程序性坏死机制研究 - 程序性坏死是一种促炎性、裂解性细胞死亡方式，由MLKL蛋白执行，RIPK3会使MLKL发生磷酸化并转移到质膜导致膜破裂[2] - 研究发现MLKL在诱导程序性坏死时通过释放线粒体DNA(mtDNA)激活cGAS-STING通路，导致干扰素β(Ifnb)表达上调，这一过程独立于细胞膜破裂[3][7] - 磷酸化的MLKL(pMLKL)会转移到线粒体并诱导微管依赖的线粒体DNA释放[7] 炎症性肠病治疗发现 - 在程序性坏死介导的炎症性肠病(IBD)小鼠模型中，STING抑制剂能加速肠道炎症消退[3][10] - 干扰cGAS-STING通路可减轻炎症并促进肠道恢复[7] - mtDNA-STING信号轴驱动程序性坏死相关的肠道炎症[8] 研究核心发现 - 程序性坏死过程中pMLKL会引发线粒体DNA(mtDNA)的释放[8] - 程序性坏死诱导mtDNA-cGAS-STING依赖的干扰素β(Ifnb)表达[8] - 微管的完整性对于mtDNA释放至细胞质是必需的[8] 研究意义 - 研究深化了对程序性坏死的理解[3][10] - 对IBD治疗具有积极意义[3][10] - 揭示了MLKL通过两种方式引发炎症：释放DAMP信号和导致线粒体DNA泄漏[7]

CAR-T细胞疗法在多发性骨髓瘤治疗中的突破 - CAR-T细胞疗法在治疗复发或难治性多发性骨髓瘤方面展现出显著疗效[2] - 当前自体CAR-T技术存在制造流程复杂、存储运输要求高、等待时间长、成本高昂等限制[3] - 体内CAR-T疗法通过直接递送CAR转基因至内源性T细胞，省去体外制造步骤，更接近现货型产品[3] 体内CAR-T技术的临床进展 - 华中科技大学团队在《柳叶刀》发表首个多发性骨髓瘤体内CAR-T临床试验数据[4] - 研究使用ESO-T01慢病毒载体治疗4名患者，均显示出治疗效果[4][6] - 该研究标志体内细胞疗法从临床前阶段进入临床转化期[4] ESO-T01的技术特点 - ESO-T01是靶向BCMA的慢病毒载体，由EsoBiotec和普瑞金合作开发[6] - 载体经过工程化改造，过表达CD47蛋白和抗TCR纳米抗体，敲除MHC-I基因[6] - CAR结构包含T细胞特异性启动子、抗BCMA重链可变区、CD8铰链区等组件[6] 临床试验设计与结果 - 4名复发难治患者接受2.0×10^8转导单位剂量治疗[9][10] - 所有患者出现急性炎症反应，3名患者出现3级CRS，1名为1级CRS[11] - 患者1和2达到严格完全缓解，患者3和4获得部分缓解[13] - CAR-T细胞在第4-8天首次检测到，10-17天达到峰值[14] 安全性与耐受性表现 - 观察到3-4级血液学毒性，但多数在随访期间恢复[13] - 患者4出现1级ICANS，通过糖皮质激素控制[12] - 慢病毒滴度在48小时内降至检测不到水平[13] - 剂量显著低于非人灵长类动物试验的7.5×10^9转导单位/千克[18] 行业意义与发展前景 - 这是首个多发性骨髓瘤体内CAR-T治疗病例系列研究[18] - 数据为未来体内CAR-T疗法研究提供重要参考[19] - 治疗效果与已上市的BCMA CAR-T疗法相当[18]

