在人工智能（AI）与神经科学的强强联合下，美国加州大学旧金山分校与艾伦研究所团队联合开 发出一种名为CellTransformer的AI模型，助力绘制出目前最精细的小鼠脑图，共包含1300个脑区及亚 区。这一成果以前所未有的精细度揭示了大脑结构，使科学家得以将功能、行为和疾病状态与更小、更 具体的细胞区域相对应，为探索大脑工作机制开辟了新方向。相关成果发表于新一期《自然·通讯》杂 志。 AI生成的小鼠大脑区域化渲染图与网络图案叠加，象征着AI与神经解剖学发现的融合。图片来源：美 国加州大学旧金山分校 研究表明，CellTransformer不仅能准确再现海马体等已知脑区，还能在中脑网状核等理解不足的区 域中发现新的、更细分的亚区。 团队成员形象地解释说，这就像从一张只标出大洲和国家的地图，变成了一张能看城市的地图。这 一全新的脑区划分完全基于数据，而非人工标注，揭示了大量未知区域。根据以往研究，这些新发现的 区域很可能对应着尚未探索的脑功能。 团队指出，这一AI模型的潜力远超神经科学。CellTransformer的算法具有组织通用性，可应用于其 他器官系统甚至癌组织，借助空间转录组学数据揭示健康与疾病中的生 ...

撰文丨王聪 编辑丨王多鱼 排版丨水成文 食管鳞状细胞癌 （ESCC） 是一种发生在食管内壁黏膜的恶性肿瘤，起源于食管内壁的鳞状上皮细胞。它是全球范围内 最常见的食管癌类型 ，但其地理分布极 不均衡，在高发地区 （例如中国太行山周边区域、伊朗北部、南非等） 尤为常见。 2025 年 10 月 10 日， 广州医科大学附属第五医院 李斌 教授、中国医学科学院肿瘤医院/国家癌症中心 刘芝华 教授、广州医科大学基础医学院 许雯雯 教授、 上海交通大学医学院附属胸科医院李志刚教授、中国医科大学附属第一医院王振宁教授等 ， 在 Nature 子刊 Nature Genetics 上发表了题为： Single-cell multi-omic and spatial profiling of esophageal squamous cell carcinoma reveals the immunosuppressive role of GPR116⁺ pericytes in cancer metastasis 的研究论文。 该研究通过 单细胞多组学和空间转录组学分析，发现了 一种由 PRRX1 驱动的 GPR116⁺ 周细 ...

与以往主要依据细胞类型划分的大脑图谱不同，新成果聚焦于脑区结构本身。它完全依托数据生成，边 界由细胞和分子特征自动界定，而非依赖人工经验判断。凭借对1300个脑区及亚区的精细划分，这张图 谱成为迄今动物脑中最精确、最复杂的数据驱动型图谱之一。 研究表明，CellTransformer不仅能准确再现海马体等已知脑区，还能在中脑网状核等理解不足的区域中 发现新的、更细分的亚区。 在人工智能（AI）与神经科学的强强联合下，美国加州大学旧金山分校与艾伦研究所团队联合开发出 一种名为CellTransformer的AI模型，助力绘制出目前最精细的小鼠脑图，共包含1300个脑区及亚区。这 一成果以前所未有的精细度揭示了大脑结构，使科学家得以将功能、行为和疾病状态与更小、更具体的 细胞区域相对应，为探索大脑工作机制开辟了新方向。相关成果发表于新一期《自然·通讯》杂志。 新模型的核心在于其Transformer架构，这与ChatGPT等大模型所采用的技术原理相同。研究人员称， Transformer模型擅长理解上下文关系，以往它用于分析句子中词语之间的联系，而CellTransformer则用 来分析空间中相邻细胞之间的关系 ...

以下文章来源于肥胖世界ObesityWorld ，作者肥胖世界 肥胖世界ObesityWorld . 《肥胖世界》Obesity World - 同步传真肥胖及代谢国际新学术进展，为医学减重临床、教研人员搭建一座与国际接轨的桥梁，「每医健」旗下内容平台。 研究团队构建了迄今最全面的脂肪组织单细胞图谱，涵盖171,247个细胞，样本来自25名极度肥胖者（术前及减重后）和24名健康瘦者，并结 合空间转录组数据（每组4人），聚焦与代谢异常紧密关联的腹部皮下脂肪。分析显示，肥胖脂肪组织中免疫细胞（尤其是巨噬细胞和淋巴细 胞）大量涌入，成熟脂肪细胞比例明显降低（暗示细胞死亡或更新不足）；而减重能有效缓解这些病理变化。 二、巨噬细胞的"记忆效应" 全球已有超10亿人被肥胖困扰。许多人以为"胖"仅是外表问题，殊不知腹部脂肪的异常实际上是代谢疾病的"隐形杀手"——它悄然引发胰岛素 抵抗、糖尿病、心血管疾病，甚至提高癌症风险。令人惊奇的是，减重能迅速扭转这些健康危机：血糖平稳了、血压下降了、血管恢复弹性 了。但科学界一直未能破解这一谜团：脂肪组织内部到底经历了什么变化？是细胞数量减少了？还是基因表达重新"洗牌"了？ 为揭开这一 ...

