本期共收录 36 篇文章：Cell 2 篇, Nature 4 篇, Nature Biotechnology 5 篇, Nature Computational Science 2 篇, Nature Genetics 7 篇, Nature Machine Intelligence 2 篇, Nature Methods 5 篇, Science 7 篇, Science Advances 2 篇。

Cell

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

癌症微生物组的系统刻画长期受限于宿主背景污染与低生物量带来的技术干扰。本研究发表于 Cell，通过构建并系统验证一套宿主过滤与去污染生物信息学流程，对16,369例肿瘤基因组进行深度挖掘，绘制了迄今分辨率最高的多界癌症微生物组图谱。

研究团队首先针对肿瘤宏基因组数据中宿主DNA干扰及实验污染等关键瓶颈，建立了标准化的计算处理流程。在此基础上，大规模整合分析揭示，尽管多数癌种未检出显著的微生物信号，口消化道肿瘤却富集了复杂的多界微生物群落，其组成呈现出明显的器官部位特异性、分子亚型异质性及体细胞突变负荷依赖性。该发现将肿瘤微生物组的分布模式与宿主表型及肿瘤基因组背景紧密关联，突破了以往仅关注单一菌界或单一癌种的局限。

这项工作不仅提供了宝贵的癌症微生物组数据资源，更从生物地理学视角揭示了肿瘤微环境中跨物种互作的潜在规律，为理解微生物在癌症发生发展中的因果作用奠定了方法论与数据基础，有望推动基于微生物组的癌症分型与精准干预策略研究。

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

Genetic variation reveals a homeotic long noncoding RNA that modulates human hematopoietic stem cells

发布日期：2026-05-01 | 作者：Peng Lyu, Gaurav Agarwal, Chun-Jie Guo, Adam Sychla, Wallace Bourgeois, Tianyi Ye, Chen Weng, Mateusz Antoszewski, Samantha Joubran, Alexis Caulier, Michael Poeschla, Scott A. Armstrong, Silvi Rouskin, Vijay G. Sankaran

造血干细胞（HSC）的自我更新与分化平衡是维持机体正常造血功能的核心，而其失调往往导致血液系统恶性肿瘤。尽管长链非编码RNA（lncRNA）在发育调控中的作用日益受到关注，但遗传变异如何通过lncRNA精细调控HSC功能并影响癌症易感性，仍是领域内亟待解析的重要科学问题。近日，Cell杂志发表了一项研究，系统揭示了homeotic lncRNA HOTSCRAMBL在造血调控中的关键作用及其遗传保护机制。

该研究以遗传变异为切入点，鉴定出一个位于HOTSCRAMBL基因座的血液癌症保护性遗传变异。深入机制研究表明，该变异可改变HOTSCRAMBL的调控活性，进而影响同源异型盒基因HOXA9的剪接模式。这一分子轴能够在精细调控造血干细胞自我更新能力的同时，有效约束HOXA信号通路驱动的血液恶性转化。该发现不仅阐明了lncRNA遗传变异在造血稳态中的功能意义，也揭示了非编码区遗传多态性通过调控关键发育基因剪接而影响疾病易感性的新范式。

此项研究为理解造血干细胞的分子调控网络提供了重要的理论依据，同时为血液恶性肿瘤的风险预测和靶向干预策略开辟了新的方向，具有重要的基础研究与转化医学价值。

原文链接：https://www.cell.com/cell/fulltext/S0092-8674(26)00439-3?rss=yes

Nature

Powerful tools are revealing the ‘control knobs’ of the genome

发布日期：2026-05-04 | 作者：Michael Eisenstein

调控基因组学领域正迎来技术革新的重要时刻。基因组的非编码区域包含大量决定基因何时、何地、以何种强度表达的DNA序列，这些“控制旋钮”的系统性鉴定与功能解析长期面临通量和精度的双重挑战。近期，以大规模并行报告基因分析（MPRA）、CRISPR高通量筛选及单细胞多组学技术为代表的功能基因组学方法取得了突破性进展，显著加速了顺式调控元件的发现与表征。

这些强大的技术平台不仅使研究者能够在全基因组尺度上精确定位增强子、沉默子等调控序列，更通过整合序列特征与表达输出数据，逐步揭示了决定调控活性的“隐藏语法”——即特定转录因子结合位点的组合规则、序列上下文及染色质环境如何协同编码基因表达程序。这一深度解析为理解复杂性状、疾病易感性及发育过程的调控机制提供了全新视角。

更为重要的是，对调控语法的系统破译赋予科学家理性设计或重写DNA调控序列的能力，为合成生物学、精准基因治疗及细胞工程开辟了广阔前景。该进展标志着人类从被动解读基因组向主动编程基因表达网络迈出了关键一步。

原文链接：https://www.nature.com/articles/d41586-026-01410-1

Genome pioneer Craig Venter dies: here’s how he transformed science

发布日期：2026-04-30 | 作者：Ewen Callaway

《自然》期刊在线发表纪念文章，系统回顾了基因组学先驱Craig Venter的科学生涯及其对现代生命科学的变革性贡献。作为人类基因组计划的关键推动者和多项基因组学革命的核心领导者，Venter通过开创性的DNA测序策略、合成生物学实践以及大规模环境基因组调查，从根本上重塑了生物学的研究边界与研究范式。

在方法学层面，Venter倡导并优化的全基因组鸟枪法测序策略显著提升了大规模基因组测序的效率与速度，为后续高通量测序技术的普及和生物信息学分析流程的标准化奠定了重要基础。他领导的团队率先完成了人类基因组草图的绘制，并持续推动个体基因组测序的临床应用转化。在合成生物学领域，Venter团队通过化学合成支原体基因组并成功移植到受体细胞中，实现了人工合成生命体的里程碑式突破，为基因功能注释、最小基因组设计以及合成生物信息学开辟了全新研究方向。此外，其发起的全球海洋采样考察通过宏基因组学策略系统解析了海洋微生物多样性图谱，极大拓展了公共基因组数据库的资源维度，为环境生物信息学和微生物组学研究提供了宝贵的数据基础与方法论借鉴。

Venter的工作不仅直接推动了测序技术的迭代升级，更深刻影响了基因组数据的获取、分析、存储与解读范式。他在计算生物学与实验科学交叉领域的开创性实践，将持续激励后基因组时代的生物信息学创新与跨学科发展。

