本期共收录 51 篇文章：Cell 3 篇, Nature 12 篇, Nature Biotechnology 5 篇, Nature Communications 2 篇, Nature Computational Science 4 篇, Nature Genetics 8 篇, Nature Machine Intelligence 2 篇, Nature Methods 5 篇, Science 2 篇, Science Advances 8 篇。

Cell

Decoding the spatiotemporal development of human meninges

发布日期：2026-05-29 | 作者：Yanxin Li, Zhongqiu Li, Yong She, Ziqing He, Changliang Wang, Yuehong Zhang, Rong Li, Lei Jin, Fen Ji, Peng Du, Ji Dong, Jianwei Jiao

该研究整合单细胞测序与空间转录组学技术，系统构建了人类早期至中期妊娠阶段脑膜发育的高分辨率时空图谱，深入解析了脑膜细胞层的异步发育规律及其转录组特征。通过无偏的组学分析，研究团队精准描绘了脑膜各类细胞亚群在时空维度上的分布与分化轨迹，揭示了脑膜三层结构在胚胎发育过程中的非同步性。

研究进一步发现，软脑膜成纤维细胞通过CXCL12-CXCR4趋化因子信号轴主动招募特定亚群的脑膜巨噬细胞，形成独特的细胞互作网络，进而调控Cajal-Retzius细胞的发育与皮层定位。这一发现首次从分子水平阐明了脑膜基质细胞、固有免疫细胞与皮层神经元之间的跨谱系调控机制，突破了传统上对脑膜仅作为保护性被膜的认知。

该工作不仅建立了人类脑膜发育的综合性分子参考图谱，还揭示了脑膜作为神经发育微环境关键组织者的重要功能，为深入理解神经发育障碍、先天性脑畸形及脑膜相关疾病的病理机制提供了新的理论框架，同时也为体外重建脑膜发育模型和开发靶向干预策略奠定了重要基础。

原文链接：https://www.cell.com/cell/fulltext/S0092-8674(26)00507-6?rss=yes

Uncovering spatially resolved functional genomics with CRISPR screen sequencing

发布日期：2026-05-26 | 作者：Haorui Zhang, Zongxu Zhang, Peiyu Wang, Tian Xu, Xiaoyu Chen, Yanping Zhao, Siyu Lin, Wenjie Cai, Pengfei Ren, Ce Luo, Peng Zhang, Yunfeng Wang, Sen Hou, Yahui Zhao, Hu Zeng, Zhihua Liu, Cunyu Wang, Zhidong Gao, Yu Feng, Deng Pan, Zexian Zeng

空间功能基因组学旨在解析基因功能在组织空间背景下的异质性，但传统CRISPR筛选技术往往丢失关键的空间位置信息。为此，本研究开发了一种基于测序的空间CRISPR筛选技术SPAC-seq，以及配套的空间扰动统计分析工具包TARDIS，实现了高通量基因扰动与空间全转录组信息的整合捕获。

SPAC-seq技术能够在保留细胞空间位置信息的同时，系统性引入并读取高通量CRISPR扰动文库，突破了传统单细胞CRISPR筛选在空间维度上的局限。与之配套的TARDIS工具包专为空间扰动数据设计，提供了稳健的统计框架以解析扰动诱导的转录变化及其空间依赖性。通过该整合平台，研究团队在空间尺度上揭示了细胞定位规律、微环境组织结构、关键信号通路调控机制以及配体-受体相互作用网络。

该研究不仅建立了空间功能基因组学研究的新技术范式，还为理解基因功能与组织微环境的相互作用提供了强有力的计算与实验整合工具。SPAC-seq与TARDIS的结合有望广泛应用于发育生物学、肿瘤微环境及免疫治疗等领域，推动精准医学从分子层面向空间生态层面的跨越。

原文链接：https://www.cell.com/cell/fulltext/S0092-8674(26)00516-7?rss=yes

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

该研究聚焦于生物适应性进化的机制解析，创新性地将公民科学（citizen science）原位观察数据与设计的异位实验（ex situ experiments）相结合，通过整合主要遗传与环境决定因素，系统揭示了塑造自然栖息地单倍型分布的适应机制。研究团队利用大规模公众参与的野外观察数据，定位了影响物种适应的关键遗传变异与环境因子，并在受控实验条件下验证其功能效应，从而建立了从相关性到因果性的完整证据链。

该方法学框架突破了传统进化遗传学研究的规模限制，将分布式公民科学网络转化为高分辨率的表型与生态数据采集系统，显著拓展了群体遗传学研究的时空尺度。研究发现，特定遗传单倍型的地理分布受到局部环境选择的强烈塑造，且不同环境梯度下存在明确的适应性分化模式。这一成果不仅为理解基因-环境互作如何驱动适应性进化提供了新视角，也证明了公众参与式科学在解析复杂生物学问题中的独特价值。该研究为后续利用大规模开放数据开展群体遗传学和生态基因组学分析树立了重要范式。

原文链接：https://www.cell.com/cell/fulltext/S0092-8674(26)00506-4?rss=yes

Nature

Human haematopoietic stem cells remember inflammatory stress

发布日期：2026-05-27 | 作者：Andy G. X. Zeng, Murtaza S. Nagree, Niels Asger Jakobsen 等

造血干细胞是维持机体终身血液供应的基石，其如何应对并记忆外界炎症刺激是造血领域的核心科学问题之一。近期发表于《Nature》的一项研究通过构建异种移植炎症-恢复模型，并整合单细胞多组学技术，成功鉴定了人源造血干细胞在炎症应激后的功能性细胞群体。

该研究利用人源化小鼠模型模拟炎症发生与消退过程，在单细胞水平系统解析了造血干细胞的分子状态变化。通过单细胞多组学数据的整合分析，研究团队识别出一群在炎症消退后持续存在的造血干细胞亚群，证实该群体保留了炎症应激的分子记忆，并展现出独特的生物学特征。这一发现揭示了造血干细胞异质性形成的新机制，即炎症经历可在干细胞层面留下持久的分子印迹。

该研究的重要意义在于，它将单细胞多组学技术应用于干细胞免疫记忆研究，为理解炎症如何长期重塑造血系统提供了高分辨率的分子图谱。研究成果不仅深化了对造血干细胞可塑性的认识，也为探索慢性炎症相关血液疾病的发病机制及开发精准干预策略提供了新的理论依据和潜在靶点。

原文链接：https://www.nature.com/articles/s41586-026-10522-7

Distinct genetic architecture in the tails of complex traits

发布日期：2026-05-27 | 作者：T. Souaiaia, H. M. Wu, A. P. S. Ori 等

复杂性状的极端表型是否遵循与中间表型相同的遗传规律？一项发表于Nature的大规模跨人群遗传学研究为这一问题提供了关键证据。该研究整合多祖先及欧洲人群队列，通过全基因组分析系统比较了罕见等位基因与常见等位基因在表型分布不同区域中的效应特征。

研究发现，在多种复杂性状中，罕见等位基因对表型谱尾部（即极端表型个体）具有不成比例的大效应，其遗传贡献显著强于常见等位基因。这一发现揭示了复杂性状在遗传架构上存在明显的“尾部特异性”：表型分布的中间区域主要由常见变异的微小累积效应驱动，而分布极端尾部则受到罕见强效应等位基因的显著影响，呈现出不同的等位基因频率谱和效应分布特征。

该研究深化了对复杂性状遗传异质性的理解，表明针对表型尾部的靶向遗传分析能够发现常规全基因组关联研究（GWAS）难以捕捉的罕见功能变异。这对于解析疾病极端表型的分子机制、构建更精准的遗传风险预测模型以及开发基于罕见变异信号的精准医学策略，均具有重要的理论价值与潜在的临床转化意义。

原文链接：https://www.nature.com/articles/s41586-026-10516-5

Universal transcriptomic hallmarks of mammalian ageing and mortality

发布日期：2026-05-27 | 作者：Alexander Tyshkovskiy, Daria Kholdina, Maria Davitadze 等

衰老作为哺乳动物生命历程中的复杂生物学过程，其分子调控机制是否具有跨物种保守性是领域内的核心科学问题。发表于《Nature》的这项研究通过大规模跨物种转录组整合分析，系统揭示了哺乳动物衰老与死亡的普遍分子特征及其模块化结构。

该研究整合分析了四种哺乳动物多种组织的基因表达数据，运用计算生物学方法鉴定出进化保守的衰老及死亡相关转录组特征。研究发现，不同物种在衰老进程及临终阶段存在共通的基因表达重编程模式，提示衰老过程受深层保守的分子程序调控。进一步的功能模块化分析不仅区分了生理性衰老与终末期死亡相关的不同分子模块，还阐明了这些模块间的协同互作关系，为理解衰老的系统性分子基础提供了新的理论框架。

该研究的创新之处在于突破了单一物种和单一组织的研究局限，从进化尺度提炼出衰老的“通用转录组语言”。这些跨物种保守的分子标志物为开发生物年龄评估体系、死亡风险预测模型以及抗衰老干预靶点提供了重要的分子基础，对老年医学、精准健康及比较基因组学领域具有深远的理论意义和潜在应用价值。

原文链接：https://www.nature.com/articles/s41586-026-10542-3

Substrate selectivity of the human RNA m5C methyltransferase NSUN2

发布日期：2026-05-27 | 作者：Jacob Canepa, Victor M. Ruiz-Arroyo, Netanya S. Schlamowitz 等

