聊聊Sci

这项研究介绍了一种名为 IRIS 的计算方法，旨在更精确、高效地识别空间转录组学 (SRT) 数据中的组织结构区域。与传统方法不同，IRIS 创新性地利用单细胞 RNA 测序 (scRNA-seq) 数据作为参考，直接建模组织内各区域特有的细胞类型组成特征。该方法不仅能整合多个组织切片的信息，还能跨越不同物种和技术平台，处理具有数百万个空间位置的大型数据集。通过对大脑结构、肿瘤微环境及病理变化的研究，证明了 IRIS 在识别生物学领域方面...

这项研究介绍了一种名为 FX-Cell 的创新性植物单细胞转录组测序技术及其衍生方法，旨在克服传统方法中因 植物细胞壁 难以消化和样本对环境变化极其敏感而产生的技术瓶颈。研究人员通过使用 凝固性固定剂 稳定细胞结构，并结合高效率的 高位酶解 和 核糖核酸酶（RNase）去除 技术，成功实现了对多种作物和非模式植物组织的高质量细胞分离。该方法支持对 冷冻保存 的野外采集样本进行分析，能有效避免实验过程引发的应激反应，从而精...

FlashDeconv 是一款专为大规模空间转录组学设计的创新分析框架，旨在解决高分辨率组织制图中的计算瓶颈。该方法核心采用了结构保留随机草图（Randomized Sketching）技术，利用杠杆得分（Leverage Scores）而非传统的方差进行特征选择，从而有效捕捉被主流算法忽略的稀有细胞类型信号。研究表明，该框架在保持与顶级贝叶斯方法同等精度的同时，将处理速度提升了几个数量级，能在数秒内完成百万级位点的数据反卷积。通过对 Visium H...

这项研究介绍了一套名为 Deep-STARmap 和 Deep-RIBOmap 的 3D 原位分析平台，旨在解决传统薄切片在组织变形、人工劳动和转录组数据不完整方面的局限。该技术利用 水凝胶重嵌入 和 光化学交联 等创新手段，实现了对厚组织样本中单细胞转录组和翻译组的高精度成像。在应用中，研究人员通过对 小鼠大脑 的分析，成功揭示了神经元分子亚型与其树突形态之间的紧密联系。此外，该平台还被应用于分析 人类皮肤癌 样本，能够精准区分肿瘤细...

这项研究开发了新型声学报告基因，首次实现了多重超声成像，能够同时观测活体深层组织中的多种细胞状态。科研人员通过蛋白质工程和定向进化技术，设计出具有不同声压响应特征的蛋白质纳米结构，并将其命名为 bARG560 和 bARG710。这些基因能够像荧光蛋白区分颜色一样，让研究者通过不同的超声频率或压力辨别不同的细胞群。实验成功在小鼠体内区分了益生菌种类，并实时监测了肿瘤定植细菌的分布情况。这一突破克服了光学成像穿透力...

这项研究介绍了一种名为高分辨率成像质谱流式技术（HR-IMC）的新方法，旨在突破传统IMC在空间分辨率上的局限。通过结合过采样技术与点扩散函数卷积还原算法，该技术将分辨率从1微米提升至350纳米以下，达到了光学显微镜的水平。这种精度的提升使得科学家能够清晰地观测到以前无法捕捉的亚细胞结构，例如线粒体网络、核小体中心以及微细的细胞膜。此外，HR-IMC显著改善了密集的组织样本中的细胞分割精度，能够更准确地识别相邻细胞...

这项研究介绍了一项名为Spotiphy的计算分析成果，旨在整合空间转录组学与单细胞测序数据，以解析复杂的组织结构。研究人员通过分析阿尔茨海默病模型小鼠的脑组织，发现了与淀粉样蛋白斑块密切相关的疾病相关小胶质细胞（DAM）及其免疫反应路径。此外，该技术还应用于乳腺癌等肿瘤研究，通过识别空间域成功揭示了肿瘤细胞与微环境之间复杂的相互作用。通过对特定细胞子集的精确定位，该研究阐明了细胞间的通讯强度如何受空间位置影...

这项研究详细介绍了一种名为LEVA的新型技术，它利用光诱导实现细胞外囊泡与颗粒（EVPs）在表面的精准吸附。该方法克服了传统捕获技术的局限，能够以非特异性、可调节且高分辨率的方式对囊泡进行微图形化排列，从而模拟复杂的生物微环境。研究人员通过实验证明，这种空间控制能力可以有效调控胶质瘤细胞的定向迁移，并能诱发中性粒细胞的集体集群行为。此外，该平台还支持对单个颗粒的多种蛋白质共定位分析，为研究细胞间通讯提供了...

