聊聊Sci

DeepSpaCE 是一种新开发的深度学习模型，旨在通过分析 H&E 染色的组织切片图像来预测空间转录组谱图。该研究利用卷积神经网络（CNN）克服了现有空间转录技术成本高昂、空间分辨率受限以及实验操作难度大等局限性。通过对乳腺癌组织的研究，该模型成功实现了超分辨率预测，并能补全因实验错误缺失的基因表达数据。此外，研究引入了半监督学习技术，显著提升了在小样本量情况下的预测准确性。这种方法不仅加强了对肿瘤浸润等组织学特...

这份研究介绍了一种名为 Starfysh 的计算工具箱，旨在通过整合空间转录组学与组织病理图像数据，深入剖析复杂组织中的细胞分布。与传统分析方法不同，Starfysh 采用深度生成模型与原型分析技术，无需依赖单细胞测序参考数据即可识别已知的细胞类型并发现新的细胞状态。该工具能有效克服由于技术局限导致的信号混合问题，从而实现高精度的细胞去卷积与组织内微环境特征提取。通过对多种乳腺癌亚型的集成分析，研究揭示了具有患者特...

这份研究系统地评估并优化了空间组学中的细胞邻近偏好（NEP）分析方法。研究团队通过对比histoCAT、Squidpy和Giotto等多种现有工具，揭示了各方法在区分组织架构特征以及捕捉细胞间双向相互作用方面的优劣。作者指出，许多传统算法因采用分类评分而难以识别细微的组织差异，且在处理细胞丰度偏差时存在局限。为此，研究提出了一种名为COZI（条件Z分数）的新型分析框架，能够更灵敏、准确地量化细胞间的定向吸引或排斥关系。通过对...

本文介绍了一项通过阵列化缺失功能筛选技术，系统性评估285种干扰素刺激基因 (ISGs) 对八种不同病毒影响的研究。研究人员利用延时活细胞成像平台，不仅确认了STAT1等具有广谱抗病毒作用的已知基因，还发现了如RTCB等具有广谱促病毒活性的基因。通过对协同作用的分析，研究揭示了抑制病毒进入的基因与参与信号传导的基因之间存在强烈的互补关系。特别地，该研究首次识别并阐明了BORCS8在对抗SARS-CoV-2中的关键地位，证明其通过调节...

这篇文章探讨了在大数据与人工智能时代，科学研究面临的知识流失与不可持续性挑战。作者指出，由于传统出版模式倾向于正面结果，导致大量的负面研究数据和研究者的隐性专业经验无法得到有效留存。为解决这一问题，文中提倡建立社区驱动的标准、推广活态文档，并利用AI辅助工具来简化记录流程。此外，文章强调必须通过激励机制改革和教育培训，鼓励学术界重视研究过程的透明度与可重复性。最终目标是构建一个互联的数字化基础设施，...

这篇论文介绍了 Renoir，这是一种用于分析空间转录组数据的创新型计算框架。Renoir 的核心功能在于能够精确绘制组织微环境中配体与靶基因之间的空间活动图谱，填补了以往研究仅关注配体-受体结合而忽略下游基因表达影响的空白。通过整合单细胞测序与空间定位信息，该工具可以识别具有特定细胞通讯模式的空间生态位，并对信号通路的活性进行空间标定。研究团队通过模拟数据集和多种生物样本（包括脑组织、发育中的胎肝及乳腺癌肿瘤...

这项研究通过对APP23转基因小鼠模型和人类阿尔茨海默病患者脑组织进行单细胞转录组及空间分析，揭示了淀粉样蛋白病理中免疫反应的动态演变。研究发现，随着病情从早期向晚期发展，神经炎症的驱动者由小胶质细胞转变为T细胞，尤其是CD8⁺ T细胞在β-淀粉样蛋白斑块周围显著聚集。一个特定的CD8⁺ T细胞亚群通过表达I型干扰素刺激基因，释放趋化因子CXCL10，从而诱导更多效应T细胞浸润。这些聚集在斑块周边的T细胞呈现出过度激活及随之...

这篇文章探讨了利用腺相关病毒（AAV）进行多重增强子筛选时面临的技术与生物学噪声挑战。研究人员开发了一种基于条形码标记的大规模并行鉴定平台，旨在加速发现能精确控制特定脑细胞类型的增强子。然而，实验揭示了AAV包装中的嵌合现象、基因间的转录交叉干扰以及环境RNA等因素会显著扭曲筛选结果。尽管尝试通过双条形码错误校正、绝缘子元件及特殊小鼠模型进行优化，噪音仍难以完全消除。研究结果表明，虽然多重筛选在通量上有优...