《Nature》发表了一项关于人源RNA m5C甲基转移酶NSUN2底物选择性机制的重要研究，系统阐明了该酶在转录组范围内精准识别RNA底物的分子基础。

RNA的5-甲基胞嘧啶（m5C）修饰是一种广泛存在的表观转录组标记，由NSUN2等甲基转移酶催化完成。然而，NSUN2如何在众多RNA分子中选择特定底物，其识别规则长期未被完全阐明。本研究通过整合结构生物学、生化实验与序列分析，揭示了NSUN2依赖于特定的序列模式与RNA二级结构特征来独特地选择修饰靶标。研究发现，NSUN2对底物的识别并非随机发生，而是受控于精确的分子识别机制，涉及酶与RNA在序列和结构层面的双重互作。

这一发现具有重要的理论意义与应用价值。一方面，该工作完善了RNA m5C修饰的酶学机制图谱，为理解表观转录组的精准调控提供了新视角；另一方面，由于NSUN2的异常表达与多种人类疾病（包括恶性肿瘤及神经发育障碍）密切相关，阐明其底物选择性规则有助于识别关键的病理RNA靶标，并为开发基于NSUN2调控的精准干预策略奠定分子基础。

原文链接：https://www.nature.com/articles/s41586-026-10582-9

Spatiotemporal transcriptome atlas of human embryos after gastrulation

发布日期：2026-05-27 | 作者：Jiexue Pan, Yuejiao Li, Zhongliang Lin 等

人类胚胎在原肠胚形成（gastrulation）后进入快速的器官发生阶段，此时期的细胞命运决定与空间模式建立对个体正常发育至关重要。然而，由于伦理限制与技术瓶颈，该阶段长期以来成为人类发育生物学中转录组信息最为匮乏的“黑箱”，严重制约了对先天性发育异常起源的深入认知及体外发育模型的精准构建。

本研究利用先进的空间转录组学技术，系统绘制了人类全胚胎在原肠胚形成后及此前未被转录组描述的关键发育阶段的时空转录组图谱。该研究以单细胞分辨率全面解析了胚胎发育过程中的基因表达动态、细胞谱系分化轨迹及组织区域化特征，揭示了早期器官发生与形态发生的精细分子调控网络。通过整合时空维度的组学数据，该工作不仅填补了人类早期胚胎发育关键节点的分子图谱空白，更为解析细胞微环境互作及发育协调性提供了高分辨率的参考框架。

该图谱的构建为发育生物学、生殖医学及再生医学领域提供了重要的基础数据资源与理论依据，有望推动人类体外类胚胎模型优化、细胞命运重编程及发育相关疾病的病理机制研究。

原文链接：https://www.nature.com/articles/s41586-026-10545-0

发布日期：2026-05-27 | 作者：Rahul Gupta, Timothy J. Durham, Grant Chau 等

该研究聚焦于人类血液中线粒体DNA（mtDNA）突变随年龄增长的积累机制，这一直是衰老生物学领域的核心科学问题。传统观点认为，mtDNA突变主要源于氧化损伤，但本研究通过全基因组分析，提出了全新的理论框架。

研究团队系统分析了人类血液样本中的mtDNA突变谱系，发现这些突变的积累并非主要由氧化损伤驱动，而是源于隐性的复制错误（cryptic replication errors）。这些突变本质上属于”乘客突变”，在年轻时因频率极低而难以被检测；然而，随着年龄增长，体细胞嵌合现象（somatic mosaicism）逐渐加剧，使得这些早期积累的复制错误最终达到可检测水平。这一发现从根本上重塑了人们对衰老过程中mtDNA突变来源的认知。

该研究不仅挑战了长期以来将氧化应激视为mtDNA突变主要诱因的经典假说，还揭示了复制保真度在维持线粒体基因组稳定性中的关键作用。研究成果为理解血液系统的衰老机制提供了新的分子视角，并为开发针对衰老相关疾病的干预策略奠定了重要理论基础，具有重要的生物学和医学意义。

原文链接：https://www.nature.com/articles/s41586-026-10569-6

Genetic architecture of sugarcane traits in a polyploid genomics framework

发布日期：2026-05-27 | 作者：Jungang Wang, Xiaofeng Li, Yibin Wang 等

甘蔗（Saccharum spp.）作为全球最重要的糖料与生物能源作物，其基因组具有极端复杂性，表现为高度多倍体、非整倍体及大量同源染色体并存，这使得高质量基因组组装与性状遗传机制解析长期面临重大挑战。本研究以甘蔗基础栽培种POJ2878为材料，成功完成了该物种首个完全分型的高质量基因组组装，并在多倍体基因组学框架下系统解析了甘蔗重要农艺性状的遗传架构。

研究团队通过整合先进测序策略与新型组装算法，突破了复杂多倍体基因组分型精度低的瓶颈，实现了染色体水平的高精度单倍型解析。在此基础上，研究揭示了甘蔗基因组中广泛存在的亚基因组重组及非同源染色体重排现象，阐明这些复杂结构变异对其基因组演化及功能分化的深远影响，同时为高产、高糖等重要性状的遗传基础提供了关键分子依据。

该研究在方法学上为高度复杂多倍体基因组的组装与分型建立了新范式，填补了作物基因组学研究的重要空白。其构建的参考基因组与遗传分析框架，不仅为甘蔗分子设计育种提供了宝贵的数据资源和理论支撑，也为小麦、棉花等其他多倍体作物的基因组学研究提供了可推广的技术路径，具有重要的科学价值与应用前景。

原文链接：https://www.nature.com/articles/s41586-026-10576-7

Move over, AlphaFold: open-source model predicts shape of 1 billion proteins

发布日期：2026-05-27 | 作者：Ewen Callaway, Miryam Naddaf

蛋白质结构预测领域迎来重要进展。近期发表于《Nature》的一项研究报道，开源人工智能工具ESMFold2成功预测了约10亿个蛋白质的三维结构，并构建了相应的开源图谱，极大地拓展了已知蛋白质宇宙的边界。

该研究致力于解决大规模蛋白质结构注释的科学难题。研究团队基于深度学习框架开发的ESMFold2模型，以开源形式实现了超大规模蛋白质组的全景结构推演，显著提升了结构信息的覆盖范围与可及性。这一成果为解析海量未表征蛋白的折叠规律与潜在功能提供了系统性的数据基础，尤其有助于推动宏基因组学、进化生物学和合成生物学等领域的发展。

该蛋白质结构图谱的发布标志着人工智能驱动的结构生物学迈入新阶段。十亿级别的结构预测数据将加速未知蛋白的功能挖掘、远程同源关系鉴定以及新型药物靶点的探索。ESMFold2的开源策略不仅促进了全球科研协作，也为后续算法优化和实验验证提供了重要资源，有望深刻影响计算结构生物学及相关应用领域的研究范式。

原文链接：https://www.nature.com/articles/d41586-026-01686-3

Gene-expression patterns can be used to estimate mortality risk and chronological age

发布日期：2026-05-27 | 作者：João Pedro de Magalhães

衰老的分子量化与干预靶点发现是当前生物医学研究的前沿方向。近期发表于《Nature》的一项研究通过对多物种大规模转录组数据的深度挖掘，证实了基因表达模式在预测个体实际年龄及死亡风险中的潜在价值。

该研究系统分析了啮齿类动物、非人灵长类及人类的RNA转录本数据，在跨物种层面识别出保守的衰老分子标志。研究发现，特定的基因表达谱特征不仅能够反映个体的实际年龄（chronological age），还可用于估计死亡风险（mortality risk），提示转录组水平的系统性改变是衰老进程的核心表征之一。

这一工作的方法学意义在于展示了利用高通量基因表达数据进行衰老量化评估的可行性，通过整合多物种数据提升了衰老标志物的稳健性与普适性。研究揭示的跨物种保守衰老特征，不仅为理解衰老的进化与分子机制提供了新线索，也为后续抗衰老药物筛选及健康干预策略的开发提供了潜在的分子靶标和评估体系，对推动精准老年医学和衰老生物学的发展具有重要参考价值。

原文链接：https://www.nature.com/articles/d41586-026-01326-w

Biobank analysis reveals more than 88,000 genetic associations with metabolic traits

发布日期：2026-05-27

一项基于大规模人群队列的基因组关联研究在代谢性状的遗传解析领域取得重要突破。该研究整合爱沙尼亚生物样本库（Estonian Biobank）与英国生物样本库（UK Biobank）的海量数据，系统开展了代谢性状的全基因组关联分析，共鉴定出超过88,000个遗传关联，涉及8,000余个基因组区域。得益于超大样本量带来的统计效力提升，该研究显著超越了既往研究的发现规模，检测到大量以往未能识别的弱效应关联位点。

该研究的核心科学问题在于深入揭示代谢性状的遗传架构，系统解析影响代谢表型的多基因效应与潜在调控机制。通过跨队列整合与大规模关联分析，研究团队不仅大幅拓展了已知代谢关联位点的目录，也为理解代谢性状的基因型-表型映射关系提供了高分辨率的群体遗传学证据。这些发现有助于挖掘代谢综合征、糖尿病等复杂性状的潜在风险基因与干预靶点，为代谢疾病的早期预测和精准防治奠定了重要的遗传学基础。

此项工作充分展示了大规模生物样本库在遗传发现中的巨大潜力，其成果对后续的功能基因组学验证、多组学整合分析以及临床转化研究均具有重要推动作用。

原文链接：https://www.nature.com/articles/d41586-026-01571-z

Daily briefing: The known protein universe just got a lot bigger

发布日期：2026-05-27 | 作者：Jacob Smith

一项最新发表于Nature的研究简报报道，研究人员利用新型人工智能工具成功构建了包含超过十亿个预测蛋白质结构的宏大规模图谱，实现了已知蛋白质结构宇宙的数量级跃升。