原文链接：https://www.nature.com/articles/d41586-026-01226-z

All life runs on 20 amino acids. These cells run key machinery on just 19

发布日期：2026-04-30 | 作者：Elie Dolgin

所有已知生命均依赖20种标准氨基酸构建蛋白质并驱动关键生物学过程。一项发表于《Nature》的最新研究挑战了这一基本生命法则，研究人员利用人工智能策略成功重构了细菌的蛋白质字母表，创造出仅依赖19种氨基酸即可运行核心生命机器的合成细胞。

该研究采用AI引导的蛋白质组重设计方法，系统性地改造了细菌细胞的关键生命组件。通过计算设计与算法优化，研究团队突破了自然遗传密码的限制，证明生命系统能够在精简的化学字母表上维持核心功能的运转。这一发现表明，经过漫长进化形成的20种氨基酸标准集合并非生命存续的绝对下限，理性设计的精简蛋白质组同样可支撑细胞存活。

这项工作在合成生物学与计算生物学交叉领域具有重要价值。它不仅深化了人们对遗传密码可塑性的理论认知，更为构建具有特殊功能的非天然生命体提供了全新范式。人工智能与合成生物设计的深度融合，展示了计算驱动生命系统工程化的巨大潜力，有望推动定向进化、生物制造及具有增强生物安全性的合成生命体研发。

原文链接：https://www.nature.com/articles/d41586-026-01396-w

Daily briefing: ‘A true pioneer and maverick’, Craig Venter dead at 79

发布日期：2026-04-30 | 作者：Flora Graham

《自然》杂志报道，基因组学与生物信息学领域的先驱科学家Craig Venter于2026年4月30日逝世，享年79岁。作为人类基因组测序竞赛的核心领导者，Venter的工作深刻影响了现代计算生物学与基因组学研究范式。

Venter最具标志性的科学贡献在于领导私营研究团队，采用全基因组霰弹枪测序策略与公共人类基因组计划展开竞争。这一方法不仅显著加速了首个人类基因组草图的完成，更产生了前所未有的分子数据规模，直接催生了序列组装算法、比较基因组学及多组学数据整合等生物信息学关键分支的发展。其工作证明了大规模计算分析与高通量测序技术相结合的可行性，为后续精准医学和功能基因组学研究奠定了数据与方法论基础。

除人类基因组解码外，Venter在环境基因组学、合成生物学及最小基因组理论等领域亦作出开创性探索。他以挑战传统科研范式的先驱者姿态，打破了大型生物医学研究仅由政府主导的格局，推动了基因组学从实验科学向数据密集型计算科学的转型。Venter的离世标志着生命科学史上一个重要时代的终结，但其开创的生物信息学遗产将持续影响未来数十年的研究方向。

原文链接：https://www.nature.com/articles/d41586-026-01436-5

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在哺乳动物系统中已发展成熟，但植物领域因细胞壁屏障和递送效率等技术瓶颈，长期缺乏高通量的单细胞遗传筛选工具。针对这一挑战，研究人员开发了PIVOT（Plant single-cell screening platform），一种专为植物设计的单细胞功能遗传筛选平台，相关成果发表于Nature Biotechnology。

PIVOT平台的核心创新在于实现了两项关键技术的整合：一是通过优化病毒递送系统，以单一感染复数（single MOI）将基因文库高效导入烟草叶片细胞，确保每个细胞仅接收单一遗传元件；二是建立了基于表型的磁激活细胞分选体系，能够依据特定分子表型从异质性植物细胞群体中分离目标单细胞。该策略有效克服了植物细胞壁对单细胞操作的限制，实现了单细胞分辨率下的功能基因组学筛选。

研究团队利用PIVOT对拟南芥开放阅读框（ORF）文库进行筛选，成功鉴定并回收了多个细胞分裂素信号通路的关键调控因子，验证了该平台在解析植物激素信号网络中的实用性。PIVOT的建立为植物功能基因组学研究提供了高通量、单细胞精度的技术范式，有望加速作物抗逆、发育及代谢相关基因的发掘与功能注释。

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

植物功能遗传学研究长期受限于传统正向遗传筛选的通量与时空分辨率不足，而单细胞技术的引入为系统性解析基因功能提供了全新可能。近期发表于 Nature Biotechnology 的一项研究成功构建了一套基于混合细胞群（pooled）的植物单细胞遗传筛选平台，填补了该领域高通量功能基因组学技术的空白。

该研究将单细胞测序与大规模遗传扰动筛选相结合，在植物体系中实现了对基因功能的系统解析。作为方法学验证，研究团队利用该平台聚焦植物激素信号转导网络，对细胞分裂素（cytokinin）信号通路中的关键蛋白进行了功能性分析。该平台能够在单细胞分辨率下追踪遗传扰动所引发的转录组变异，显著提升了植物基因功能注释的效率与规模，突破了传统遗传学手段在低通量与组织异质性解析方面的瓶颈。

这一技术体系的建立标志着单细胞功能基因组学筛选策略成功拓展至植物系统，为作物重要性状相关基因的大规模筛选、农业分子育种及植物合成生物学研究提供了强有力的工具，对推动植物功能基因组学从“单基因验证”迈向“系统性解析”具有重要的方法论意义与广阔的应用前景。

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

Digital twins of ex vivo human lungs enable accurate and personalized evaluation of therapeutic efficacy

发布日期：2026-05-04 | 作者：Xuanzi Zhou, Bo Wang, Yiyang Wei 等

该研究发表于 Nature Biotechnology，针对离体器官功能维持与治疗效果精准评估的重大临床需求，构建了首个综合人离体肺数字孪生系统。研究团队通过整合多模态生理监测、影像学及器官水平功能数据，开发了能够实时映射离体肺生物学状态的计算仿真平台。该数字孪生模型可动态模拟肺器官在不同治疗条件下的功能响应，实现对治疗干预效果的准确且个性化的预测，有效克服了传统离体器官评估依赖单一静态指标、难以复现体内复杂生理环境的局限性。

该方法的核心创新在于将高通量器官表型采集与计算建模深度融合，建立了从数据采集、模型训练到疗效预测的完整技术链条。研究结果表明，该数字孪生系统能够精确评估离体肺的治疗反应，为个体化用药方案筛选、移植前器官修复策略优化以及新药疗效验证提供了可靠的体外决策工具。这项工作标志着器官水平计算生物学与精准医学的重要交叉突破，对推动器官移植、重症监护医学及药物研发领域的数字化转型具有深远影响。