文章核心观点 - 2025年10月1日，国际顶尖学术期刊《自然》和《细胞》集中上线了多篇由华人学者主导或参与的重要研究论文，其中《自然》期刊上线的18篇论文中有8篇来自华人学者，《细胞》期刊上线的2篇论文均来自华人学者 [2] 生命科学与医学研究 - 俄亥俄州立大学李子海教授团队发现蛋白质毒性应激反应驱动T细胞衰竭和免疫逃逸的机制 [2] - 麻省理工学院研究揭示饮食中的半胱氨酸通过CD8+ T细胞来源的IL-22增强肠道干细胞特性 [5][6] - 耶鲁大学王思远团队开发出RAEFISH空间转录组学新技术，首次实现全基因组覆盖（小鼠22000个基因，人类23000个基因）和单分子分辨率 [16][19] - 崖州湾国家实验室田志喜团队通过对8105份大豆种质资源的研究，揭示了大豆驯化、传播和改良的基因选择轨迹，首次提出存在两个独立的大豆驯化中心 [20][23][24] 基础科学研究 - 牛津大学刘小龙团队提出了拟杆菌门外膜蛋白生物发生的新范式 [6] - 哈佛大学研究团队实现了通过非对称多体回波在固态传感器中进行信号放大 [7] - 加州理工学院钱璐璐教授团队在DNA逻辑电路和神经网络中实现了热可充电计算 [8] - 伦斯勒理工学院等机构合作实现了远距离外延生长技术 [12] - 哈佛大学团队在金刚石中氮空位中心系综实现了自旋挤压 [14] 疾病与发育研究 - 剑桥大学张新和团队研究发现自闭症的多基因和发育特征因诊断年龄而异 [10]

来源：科技日报 图片由AI生成 ◎本报记者 张梦然 人们所知道的绝大多数关于植物的基本原理知识，都是在一种你可能从未听说过的植物——拟南芥中首 次发现的。 绘制植物的基因表达图谱 在作为模式植物的几十年间，拟南芥经历了无数实验。科学家们持续致力于解码其基因组，并绘制出不 同组织和器官中各类细胞的基因表达图谱。借助这些局部图谱，人们得以逐步揭示控制植物各部位身份 与功能的关键基因。 其中，单细胞RNA测序成为构建细胞图谱的核心工具。该技术不直接分析DNA，而是检测基因组的表 达产物——RNA分子，从而精准识别哪些基因在特定细胞中被激活，以及其表达水平的高低。由于生 物体所有细胞共享同一套遗传密码，细胞类型的区分依赖于其独特的基因表达模式，单细胞RNA测序 因此成为识别和分类细胞类型的有力手段。 然而，传统方法存在明显局限：科学家必须将组织解离为单个细胞，导致原本的空间结构被破坏。这意 味着虽然能获知"有哪些细胞"，却难以回答"它们在哪儿"以及"如何组织"。 为突破这一瓶颈，索尔克生物研究所团队将单细胞RNA测序与空间转录组学相结合，实现了从"碎片化 图谱"向"全景式地图"的跨越。 更先进技术带来更完整图谱 空间 ...

以下文章来源于肥胖世界ObesityWorld ，作者肥胖世界 肥胖世界ObesityWorld . 《肥胖世界》Obesity World - 同步传真肥胖及代谢国际新学术进展，为医学减重临床、教研人员搭建一座与国际接轨的桥梁，「每医健」旗下内容平台。 要理解一个复杂社会的演变，首先需要一份详尽的地图和准确的人口普查数据。以往对脂肪组织的研究，就像在没有地图的城市中摸索，我们 能察觉到城市的拥堵（肥胖）或畅通（健康），却难以了解每个街区、每栋楼宇内的真实变化。为打破这一局限，科学家们创新性地结合了单 核RNA测序（single-nucleus RNA sequencing）和空间转录组学（spatial transcriptomics）两项前沿技术。如果说单核RNA测序是对城市居民 的"入户普查"，能精确识别每一类细胞及其基因表达"工作日志"，那么空间转录组学则如同为普查配备了一张"高清卫星地图"，不仅标记出细 胞类型，还能显示它们在组织中的确切位置。这样一来，科学家们能清楚看到，哪些细胞共同组成了"社区"，以及这些"邻里关系"在不同状态 下如何变化。 本项研究共纳入三组人群：24名健康瘦体型者（LN组）， ...