在结构生物信息学领域，蛋白质三维结构是阐释其分子功能、进化起源及相互作用机制的核心基础。传统实验结构生物学方法在通量与成本上难以支撑对海量蛋白质组进行系统性解析。该研究通过先进的AI算法与计算模型，以前所未有的规模开展蛋白质结构预测，绘制出覆盖范围极为广泛的蛋白质结构图谱，显著突破了现有结构数据库的边界。

这一突破为生命科学提供了全新的全景式数据资源。超大规模的预测结构图谱将极大加速功能基因组学注释、潜在药物靶点筛选、蛋白质理性设计以及跨物种进化比较研究。该工作不仅展示了人工智能在解析复杂生物分子体系中的强大能力，更标志着计算结构生物学进入了一个以亿级数据为特征的新阶段，对推动精准医学和合成生物学的发展具有深远的战略意义。

原文链接：https://www.nature.com/articles/d41586-026-01713-3

Organ formation in early human embryos captured in spatial cell atlas

发布日期：2026-05-27 | 作者：Varun K. A. Sreenivasan, Malte Spielmann

早期人类胚胎发育过程中的器官发生（organogenesis）涉及高度时空特异性的分子程序，然而由于样本稀缺与技术限制，其在三维空间维度上的基因调控机制长期缺乏系统性解析。近期发表于《Nature》的一项研究通过构建空间细胞图谱（spatial cell atlas），在数周的时间跨度内绘制了完整人类胚胎的基因表达空间分布图谱，为深入理解器官形成的分子基础提供了重要的数据资源。

该研究利用空间转录组学技术，对早期人类胚胎进行了整体水平的基因表达原位捕获，系统解析了从胚胎早期发育到器官原基形成关键阶段的细胞类型分布、空间排布及基因表达动态。通过整合高分辨率的分子表达信息与胚胎解剖学空间坐标，研究揭示了驱动不同器官原基特化和形态建成的核心调控网络与信号通路。这一图谱不仅系统描绘了人类胚胎发育的时空分子景观，也为识别发育异常和先天性疾病的潜在起源提供了关键线索。

该研究建立的空间细胞图谱数据集，为发育生物学、再生医学及出生缺陷研究提供了宝贵的公共资源，同时进一步凸显了空间组学技术在解析复杂生命系统时空规律方面的独特优势与应用前景。

原文链接：https://www.nature.com/articles/d41586-026-01416-9

Nature Biotechnology

Scoring gene importance by interpreting single-cell foundation models

发布日期：2026-05-27 | 作者：Maxwell P. Gold, Miguel Reyes, Nathaniel Diamant 等

单细胞RNA基础模型在解析细胞异质性与基因调控程序方面展现出强大潜力，然而其“黑箱”特性严重制约了生物学可解释性，且跨数据集的规模化整合分析仍面临批次效应与泛化能力的双重挑战。针对这一瓶颈，研究人员开发了SIGnature计算框架，通过深度融合可解释人工智能（XAI）与RNA基础模型，实现了对基因重要性的系统评分，并支持跨数据集的可扩展分析。

该方法的核心创新在于直接解释单细胞基础模型的内部决策机制，而非仅将其作为静态特征提取器。SIGnature能够量化各基因对模型表征与预测的贡献度，从而在不同实验批次、技术平台乃至物种间进行稳健比较，精准识别驱动细胞状态转换、发育轨迹或疾病进程的关键基因模块。这种策略不仅显著提升了深度学习模型的透明度，还为大规模整合异质性单细胞数据提供了可靠的方法学路径。

该研究为功能基因组学分析提供了新型计算工具，有望在细胞图谱构建、药物靶点筛选及精准医学研究中发挥重要作用。通过建立模型可解释性与基因功能注释之间的桥梁，SIGnature推动了单细胞人工智能方法从单纯预测向机制理解的范式转变，对单细胞生物信息学领域具有深远影响。

原文链接：https://www.nature.com/articles/s41587-026-03112-5

Accurate quantification in proteomics with QuantUMS

发布日期：2026-05-27 | 作者：Justus L. Grossmann, Franziska Kistner, Ludwig R. Sinn 等

蛋白质组学研究中，基于质谱技术的蛋白质定量是解析生物学系统动态与疾病分子机制的核心手段，但定量结果的可靠性评估及不确定性度量长期面临方法学挑战。近期发表于 Nature Biotechnology 的一项研究开发了名为 QuantUMS 的计算方法，通过引入不确定性估计框架，显著提升了质谱蛋白质组学中蛋白质丰度定量的准确性。

该方法的核心创新在于将不确定性估计（uncertainty estimation）系统性地整合到蛋白质定量分析流程中。与传统方法通常仅提供丰度点估计值、难以区分技术噪声与真实生物学差异不同，QuantUMS 能够为每个蛋白质的定量结果赋予可靠的不确定性度量。这一策略有效甄别了高置信度定量与低质量数据，在统计层面优化了定量精度，并降低了假阳性差异表达蛋白的识别风险。

该研究为高通量蛋白质组学数据分析提供了更为严谨的计算工具与统计框架，有助于提升大规模蛋白质组学实验的可重复性及跨实验室数据可比性。同时，该方法为临床样本的精准蛋白质定量以及后续生物标志物发现奠定了坚实的方法学基础。QuantUMS 的推出标志着蛋白质组学定量分析在不确定性建模领域迈出了关键一步，对推动该领域向更高精度、更标准化的方向发展具有重要价值。

原文链接：https://www.nature.com/articles/s41587-026-03131-2

Improving multimodal wearable sensing for healthcare with artificial intelligence

发布日期：2026-05-26 | 作者：Yizhou Bian, Shichao Ding, Catherine R. Jutzeler 等

该评论文章聚焦于人工智能赋能的多模态可穿戴传感技术及其向临床实践转化的关键路径。随着可穿戴设备能够持续、无创地采集涵盖生理信号、生化指标及行为模式的多维度健康数据，如何有效整合这些异构数据流并从中提取具有临床可操作性的洞察，已成为精准医疗与数字健康领域的前沿科学问题。作者系统阐述了AI驱动策略在突破该技术转化瓶颈中的核心作用，重点剖析了多模态数据融合、低质量信号去噪、边缘计算部署、算法跨人群泛化性以及符合监管标准的临床验证等关键数据科学挑战。此外，文章深入探讨了这些智能传感系统在慢病管理、急性事件预警及药物疗效监测等特定疾病情境中支持治疗干预的潜在应用场景，突显了从被动健康监测向主动闭环诊疗系统转化的广阔前景。该研究为可穿戴传感技术与人工智能的深度融合提供了重要的理论框架和转化医学视角，对推动远程医疗、个性化治疗及主动健康管理模式的发展具有重要指导意义。

原文链接：https://www.nature.com/articles/s41587-026-03134-z

A framework for building a synthetic cell from the SynCell Asia Initiative

发布日期：2026-05-26 | 作者：Zhuojun Dai, Wataru Aoki, Pimchai Chaiyen 等

SynCell Asia Initiative研究团队在《Nature Biotechnology》发表研究，提出了一个旨在从零开始构建合成细胞的系统性框架。长期以来，自下而上组装活细胞的研究始终面临一个根本性瓶颈：如何实现核心功能模块在时空维度上的精确整合与协调。尽管合成生物学在过去数十年间在独立模块的构建方面取得了长足进步，但将这些模块整合为具有完整生命功能的系统仍是未解难题。为突破这一局限，该研究提出了一种分阶段实施的整合策略，即首先开发标准化的核心功能模块，随后依托集中式、人工智能（AI）驱动的生物铸造厂（biofoundry），实现多模块在系统层面的智能化组装与优化。该框架将AI技术与合成生物学深度交叉融合，利用计算平台统筹复杂的生物学流程，有望大幅提升模块整合的效率与精确度。这项工作不仅为合成细胞研究提供了清晰的路线图，也为AI赋能的生物制造开辟了新的范式，对推动人工生命系统的设计与构建具有重要的科学意义和广阔的应用前景。

原文链接：https://www.nature.com/articles/s41587-026-03153-w

Programming biology: next-gen AI firms raise billions to design better medicines

发布日期：2026-05-26 | 作者：Melanie Senior

近日，Nature Biotechnology 刊发了一篇聚焦 AI 制药产业前沿的评论文章，揭示了下一代 AI 生物技术公司如何以“编程生物学”（Programming Biology）的全新理念，掀起新一轮药物研发革命。这些先锋企业凭借巨额融资，正将人工智能深度融入从靶点发现到分子设计的全链条，试图让药物开发变得更快、更智能，甚至迈向“可编程疗法”的新纪元。

文章指出，AI 对生物医药研发的影响已渗透至多个核心环节：不仅能大幅加速药物发现进程，还能优化候选分子的设计逻辑，更在推动可编程治疗手段（programmable therapeutics）的发展。然而，尽管资本市场热情高涨，行业仍面临两大现实挑战——高质量数据的获取瓶颈，以及从算法预测到临床开发之间的转化障碍。这意味着，AI 制药的“烧钱”故事背后，技术与生物学的深度融合依然是决定成败的关键。

无论如何，当“写代码”与“做药物”之间的边界日益模糊，一个用人工智能重新编码生物学的新时代，或许已经悄然到来。

原文链接：https://www.nature.com/articles/s41587-026-03170-9

Nature Communications

Multi-ancestry transcriptome-wide association studies uncover insights into breast cancer genetics and biology