原文链接：https://www.nature.com/articles/s41587-026-03121-4

TxPert: using multiple knowledge graphs for prediction of transcriptomic perturbation effects

发布日期：2026-05-01 | 作者：Frederik Wenkel, Wilson Tu, Cassandra Masschelein 等

预测基因或药物扰动对细胞转录组的影响是功能基因组学与药物研发的关键环节，然而针对未见扰动的计算预测长期面临准确性瓶颈。发表于Nature Biotechnology的TxPert研究通过整合多源知识图谱，显著提升了转录组扰动效应的预测精度。

该研究构建了TxPert计算框架，其方法学核心在于系统性地融合多个异构生物医学知识图谱，将基因功能、分子通路及调控关系等先验知识嵌入预测模型，以推断单转录组水平的扰动响应。这一策略有效克服了传统模型依赖有限训练数据、泛化能力不足的局限。研究显示，TxPert对未见过的新型单转录组扰动的预测准确度已接近实验数据的分半重复性（split-half reproducibility），即达到了实验本身内在变异水平的精度上限。

该成果在计算生物学与实验基因组学之间建立了高精度桥梁，不仅为大规模基因功能注释和药物靶点筛选提供了强有力的计算工具，也展示了知识驱动的人工智能方法在生物医学预测中的巨大潜力，对降低功能实验成本、加速治疗策略开发具有重要推动作用。

原文链接：https://www.nature.com/articles/s41587-026-03113-4

Tracing the rise of biomedical foundation models

发布日期：2026-04-30 | 作者：Yuzhou Chang, Hao Cheng, Mirage Modi 等

随着人工智能与生命科学的深度融合，生物医学基础模型（biomedical foundation models）正成为推动该领域革新的重要驱动力。《Nature Biotechnology》发表的综述Tracing the rise of biomedical foundation models对这一快速发展的领域进行了系统性调研与梳理。该研究通过全面审视现有生物基础模型的发展脉络，深入揭示了当前该领域的技术趋势与核心特征，并在此基础上对未来发展方向进行了前瞻性展望。

作为连接大规模计算范式与复杂生物医学数据的关键桥梁，基础模型正在重新定义生物数据的分析、整合与解读方式。该综述不仅宏观呈现了生物医学基础模型从兴起至今的演进轨迹，还探讨了其在促进多模态生物数据融合、提升预测精度及加速知识发现方面的潜力。同时，文章也指出了该领域在快速扩张过程中面临的关键挑战，为后续研究提供了重要参考。

该工作为生物信息学和计算生物学研究者提供了宝贵的领域全景视角，有助于厘清技术发展趋势、识别关键科学问题，并推动基础模型研究从理论创新向实际生物医学应用的转化，对促进AI驱动的生命科学发展具有重要的指导价值与深远影响。

原文链接：https://www.nature.com/articles/s41587-026-03135-y

Nature Computational Science

Translating biodiversity into chemical diversity

发布日期：2026-05-05

DeepSeMS是基于Transformer架构的生成式计算框架，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化学结构的突破。该研究架起了基因组多样性与化学多样性之间的桥梁，为天然产物的计算挖掘与药物发现开辟了全新路径。

微生物是活性天然产物的重要来源，但其绝大部分生物合成潜力仍隐藏在未培养微生物及海量宏基因组数据中，传统实验方法难以高效建立基因型与化学表型的关联。DeepSeMS利用深度学习技术，直接从BGC序列推断对应的分子结构，突破了培养依赖和化学筛选的技术瓶颈。研究团队将该模型应用于全球海洋宏基因组——地球上最大的未开发微生物资源库，成功实现了新型次级代谢产物分子结构的大规模预测与化学空间的系统性拓展。

这项工作不仅显著丰富了候选药物分子的多样性，更充分展示了人工智能在解析微生物”暗物质”和连接序列-结构-功能方面的巨大潜力。其方法论为计算天然产物学、基因组挖掘及微生物组学研究建立了重要的新范式。

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

DeepSeMS: revealing the hidden biosynthetic potential of the global ocean microbiome with a large language model

发布日期：2026-04-30 | 作者：Tingjun Xu, Yuwei Yang, Ruixin Zhu 等

海洋微生物组是结构新颖、生物活性多样的次级代谢产物（天然产物）的重要来源，蕴藏着巨大的新药开发潜力。然而，由于绝大多数海洋微生物尚未获得培养，其生物合成能力长期难以通过传统实验手段系统评估。为破解这一瓶颈，本研究开发了DeepSeMS——一种基于Transformer架构的大语言模型框架。该模型能够直接将生物合成基因簇（BGCs）翻译为候选次级代谢产物的化学结构，从而在未培养微生物资源中实现化学多样性的高通量、规模化挖掘。

DeepSeMS的核心方法学创新在于建立了从基因序列到化学结构的端到端预测范式。不同于依赖实验分离与结构鉴定的传统流程，该框架利用深度学习捕捉BGCs编码信息与终产物化学结构之间的复杂映射关系，显著拓展了微生物天然产物的可及性边界。研究通过对全球海洋微生物组数据的分析，揭示了此前隐藏的广阔生物合成潜力。

这项工作不仅推动了人工智能与微生物组学的深度融合，也为新型抗生素、抗肿瘤药物等生物活性分子的快速发现提供了强大的计算平台，在天然产物化学与药物开发领域具有重要应用前景。

原文链接：https://www.nature.com/articles/s43588-026-00983-1

Nature Genetics

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

在癌症基因组学研究中，肿瘤样本中富集的突变通常被默认为驱动癌变的关键因子。然而，这些突变可能源于两种截然不同的机制：其一为突变直接赋予细胞恶性转化能力（causation），其二为突变仅在正常组织中提供克隆扩增优势（selection），使其在肿瘤发生前即被富集。区分这两种机制对于准确识别癌症驱动基因至关重要，但长期以来缺乏有效的系统解析手段。

发表于《Nature Genetics》的这项研究，通过整合大规模肿瘤与正常组织测序数据，构建了创新的数学建模框架。研究团队巧妙地将年龄作为关键变量，利用突变在健康组织中的累积动态与在肿瘤中的出现频率之间的定量关系，从数学层面系统区分了“因果性致癌突变”与“选择性克隆扩增突变”。研究发现，年龄能够有效鉴别这两种突变富集模式，揭示了许多在肿瘤基因组中观察到的高频突变，实际上可能主要反映了正常组织中的克隆选择压力，而非直接的致癌作用。