以下文章来源于肥胖世界ObesityWorld ，作者肥胖世界 肥胖世界ObesityWorld . 《肥胖世界》Obesity World - 同步传真肥胖及代谢国际新学术进展，为医学减重临床、教研人员搭建一座与国际接轨的桥梁，「每医健」旗下内容平台。 要理解一个复杂社会的演变，首先需要一份详尽的地图和准确的人口普查数据。以往对脂肪组织的研究，就像在没有地图的城市中摸索，我们 能察觉到城市的拥堵（肥胖）或畅通（健康），却难以了解每个街区、每栋楼宇内的真实变化。为打破这一局限，科学家们创新性地结合了单 核RNA测序（single-nucleus RNA sequencing）和空间转录组学（spatial transcriptomics）两项前沿技术。如果说单核RNA测序是对城市居民 的"入户普查"，能精确识别每一类细胞及其基因表达"工作日志"，那么空间转录组学则如同为普查配备了一张"高清卫星地图"，不仅标记出细 胞类型，还能显示它们在组织中的确切位置。这样一来，科学家们能清楚看到，哪些细胞共同组成了"社区"，以及这些"邻里关系"在不同状态 下如何变化。 本项研究共纳入三组人群：24名健康瘦体型者（LN组）， ...

胚胎发育研究 - 胚胎发育包含一系列错综复杂且分层次的细胞命运转变，包括胚层形成以及随后的器官发生[1] - 哺乳动物胚胎发育过程中，由原肠胚形成而来的三个胚层（外胚层、中胚层和内胚层）相互协作启动器官原基的形成[1] - 早期器官发生阶段为器官形成奠定基础蓝图，具有广泛的细胞命运程序化指定事件和对发育干扰的高度敏感性[1] 最新研究成果 - 研究团队在Cell期刊发表题为"Digital reconstruction of full embryos during early mouse organogenesis"的论文[2] - 该研究在器官发生早期（E7.5-E8.0）以单细胞分辨率重建了完整的3D"数字胚胎"[2] - 研究为早期器官形成提供重要见解，也为研究发育和疾病提供独特空间平台[2] 早期器官发生特点 - 胚胎发育约第7.5天时，小鼠胚胎经历首次重大形态转变，出现心管、原始肠管和头部褶皱等关键结构[4] - 此阶段胚胎从数百个细胞迅速增殖到数万个细胞[4] - 器官形成过程依赖细胞的精确迁移、定位和分化，受时空基因表达模式和复杂信号通路严格调控[4] 研究方法与技术 - 研究团队将空间转录组学方法Stereo-seq与细胞分割技术相结合[6] - 对6个处于器官发生早期的胚胎的285个连续切片进行分析[6] - 生成器官发生早期整个胚胎的空间转录组图谱，分辨率达到单细胞水平[6] 研究成果应用 - 开发可视化平台SEU-3D重建3D"数字胚胎"，精确反映原生胚胎环境中的基因表达模式和细胞状态[7] - 绘制内胚层和中胚层衍生物的空间细胞图谱，揭示复杂的跨胚层和细胞类型的信号网络[8] - 在E7.75的胚胎-胚外界面前部确定一个原基决定区（PDZ），揭示心脏原基形成过程中的协调信号交流[8]

核心观点 - 美国希望之城国家医疗中心首次揭示了染色体外DNA（ecDNA）在癌症进化中的关键作用，为精准医疗发展奠定重要基础 [1] - ecDNA的环状结构违反传统生物学规律，成为驱动癌症发生与演化的强大引擎 [1] - 研究发现ecDNA与致癌因子共同存在时会引发肿瘤微环境缺氧状态，这与癌症进展、治疗耐药性及临床不良预后密切相关 [1] 研究方法 - 结合空间转录组学和基因组数据，成功识别出源自同一祖先但获得额外突变的不同细胞群落 [2] - 通过批量RNA测序、肿瘤/正常DNA测序及空间转录组学分析，识别出肿瘤微环境中的共性特征与独特模式 [2] - 构建了可供其他科研团队参考的整合分析框架 [2] 技术应用 - 空间转录组学方法和基因组测序技术未来有望广泛应用于各类癌症的个体化治疗 [2] - 研究成果为精准医疗研究提供了坚实数据支撑，推动创新技术应用以实现更优疗效、更低副作用的治疗目标 [2] 临床意义 - 理解ecDNA在可遗传与非遗传细胞附近的分子行为有助于揭示潜在治疗靶点 [2] - 研究成果可评估癌症复发风险 [2] - 有望为癌症患者提供更个性化、更具针对性的治疗方案 [1]