发布日期：2026-05-30 | 作者：Jie Ping, Guochong Jia, Qiuyin Cai 等

乳腺癌是全球女性最常见的恶性肿瘤之一，其遗传易感性的分子基础一直是肿瘤基因组学研究的前沿议题。尽管全基因组关联研究（GWAS）已鉴定出超过200个乳腺癌遗传风险位点，但由于连锁不平衡和功能调控的复杂性，这些位点中的致病靶基因及下游生物学机制在很大程度上仍不清楚。为突破这一”从关联到功能”的瓶颈，本研究开展了大规模多祖先转录组全关联研究（multi-ancestry TWAS），通过整合跨人群遗传背景，显著提升了统计效能并有效减少了欧洲中心偏倚。

研究团队首先利用计算策略系统筛选潜在的乳腺癌易感基因，随后结合单细胞测序技术深入解析这些基因在肿瘤微环境中的细胞类型特异性表达模式，并通过体外实验进行功能验证。这种”计算预测—组学解析—实验验证”的多层次策略，不仅鉴定了新的乳腺癌遗传风险基因，还从转录调控层面深化了对乳腺癌发生发展分子机制的理解。

该研究充分展示了整合多祖先遗传数据与功能基因组学在复杂疾病基因发现中的强大优势，为乳腺癌的风险分层和精准预防提供了新的候选靶点，同时也为其他复杂性状的遗传解析提供了重要的方法学范式。

原文链接：https://www.nature.com/articles/s41467-026-73801-x

Pan-cancer single-cell atlases of mouse and human tumor-associated dendritic cells

发布日期：2026-05-30 | 作者：Aarushi A. Caro, Daliya Kancheva, Eva Hadadi 等

肿瘤相关树突状细胞（TADCs）作为抗肿瘤免疫反应的关键启动者，其谱系多样性与功能状态异质性直接影响肿瘤免疫监视与逃逸过程。然而，TADCs在肿瘤进展过程中的动态演化规律及其跨物种保守性特征仍有待系统阐释。近期发表于Nature Communications的一项研究通过构建小鼠及人类泛癌单细胞转录组图谱，为解析TADCs的生物学复杂性提供了重要资源。

该研究整合单细胞RNA测序（scRNA-seq）技术，系统绘制了跨物种、跨癌种的TADCs转录组全景图。研究不仅精细解析了TADCs的多谱系来源与功能状态异质性，还追踪了这些细胞群体随肿瘤进展发生的动态演化轨迹。通过对比分析小鼠与人类肿瘤模型，该工作揭示了TADCs在进化上的保守性与物种特异性特征，深化了对肿瘤微环境中抗原呈递细胞调控网络的理解。

这一泛癌单细胞图谱的建立，为鉴定具有免疫激活潜能的TADCs亚群、解析免疫治疗响应差异的细胞学基础提供了高分辨率的参考框架。研究成果不仅丰富了肿瘤免疫学的理论基础，也为靶向TADCs的肿瘤疫苗及细胞治疗策略开发提供了潜在的分子靶点和生物标志物，具有重要的临床转化价值。

原文链接：https://www.nature.com/articles/s41467-026-73721-w

Nature Computational Science

Protein language models for structural biology

发布日期：2026-05-28 | 作者：Chenxiao Xiang, Bin Cheng, Zhenling Peng 等

蛋白质语言模型（Protein Language Models, PLMs）正成为结构生物学领域最具变革性的计算范式之一。发表于《Nature Computational Science》的这篇观点性文章深入阐释了PLMs如何通过机器学习技术解码蛋白质序列中蕴含的进化语法，从而突破传统结构生物学在预测通量与设计可扩展性方面的瓶颈。

该研究指出，基于深度神经网络的语言模型能够从海量未标注的进化序列中学习共变信号与结构约束，建立从一级序列到三维构象的高精度映射。这种数据驱动的方法不仅显著提升了蛋白质结构预测的准确度与规模，更将应用场景拓展至de novo蛋白质设计、功能优化及复合物组装，使理性生物工程从个案研究转向系统化、可扩展的平台级解决方案。

文章进一步强调，PLMs所释放的规模化分析与设计能力正在加速多尺度生物学发现——从解析分子层面的相互作用机制，到重塑细胞功能网络，再到推动合成生物学与生物制造的前沿探索。这一技术体系的成熟标志着人工智能与结构生物学的深度融合进入新阶段，为药物研发、酶工程及可持续生物技术开辟了广阔前景。

原文链接：https://www.nature.com/articles/s43588-026-00993-z

FLOWR: flow matching for structure-aware de novo, interaction- and fragment-based ligand generation

发布日期：2026-05-28 | 作者：Julian Cremer, Ross Irwin, Alessandro Tibo 等

在基于结构的药物设计领域，如何利用生成式人工智能高效、准确地设计出与靶点蛋白口袋高度契合且具有理想相互作用模式的配体分子，是当前计算化学与生物信息学交叉研究的核心挑战之一。现有方法在分子有效性、结合姿态预测精度、相互作用恢复能力及推理效率之间往往难以取得平衡。发表于《Nature Computational Science》的FLOWR模型针对上述瓶颈，提出了一种融合连续与分类型流匹配（flow matching）的新型生成框架。

该方法通过引入等变最优传输（equivariant optimal transport）机制，确保模型在三维空间中的几何等变性，从而更精确地学习原子坐标与化学键类型的联合分布；同时，独立的蛋白质口袋编码器能够充分捕捉靶点结合位点的局部微环境特征，为配体生成提供结构感知的约束条件。研究结果表明，FLOWR在从头生成（de novo generation）、基于相互作用（interaction-based）及基于片段（fragment-based）的多种配体设计场景中，均显著提升了生成分子的化学有效性、结合姿态准确性以及蛋白-配体相互作用恢复率。尤为重要的是，该模型在保持高生成质量的同时，实现了大幅加速的推理速度，为大规模虚拟筛选与先导化合物优化提供了可行的计算方案。

FLOWR的提出标志着流匹配生成模型在结构感知药物设计中的重大进展，其算法框架为开发下一代高效、可解释的分子生成工具奠定了重要基础，有望显著缩短药物发现的早期研发周期。

原文链接：https://www.nature.com/articles/s43588-026-00998-8

Modeling context-dependent RNA splicing by deep learning

发布日期：2026-05-19 | 作者：Chengxuan Chen, Leng Han

RNA剪接是基因表达调控的核心环节，同一基因在不同细胞类型或生理状态下可产生多种转录本异构体，其选择性剪接受到RNA结合蛋白（RBP）等调控因子的精密控制。然而，准确预测不同生物学情境下的全长转录本异构体使用一直是计算生物学与基因组学领域的重大挑战。近期发表于Nature Computational Science的研究提出了名为HELIX的深度学习框架，为系统解决这一问题提供了创新性的计算策略。

HELIX框架的核心方法论在于整合基因序列特征与RNA结合蛋白表达信息，利用深度神经网络建模情境依赖性剪接事件。该方法突破了传统剪接预测模型仅依赖静态序列信息的局限，将转录调控的环境因素与细胞上下文纳入预测体系，从而能够在多样化的生物学背景中推断全长转录本异构体的使用模式。通过捕捉RBP表达水平变化对剪接位点选择的动态调控效应，HELIX显著提升了预测模型的准确性和生物学可解释性。

该研究为解析转录组复杂性及其上下文特异性调控机制提供了强有力的分析工具，不仅有助于揭示疾病状态下异常剪接的分子基础，也为精准医学中的转录组变异解读与功能注释开辟了新的途径。HELIX框架的建立标志着深度学习在RNA计算生物学应用中的重要进展，对转录组数据分析、剪接调控网络构建及相关算法开发具有深远的推动作用。

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

HELIX是一种新型深度学习框架，旨在解决组织与环境特异性RNA剪接及异构体使用预测这一关键计算生物学问题。RNA剪接的异常调控与多种人类疾病密切相关，然而现有方法在整合不同生物学情境、处理大规模单细胞与群体转录组数据以及精准识别剪接改变型遗传变异方面仍面临显著挑战。该研究开发的HELIX模型通过可扩展的深度学习架构，实现了对上下文依赖性剪接调控模式的高精度建模。

该框架的核心优势在于其能够同时处理bulk RNA测序与单细胞RNA测序数据，系统性地整合组织特异性信息，进而优先排序具有功能影响的剪接改变变异。这一方法不仅提升了对可变剪接异构体使用模式的预测能力，还为解析非编码区变异通过调控剪接参与疾病发生的分子机制提供了强有力的计算工具。

HELIX的发布为转录组学研究与遗传变异功能注释领域提供了重要的分析平台，有望在精准医学和转化研究中发挥关键作用，特别是在识别具有临床意义的剪接调控变异方面展现出广阔的应用前景。

原文链接：https://www.nature.com/articles/s43588-026-00988-w

Nature Genetics

Peer Bork (1963–2026)

发布日期：2026-05-28 | 作者：Francesca D. Ciccarelli, Jan O. Korbel, Christian Von Mering

Peer Bork（1963–2026）是国际计算生物学与生物信息学领域的杰出先驱，其学术贡献深刻塑造了现代生命科学研究的数据基础设施与方法论体系。作为基因组学与系统生物学研究的重要推动者，Bork在蛋白质结构进化预测、跨物种基因组比较、环境宏基因组学解析及宿主-肠道微生物组互作网络构建等方向取得了系列奠基性成果。他主导或参与开发的STRING蛋白质相互作用数据库、eggNOG直系同源基因功能注释系统等核心生物信息学资源，已成为全球研究者进行基因功能推断与系统水平机制解析的标准化工具，极大促进了组学数据的整合利用与开放共享。

