.science.org/doi/abs/10.1126/sciadv.aec2231?af=R
Multiregional profiling reveals THBS1-SPP1 monocyte-macrophage axis drives immunosuppression and outcome in colorectal liver metastases
发布日期：2026-05-22 | 作者：Gaia Bellomo, Jayden Gittens, Christopher Brunning, Maidinaimu Abudula, Robert P. Jones, Michael C. Schmid, Ainhoa Mielgo
本研究聚焦于结直肠肝转移（CRLM）的免疫微环境异质性及其对患者预后的关键影响。研究团队采用多区域 profiling 技术，结合先进的生物信息学分析流程，深入解析了肿瘤微环境中的细胞互作网络与空间分布特征。主要发现揭示了一个关键的 THBS1-SPP1 单核 - 巨噬细胞轴，该轴在驱动局部免疫抑制状态及决定临床生存结局中扮演核心角色。
从方法学角度看，多区域 profiling 代表了当前空间组学与转录组学整合分析的前沿方向，能够有效克服传统单点取样的局限性，全面捕捉肿瘤内的空间异质性克隆演化。通过计算建模、差异表达分析及细胞通讯推断，研究者们成功鉴定出 THBS1 与 SPP1 配体 - 受体互作作为潜在的免疫检查点分子。这一发现不仅深化了我们对 CRLM 免疫逃逸机制的理解，也为开发针对单核 - 巨噬细胞通路的免疫治疗策略提供了新的生物标志物。
该研究充分展示了高通量组学数据整合分析在转化医学中的巨大潜力，强调了计算生物学在挖掘临床样本深层信息中的关键作用。为精准医疗背景下改善结直肠癌肝转移患者的生存率提供了坚实的理论依据与数据支持。未来，基于此类分子轴线的靶向干预有望成为克服免疫治疗耐药性的新途径，推动肿瘤免疫治疗向更精准的方向发展。
原文链接：https://www.science.org/doi/abs/10.1126/sciadv.aed1296?af=R
Single-nucleotide variant profiling in liquid biopsy with RECO-Cas
发布日期：2026-05-22 | 作者：Chong Guo, Shuo Zhang, Ramachandra Yerramsetti, Jiongyu Zhang, Xin Guan, Rui Yang, Chengyu Hou, Minjie Pei, Kurt T. Schalper, Xingye Liu, Ziyue Li, Lorrie Perpetua, Wenqi Gan, Omar Ibrahim, Rachael A. Clark, Changchun Liu
液体活检中的单核苷酸变异（SNV）分析是实现癌症早期筛查与精准治疗监测的关键技术。然而，如何在低频突变检测中平衡灵敏度与特异性仍是该领域面临的重大挑战，尤其是在循环肿瘤 DNA 含量极低的情况下。本研究提出了一种名为 RECO-Cas 的新型 profiling 方法，旨在优化液体活检中的 SNV 检测流程，解决传统测序方法在成本与性能上的瓶颈。
该研究结合了 CRISPR-Cas 系统的特异性识别能力与增强信号检测策略，针对循环肿瘤 DNA（ctDNA）中的稀有变异进行了方法学创新。通过改进向导 RNA 设计及信号读出机制，RECO-Cas 有望显著降低背景噪音，提升对低频突变的检出能力。这一方法不仅为无创诊断提供了新的实验工具，也为后续的生物信息学分析提供了更高信噪比的数据基础，从而优化变异识别算法的性能。
此项工作对于推动液体活检技术的临床转化具有重要意义，特别是在最小残留病灶监测及耐药突变追踪方面展现出潜在应用价值。通过整合新型分子检测技术与数据分析流程，该研究为基因组学在精准医学中的深入应用开辟了新的路径，有望促进多组学数据整合分析的发展，进一步提升疾病预测模型的准确性。
原文链接：https://www.science.org/doi/abs/10.1126/sciadv.aed1757?af=R
Continuous monitoring of blood–interstitial fluid intercompartmental molecular kinetics in freely moving animals
发布日期：2026-05-20 | 作者：Yihang Chen, Qitao Hu, Jean Won Kwak, David Zakharian, Jenny Ji, Du Liu, Deepak Gopalan, Caoimhe Lyons, Max Yates, Steven Yee, Han Cui, Michael Eisenstein, Hyongsok Tom Soh
本研究聚焦于自由运动动物体内血液与组织间液之间的分子动力学连续监测问题，这一领域对于理解药物代谢及生理过程至关重要。传统采样方法往往受限于时间点稀疏及动物状态固定，难以真实反映分子在生物 compartment 间的动态传输过程。该研究提出了一种新型连续监测技术，能够在动物自由运动状态下，实时捕捉血液与组织间液界面的分子动力学变化。