这项研究介绍了一种名为 Jaxley 的新型开源软件库，旨在解决神经科学中详细生物物理模型难以进行大规模训练的难题。Jaxley 利用 JAX 框架实现了自动微分和 GPU 加速，使研究人员能够通过梯度下降算法高效地优化复杂的神经元参数。通过这种微分模拟技术，该工具可以将生物物理模型与生理测量数据（如电压或钙成像）进行匹配，其效率有时比传统方法高出几个数量级。此外，Jaxley 还支持构建能够执行计算任务的生物物理神经网络，例如...

这项研究介绍了一种名为 Novae 的图神经网络基础模型，旨在解决空间转录组学数据分析中的技术挑战。传统方法往往受到批次效应的干扰，且难以在不同基因面板或设备之间进行跨研究比较，而 Novae 通过自监督学习和最优传输算法实现了更具鲁棒性的空间领域划分。该模型利用图注意编码器捕捉细胞间的空间组织关系，不仅能够自动识别复杂的组织微环境，还能在无需重新训练的情况下进行零样本推断。通过对数千万个细胞的大规模数据集验证...

这篇研究介绍了一种名为 Bin Chicken 的新型算法工具，旨在通过自动化的定向协同组装技术，从庞大的宏基因组数据集中高效挖掘稀有微生物基因组。该工具利用原始读取中的标记基因序列来识别并聚集相关的宏基因组样本，有效解决了低丰度物种因测序深度不足而难以被完整回收的难题。研究人员将其应用于约 20 万个公开宏基因组样本，成功构建了包含超过 7.7 万个中高质量基因组的“稀有生物圈基因组”库。这一成果发现了 2.4 万个新物种...

本文介绍了一种名为 STAIR 的新型计算框架，旨在解决空间转录组学（ST）数据在 3-D 重建、切片对齐与特征整合中的核心难题。该方法利用异构图注意力网络，通过点级和切片级的双重注意力机制，在无需预知物理层间距的情况下实现了全自动的 z 轴位置推断。STAIR 能够有效消除不同样本间的批次效应，并精准对齐多切片的二维物理坐标，从而构建出连续且完整的组织三维分子图谱。研究通过对小鼠大脑、胚胎及人类乳腺癌肿瘤组织的测试，...

这项研究介绍了一套名为 MetroSCREEN 的创新计算框架，旨在通过单细胞转录组数据系统地推断细胞代谢状态及其上游调控机制。该工具突破了现有技术在空间分辨率和多组学同步测量上的局限，能够整合细胞内在遗传因子（如转录调节因子）与外在环境信号（如细胞因子互动），从而精准预测代谢重编程的关键驱动力。研究者利用该框架构建了 MetroTIME 数据库，深入解析了肿瘤微环境中成纤维细胞与巨噬细胞在代谢上的异质性，揭示了不同代谢...

这篇文章详细阐述了大脑类器官作为一种先进的3D模型，在模拟人类大脑发育、进化及相关疾病中的重要作用。研究指出，这些由多能干细胞培育而成的结构能够揭示人类特有的遗传演化特征，并为研究小头症、自闭症及精神分裂症等神经发育与精神疾病提供关键实验平台。文中强调，通过整合生物工程技术，如微流体装置和生物支架，可以显著增强类器官的生理真实性与成熟度。此外，作者还探讨了单细胞组学和功能性成像等前沿表征技术在解析类...

这项研究通过单细胞测序与空间蛋白质组学技术，深入探讨了三阴性乳腺癌在接受派姆单抗联合放射治疗后的肿瘤微环境演变。研究团队识别出十二个空间区域，并根据治疗反应将患者分为三类轨迹：具有预存免疫反应的敏感型 (R1)、仅在联合治疗后诱导免疫增强的延迟反应型 (R2)，以及始终缺乏免疫浸润的耐药型 (R3)。实验结果表明，放射治疗能显著增强 R2 类患者的抗原呈递能力并促进效应 T 细胞扩张，从而克服单用免疫检查点抑制剂的耐药...

这项研究通过多组学分析深入探讨了肝细胞在长期慢性代谢压力（如肥胖和代谢功能障碍相关脂肪性肝病）下的演变过程。作者利用单细胞测序与空间转录组学技术，定义了小鼠和人类肝脏中随病程进展的基因表达程序，揭示了从单纯性脂肪变性到肝硬化及癌症的分子路径。研究重点识别并验证了RELB和SOX4等关键转录调节因子，这些因子不仅驱动了细胞的应激反应，还显著增强了肝细胞的增殖能力。通过构建MATCHA计算框架，研究者成功绘制了调节...

这项研究构建了一个全面的 人类血管细胞图谱 ，通过整合来自19个不同器官和组织的单细胞转录组数据，深入分析了 内皮细胞 和 壁细胞 的分子特征。研究揭示了不同器官内部及器官之间血管系统的显著 异质性 ，明确了各类血管在生理稳态、免疫调节及组织修复中的特定功能。利用 drug2cell 等计算工具，科学家们还预测了临床药物对特定血管床的潜在影响，为理解药物的疗效与副作用提供了新视角。此外，该图谱还阐明了血管细胞在诸如高...