Bork的研究始终聚焦于复杂生物系统的大规模计算建模，其团队在人体微生物组与疾病关联领域的开创性探索，为精准医学背景下微生物组干预策略的开发提供了关键理论支撑。他在国际顶级学术期刊发表了大量高影响力论文，所建立的研究范式与数据平台持续赋能功能基因组学、进化生物学及医学信息学的发展。Peer Bork的逝世是生物信息学界的重大损失，但其留下的科学遗产——涵盖算法创新、数据库生态与跨学科研究理念——将持续推动该领域在人工智能时代实现新的突破，激励后世学者在计算与生命科学的交叉前沿不断探索。

原文链接：https://www.nature.com/articles/s41588-026-02625-8

Exome-wide association study of blood lipids in 1,158,017 individuals from diverse populations

发布日期：2026-05-25 | 作者：Satoshi Koyama, Zhi Yu, Seung Hoan Choi 等

血脂异常是动脉粥样硬化性心血管疾病的核心危险因素，但其遗传学机制，尤其是罕见编码变异在不同祖先群体中的贡献，尚未得到系统性阐明。本研究整合Million Veteran Program、UK Biobank和All of Us三大旗舰级生物样本库，对来自多种祖先背景的1,158,017名个体开展了迄今最大规模的多祖先外显子组关联研究（Exome-Wide Association Study, EWAS）。通过系统分析罕见功能性编码变异与血脂性状的关联，研究团队在209个基因中鉴定出显著关联信号，涵盖低密度脂蛋白胆固醇、高密度脂蛋白胆固醇及甘油三酯等关键指标。该研究不仅发现了一批具有潜在功能影响的罕见变异，更揭示了一系列全新的候选药物靶点。这一工作极大地拓展了学界对血脂遗传调控架构的认知，凸显了在多样化人群中开展大规模基因组学研究对于减少欧洲祖先偏向、促进精准医学公平性的关键价值，为心血管疾病的功能基因组学验证和靶向治疗策略开发提供了重要科学依据。

原文链接：https://www.nature.com/articles/s41588-026-02613-y

Allele-specific methylation uncovers non-Mendelian inheritance

发布日期：2026-05-21

该研究构建了一种基于长读长测序的全基因组等位基因特异性甲基化（allele-specific methylation, ASM）分析框架，旨在系统揭示哺乳动物跨代表观遗传继承的规律。传统遗传学以孟德尔定律描述DNA序列的代际传递，但表观遗传修饰能否稳定遗传及其非孟德尔特征长期缺乏全基因组层面的直接证据。研究团队利用长读长测序技术同步获取DNA甲基化修饰与单倍型相位信息，突破了短读长测序在等位基因分配及甲基化相位解析中的瓶颈，建立了适用于非转基因哺乳动物基因组的表观遗传分析计算流程。

应用该框架，研究者在小鼠中鉴定出多种非孟德尔遗传现象，包括新生表观等位基因（emergent epialleles）、印记事件（imprinting events）以及副突变（paramutation）。这些结果表明，在自然状态下，哺乳动物基因组可通过等位基因特异性甲基化实现表观遗传信息的跨代传递，且该过程独立于DNA序列变异。

该研究不仅为高通量表观遗传数据的计算分析提供了新方法学范式，也拓展了对遗传规律复杂性的认知，为解析复杂性状的代际传递机制及表观遗传相关疾病的病因学研究奠定了重要基础。

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

Davidovich等研究者系统解析了小鼠肝脏与肌肉组织中DNA甲基化模式的等位基因特异性遗传规律。该研究聚焦于表观遗传信息能否以及如何通过生殖细胞稳定传递这一核心科学问题，通过高通量表观基因组学分析，全面评估了DNA甲基化标记的遗传模式。

研究发现，大多数等位基因特异性DNA甲基化位点遵循经典的孟德尔遗传定律；然而，约7%的位点表现出显著的非孟德尔遗传特征。这一发现不仅挑战了传统遗传学中表观修饰在世代间完全重置的经典假设，还鉴定出一批新的印记基因，并首次在Capn11位点揭示了副突变（paramutation）现象的存在。这些非孟德尔遗传事件表明，DNA甲基化状态本身可能作为一种可遗传的表观遗传信息，直接影响后代的基因表达调控与表型形成。

该工作拓展了人们对遗传信息传递多样性的认知，为理解表观遗传变异在复杂性状形成、疾病易感性及进化中的功能意义提供了重要线索，也为解析代际遗传中“环境-表观基因组-表型”的关联机制奠定了数据基础。

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（Structural Variants, SVs）作为基因组中长度≥50 bp的序列改变，涵盖缺失、插入、倒位及拷贝数变异等类型，被认为是解释复杂性状遗传力”缺失”的重要变异来源。然而，受限于短读长测序技术的检测偏差及缺乏大规模人群参考面板，SVs在全基因组关联研究（GWAS）中的系统应用长期面临挑战。近期发表于Nature Genetics的一项研究利用长读长基因组组装技术，构建了高质量的人群SV参考面板，并开发了从SNP水平数据进行SV基因型推断的新方法，系统揭示了SVs与人类复杂性状的关联图谱。

该研究的技术突破在于将长读长测序的SV检测精度与大规模SNP数据的统计推断能力相结合。研究团队不仅建立了可用于SV推断的参考面板，还开发了用户友好的网页应用程序，使研究者能够基于现有的SNP芯片或短读长测序数据实现SV的精准基因型填充，显著降低了SV关联研究的成本与技术门槛。通过大规模关联分析，该研究鉴定了多个与复杂性状显著相关的SV位点，为理解基因剂量效应、调控区域改变及非编码变异在疾病中的作用机制提供了新线索。

这项工作填补了SV-GWAS的方法学空白，建立了一套从变异发现、基因型推断到关联分析的标准化流程，对深化人类基因组多样性认知及推动精准医学研究具有重要意义。

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快速发展为解析组织微环境与细胞空间排布提供了前所未有的分子分辨率，然而，如何在高分辨率平台上实现精确、可扩展且跨技术的单细胞识别仍是该领域面临的核心计算挑战之一。现有方法往往受限于特定技术平台，或在处理大规模数据时面临计算瓶颈，难以满足当前日益增长的数据分析需求。近期发表于《Nature Genetics》的一项研究提出了名为 Cellist 的新型细胞分割算法，通过整合成像信息与基因表达数据，为不同技术平台生成的高分辨率空间转录组数据提供了统一的细胞边界识别框架。

该方法在计算效率上具有显著优势，能够高效处理大规模数据集，同时保持较高的分割准确性。研究系统评估了 Cellist 在多种空间转录组学平台间的跨技术泛化能力，证明了其在不同实验体系、成像模式及分子检测技术中的稳健性与适应性。通过联合利用形态学图像特征与分子表达信号，该方法有效提升了密集组织中细胞识别的精度，显著降低了分割错误对下游分析的干扰。

Cellist 的开发为空间转录组学数据分析提供了重要的计算方法学支撑，其跨平台兼容性与可扩展性特征有望促进该领域的标准化分析流程建设，推动大规模空间组学图谱构建及精准医学研究的深入开展。

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

生命科学大数据的爆发式增长使生物数据存储库成为支撑全球开放科学与组学研究的核心基础设施。然而，当前许多大规模数据库仍采用单一、非镜像的集中式部署模式，并在相对狭窄的治理框架下运行，这种结构使其极易受到网络攻击、资金中断及政策变动等系统性风险的冲击，严重威胁科学数据的长期安全、稳定访问与可持续管理。针对这一关键挑战，发表于《Nature Genetics》的最新研究提出了一种融合联邦式（federated）与去中心化（decentralized）模型的混合架构框架。该框架通过分布式数据治理与多节点协同机制，旨在从根本上增强生物数据存储系统的韧性、可持续性及抗风险能力，同时确保科学数据严格遵循FAIR（可发现、可访问、可互操作、可重用）与CARE（集体利益、控制权、责任、伦理）原则，真正将其作为全球公共产品进行 stewarding。这一创新性的数据治理范式不仅为开放科学数据库的未来演进提供了系统性解决方案，也为基因组学、生物信息学及相关领域的大规模数据共享、跨境协作与长期保存奠定了重要的理论基础，对构建安全、公平、可持续的全球科研数据生态系统具有深远的战略意义。

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

干旱胁迫严重威胁全球小麦生产，挖掘优异抗旱种质并解析其遗传机制是作物遗传改良的重要方向。近期，Nature Genetics在线发表了一项关于抗旱小麦种质JIN50的基因组解剖研究。该研究通过对高抗逆性普通小麦（Triticum aestivum L.）基因型JIN50进行从头基因组组装，并结合多份小麦种质的群体基因组学分析，系统揭示了结构变异在干旱耐受性形成中的关键作用。

研究团队构建了JIN50高质量de novo参考基因组，为复杂六倍体小麦基因组图谱增添了新的精细资源。在此基础上，通过大规模比较基因组学扫描，鉴定出大量与干旱响应及环境适应相关的结构变异（Structural Variations, SVs）。这些基因组结构变异可能通过调控胁迫响应基因的表达剂量或编码序列，赋予JIN50在极端水分亏缺条件下的恢复力和适应性。