从生物信息学与系统生物学的角度来看，该技术产生的高时间分辨率时序数据，为构建精确的药代动力学模型及生理系统计算模拟提供了关键数据支撑。通过对跨 compartment 分子传输速率的量化分析，研究人员能够更深入地解析生物体内的物质交换机制，进而优化药物研发过程中的剂量预测与疗效评估。此外，这种动态数据的获取也有助于推动多组学数据与生理动力学模型的整合分析，提升对复杂生物系统的认知水平。
总体而言，该研究不仅在监测技术上取得了突破，更为生物医学数据的计算建模与分析开辟了新的数据来源，具有重要的科学意义与应用潜力。
原文链接：https://www.science.org/doi/abs/10.1126/sciadv.aed1895?af=R
High-fidelity molecular decoding through tile-guided in situ self-assembly
发布日期：2026-05-22 | 作者：Xiaolin Hu, Xinlin Guo, Jie Xie, Liangting Wang, Zhengheng Yu, Heng Li, Xiaopei Qiu, Sergio Bernardini, Wei Gu, Yang Luo, Hong Zhang
随着空间组学与高通量测序技术的飞速发展，如何在复杂生物环境中实现高保真的分子信息解码已成为领域内的关键挑战。本研究提出了一种基于瓦片引导原位自组装的新型分子解码策略，旨在解决传统方法在信号识别与定位过程中的误差问题，为生物大数据的高质量获取提供了新的技术路径。
该研究聚焦于生物分子检测的准确性，通过设计特定的瓦片结构引导分子在原位进行精确自组装，实现了对目标分子序列的高精度读取。这种方法有望显著降低背景噪声，提高信噪比，对于单细胞测序、空间转录组学等高通量技术的性能提升具有补充意义。
在生物信息学层面，高保真数据是下游计算分析与建模的基石。该技术通过优化前端数据获取质量，能够减少后续分析中的误差校正负担，提升差异表达分析与空间模式识别的可靠性，进而增强机器学习模型在生物医学应用中的预测性能。
总体而言，这项工作为下一代高通量生物传感平台的开发提供了新思路，有望推动精准医学与系统生物学研究向更高精度迈进，为理解复杂生物系统的分子机制提供更可靠的数据支撑。
原文链接：https://www.science.org/doi/abs/10.1126/sciadv.aed7719?af=R
Acute temperature effects on cilia beating increase coral deoxygenation
发布日期：2026-05-20 | 作者：Cesar O. Pacherres, Max S. Dhillon, Mads Bilbo, Mikkel Hansen, Douglas R. Brumley, Manuel Aranda, Soeren Ahmerkamp, Michael Kühl
珊瑚礁生态系统正面临全球变暖的严峻威胁，解析珊瑚对温度胁迫的生理响应机制至关重要。本研究发表于《Science Advances》，深入探讨了急性温度效应如何通过调控珊瑚纤毛的摆动行为，进而加剧珊瑚组织的脱氧过程。研究团队创新性地结合了生物图像分析与生理监测技术，定量揭示了温度升高对纤毛运动频率的抑制作用及其对微环境氧扩散的物理影响。
本研究的核心科学问题在于阐明气候变暖背景下，珊瑚白化发生前的早期物理 - 生理耦合机制。与传统关注共生藻光合效率的研究不同，该工作从纤毛驱动的水流交换效率切入。在方法学上，研究利用高通量视频显微技术捕捉纤毛运动，并通过计算算法精确追踪 beating 频率，结合氧微电极实时监测数据，构建了温度 - 运动 - 氧浓度的多维关联模型。
主要发现表明，急性升温显著降低纤毛摆动幅度与频率，导致珊瑚表面边界层增厚，氧气扩散阻力增加，从而引发局部组织脱氧。这一发现不仅揭示了珊瑚热应激的新机制，也为理解珊瑚对气候变化的响应提供了计算生物学与生物物理学的交叉视角。
该研究在领域内的意义在于展示了生物图像分析技术在海洋生物学中的广泛应用潜力。通过量化微观运动与宏观生理状态的关联，为未来开发基于深度学习的珊瑚健康早期预警平台奠定了方法学基础。此外，该模型亦可扩展至其他纤毛驱动的生物系统，具有重要的理论价值与应用前景。
原文链接：https://www.science.org/doi/abs/10.1126/sciadv.aeg0950?af=R
Shifting IRES versus Cap-initiated translation during homeostatic stem cell differentiation and stress