电压门控钠通道Na_v 1.6研究突破 - 电压门控钠通道(Na_v)通过介导钠离子内流控制神经元和肌肉的膜兴奋性，其核心结构由中央孔道结构域(PD)和四个电压感受结构域(VSD)组成[2] - Na_v 1.6亚型由SCN8A基因编码，在中枢神经系统轴突远端起始段高密度表达，功能紊乱与癫痫等神经疾病高度相关[3] - 目前靶向Na_v 1.6的特异性药物极度稀缺，开发精准调控分子是神经药理领域的重要挑战[3] 蜘蛛毒素PaurTx3的作用机制 - 颜宁/黄健团队首次解析蜘蛛毒素PaurTx3与Na_v 1.6结合的复合物结构，发现其通过三个位点协同调控：VSD I、VSD II和通道胞内门控位点[5][7] - PaurTx3源自狼蛛神经毒素，传统认知中仅单点作用，新研究揭示其三位点拮抗的创新作用模式[7] - 该发现打破单靶点药物设计局限，为多肽类药物开发提供结构基础[9] 药物开发应用前景 - 研究为靶向Na_v 1.6的抗癫痫、镇痛及神经保护药物开辟新路径，特别是具有全新作用模式的药物设计[9] - 结构导向的多肽类药物设计方法可能解决Na_v 1.6靶向药物稀缺的行业痛点[9] - 研究成果发表于Cell Research期刊，由深圳医学科学院团队主导完成[4][9]

肿瘤细胞外囊泡(TEV)研究 - 癌细胞通过TEV介导的细胞间和组织间通讯促进肿瘤生长和转移 但有效且有选择性地抑制TEV仍具有挑战性 [2] - 南方医科大学团队开发了一种脂化纳米光敏剂 能够追踪并破坏TEV 实现同时抑制肿瘤生长和转移 [3][4] 脂化纳米光敏剂技术 - 研究团队采用邻近亲水性分子工程策略开发了棕榈酸表面展示纳米颗粒 这些纳米颗粒能被肿瘤细胞高效摄取并在细胞内分布 还与TEV生成相结合 实现对TEV的主动追踪 [6] - 利用其在肿瘤内的双重空间分布(肿瘤细胞内和TEV内) 构建了脂化纳米光敏剂用于肿瘤转移治疗 [6] - 在近红外光照射原发肿瘤部位时 肿瘤细胞内和TEV内均同步产生活性氧(ROS) 导致对原发肿瘤的光动力抑制 并通过抑制TEV阻断细胞间和组织间通讯 [6] 治疗效果 - 该技术有效抑制了雌性小鼠多种肿瘤模型中的肿瘤生长和转移 [6] - 研究报道了一种同时抑制肿瘤生长和转移的治疗范例 [8]

急性缺血性脑卒中治疗 - 静脉溶栓是急性缺血性脑卒中发生后4.5小时内的标准治疗方法[2] - 溶栓后24小时内使用抗血小板药物可能预防血管再闭塞[2] 替罗非班研究 - 替罗非班是一种血小板糖蛋白IIb-IIIa受体拮抗剂，可减少大血管再闭塞[3] - ASSET-IT试验评估了替罗非班在溶栓后24小时输注对卒中患者功能结局的影响[3] - 研究纳入832例非心源性脑卒中患者，在溶栓后60分钟内随机分配接受替罗非班或安慰剂[9][10] 研究结果 - 替罗非班治疗组90天优良功能结局比例为65.9%，安慰剂组为54.9%（危险比1.20）[11] - 替罗非班组症状性颅内出血发生率为1.7%，安慰剂组为0%[11] - 90天死亡率替罗非班组为4.1%，安慰剂组为3.8%[11] 研究意义 - 填补了抗血小板药物在卒中溶栓后窗口期应用的循证空白[12] - 为优化中国卒中患者的治疗策略提供了高质量证据[12] 中国卒中研究进展 - NEJM今年发表的5篇卒中研究论著中，3篇来自中国团队[8] - 前两篇分别来自浙江大学医学院附属第二医院和陆军军医大学第二附属医院[8]