该研究不仅建立了重要的抗旱小麦基因组平台，更从结构变异维度深化了对作物非生物胁迫适应机制的认识。研究成果为小麦抗旱基因的克隆、功能验证及分子标记开发提供了关键线索，对推动小麦抗旱分子设计育种、应对气候变化背景下的粮食安全挑战具有重要理论与实践意义。

原文链接：https://www.nature.com/articles/s41588-026-02596-w

Nature Machine Intelligence

Generalizable mutation-effect prediction across adaptive immune recognition via unified multimodal framework

发布日期：2026-05-27 | 作者：Rong Han, Yumeng Zhang, Xiaohong Liu 等

适应性免疫系统的精准识别依赖于抗体、抗原及T细胞受体（TCR）之间复杂的分子互作，而突变效应的准确预测对于疫苗设计、抗体工程及免疫治疗开发至关重要。然而，由于免疫识别场景的多样性及数据异质性，现有计算模型往往局限于特定分子类型或实验条件，难以实现跨场景的泛化预测。

Han等研究者在《Nature Machine Intelligence》发表了题为”Generalizable mutation-effect prediction across adaptive immune recognition via unified multimodal framework”的研究，提出了统一多模态AI框架UniAIR。该框架通过整合多样化的免疫识别数据，构建了能够同时刻画抗体、抗原及TCR相互作用的可泛化计算模型。UniAIR的核心创新在于其统一的多模态架构，有效弥合了不同免疫识别场景之间的数据鸿沟，实现了对突变效应的跨场景、高准确度的预测。

该研究显著提升了免疫识别突变效应预测的泛化性能，为计算免疫学提供了新的方法论范式。UniAIR不仅有助于加速治疗性抗体的理性设计与优化，还可为病原体免疫逃逸机制的研究及个性化肿瘤免疫治疗策略的开发提供重要的计算支撑，展现了人工智能在免疫信息学及生物信息学领域的广阔应用前景。

原文链接：https://www.nature.com/articles/s42256-026-01243-7

A large-scale unified deep learning model for peptide mass spectrum interpretation trained on multimodal data

发布日期：2026-05-25 | 作者：Jiale Zhao, Pengzhi Mao, Kaifei Wang 等

肽质谱解析是蛋白质组学研究的计算核心，传统算法在肽段-谱图匹配打分与从头测序任务中往往相互独立，且在未知修饰发现方面灵敏度有限。近期发表于Nature Machine Intelligence的研究提出了一种名为 pUniFind 的大规模统一深度学习框架，通过融合多模态数据训练，将肽段-谱图打分与开放从头测序整合于单一模型之中。

该模型利用超过1亿张质谱数据进行训练，在架构层面实现了搜索鉴定与 de novo 测序的统一。研究结果表明，pUniFind 在标准肽段鉴定任务中显著提升了谱图解析的准确率与灵敏度，同时在开放搜索模式下大幅增强了翻译后修饰的发现能力。这种数据驱动的统一建模策略不仅降低了对先验蛋白质数据库的依赖，也为复杂生物样本中低丰度修饰肽段的识别提供了新的计算范式。

作为蛋白质组学与人工智能交叉领域的重要进展，pUniFind 为大规模质谱数据的深度挖掘提供了高效、通用的分析工具，有望推动精准医学和生物标志物发现等相关研究的发展。

原文链接：https://www.nature.com/articles/s42256-026-01234-8

Nature Methods

TADShop: systematic benchmarking and identification of topologically associating domains

发布日期：2026-05-27 | 作者：Pumin Li, Andras Hatos, Miljan Petrovic 等

在三维基因组学研究中，拓扑关联结构域（Topologically Associating Domains, TADs）作为染色质空间组织的基本结构单元，在基因表达调控和细胞功能维持中发挥着关键作用。随着高通量染色体构象捕获技术（如Hi-C）的广泛应用，目前已有数十种计算方法被开发用于从互作矩阵中鉴定TAD边界。然而，不同算法在分辨率敏感性、参数依赖性和结果稳健性方面存在显著差异，领域内在缺乏系统性基准比较的情况下，研究者往往面临方法选择困难及结果可重复性低的挑战。

针对这一方法学瓶颈，本研究系统性地对43种TAD鉴定算法进行了大规模基准测试，全面评估了各方法在不同数据类型、分辨率及生物学条件下的性能表现。基于上述比较分析，研究团队开发了一种基于共识策略（consensus strategy）的新型TAD鉴定工具，该策略通过整合多种方法的优势显著提升了TAD检测的准确性与稳健性。此外，研究还发布了配套的网络服务平台，为研究者提供便捷的TAD鉴定方法基准测试与在线分析功能。

该工作不仅建立了TAD计算方法的标准化评估框架，更为三维基因组学研究提供了可靠的方法学指导和实用工具，对推动染色质空间组织的功能解析具有重要意义。

原文链接：https://www.nature.com/articles/s41592-026-03100-2

External validation improves generalizability, replicability and reproducibility in predictive models for neuroimaging

发布日期：2026-05-27 | 作者：Matthew Rosenblatt, Maya L. Foster, Brendan D. Adkinson 等

神经影像预测模型在精神疾病诊断、预后评估及神经标志物发现中展现出广阔前景，然而其临床转化长期受限于泛化性不足、结果难以重复和再现等瓶颈。近期发表于《Nature Methods》的一篇观点文章指出，依赖单一数据集的内部验证往往高估模型性能，而采用独立数据集进行外部验证是提升模型可靠性的关键路径。

该研究系统阐述了外部验证在神经影像预测建模中的核心价值。作者强调，通过在完全独立的数据集上评估模型表现，研究者能够更准确地估计模型的真实泛化能力，有效识别由站点效应、扫描仪差异及人群异质性导致的过拟合问题。此外，外部验证不仅有助于增强研究发现的可重复性，还能为不同实验室、不同设备间的结果再现提供方法学保障。

文章进一步探讨了实施外部验证面临的数据共享、隐私保护及统计考量等实际挑战，并呼吁神经影像社区建立更开放的数据共享机制与标准化的验证流程。这一观点为计算神经科学及医学影像人工智能领域提供了重要的方法学指引，对推动稳健、可信赖的神经影像预测模型从研究走向临床具有深远意义。

原文链接：https://www.nature.com/articles/s41592-026-03115-9

Teaching an old dog new cells

发布日期：2026-05-25 | 作者：Johannes Linder, David R. Kelley

单细胞测序技术的快速发展为解析细胞异质性提供了前所未有的分辨率，然而如何准确预测基因调控及遗传变异在单细胞水平的效应仍是计算生物学面临的重要挑战。现有基于群体细胞（bulk）数据训练的序列预测模型虽在调控元件注释和变异效应评分方面表现优异，但其固有的分辨率限制难以捕捉细胞类型特异性的调控机制。发表于《Nature Methods》的这项研究提出了两种创新方法，成功将bulk数据训练的序列模型高效迁移至单细胞分辨率，实现了基因调控与变异效应的精准单细胞水平预测。

该方法的核心在于通过计算策略弥合bulk与单细胞数据之间的分辨率鸿沟，避免了从头构建单细胞特异性模型所需的大量训练数据和计算资源。研究结果表明，经过适配的bulk模型能够有效解析不同细胞类型中增强子活性及转录因子结合模式的差异，并准确预测遗传变异在特定细胞亚群中的功能性影响。这一技术框架不仅显著提升了现有调控序列模型的利用效率，也为整合单细胞多组学数据提供了新的算法范式。

该研究为理解发育、疾病发生过程中细胞类型特异性的基因调控机制提供了强有力的计算工具，有望促进对复杂疾病遗传风险位点的细胞水平精细注释，推动精准医学和转化基因组学的发展。

原文链接：https://www.nature.com/articles/s41592-026-03113-x

Subcellular chemical mapping using correlated cryogenic electron and mass spectrometry imaging

发布日期：2026-05-25 | 作者：Hannah Ochner, Buse Isbilir, Sonja Blasche 等

亚细胞化学图谱的精准绘制对于揭示细胞功能异质性及代谢微区室化机制具有重要意义，然而如何在维持细胞原生超微结构的同时实现高空间分辨率的化学组分解析，一直是该领域面临的核心技术瓶颈。发表于《Nature Methods》的一项研究开发了一种创新的多模态关联成像工作流程，通过整合冷冻电子显微镜（cryo-EM）与聚焦离子束二次离子质谱（FIB-SIMS），成功在亚细胞水平实现了形态结构与化学组成的高精度共定位分析。

该研究的技术核心在于建立cryo-EM与FIB-SIMS的关联分析策略：利用cryo-EM获取细胞的原位超微结构信息，为化学信号提供纳米级的空间参照框架；同时借助FIB-SIMS的高灵敏度和高空间分辨率特性，直接检测并绘制细胞内脂质、代谢物及离子等化学物种的亚细胞分布图谱。两者的有机结合使得研究者能够在保留细胞近天然状态的前提下，将特定的化学信号精准定位至细胞器及亚细胞结构。

该方法为空间代谢组学和亚细胞组学研究提供了强有力的技术平台，有望深化对细胞器互作、代谢重编程及药物亚细胞靶向机制的理解，推动生命科学研究从单纯的形态学观察向精准化学定量分析跨越，具有重要的方法学价值和广泛的应用前景。