该研究不仅为癌症基因组数据分析提供了重要的方法学创新，还有助于减少驱动突变鉴定中的假阳性，深化对肿瘤发生早期机制及正常组织克隆演化的理解，对精准肿瘤学研究和靶向治疗策略的开发具有重要指导意义。

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

单细胞测序与空间组学技术的飞速发展正深刻改变生命科学研究范式，然而分析流程的复杂性、语言障碍及计算资源的不平等获取，严重制约了全球范围内研究者的参与能力。针对这一关键问题，研究者开发了 The Single Cell Notebooks 平台，旨在通过开放、多语言且可重复使用的计算笔记本，构建一个包容性强、易于获取的单细胞与空间组学培训体系。

该平台以社区驱动为核心模式，提供覆盖单细胞与空间转录组学分析全流程的标准化培训材料。通过采用可交互、可复现的笔记本形式，研究者无需依赖昂贵的商业软件或深厚的编程背景，即可在本地或云端环境中开展数据分析，显著降低了计算门槛。同时，多语言支持策略有效打破了非英语母语研究者的语言壁垒，推动了全球南方国家及资源有限机构的研究能力建设。

作为一项教育资源创新，The Single Cell Notebooks 不仅填补了单细胞与空间组学领域系统化、开放式培训的空白，更通过促进知识共享与公平参与，为组学研究的全球化与多元化奠定了坚实基础。该平台有望持续赋能新一代生物信息学人才，加速前沿技术的普及与转化应用。

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 lanatus）作为全球重要的园艺作物，其种质资源遗传多样性的系统挖掘与果实品质性状的遗传基础解析一直是育种学研究的核心议题。然而，传统单一参考基因组的线性框架难以全面捕捉物种水平的遗传变异，尤其无法充分揭示结构变异及基因存在/缺失变异（PAV）对重要性状的贡献，这极大限制了优异基因资源的发掘与利用。为此，本研究在群体尺度上构建了西瓜超级泛基因组（super-pangenome），为西瓜基因组进化与精准育种研究提供了新的范式。

该研究基于138份参考级高质量基因组组装数据，系统涵盖了7个现存西瓜属物种，绘制了迄今分辨率最高的西瓜群体水平泛基因组图谱。通过比较基因组学分析，研究深入揭示了西瓜属物种间的基因组演化规律与驯化过程中的遗传瓶颈，并精准定位了大量与果实品质等农艺性状密切相关的基因组变异，包括基因存在/缺失变异、拷贝数变异及结构变异等。这些发现显著拓展了西瓜功能基因组学研究的变异维度，突破了传统参考基因组对优异等位基因发掘的限制。

该超级泛基因组资源的建立，为解析西瓜果实品质形成的分子机制提供了高分辨率的基因组坐标，更为分子标记辅助选择与基因组设计育种提供了全面而精准的变异图谱。这一成果不仅将加速西瓜优异种质的创制与新品种培育，也为其他作物的泛基因组研究与精准育种实践提供了重要的方法论借鉴。

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

Transposable elements shape stemness in normal and leukemic hematopoiesis

发布日期：2026-05-04 | 作者：Giacomo Grillo, Bettina Nadorp, Aditi Qamra 等

转座元件（Transposable Elements, TEs）长期以来被视为基因组中的“暗物质”，但近年研究逐渐揭示其在基因调控与细胞命运决定中的关键作用。然而，不同TE亚家族在正常造血干细胞及白血病干细胞干性维持中的特异性功能仍有待系统解析。发表于Nature Genetics的这项研究通过整合多组学数据与功能基因组学分析，鉴定出特定的转座元件亚家族是调控正常和白血病造血干/祖细胞干性特性的关键遗传决定因素。

研究团队发现，特定TE亚家族不仅参与维持正常造血干细胞的自我更新与分化平衡，更在急性髓系白血病（AML）中异常激活，驱动白血病干细胞恶性干性程序的维持。该研究深入揭示了TEs作为顺式调控元件在血液系统稳态与恶性转化中的双重生物学角色，并进一步建立了TE活性与AML患者临床预后之间的关联。

这一成果显著拓展了转座元件在造血与白血病发生中的功能认知，提示特定TE亚家族可作为AML风险分层和靶向干预的潜在分子标志物，为开发针对白血病干细胞的精准治疗策略提供了全新的基因组学视角和理论依据。

原文链接：https://www.nature.com/articles/s41588-026-02585-z

High-resolution single-cell mapping of clonal hematopoiesis and structural variation in aplastic anemia

发布日期：2026-05-01 | 作者：Masanori Yoshida, Sushree S. Sahoo, Paula Y. Arnold 等

该研究运用高分辨率单细胞测序技术，系统绘制了再生障碍性贫血（aplastic anemia, AA）患者克隆性造血与结构变异的细胞图谱，并深入解析了疾病跨越不同年龄阶段的克隆演化规律。AA是一种以骨髓造血功能衰竭为核心的自身免疫性疾病，其体细胞突变累积及克隆选择机制此前尚未完全明晰。本研究通过单细胞基因组学分析，发现特定人类白细胞抗原（HLA）风险等位基因的体细胞失活是AA中极为频发的事件，且该失活过程常以多个独立事件的形式发生于不同克隆中。这一发现提示，HLA介导的免疫逃逸可能是驱动AA克隆扩增与演化的关键机制之一。

在方法学层面，该研究创新性地将单细胞技术应用于AA克隆结构的精细解构，实现了在单细胞分辨率下同步追踪结构变异、等位基因特异性表达及克隆起源，从而精准重建了克隆演化的时间动态。研究结果不仅深化了对AA从免疫损伤向克隆性造血转化机制的理解，也为评估疾病进展风险、预测其向骨髓增生异常综合征或急性髓系白血病转化的潜在轨迹提供了新的分子标志物。此外，该研究为靶向HLA通路的免疫干预策略开发奠定了重要的理论基础，具有重要的临床转化价值。

原文链接：https://www.nature.com/articles/s41588-026-02587-x

Machine learning in prediction and classification of type 1 diabetes

发布日期：2026-04-30 | 作者：Yangxi Li, Constantin Polychronakos

1型糖尿病（T1D）的遗传风险预测在复杂性状研究中一直处于领先地位，然而传统统计方法在捕捉非线性遗传互作和疾病异质性方面仍存在局限。近期发表于《Nature Genetics》的一项研究创新性地引入机器学习框架，显著提升了T1D遗传预测的准确性，并深入揭示了其潜在的分子分型机制。