高度血管化的肺类器官和肠道类器官 - 首次通过人类诱导多能干细胞（iPSC）成功构建高度血管化的肺类器官和肠道类器官，模拟人类胚胎早期多胚层协同发育过程 [4] - 突破传统类器官缺乏功能性血管和器官特异性间充质的瓶颈，为研究器官发育和再生医学提供先进平台 [4] - 研究由辛辛那提儿童医院/加州大学洛杉矶分校顾名夏团队和辛辛那提儿童医院郭敏哲团队合作完成，论文发表于Cell期刊 [4] 血管性痴呆的大脑修复机制 - 发现血管性痴呆（VaD）的关键修复信号通路CD39-A3AR，证实A3AR特异性激动剂Piclidenoson可促进大脑修复并恢复记忆和步态功能 [8] - 血管性痴呆是仅次于阿尔茨海默病的第二大痴呆病因，目前尚无直接疗法，该研究有望提供首个有效治疗方法 [8] - 研究由加州大学洛杉矶分校S Thomas Carmichael团队主导，结合小鼠模型和人类数据，Piclidenoson已处于3期临床试验阶段 [8] LAG-3/TCR双抗治疗T细胞驱动的自身免疫病 - 揭示LAG-3抑制受体通过MHC-II介导的TCR空间邻近效应激活，颠覆传统免疫检查点激活机制认知 [12][13] - 开发靶向LAG-3与TCR的双特异T细胞抑制抗体，为精准干预自身免疫性T细胞提供新策略 [13] - 研究由纽约大学格罗斯曼医学院王俊团队联合中国科学院生物物理研究所娄继忠团队和浙江大学医学院陈伟团队完成 [12] 同义突变通过表观转录组调控赋予黄瓜驯化性状 - 首次遗传学证明同义突变可通过改变m6A修饰和mRNA结构构象调控驯化性状，挑战传统认知 [17] - 发现为作物改良策略提供新思路，未来研究同义突变在RNA修饰与结构调控中的功能可能开辟新路径 [17] - 研究由中国农业科学院蔬菜花卉研究所杨学勇团队、中国农业科学院（深圳）农业基因组研究所黄三文团队及英国约翰英纳斯研究中心丁一倞团队合作完成 [17]

铁电材料概述 - 铁电材料具有出色的压电性能，可实现电能与机械能之间的高效转换，处于现代技术前沿 [2] - 过去100年开发出多种高性能铁电材料，包括锆钛酸铅陶瓷、无铅陶瓷、掺钪氮化铝薄膜、聚偏二氟乙烯聚合物及弛豫铁电晶体 [2] - 材料创新扩大了应用范围，为器件设计提供更大灵活性，并显著提升压电装置性能 [2] 技术应用领域 - 广泛应用于机电设备，如超声换能器、致动器、机械能收集器，其性能指标（灵敏度/效率/带宽）直接依赖铁电材料的压电特性 [5] - 在3C领域（计算机/通信/消费电子）应用多样，例如智能手机中的压电冷却风扇、扬声器、相机马达等 [8] - 医疗领域关键设备如超声成像仪依赖铁电材料实现高分辨率超声波 [3] 研究进展与需求 - 西安交通大学李飞团队在Science发表综述，系统回顾铁电材料发展历程并展望下一代机电技术应用 [3][6] - 当前需开发更高压电系数的材料以降低驱动电压和能耗，满足压电风扇/电机等新兴需求 [2] - 研究提出增强压电性能的策略，以应对光声成像、集成电路驱动设备等高性能需求场景 [6] 未来发展方向 - 需优化材料全生命周期环境影响，涵盖原材料获取、制造、使用及处置环节 [6] - 综述为满足新兴应用需求（如电子设备微型化、医疗成像升级）提供材料开发方向 [6]

杨为博士职业背景与研究领域 - 杨为博士于2019年在清华大学获得生物学博士学位，导师为计算机辅助药物设计专家来鲁华教授[2] - 2019-2025年在华盛顿大学蛋白质设计研究所从事博士后研究，合作导师为2024年诺贝尔化学奖得主David Baker教授[2] - 专注于开发全新蛋白质-蛋白质相互作用计算设计方法，应用于免疫调控和肿瘤免疫治疗领域[2] 蛋白质药物设计课题组研究方向 - 结合最新蛋白质计算设计方法前沿，形成算法开发-高通量验证-迭代优化闭环[3] - 开发全新药用蛋白质设计方法及验证平台，为蛋白质药物开发提供技术支撑[3] - 设计高选择性生物大分子用于癌症免疫治疗，提高靶向性并降低系统毒性[3] 癌症免疫治疗靶点研究 - CTLA-4、PD-1、LAG3、PD-L1等抑制性受体及IL2-R、IL10-R、TGFbRII等细胞因子受体是重要治疗靶点[10] - 免疫调控网络复杂性和联合疗法需求推动对多靶点高亲和力蛋白质结合剂的开发[10] - 含免疫球蛋白折叠结构的靶点因表面凸起特性，传统方法难以设计有效结合剂[10] 5HCS支架技术创新 - 开发专门针对凸面免疫球蛋白折叠靶点的5螺旋凹面支架(5HCS)[11][12] - 成功设计靶向TGFβRII、CTLA-4和PD-L1的结合剂，亲和力达低纳摩尔至皮摩尔级[11] - 晶体结构显示TGFβRII和CTLA-4结合剂与设计模型高度吻合，具备治疗应用潜力[11] 代表性研究成果 - 在Nature Communications发表靶向免疫调节受体的高亲和力结合剂设计研究(2025)[5][19] - 开发能特异性结合TGFβRII、CTLA-4和PD-L1的5HCS结合剂[13][15][18] - 前期在Comput Struct Biotechnol J等期刊发表蛋白质界面螺旋结合位点发现等基础研究[19]