这项研究介绍了一种名为双向循环门控的神经启发式计算模型，旨在模拟大脑中的注意力和特征绑定机制。该架构模仿了视觉皮层的腹侧流，通过前馈路径提取特征，并利用反馈和侧向连接来调节信息流，从而实现空间、特征及物体的选择。实验结果表明，该模型在执行目标识别、视觉搜索和物体追踪等多种任务时表现优异，并成功复现了不注意视盲和知觉负载等人类心理物理学现象。通过内部单元分析发现，其神经元展现出了与灵长类动物生理特征...

这份研究深入探讨了美国国家人类基因组研究所（NHGRI）如何通过与学术界的紧密合作，推动早期基因组学领域的创立与发展。研究利用计算分析和机器学习手段，对跨越数十年的数字化档案进行了系统性梳理，揭示了全基因组关联分析（GWAS）等关键技术的演进历程。通过分析邮件网络和决策记录，文中阐明了学术专家与资助机构在维持技术连续性及共同决定物种测序优先级方面的核心作用。这些发现不仅还原了人类基因组计划后的科研组织运作...

这份研究论文通过整合转录组学与空间蛋白质组学技术，首次绘制了人类输卵管蛋白质的高分辨率空间图谱。研究人员从310个在输卵管中高表达的基因入手，重点通过免疫组织化学（IHC）手段对133种蛋白质进行了精确的亚细胞定位，发现其中绝大多数与纤毛运动功能密切相关。通过将实验结果与单细胞测序及质谱数据跨平台验证，该研究不仅识别出多项此前未被定义的纤毛相关蛋白，还揭示了这些蛋白在输卵管积水等病理状态下的表达变化。这项...

这项研究揭示了癌症细胞通过去分化转变为药物耐受持久态（DTP）以逃避治疗的分子机制。研究人员通过对黑色素瘤及其他癌症模型进行多组学分析，发现这种转变是由受氧化应激诱导的NF-κB/RelA信号通路激活所启动的。RelA进入细胞核后，招募KDM5B和HDAC1等表观遗传因子，通过染色质重塑抑制SOX10等关键谱系基因的表达。这种过程呈现出受两个连续转录波驱动的迟滞性轨迹，且细胞的可塑性强度取决于治疗前相关基因的染色质开放程度。最终...

这项研究揭示了安第斯土著居民拥有全球最高水平的唾液淀粉酶基因（AMY1）拷贝数，这与其独特的饮食演变密切相关。研究人员通过分析数千个全球基因组样本发现，这种基因扩增是一种快速的适应性进化，其发生时间约为一万年前，正值该地区马铃薯驯化的初期。通过超长读长测序技术，科学家确认了这种高拷贝单倍型是由特定的重组变异机制驱动的。统计检测表明，该基因位点经历了强烈的正向选择，反映了当地人群对高淀粉饮食的遗传适应。...

这项研究探讨了咖啡摄入如何通过“微生物-肠-脑轴”影响人类的生理健康与认知行为。研究发现，习惯性饮用咖啡会显著改变肠道菌群结构，增加特定益生菌丰度，并降低某些神经递质和代谢产物的水平。在行为层面，咖啡饮用者表现出更高的冲动性和情绪反应性，而戒断或改喝脱咖啡因咖啡则能改善睡眠质量和记忆力。实验通过对比有无咖啡因的干预效果，证实了咖啡对免疫系统、应激反应及认知功能的调节作用。总之，该研究揭示了咖啡作为一种...

这篇研究探讨了图神经网络 (GNN) 在分析空间蛋白质组学数据以预测组织表型（如癌症等级和炎症状态）方面的效用。研究人员通过对乳腺癌和结直肠癌数据集的对比实验发现，虽然在小规模样本中 GNN 的分类准确率与简单的伪批量 (pseudobulk) 建模相当，但它能更深入地揭示细胞间的空间交互。图模型不仅能够捕捉到与患者生存率相关的临床信号，还能识别出传统方法难以发现的免疫细胞浸润模式和特定组织架构。此外，即使在分类任务相对简...

本文介绍了一种名为 Kasumi 的新型计算工具，旨在通过分析空间组学数据来揭示组织微环境中的复杂结构。该方法突破了传统仅依赖细胞类型比例的局限，利用无监督学习识别样本间持久存在的多变量非线性空间关系模式。通过将组织划分为具有特定相互作用特征的区域，Kasumi 能够生成可解释的样本表示，并将其应用于临床任务。实验证明，该方法在预测癌症进展和治疗反应方面的准确性显著优于现有技术。最终，它为研究人员提供了一个从分...

这篇文章介绍了一项名为 scNiche 的全新计算框架，旨在从单细胞分辨率的空间组学数据中精确识别并表征细胞生态位（Cell Niches）。该研究通过整合细胞自身的分子特征及其微环境的细胞组成，克服了现有技术难以处理大规模数据和复杂空间异质性的局限。研究团队利用多图自编码器和图融合网络，在模拟数据、人类乳腺癌以及小鼠肝脏衰竭等多种生物学场景中验证了该方法的优越性。scNiche 不仅能揭示微环境对细胞表型的影响，还能识别跨...