该研究通过先进的机器学习算法，不仅优化了基于基因组数据的疾病风险判别与分类性能，还系统性地发现了多个非线性的基因座-基因座相互作用（non-linear locus-locus interactions）。这些互作效应此前难以被常规线性模型有效识别，提示T1D的发病机制涉及更为复杂的遗传调控网络。此外，研究团队基于遗传特征划分出不同的分子亚群（molecular subclusters），这些亚群在临床表型上呈现出显著差异，为解析T1D的异质性提供了新的维度。

这项工作突破了传统遗传风险评分的线性假设瓶颈，将机器学习与复杂疾病遗传学深度融合。其发现不仅有助于开发更精准的T1D早期筛查工具，也为理解多基因疾病的非加性遗传效应和个体化治疗策略的制定奠定了重要基础，对复杂疾病的计算遗传学研究具有广泛的借鉴意义。

原文链接：https://www.nature.com/articles/s41588-026-02571-5

Genetic association and machine learning improve the prediction of type 1 diabetes risk

发布日期：2026-04-30 | 作者：Carolyn McGrail, Timothy J. Sears, Emily N. Griffin 等

该研究聚焦于1型糖尿病（T1D）的遗传易感性解析与风险预测模型构建。研究团队开展了大规模全基因组关联分析（GWAS）及精细定位（fine-mapping），系统鉴定了多个与T1D相关的独立遗传风险信号，为深入理解该复杂疾病的遗传架构提供了重要线索。在此基础上，研究者开发了基于机器学习的遗传风险评分模型T1GRS，该模型通过整合多维遗传信息，显著提升了对具有复杂风险特征个体的T1D发病风险预测准确性。此外，T1GRS模型还能够有效识别具有不同遗传背景的亚群，揭示了T1D在遗传层面的显著异质性。

这项工作不仅在方法学上展示了机器学习算法与高通量基因组学数据深度融合的优势，更在临床应用层面具有重要的转化价值。通过构建高精度的遗传风险预测框架，该研究为T1D的早期筛查、个体化风险分层以及精准预防策略的制定提供了强有力的工具，对推动糖尿病精准医学和公共卫生干预具有深远的科学意义。

原文链接：https://www.nature.com/articles/s41588-026-02578-y

Nature Machine Intelligence

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

Thiemann等研究者报道了一种基于自回归等变神经网络的无受力分子动力学模拟新方法——TrajCast。传统分子动力学模拟需在每一步显式计算原子间相互作用力，计算成本高昂，严重制约了时间步长与总模拟时长，难以有效捕捉生物大分子及复杂材料的慢尺度动态过程。针对该瓶颈，研究团队提出绕过力场计算、直接端到端预测原子轨迹的创新策略。TrajCast采用等变神经网络架构，严格保持对三维空间旋转、平移及置换等物理对称性的等变性，确保预测轨迹遵循基本物理定律；同时，其自回归生成机制能够基于历史构象逐步外推未来状态，实现稳定的长时程推演。该方法将模拟时间步长延长至传统方法的30倍，且在能量分布、结构涨落等物理性质的再现上保持高度准确。此项研究为计算生物学与生物信息学领域提供了高效的分子模拟新范式，在蛋白质构象动态研究、药物分子活性预测及生物材料设计等方面展现出广阔的应用前景。

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

A collaborative constrained graph diffusion model for the generation of realistic synthetic molecules

发布日期：2026-05-04 | 作者：Manuel Ruiz-Botella, Marta Sales-Pardo, Roger Guimerà

近年来，人工智能驱动的分子生成已成为计算化学与药物发现领域的前沿方向，然而现有模型在分子有效性、结构真实性与计算效率之间往往难以兼顾，严重制约了其在实际药物研发中的应用。发表于《Nature Machine Intelligence》的一项研究提出了一种名为CoCoGraph的协同约束图扩散模型，为高质量合成分子的智能生成提供了创新解决方案。

该研究针对图扩散模型在分子生成中易产生化学无效结构、参数量庞大等瓶颈问题，核心创新在于将约束机制与协同生成策略有机结合。通过在扩散过程中引入严格的化学约束，CoCoGraph能够从根本上保证生成分子的拓扑有效性与化学合理性；同时，借助协同学习框架，模型显著提升了输出分子在真实化学空间中的分布质量。实验结果表明，CoCoGraph生成的分子不仅有效性得到严格保障，且在真实感上超越当前最先进的方法。尤为突出的是，该模型在实现更优生成性能的同时，参数量减少近一个数量级，推理速度显著提升，展现出极高的计算效率与可扩展性。

这项工作在方法论上推进了图神经网络与扩散模型在分子设计中的深度融合，为高通量虚拟筛选、先导化合物优化及化学空间探索提供了更为高效可靠的AI工具，对加速创新药物研发具有重要的理论意义与应用价值。

原文链接：https://www.nature.com/articles/s42256-026-01229-5

Nature Methods

        <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

多路复用荧光显微成像技术因其高分辨率和特异性在生命科学研究中广泛应用，然而光谱重叠问题长期制约其通量，常规方法往往限制每个成像通道仅对应单一目标结构。发表于《Nature Methods》的 MicroSplit 方法通过引入语义解混（semantic unmixing）策略，开发了一种新型计算解混框架，成功实现了单个荧光成像通道中同时识别多达四种不同生物结构的能力。

该方法的核心创新在于利用计算算法对多重荧光信号进行智能解析，突破了传统硬件光谱分离的局限。在不增加额外成像通道的前提下，MicroSplit 大幅提升了荧光显微镜的多路复用性能，有效降低了实验复杂性与成本。这一技术为高通量生物成像、空间生物学研究以及精细组织结构解析提供了强有力的工具支持。

MicroSplit 代表了计算成像方法的重要进展，其通过算法创新拓展了光学成像的维度，有望在细胞生物学、病理诊断及空间组学等领域产生深远影响，推动荧光显微技术向更高通量、更低成本的方向发展。

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

Double robustness

发布日期：2026-05-04 | 作者：Christoph F. Kurz, Martin Krzywinski, Naomi Altman

《Nature Methods》发表题为“Double robustness”的方法学评述，深入探讨了双重稳健性（double robustness）这一核心统计思想在现代生物医学研究中的重要意义。双重稳健性是统计推断与因果推断领域的关键概念，指估计量在使用暴露模型或结果模型的两个辅助模型之一被正确设定时，仍能获得一致估计的特性。该文指出，在当前高通量生物数据日益复杂、分析流程高度依赖统计建模的背景下，双重稳健策略为应对模型误设风险提供了重要保障。