大语言模型对学术写作的影响 - 2022年11月ChatGPT的推出标志着大语言模型（LLM）首次广泛用于学术写作，显著改变了文本生成和修改方式 [2] - 2024年PubMed收录的150万篇生物医学论文中，约20万篇（13.5%）摘要存在LLM生成文本迹象，部分子领域比例高达40% [3][5] - 使用比例在不同国家、学科和期刊差异显著，中国、韩国及计算机/生物信息学领域超20%，MDPI和Frontiers系列期刊使用率更高 [10] 研究方法与词汇特征 - 研究团队采用"超额词汇"分析法，识别2024年454个出现频率异常升高的风格词（如delves、showcasing、unparalleled） [7] - 相比COVID-19相关词汇（2021年新增190个名词），LLM引发的词汇变化主要为形容词/动词的风格化特征 [9] - 标志性词汇如"delves"在2024年底使用率下降，显示作者已开始主动规避AI特征词汇 [12] 发展趋势与潜在问题 - LLM辅助写作呈现加速态势：2024年上半年1/9论文含AI痕迹，全年比例升至1/7 [3][4] - 学术写作中AI使用存在合理边界，文本润色和翻译可接受，但大规模生成可能引发科研诚信问题 [13] - 现有评估方法（如训练分类模型）因数据集滞后性和作者适应性而面临挑战 [6][12]

肺癌诊断与预后AI模型研究 - 肺癌是全球癌症相关死亡的首要原因 对经济实惠、无创的基因突变检测方法和生存预测有迫切需求[1] - 当前肺癌诊断模型存在局限性 无法整合多样化患者数据导致临床评估不全面[1] LUCID模型开发 - 研究团队开发了多模态集成AI模型LUCID 通过整合临床信息实现肺癌分子表型分析和预后预测[2] - LUCID采用两阶段多模态集成方法 整合CT图像、症状描述、实验室结果和人口统计信息等多种数据[6] - 模型基于5175名患者数据集开发 在EGFR突变预测和生存时间预测方面表现优异[6][7] AI在肺癌管理中的应用 - AI在医学影像分析方面表现出色 能发现人类忽略的细微特征 实现更早更准确诊断[4] - AI能处理复杂分子数据 包括基因组特征和生物标志物 有助于精确患者分层和个性化治疗[4] - 多模态AI方法能同时分析多种数据类型 提供更全面的疾病理解[5] EGFR基因突变研究 - EGFR基因突变是非小细胞肺癌发展的关键驱动因素 导致信号通路过度激活[5] - 特定EGFR突变如19号外显子缺失和L858R突变 是EGFR-TKI治疗的明确靶点[5] - EGFR-TKI在携带这些突变的患者中疗效显著 比传统化疗效果更好且副作用更少[5] LUCID模型性能 - 在EGFR突变预测方面 AUC达到0.851-0.881[7] - 在生存时间预测方面 AUC达到0.821-0.912[7] - 在1285个样本的外部验证中表现出稳健性能[8] - 即使在单模态输入或模态缺失情况下仍保持稳健性能[7] 研究意义 - 代表了AI驱动肺癌诊断和预后领域的重大进展[7] - 能促进更个性化治疗策略 展现AI在医疗保健领域的变革潜力[6] - 有助于优化资源分配 提高生活质量和治疗效果[6]