这项研究利用空间转录组学技术，深入剖析了三阴性乳腺癌 (TNBC) 复杂的组织结构及其微环境。通过对92名患者样本的分析，研究者揭示了肿瘤与基质成分在分子分型中的不同贡献，并开发出一种能有效预测免疫治疗效果的30基因三级淋巴结构 (TLS) 签名。研究进一步识别出14种跨病患共享的空间分子模式，并将其整合为9种具有临床意义的空间原型 (SA)。这些原型不仅反映了肿瘤内部的高度异质性，还与患者的预后生存和潜在的治疗靶点密切相...

这项研究利用空间转录组学技术，对八名患者的 HER2 阳性乳癌肿瘤样本进行了深度空间基因表达分析。通过将空间数据与单细胞测序结果相结合，研究人员成功绘制出了肿瘤微环境中细胞相互作用的高分辨率图谱。研究重点揭示了特定巨噬细胞与 T 细胞的共定位模式，并发现这一现象与 I 型干扰素反应密切相关。此外，团队还开发出一种预测模型，能够识别具有免疫预后意义的类三级淋巴结构。该成果不仅揭示了乳腺癌内部的分子异质性，还为跨...

这份研究利用核磁共振（NMR）技术和AlphaFold模型，揭示了乙型肝炎病毒（HBV）中HBx蛋白及其致癌相关异构体HBx1-120的结构特性。研究发现，HBx1-120在游离状态下表现为本质无序蛋白，但在与宿主蛋白结合时会发生局部折叠。重点发现指出，HBx通过一种罕见的分子间锌指结构与表观遗传读取器Spindlin1形成强效的双价结合。这种结合机制能有效遮蔽Spindlin1的功能位点，阻止其与组蛋白尾部结合，进而干扰宿主对病毒DNA的转录控制。该发...

这项研究对机器学习在药物反应预测 (DRP) 中的特征降维方法进行了系统性比较评估。作者对比了九种数据驱动型和基于知识型的特征提取技术，并结合六种不同的预测模型，在癌症细胞系和人类肿瘤数据集上进行了数千次实验。研究发现，虽然不同场景下的最佳方案有所差异，但岭回归 (Ridge Regression) 在各种任务中均表现出稳健的预测效能。特别是在临床相关的肿瘤样本评估中，转录因子活性 (TF activities) 被证明是最有效的预测特征，...

这项研究介绍了一种结合布尔建模与随机森林算法的机器学习框架，旨在预测乳腺癌药物联合治疗的协同效应。研究人员通过模拟117种蛋白质在药物干扰下的动态活动，生成了具有高度可解释性的输入特征。尽管该模型在预测准确率上表现中等，但其优势在于能从分子机制层面解析药物产生协同或耐药作用的原因。通过分析特定蛋白质（如AKT、PTEN和FOXO3）的贡献度，该模型成功识别了影响不同细胞系药敏性的关键信号通路。这种方法为理解药物...

这项研究介绍了一种名为 SiamCDR 的机器学习框架，旨在通过对比学习和孪生神经网络提高癌症药物反应预测的准确性。该方法通过整合药物基因靶点和细胞系转录组数据，生成了比传统方法更具生物学意义的特征表示，有效克服了医疗数据稀缺的难题。实验结果表明，该模型在为特定患者推荐个性化精准治疗方案方面显著优于现有的深度学习模型。此外，研究人员利用该工具成功识别出多种具有潜力的老药新用候选药物，可用于治疗膀胱癌和前列...

这项研究介绍了 CTDPathSim2.0，这是一种通过整合多组学数据（包括基因表达、DNA甲基化和拷贝数变异）来评估癌症细胞系与患者肿瘤样本相似性的计算流程。研究人员通过去卷积算法处理肿瘤的异质性，并结合生物通路活性，为22种癌症类型建立了精细的相似性评分体系。结果表明，该工具在预测临床药物反应以及识别组织特异性细胞系方面优于现有的单组学方法。该成果已开发为 R 软件程序包，旨在帮助科研人员筛选最能代表人类肿瘤的实验...

这篇文章综述了利用深度学习技术预测癌症药物协同作用的现状与前景。文章指出，协同用药相比单药治疗能有效增强疗效并降低毒性，而深度学习模型通过整合药物化学结构与细胞系多组学数据，显著提升了预测的准确性与效率。作者详细对比了单任务学习（侧重分支或图结构）与多任务学习（引入药物敏感性或相互作用作为辅助任务）两种核心架构。此外，文中梳理了主流的评价指标、开源数据库及在线分析平台，并提供了多模型在统一数据集上...