发布日期：2026-05-22 | 作者：Michael C. Mazzola, Ting Zhao, Anna Kiem, Trine A. Kristiansen, Karin Gustafsson, Lai Ping Wong, Emily Scott-Solomon, Marissa D. Fahlberg, Christina Mayerhofer, Ernst Mayerhofer, Sarah Forward, Emane Rose Assita, Giulia Schiroli, Maris Handley, Youmna Kfoury, Tsuyoshi Fukushima, Dan Li, Samuel Keyes, Azeem Sharda, Jelena Milosevic, Hiroki Kato, Pavel Ivanov, David B. Sykes, Sheldon J. J. Kwok, Ruslan I. Sadreyev, Vijay G. Sankaran, Ya-Chieh Hsu, David T. Scadden
本研究聚焦于干细胞稳态分化与应激状态下翻译起始机制的动态调控，深入探讨了内部核糖体进入位点（IRES）与帽子结构（Cap）依赖的翻译模式之间的转换规律。作为转录组学与翻译组学交叉领域的重要课题，该研究揭示了基因表达调控在翻译层面的复杂性与可塑性。
研究团队通过整合高通量测序技术与生物信息学分析方法，系统比较了不同生理条件下全基因组范围内的翻译效率变化。科学问题核心在于阐明细胞如何通过切换翻译起始模式来适应分化需求及环境压力。方法创新体现在对 IRES 活性的定量评估及翻译起始位点的计算识别，结合了统计建模与实验验证，确保了数据的可靠性。
主要发现表明，在应激条件下，细胞倾向于利用 IRES 机制维持关键蛋白的合成，而 Cap 依赖的翻译则主导稳态分化过程。这一发现为理解干细胞命运决定提供了新的分子视角，并强调了翻译控制在细胞应激反应中的关键作用。该研究不仅丰富了基因表达调控的理论框架，也为相关疾病的翻译治疗策略提供了潜在靶点，展示了多组学数据分析在生命科学研究中的重要价值与潜在影响。
原文链接：https://www.science.org/doi/abs/10.1126/sciadv.adz7896?af=R
Probing individual quantum emitters in bulk semiconductors via photonic nanojets
发布日期：2026-05-20 | 作者：Behrooz Semnani, Sai Sreesh Venuturumilli, Mohammad Soltani, Pratik Adhikary, Abdolreza Pasharavesh, Nikolay Videnov, Paul Anderson, Supratik Sarkar, Vinodh Raj Rajagopal Muthu, Michal Bajcsy
Science Advances, Volume 12, Issue 21, May 2026.
Generalizability of an AI-based mammogram risk score (MRS) for breast cancer among diverse populations of women
发布日期：2026-05-20 | 作者：Shu Jiang, Debbie L. Bennett, Peter Kraft, Graham A. Colditz
本研究聚焦于人工智能技术在乳腺癌筛查中的泛化能力评估。尽管基于深度学习的乳腺 X 线摄影风险评分（MRS）模型在单一队列中表现优异，但其在不同种族和社会经济背景人群中的适用性仍是亟待解决的科学难题。研究团队系统评估了该 AI 模型在多样化女性群体中的风险预测性能，旨在揭示算法偏见并验证模型的鲁棒性。
研究通过对比分析不同人口学特征下的影像数据，检验了 MRS 跨人群的一致性与准确性。主要发现强调了当前 AI 诊断工具在处理群体异质性时的潜在局限，并指出了数据多样性对模型公平性的关键影响。这项工作为优化医学影像 AI 的训练策略提供了重要实证依据，表明仅在单一群体上训练的模型可能无法惠及所有患者。
此项研究对于推动医学影像 AI 的临床转化具有深远意义。它强调了在算法开发阶段纳入多元化数据的必要性，有助于构建更具包容性的精准医疗体系，从而减少医疗健康差异，确保 AI 技术能够公平地服务于广泛人群。
原文链接：https://www.science.org/doi/abs/10.1126/sciadv.ady3905?af=R
Symmetry control by Raman-mode excitations via anharmonic couplings with terahertz field–induced infrared modes in ferroaxial PbWO4
发布日期：2026-05-20 | 作者：Masaki Yamamoto, Hiroki Sato, Ryohei Ikeda, Tetsushi Kubo, Tatsuya Miyamoto, Kenta Kimura, Takayuki Nagai, Tsuyoshi Kimura, Hiroshi Okamoto
Science Advances, Volume 12, Issue 21, May 2026.