原文链接：https://www.nature.com/articles/s41592-026-03109-7

Multiplexed perturbation enables scalable pooled screens

发布日期：2026-05-25 | 作者：Stefan Oberlin, Neil Q. Tay, Albert Xue 等

CRISPR干扰（CRISPRi）筛选已成为功能基因组学研究的核心工具，但传统方法通常依赖低感染复数（MOI）条件，以确保每个细胞仅携带单一sgRNA。这一策略虽能降低多重扰动带来的复杂性，却不可避免地需要大量起始细胞，从而限制了筛选规模并增加了实验成本。发表于《Nature Methods》的这项研究，系统挑战了上述传统观念，提出并验证了一种基于高MOI sgRNA多重化的可扩展筛选新策略。

研究团队通过实验证实，在较高MOI条件下进行sgRNA多重化感染，不仅能够维持CRISPRi筛选的原有性能，还可显著减少所需细胞数量。这一发现表明，适度增加每个细胞接受的sgRNA数量，并不会对筛选结果的准确性和可靠性造成明显损害，反而通过降低细胞用量提升了实验的可操作性和规模化潜力。

该方法学突破对于细胞资源有限或需开展超大规模筛选的研究场景具有重要价值。它为构建更高效、更经济的规模化筛选平台提供了理论依据和实践方案，有望加速功能基因组学发现的进程，并推动CRISPR筛选技术在疾病机制解析和药物靶点发现中的广泛应用。

原文链接：https://www.nature.com/articles/s41592-026-03095-w

Science

Pan-cancer spatial atlas of tertiary lymphoid structures

发布日期：2026-05-28 | 作者：Kyung Serk Cho, Yunhe Liu, Guangsheng Pei, Jianfeng Chen, Yibo Dai, Yang Liu, Tieling Zhou, Antoine Bougouin, Alejandra Serrano, Khalida Wani, Akshaya Jadhav, Jimin Min, Sharia Hernandez, Wei Lu, Daiwei Zhang, Jiahui Jiang, Diana Shamsutdinova, Enyu Dai, Fuduan Peng, Ansam Sinjab, Paola A Guerrero, Idania Carolina Lubo Julio, Kai Yu, Helen Clark, Dipen Maru, Mingyao Li, Andrew Futreal, Sanghoon Lee, Luisa Maren Solis Soto, Lulu Shang, Pavlos Msaouel, Jaffer A. Ajani, Hannah Beird, Amir A. Jazaeri, Alexander J. Lazar, Catherine Sautes-Fridman, Wolf H. Fridman, Anirban Maitra, Humam Kadara, Jianjun Gao, Padmanee Sharma, Linghua Wang

三级淋巴结构（TLS）是肿瘤微环境中由淋巴细胞、树突状细胞及基质细胞等聚集形成的异位淋巴组织，在启动和维持抗肿瘤免疫应答中发挥关键作用，其空间分布特征与患者预后及免疫检查点抑制剂疗效密切相关。然而，TLS在泛癌尺度下的空间异质性、细胞生态位构成及分子调控网络尚未得到系统性解析。本研究基于高通量空间组学技术，构建了首个泛癌三级淋巴结构空间图谱，为肿瘤免疫微环境的计算生物学研究提供了重要数据资源与分析范式。

研究团队通过整合多癌种的空间转录组与多重免疫荧光数据，建立了TLS自动化识别、空间定位及细胞互作分析的计算流程，系统刻画了TLS在不同癌症类型中的空间组织架构、细胞组成差异及其与肿瘤浸润淋巴细胞的空间共定位模式。该研究不仅鉴定了跨癌种保守的TLS核心分子特征，还揭示了癌种特异性的空间排布规律，并进一步探索了TLS空间特征与免疫治疗响应的关联。

这项工作深化了对肿瘤免疫微环境空间组织的认知，为开发基于空间组学数据的免疫治疗预测算法奠定了理论基础，同时为临床免疫治疗疗效评估提供了潜在的空间生物标志物，具有重要的生物信息学方法论创新价值和临床转化意义。

原文链接：https://www.science.org/doi/abs/10.1126/science.adz2742?af=R

Unstructured transcription factor interactions enable emergent specificity

发布日期：2026-05-28 | 作者：Abrar A. Abidi, Claudia Cattoglio, Natalie N. Tang, Vinson B. Fan, Gina M. Dailey, Amir D. Hay, Prasanthi Kunamaneni, Daniel E. Milkie, Xavier Darzacq, Eric Betzig, Robert Tjian, Thomas G. W. Graham

该研究聚焦于基因转录调控领域的一个核心科学问题：转录因子（Transcription Factor, TF）如何在复杂的染色质环境中实现对靶基因的选择性识别与精确调控。传统理论强调，TF的DNA结合特异性主要由其结构化结构域决定；然而，大量TF含有内在无序区域（Intrinsically Disordered Regions, IDRs），这些缺乏固定三维结构的区域在TF相互作用中的功能机制长期缺乏系统阐释。本研究深入探索了TF无结构区域之间的相互作用规律，提出并阐释了“涌现特异性”（emergent specificity）这一重要概念。研究发现，TF之间通过无结构区域形成的动态、多价相互作用网络，能够在整体层面涌现出高度特异的调控功能，即便单个相互作用本身可能是弱且瞬时的。该发现挑战了经典的“结构决定特异性”范式，揭示了基因调控逻辑的新层面。此项工作不仅深化了对TF功能与染色质调控机制的理解，也为生物信息学领域构建更精准的基因调控网络模型、开发蛋白质相互作用预测算法以及设计合成生物学调控回路提供了关键的理论支撑，提示在相关计算建模中必须充分考虑内在无序区域的贡献。

原文链接：https://www.science.org/doi/abs/10.1126/science.aeb6487?af=R

Science Advances

De novo promoters emerge more readily from random DNA than from genomic DNA

发布日期：2026-05-29 | 作者：Timothy Fuqua and Andreas Wagner

该研究发表于 Science Advances，聚焦于基因调控元件从头进化（de novo evolution）这一核心生物学问题。研究团队通过对比随机DNA序列与天然基因组DNA序列产生功能性启动子的潜力，发现从头启动子更容易从随机DNA中涌现，而非来自已有的基因组背景。这一发现暗示，在缺乏进化约束的随机序列中，转录调控元件的功能起源可能比预期更为容易。

为系统评估启动子的从头出现概率，该研究采用高通量功能基因组学手段，例如大规模平行报告基因分析（MPRA）或深度突变扫描，结合序列统计建模，定量比较了随机DNA文库与基因组DNA片段的转录激活能力。结果表明，随机DNA在突变或选择压力下能更快地获得启动子活性特征，而天然基因组序列可能受到染色质环境、序列保守性或其他调控约束的限制，从而抑制了从头启动子的自发形成。

该工作不仅深化了对基因调控网络进化机制的理解，也为合成生物学中人工调控元件的设计提供了理论依据，同时对解释非编码区突变如何产生新功能具有重要启示。

原文链接：https://www.science.org/doi/abs/10.1126/sciadv.aec2554?af=R

UBA1-CDK16: A female-specific chimeric RNA emerging through evolution and involved in immune regulation

发布日期：2026-05-29 | 作者：Xinrui Shi, Loryn Blackburn, Sandeep Singh, Martyna Glowczyk-Gluc, Anam Tajammal, Shafaque Zahra, Shailesh Kumar, Robert Cornelison, Chen Liang, Fujun Qin, Aiqun Liu, Shitong Lin, Yue Tang, Justin Elfman, Thomas Manley, Timothy Bullock, Doris M. Haverstick, Peng Wu, Hui Li

《Science Advances》发表的一项研究揭示了一种新发现的嵌合RNA分子UBA1-CDK16，该分子具有女性特异性表达特征，并在免疫调控中发挥重要作用。该研究聚焦于基因组进化过程中产生的功能性嵌合转录本，探索了性别差异的分子基础及其在免疫系统中的生物学意义。

研究人员鉴定出UBA1-CDK16这一由UBA1与CDK16基因衍生的嵌合RNA，其表达呈现显著的女性偏倚。通过进化分析，该研究追溯了这一嵌合RNA的进化起源，揭示其是在物种演化过程中产生的功能性转录本，而非简单的转录噪声。功能研究表明，UBA1-CDK16参与免疫调节过程，可能通过调控相关信号通路影响免疫应答。

该研究的创新之处在于将进化基因组学与分子免疫学相结合，发现了一种具有性别特异性的功能性嵌合RNA。这一发现不仅丰富了人们对嵌合RNA生物学功能的认识，也为理解免疫反应中的性别差异提供了新的分子机制。在转化医学层面，UBA1-CDK16有望成为解释自身免疫病性别偏倚的潜在因素，为开发性别精准医疗策略提供新的靶点和理论依据。

原文链接：https://www.science.org/doi/abs/10.1126/sciadv.adz9784?af=R

Metabolic rewiring driven by phosphoglycolate phosphatase deletion inhibits ferroptosis

发布日期：2026-05-29 | 作者：Marian Brenner, Sina Höhlein, Paul Wirth, Leon Neidt, Melina Lappe, Elisa Hopke, Eirini Sfakianaki, Martina Fischer, Kerstin Hadamek, Angelika Keller, Sebastian Bothe, José Pedro Friedmann Angeli, Anna M. Schmoker, Arminja N. Kettenbach, Agnes Fekete, Werner Schmitz, Ingrid Tessmer, Elisabeth Jeanclos, Antje Gohla

铁死亡（ferroptosis）作为一种铁依赖性的脂质过氧化驱动型程序性细胞死亡，在肿瘤、神经退行性疾病及缺血再灌注损伤中扮演关键角色。近期发表于《Science Advances》的一项研究揭示了磷酸乙醇酸磷酸酶（phosphoglycolate phosphatase, PGP）缺失通过重构细胞代谢网络抑制铁死亡的新机制。