文章系统阐述了双重稳健估计的理论基础，强调其在基因组学、转录组学等大规模组学数据分析中的应用价值。生物信息学研究常面临批次效应、缺失数据、选择偏差及混杂因素等挑战，传统单一依赖模型的方法易因模型误设而导致系统性偏差。通过结合多个工作模型的优势，双重稳健方法能够显著增强研究结论的可靠性，帮助研究者从复杂的生物数据中获得更稳健的因果推断。该文还探讨了双重稳健性在提升生物医学研究可重复性方面的潜在作用，为生物统计学和生物信息学研究者理解和应用这一方法学框架提供了重要参考。这一评述对推动更严谨的计算生物医学研究具有积极的指导意义。

原文链接：https://www.nature.com/articles/s41592-026-03099-6

Unsupervised transfer learning enables multi-animal tracking without training annotation

发布日期：2026-05-04 | 作者：Yixin Li, Qi Zhang, Yuanlong Zhang 等

UDMT是一种基于Transformer架构的多动物追踪框架，通过无监督迁移学习策略，彻底摆脱了对人工标注训练数据的依赖，为行为学研究提供了全新的计算解决方案。在神经科学与行为遗传学领域，精确追踪多个自由运动动物的位置与身份是解析社会行为、群体互动及疾病表型的关键前提。然而，传统深度学习追踪方法通常依赖大量耗时耗力的手动视频标注，且模型难以跨物种泛化，严重制约了大规模行为实验的开展。

针对这一瓶颈，本研究提出的UDMT框架利用Transformer的全局建模能力，结合无监督迁移学习技术，使模型能够直接从原始视频数据中学习动物的运动特征与外观表征，无需任何预先标注的训练样本。该框架在涵盖小鼠、大鼠、黑腹果蝇、秀丽隐杆线虫及泰国斗鱼在内的多种模式动物数据集上进行了系统验证，展现出优异的追踪精度与强大的跨物种泛化性能。

UDMT的问世显著降低了多动物行为分析的准入门槛，不仅大幅节约了数据标注成本，更为高通量行为表型筛选、药物评价及基因功能研究提供了可扩展的技术平台。该方法代表了计算机视觉与生命科学交叉领域的重要进展，有望推动计算行为学的标准化与规模化应用。

原文链接：https://www.nature.com/articles/s41592-026-03051-8

Call your AI agent

发布日期：2026-05-01 | 作者：Vivien Marx

这篇论文与生物信息学高度相关。随着大语言模型（LLM）技术的飞速发展，基于其构建的AI智能体（AI agent）系统正逐步从概念走向实验室，成为生物医学研究的新范式。近期，《自然·方法学》（Nature Methods）发表了一篇题为”Call your AI agent”的观点文章，敏锐地捕捉到了AI智能体在自主科学分析中崛起这一关键趋势，并为研究社区提供了重要的思考框架。

文章指出，AI智能体系统已不再仅仅是被动响应的聊天工具，而是能够基于大语言模型进行自主规划、工具调用和迭代分析的”数字科研助手”。在生物信息学和生命科学领域，这类系统有望自动化完成从文献调研、假设生成、数据分析到结果解读的全流程任务，从而极大地提升研究效率并重塑传统工作流。然而，面对当前市场上层出不穷的AI智能体产品，作者提醒科研人员需以审慎而开放的态度加以选择——既要保持对新技术的求知欲与兴奋感，也要怀有必要的怀疑精神，理性评估这些自主分析工具的可靠性、潜在偏差及适用范围。

这篇评论及时呼应了计算方法与人工智能深度融合生命科学的时代脉搏。在组学数据爆炸式增长、分析流程日益复杂的当下，如何与AI智能体协同工作、如何建立有效的人机协作范式，或将成为生物信息学方法学发展的核心议题之一，对后续算法开发、平台构建及科研实践均具有深远的指导意义。

原文链接：https://www.nature.com/articles/s41592-026-03088-9

Resolving sensitivity, specificity and signal contamination in Xenium spatial transcriptomics

发布日期：2026-04-30 | 作者：Mariia Bilous, Daria Buszta, Jonathan Bac 等

空间转录组学技术Xenium能够在组织原位实现单细胞分辨率的基因表达检测，为解析组织微环境提供了重要手段。然而，其数据中存在的技术噪声——特别是转录本溢出（transcript spillover）导致的信号污染——严重制约了下游分析的灵敏度与特异性。近期发表于Nature Methods的一项研究系统解析了Xenium平台的数据质量瓶颈，并开发了名为SPLIT的新型计算框架，用于精准解混混合信号并提升细胞类型鉴定的可靠性。

该研究首先深入表征了Xenium数据中的信号污染来源，证实转录本溢出会造成邻近细胞间的表达信号串扰，进而模糊细胞边界并干扰细胞类型注释的准确性。为应对这一挑战，研究团队提出的SPLIT方法通过先进的计算解混策略，有效区分真实转录信号与污染信号，在保留检测灵敏度的同时显著增强了细胞分型特异性。

SPLIT方法的建立为Xenium空间转录组学数据的系统质控与精准解析提供了关键工具，有助于研究者更可靠地揭示复杂组织中的细胞组成、空间分布及细胞间互作模式。该研究不仅深化了对Xenium技术噪声机制的理论认识，也为原位空间组学数据的计算处理树立了新的方法学标杆，具有广泛的推广应用价值。

原文链接：https://www.nature.com/articles/s41592-026-03089-8

Science

Disordered protein LAT encodes relative levels of signaling pathways in T cell activation

发布日期：2026-04-30 | 作者：Adam J. Rubin, Tyler T. Dao, Amelia V. Schueppert, Saehyun Choi, Jay T. Groves, Aviv Regev, Alex K. Shalek

T细胞活化是一个高度协调的过程，需要精确整合来自T细胞受体（TCR）及共刺激分子的多条信号通路。然而，免疫细胞如何感知并处理这些信号通路的相对强度，而非简单的二元开关响应，一直是免疫学领域的核心科学问题。发表于《Science》的这项研究揭示了接头蛋白LAT（Linker for Activation of T cells）作为一种内在无序蛋白（intrinsically disordered protein, IDP），在T细胞信号整合中扮演着独特的“信号编码器”角色。