Computational neural dynamics of goal-directed visual attention in macaques
发布日期：2026-05-20 | 作者：Jie Zhang, Nuttida Rungratsameetaweemana, Shuo Wang
本研究聚焦于猕猴目标导向视觉注意力的计算神经动力学机制，属于计算神经科学与生物信息交叉领域的重要探索。视觉注意力作为大脑高级认知功能的关键组成部分，其神经机制的解析一直是生命科学的前沿难题。研究团队利用计算建模方法，结合猕猴神经生理记录数据，构建了能够精确模拟目标导向注意力过程的动态系统模型。
该研究的核心科学问题在于如何从复杂的神经信号中提取出表征注意力调控的动力学特征。通过引入先进的计算分析框架，研究者深入分析了神经元群体活动的时间演化规律，揭示了注意力信号在神经网络中的传播路径及其对感知决策的影响机制。这种方法创新性地融合了理论计算与实验观测，有效克服了传统统计方法在处理高维、非线性神经动力学数据时的局限性，为生物数据的计算建模提供了新范式。
主要发现表明，特定的神经动力学模式与注意力的行为表现存在高度相关性，为理解大脑如何实现灵活的行为控制提供了定量化的理论依据。该研究不仅在理论层面深化了对灵长类动物注意机制的认识，也为类脑智能算法的开发提供了宝贵的生物学约束。通过解析生物神经系统的计算原理，本研究有望推动人工智能在复杂视觉任务中的性能提升，展现出显著的跨学科应用潜力。
原文链接：https://www.science.org/doi/abs/10.1126/sciadv.aed9004?af=R
3D imaging of an entire pancreas shows inverse proportions of extra-islet versus islet-associated β cells in late-onset type 1 diabetes
发布日期：2026-05-22 | 作者：Joakim Lehrstrand, Max Hahn, Björn Morén, Wayne I. L. Davies, Olle Korsgren, Tomas Alanentalo, Ulf Ahlgren
1 型糖尿病（T1D）的病理机制复杂，尤其是迟发型患者中β细胞的存活模式与空间分布尚存争议。本研究利用全器官三维成像技术，突破传统二维组织学的空间局限，对完整胰腺进行了高分辨率重构与定量分析。研究核心在于揭示胰岛外（extra-islet）与胰岛相关（islet-associated）β细胞在迟发型 T1D 中的分布比例变化。结果显示，这两类细胞群体呈现显著的 inverse 比例关系，暗示了微环境差异对β细胞命运的关键影响。
该方法学创新在于将大规模生物图像数据处理与病理学结合，实现了从局部切片到全器官图谱的跨越。这不仅有助于解析自身免疫攻击的空间异质性，也为评估残留β细胞功能提供了新的量化指标。此外，该研究涉及的海量图像数据分割与三维重建，依赖于先进的计算算法与自动化分析流程，体现了生物信息学技术在传统医学研究中的深度融合。
研究成果发表于《Science Advances》，展示了计算生物图像技术在解析复杂疾病机制中的核心价值。通过高通量成像数据分析，本研究为糖尿病精准治疗策略的制定提供了关键空间转录组学之外的形态学证据，推动了生物信息学在医学影像分析领域的深入应用，具有重要的临床转化意义。
原文链接：https://www.science.org/doi/abs/10.1126/sciadv.aed0496?af=R
Unlocking translational control of specialized metabolism in plants through 5′UTR structure
发布日期：2026-05-22 | 作者：Makou Lin, Doosan Shin, Jie Hao, Masood Jan, Minkyu Park, Veronica Perez, Benjamin Breuer, Ying Wang, Jeongim Kim
本研究聚焦于植物次生代谢的翻译调控机制，特别是 5’非翻译区（5’UTR）二级结构在其中扮演的关键角色。植物次生代谢产物对于植物适应环境及人类药用价值至关重要，但其生物合成的翻译水平调控网络尚不明确。研究团队通过整合 RNA 结构预测分析与翻译组学数据，深入解析了 5’UTR 结构特征如何特异性地调控代谢相关基因的翻译效率。
研究发现，特定的 5’UTR 结构模体能够作为顺式作用元件，阻碍或促进核糖体的扫描与起始，从而精确控制下游代谢酶的表达水平。这一发现突破了传统上仅关注转录水平调控的局限，揭示了转录后调控在植物代谢网络中的核心地位。通过计算生物学方法鉴定关键结构变异，研究为理解基因型与代谢表型之间的关联提供了新视角。
该成果不仅在基础理论层面阐明了植物基因表达调控的新机制，更为作物育种和植物合成生物学提供了潜在的靶点。通过理性设计 5’UTR 序列优化翻译效率，有望实现植物高价值代谢产物的定向增产。这项研究展示了结构生物信息学在解析复杂生物过程中的强大潜力，推动了植物功能基因组学的发展，为未来利用人工智能辅助设计植物代谢通路奠定了方法论基础。
原文链接：https://www.science.org/doi/abs/10.1126/sciadv.aeb6806?af=R