该研究通过基因编辑手段构建PGP缺失模型，结合代谢组学与细胞生物学分析发现，PGP的敲除引发细胞发生广泛的代谢重编程（metabolic rewiring）。具体而言，PGP缺失重塑了糖酵解及相关代谢通路的流量分配，改变了细胞对氧化应激的响应方式，最终构建出一种不利于脂质过氧化积累的代谢微环境，从而显著增强细胞对铁死亡的抵抗能力。

这一发现不仅拓展了我们对铁死亡代谢调控网络的认知，更揭示了PGP作为代谢枢纽节点在连接基础能量代谢与细胞命运决定中的关键作用。从转化医学角度看，该研究为开发铁死亡诱导剂或抑制剂提供了新的代谢靶点，尤其在克服肿瘤铁死亡耐药及保护性治疗领域具有潜在应用价值。

原文链接：https://www.science.org/doi/abs/10.1126/sciadv.aeb2368?af=R

PlasmidGPT: A generative framework for plasmid analysis and generation

发布日期：2026-05-27 | 作者：Bin Shao, Zequan Han, Zeyu Liang, Yi-Xin Huo

《Science Advances》发表的PlasmidGPT研究构建了一种专门面向质粒序列的生成式人工智能框架，系统整合了质粒计算分析与从头序列生成两大功能。质粒作为独立于宿主染色体复制的环状DNA分子，是微生物基因水平转移的关键载体，在抗生素耐药性传播、合成生物学及基因工程中占据核心地位。然而，传统研究多依赖实验筛选与同源比对，面对海量测序数据时难以高效解析其复杂的功能元件与进化规律。近年来，以Transformer架构和大语言模型为代表的生成式人工智能技术为生物序列建模开辟了新途径。

该研究将自然语言处理领域的生成式预训练策略拓展至质粒基因组学，通过深度学习模型自动学习质粒序列的统计特征、功能模块组织方式及进化约束。该框架不仅能够对已知质粒进行精准分类、功能注释与进化溯源，还可生成具有特定结构特征或功能属性的新型质粒序列，为合成生物学元件设计提供了高通量计算平台。PlasmidGPT的提出标志着生成式人工智能在微生物组学与合成生物学领域的重要突破，有望显著加速新型微生物载体的理性设计、耐药质粒传播风险的早期预警，以及基因治疗递送系统的开发，推动生物信息学从传统的描述性分析向预测性生成设计范式转变。

原文链接：https://www.science.org/doi/abs/10.1126/sciadv.aee6916?af=R

Eco-evolutionary dynamics of massive, parallel bacteriophage outbreaks in compost communities

发布日期：2026-05-29 | 作者：Jeroen Meijer, Petros Skiadas, Paul B. Rainey, Paulien Hogeweg, Bas E. Dutilh

该研究发表于 Science Advances，聚焦堆肥微生物群落中大规模平行噬菌体暴发的生态进化动力学。噬菌体作为原核生物群落的主要捕食者与进化驱动力，其种群动态与宿主抗性进化之间存在复杂的反馈关系，但在自然复杂环境中，多谱系噬菌体同步暴发的基因组进化模式及其对群落功能的生态反馈机制仍缺乏系统认知。本研究以堆肥这一高度动态、代谢活跃的微生物生态系统为模型，通过时间序列宏基因组监测与噬菌体基因组比较分析，追踪了群落尺度上噬菌体平行暴发的时空动态。研究阐明了噬菌体种群扩张与宿主抗性进化之间的“军备竞赛”如何在短时间内驱动病毒基因组的平行进化，并揭示了这种微观进化过程如何通过重塑噬菌体-宿主互作网络，反作用于群落水平的物质循环与能量流动。结果表明，平行暴发的噬菌体谱系在宿主范围、免疫逃逸及复制策略相关基因上表现出显著的趋同进化特征，而其生态扩散受到堆肥环境异质性与群落代谢背景的双重调控。该研究将进化基因组学视角引入土壤病毒生态学，不仅深化了对噬菌体调控微生物群落组装机制的理论认知，也为农业废弃物堆肥化过程中的微生物群落管理以及噬菌体干预策略的生态风险评估提供了重要的科学依据。

原文链接：https://www.science.org/doi/abs/10.1126/sciadv.aeb8246?af=R

EZH2 inhibition via GSK-126 mitigates EndMT and atherosclerosis in diabetes: A translational epigenetic approach

发布日期：2026-05-29 | 作者：Misbah Aziz, Karly C. Sourris, Jairo A. Pinzon-Cortes, Tomasz J. Block, Aozhi Dai, Scott Maxwell, Jun Okabe, Anna C. Calkin, Mark E. Cooper, Karin A. M. Jandeleit-Dahm, Abdul Waheed Khan

该研究聚焦于糖尿病心血管并发症的表观遗传调控机制，探讨了EZH2抑制剂GSK-126在减轻内皮-间充质转化（EndMT）及动脉粥样硬化中的治疗潜力与分子基础。研究团队采用转化医学策略，通过靶向抑制组蛋白甲基转移酶EZH2，从表观遗传学层面系统干预糖尿病驱动的血管病理进程。研究发现，在糖尿病病理环境下，EZH2介导的H3K27me3修饰异常升高是促进EndMT和加速动脉粥样硬化进展的关键表观遗传事件；而应用GSK-126特异性抑制EZH2酶活性后，能够有效逆转内皮细胞的表型转化，维持血管内皮功能稳态，并显著减缓动脉粥样硬化斑块的形成与发展。该工作不仅深入揭示了EZH2作为连接代谢紊乱与血管重构的核心表观遗传调控因子，还首次在糖尿病动脉粥样硬化模型中验证了EZH2抑制剂的血管保护效应，为开发针对EndMT的表观遗传靶向药物提供了重要的临床前证据。研究成果为理解代谢性疾病相关心血管并发症的发病机理开辟了全新视角，具有明确的转化应用前景。

原文链接：https://www.science.org/doi/abs/10.1126/sciadv.aee5560?af=R

Complex versus simple N-nitrosamines: Comprehensive genotoxicity and in silico carcinogenicity assessment toward future testing paradigms

发布日期：2026-05-27 | 作者：Xiaowen Sun, Maik Schuler, Shaofei Zhang, Jakub Kostal, Jennifer R. Cheung, Michelle Kenyon, Eric Watt, Krista Dobo

N-亚硝胺类化合物是药品、食品及环境中常见的潜在致癌物，其基因毒性与致癌性评估对公共卫生安全至关重要。然而，复杂结构与简单结构N-亚硝胺的毒性机制差异及系统性风险预测仍是毒理学领域的关键挑战。近期发表于Science Advances的一项研究，通过整合全面的基因毒性实验与计算机模拟（in silico）致癌性预测，为构建未来的毒性检测范式提供了重要科学依据。

该研究系统比较了复杂与简单N-亚硝胺的基因毒性特征，并结合先进的计算模型对其致癌潜力进行了综合评估。通过融合实验毒理学数据与in silico预测方法，研究团队深入解析了不同结构复杂度N-亚硝胺的致突变机制差异，探索了从传统动物实验向整合测试策略（Integrated Approaches to Testing and Assessment, IATA）转型的可行性。这一工作不仅显著提升了毒性预测的准确性与效率，还积极响应了3R原则（替代、减少、优化），为降低动物实验依赖提供了可行路径。

该研究为药品杂质控制、环境毒物监管及新型致癌物的早期筛查提供了重要的理论框架与决策支持，对推动计算毒理学与监管科学的交叉发展具有深远意义。

原文链接：https://www.science.org/doi/abs/10.1126/sciadv.aee8680?af=R

MR-AIV reveals in vivo brain-wide fluid flow with physics-informed AI

发布日期：2026-05-27 | 作者：Juan Diego Toscano, Yisen Guo, Zhibo Wang, Mohammad Vaezi, Yuki Mori, George Em Karniadakis, Kimberly A. S. Boster, Douglas H. Kelley

该研究开发了一种名为MR-AIV的新型成像技术，创新性地将物理信息人工智能（physics-informed AI）与磁共振成像相结合，成功实现了活体全脑尺度流体流动的在体可视化与精准定量分析。脑内流体动力学，涵盖脑脊液循环与间质液流动，在代谢废物清除、营养物质输送及中枢神经系统内环境稳态维持中扮演关键角色。然而，受限于颅骨屏障、流场复杂性和传统成像方法在信噪比与空间覆盖度上的不足，全脑范围的活体流体动力学精确解析长期面临重大技术挑战。

研究团队通过将流体力学物理约束深度嵌入神经网络架构，构建了具有物理一致性的AI驱动图像重建与分析框架。MR-AIV技术不仅能够无创捕捉脑内广泛区域的流体运动特征，还可确保输出结果符合基本的物理守恒定律，显著提升了流场重建的可解释性、鲁棒性与泛化能力，有效弥补了纯数据驱动模型在生物医学复杂场景中稳定性不足的缺陷。

该研究为深入阐释脑淋巴系统（glymphatic system）功能、脑脊液循环机制以及阿尔茨海默病等神经退行性疾病的病理生理过程提供了全新的技术工具与理论视角。其所建立的物理信息驱动计算框架，对推动医学影像AI的方法学创新及临床转化应用具有重要示范意义。

原文链接：https://www.science.org/doi/abs/10.1126/sciadv.aeb0404?af=R