本文介绍了一种名为 scTenifoldKnk 的机器学习工作流，这是一种专为单细胞RNA测序（scRNA-seq）数据设计的虚拟基因敲除（KO）工具。该工具通过模拟基因缺失来预测基因功能，且仅需野生型（WT）样本数据即可运行，无需真实的敲除样本。其核心原理是先利用主成分回归构建基因调控网络（GRN），随后通过人工消除目标基因的连接权重并应用流形对齐（Manifold Alignment）算法，来识别受影响的差异调节基因。研究结果证明，scTenifoldKn...

这项研究揭示了线粒体铁硫簇合成中的一种新机制，为治疗弗里德赖希共济失调症提供了潜在方案。研究人员通过对线虫进行基因筛选，发现FDX2或NFS1基因的特定突变可以补偿弗拉塔蛋白（frataxin）的缺失。实验证明，过量的FDX2会与弗拉塔蛋白竞争结合位点，从而抑制铁硫簇的产生并导致细胞功能障碍。通过降低FDX2的表达水平或削弱其与NFS1的结合力，可以部分恢复铁硫簇的合成平衡。这种干预手段在线虫和小鼠模型中均成功改善了由弗拉塔...

这项研究介绍了一种名为 CellSAM 的细胞分割基础模型，旨在解决传统深度学习模型难以跨领域通用和大规模扩展的问题。该模型以 Segment Anything Model (SAM) 为架构基础，通过引入一种名为 CellFinder 的目标检测器，实现了对多样化细胞图像的自动提示与分割。实验证明，CellSAM 在哺乳动物细胞、酵母及细菌等多种成像模式下均达到了人类专家级的分割精度。研究强调，该模型具备极强的零样本迁移能力，且仅需少量样本即可通过微调...

这项研究介绍了一种名为 MisTIC 的新型概率模型，旨在纠正成像空间转录组学（SRT）分析中常见的细胞分割错误。由于高分辨率技术在界定细胞边界时常会将基因转录本错误分配给邻近细胞，这会导致生物信号失真并产生误导性的细胞图谱。MisTIC 通过综合评估转录本的空间邻近度、基因表达兼容性以及邻域支持度，能够精准地识别并重新分配这些被错误分类的分子。实验表明，该工具在区分细胞类型、识别差异表达基因以及预测细胞间通讯方面...

本文介绍了一种名为RADIANT的新型光学成像技术，旨在攻克复杂生物系统中多靶点蛋白质三维制图的难题。研究人员利用拉曼光谱极窄的峰宽打破了传统荧光显微镜的“色彩限制”，实现了在厚组织中单次捕获超过十种蛋白质信号。通过合成新型MARS生物正交探针并优化专用的rDISCO组织透明化技术，该方法成功解决了深层组织成像中的背景干扰与信号衰减问题。实验证明，RADIANT能对毫米级厚度的脑组织进行高分辨率成像，将探测深度提升了10至10...

本文介绍了一种名为 PASTA 的创新计算框架，旨在提高空间转录组学数据中生物通路基因表达预测的准确性。该方法通过整合单细胞测序（scRNA-seq）参考数据，并结合细胞类型与空间邻域信息，克服了现有技术在处理基因缺失和高噪声方面的局限。研究表明，PASTA 在处理不同组织（如人肺癌和脑组织）的模拟与真实数据集时，其表现显著优于 Tangram 和 Seurat 等现有工具。通过对功能相关基因进行聚合建模，该工具不仅增强了数据的稳健性...

这项研究介绍了一种名为 FastGlioma 的新型人工智能系统，旨在解决癌症手术中难以精确检测残留肿瘤的关键难题。该技术利用刺激拉曼组织学（SRH）成像结合深度学习模型，能够在手术过程中快速识别并评估脑肿瘤的浸润情况。通过大规模的自监督学习和临床数据训练，该模型表现出极高的准确率，其性能显著优于传统的组织检测方法。这项创新成果不仅显著缩短了术中诊断的时间，还大幅降低了因肿瘤残留导致的医疗成本并提升了患者生存质...

这项研究介绍了一个名为 Combocat 的开源平台，旨在通过结合 声学移液技术 与 机器学习 来加速药物联用的研发。由于测试多种药物组合的实验极具复杂性，该平台开发了“密集模式”以生成高精度数据，并利用这些数据训练出“稀疏模式”下的预测模型。这种稀疏模式仅需测量极少数实验点即可推算完整的药物反应图谱，从而将资源消耗减少了 90%。作为应用范例，研究人员在神经母细胞瘤细胞系中筛选了 9,045 种组合，创下了单细胞系测试规模...