该研究发现，LAT并非传统意义上的刚性支架蛋白，而是利用其内在无序区域的动态构象系综与下游效应分子发生多价相互作用，从而将不同信号通路的相对活性水平转化为差异化的细胞输出。这种基于无序蛋白的生物物理特性所实现的信号编码机制，使T细胞能够对微环境中复杂的配体组合进行模拟式（analog）整合，进而精细调控活化阈值与效应功能。该工作不仅拓展了人们对免疫受体信号转导定量规律的理解，也为内在无序蛋白参与细胞信息处理提供了重要的分子范式。

这一发现揭示了T细胞活化调控的新维度，其揭示的LAT信号编码逻辑有望为T细胞工程化改造、自身免疫病干预及肿瘤免疫治疗策略的优化提供新的理论依据。

原文链接：https://www.science.org/doi/abs/10.1126/science.ads6847?af=R

Rumen ciliates modulate methane emissions in ruminants

发布日期：2026-04-30 | 作者：Fei Xie, Chuanqi Jiang, Zhipeng Li, Jinmei Feng, Xiaoting Yan, Che Hu, Jinying He, Xiaocui Chai, Zan Huang, Qinhui Xu, Yujia Wang, Yang Xiao, Kai Chen, Weiwei Qin, Yuan Xiao, Jing Zhang, Guangying Wang, Wei Jin, Kaizhen Guo, Limei Lin, Yiqun Liu, Xinxin Gao, Luqin Zheng, Xiji Shu, Rong Wang, Min Wang, Huazhe Si, Rui Du, Weiyun Zhu, Le Luo Guan, Wen Wang, Qiang Qiu, Shengyong Mao, Jie Xiong, Wei Miao

Science, Volume 392, Issue 6797, April 2026.

Gene syntax defines supercoiling-mediated transcriptional feedback

发布日期：2026-04-30 | 作者：Christopher P. Johnstone, Kasey S. Love, Sneha R. Kabaria, Ross D. Jones, Albert Blanch-Asensio, Deon S. Ploessl, Emma L. Peterman, Rachel Lee, Jiyoung Yun, Conrad G. Oakes, Christine L. Mummery, Richard P. Davis, Brandon J. DeKosky, Peter W. Zandstra, Kate E. Galloway

该研究提出了“基因句法”（gene syntax）的概念框架，揭示了基因在染色体上的排列规则如何系统性地定义DNA超螺旋介导的转录反馈机制。在转录过程中，RNA聚合酶沿DNA模板移动会诱导局部超螺旋结构的动态变化，这种拓扑状态的改变可反向调控邻近区域的转录效率，形成物理反馈回路。然而，基因组层面是否存在特定的“语法”规则来编码此类拓扑-转录耦合，此前缺乏系统性认知。

研究团队通过解析基因组结构特征与转录活性的深层关联，发现基因的方向、相对位置及连锁模式等句法要素，构成了超螺旋信号传播与功能解读的基本框架。这些结构特征不仅塑造了局部DNA拓扑微环境的时空动态，还定义了转录反馈的特异性与强度，表明基因组的线性组织蕴含了超越传统顺式调控元件的深层调控逻辑。

该工作从物理基因组学与系统生物学视角，为理解基因排列的进化约束及基因组设计原则提供了新的理论维度，对合成生物学中的基因线路优化及转录调控计算建模具有重要指导价值。

原文链接：https://www.science.org/doi/abs/10.1126/science.adw1925?af=R

Toward life with a 19–amino acid alphabet through generative artificial intelligence design

发布日期：2026-04-30 | 作者：Liyuan Liu, Charlotte Rochereau, Simon Kozlov, Guillaume Urtecho, Xiaonan Liu, Jiahui Zhao, Jasmine Wang, Yiming Huang, Yiming Qu, Zetian Zhang, Tomasz Blazejewski, Avi Swartz, Sergey Ovchinnikov, Harris H. Wang

AI正在重写生命的密码本：Science研究用生成式AI探索”19字母”生命新可能

生命的蛋白质语言，真的只能由自然界规定的20种标准氨基酸书写吗？最新一期《Science》发表了一项极具前瞻性的研究——科学家们借助生成式人工智能（Generative AI），向基于”19种氨基酸字母表”的全新生命形式迈出了关键一步。

这项研究的核心挑战在于：能否突破亿万年进化形成的遗传密码限制，设计出一套精简或重构的氨基酸体系？研究团队利用生成式AI强大的序列-结构联合建模能力，从头设计了在19种氨基酸环境下仍能稳定折叠并执行特定功能的蛋白质。这不仅是简单的”做减法”，而是通过深度学习重新理解蛋白质架构的本质规律，在更精简的化学字母表中寻找功能与结构的全新平衡。

从科学意义上看，这项工作具有双重突破。一方面，它证明了生成式AI已超越单纯的数据分析工具，成为能够主动”创造”非天然生物分子的设计引擎；另一方面，精简的氨基酸字母表有望解决蛋白质工程中诸多难题——例如降低合成复杂度、规避天然系统的调控干扰，或为整合非天然氨基酸创造更简洁的编码框架，从而加速新型蛋白质药物和生物材料的开发。

当AI开始参与生命最底层密码的设计，人类正从”解读生命”迈向”编写生命”的新纪元。这项研究或许预示着：未来的合成生物学，不必完全受限于自然进化的20字母法则。

原文链接：https://www.science.org/doi/abs/10.1126/science.aeb5171?af=R

Can AI simplify the alphabet of life?

发布日期：2026-04-30 | 作者：Charles Sanfiorenzo and Kaihang Wang

《Science》发表观点文章探讨人工智能对生命分子”字母表”的简化潜力。生命的遗传信息长期依赖于四种核苷酸与约二十种标准氨基酸构成的分子字母系统，这一自然选择的编码方案是否最优，以及能否通过计算手段进一步精简，是当前合成生物学与生物信息学交叉领域的核心科学问题之一。

该文从人工智能与合成生物学融合视角，系统探讨了机器学习与深度学习技术在重新设计遗传密码、压缩氨基酸集合及优化核酸分子结构中的应用前景。文章指出，借助大规模序列分析与生成式AI模型，研究者能够突破自然进化历史的约束，从头设计功能完整但分子组成更精简的生命系统。这种”字母表简化”策略不仅有助于解析生命起源与分子进化的基本物理化学限制，还可为工程化生物体提供更为模块化、易于调控的底层架构。

该观点强调了人工智能在重构生命分子语言方面的变革潜力，预示着计算驱动的合成生物学将进入精准设计的新阶段，对疫苗开发、蛋白质工程及异源生物合成等领域具有深远影响。

原文链接：https://www.science.org/doi/abs/10.1126/science.aeh0122?af=R

AI can reason like a physician—what comes next?

发布日期：2026-04-30 | 作者：Ashley M. Hopkins and Erik Cornelisse

该论文发表于Science，聚焦于人工智能在医学推理能力方面的突破性进展及其对现代医疗体系的深远影响。文章指出，当前AI系统已展现出媲美临床医师的复杂推理能力，能够整合患者病史、症状表现及多模态检验结果进行鉴别诊断与临床决策。在此基础上，作者深入探讨了AI技术从“辅助工具”向“推理主体”演进过程中所面临的核心科学问题、伦理挑战及未来发展方向，涵盖医患信任重构、医学教育培训体系变革、临床工作流程优化以及医疗责任归属等关键议题。作为医学人工智能领域的前瞻性评述，该研究不仅为计算医学与临床实践的深度融合提供了重要的理论框架，也为后续研究者在算法透明度、可解释性提升、人机协作模式创新及大规模临床部署策略等方面指明了重要方向，对推动智能化、精准化医疗体系的可持续发展具有重要指导意义。

原文链接：https://www.science.org/doi/abs/10.1126/science.aeg8766?af=R

Vaginal bacteria turn newborn skin into a beneficial ‘bioreactor’

发布日期：2026-04-30 | 作者：Jennie Erin Smith

生命早期皮肤微生态的建立在宿主免疫发育与健康维护中扮演关键角色。发表于Science的一项研究揭示了母体阴道微生物在新生儿皮肤定植过程中的核心作用，发现这些共生菌能够将新生儿皮肤转化为一个功能性的有益“生物反应器”。该研究围绕母婴微生物组垂直传递这一重要科学问题，深入解析了分娩过程中母体菌群对新生儿皮肤微生态结构与功能的重塑机制。

研究团队借助微生物组测序等高通量组学技术，系统刻画了新生儿出生后皮肤菌群的组装规律及动态演替特征。结果显示，源自母体的阴道细菌可在新生儿皮肤界面稳定定植，并诱导局部微环境发生功能性转化，形成一个有利于宿主-微生物互作、促进代谢物生成或免疫调节的“生物反应器”系统。这一发现深化了对生命初期微生物组装配规律的认识，阐明了母体菌群传递对新生儿皮肤生理功能的深远影响。

该研究为人体微生物组起源与发育生物学领域提供了重要理论补充，凸显了自然分娩在建立新生儿有益菌群中的生物学意义。相关工作有望为基于微生态调控的新生儿健康干预及皮肤菌群移植策略提供科学依据。

原文链接：https://www.science.org/doi/abs/10.1126/science.aei4509?af=R

Science Advances

Pervasive enhanced transcription in inflammatory breast cancer tumors and PBMCs impacts RNA splicing and intronic RNAs in plasma

发布日期：2026-05-01 | 作者：Dennis Wylie, Xiaoping Wang, Jun Yao, Hengyi Xu, Elizabeth A. Ferrick-Kiddie, Toshiaki Iwase, Savitri Krishnamurthy, Naoto T. Ueno, Alan M. Lambowitz

炎症性乳腺癌（IBC）是极具侵袭性的乳腺癌亚型，其恶性进展不仅源于肿瘤局部基因表达失调，更涉及肿瘤与全身免疫系统及循环微环境的复杂互作。然而，IBC肿瘤及外周血单个核细胞（PBMCs）中的转录紊乱如何系统性重塑血浆中的RNA景观，此前缺乏深入认识。本研究利用高通量转录组测序技术，系统解析了IBC肿瘤与PBMCs中普遍存在的转录增强现象，并首次揭示了这种增强转录对血浆RNA剪接模式及内含子RNA表达的全局性影响。

研究团队通过整合分析IBC患者肿瘤组织、PBMCs及血浆样本的转录组数据，发现肿瘤与免疫细胞的转录激活并非局限于局部组织，而是能够通过释放特定RNA加工产物进入血液循环，显著改变血浆中的RNA剪接事件和内含子RNA丰度。这一发现表明，肿瘤与宿主免疫系统的转录协同失调可作为“系统性信号”体现在液体活检样本中，为理解IBC的全身性分子特征提供了新的理论框架。

该研究的创新之处在于将组织转录组学与液体活检相结合，从RNA加工调控角度阐明了IBC的肿瘤-免疫-循环轴互作机制。研究成果不仅拓展了对IBC转录调控网络的认识，更为基于血浆剪接异构体及内含子RNA开发非侵入性诊断与预后监测标志物提供了重要的理论依据和潜在的临床应用方向。

原文链接：https://www.science.org/doi/abs/10.1126/sciadv.adu0031?af=R

Nanopore-based sequencing of active DNA replication reveals key principles of metazoan replication dynamics

发布日期：2026-05-01 | 作者：Dongsheng Han, Cole Shepherd, Mary Lauren Benton, Jared T. Nordman

DNA复制是保障遗传信息准确传递和细胞正常分裂的基础生物学过程，其后生动物复制动力学的时空组织规律及调控机制一直是基因组学研究的核心问题。然而，由于技术局限，传统短读长测序方法难以在单分子水平直接捕获活跃复制叉的完整动态，限制了对复制起始、延伸及终止全过程的精细解析。

本研究创新性地建立了基于纳米孔测序（Nanopore sequencing）的活跃DNA复制检测策略，利用其长读长、无需PCR扩增及实时测序的独特优势，实现了对DNA复制叉结构、移动轨迹及动力学参数的直接测定。通过该技术，研究团队系统解析了后生动物全基因组范围内的复制起始位点分布、复制叉延伸速率及终止模式，揭示了复制起点激活的时序调控规律和复制叉协调运作的关键分子原则。

这项工作不仅为DNA复制动力学研究提供了高分辨率的组学分析新范式，还为深入理解复制应激（replication stress）诱导的基因组不稳定性及其在发育异常和肿瘤发生中的作用机制奠定了重要基础，具有重要的理论创新价值和潜在的临床转化意义。

原文链接：https://www.science.org/doi/abs/10.1126/sciadv.aed2806?af=R