课程内容概览 - 课程涵盖单细胞基础分析、空间转录组分析及机器学习多组学分析三大模块 [25][27][29][32][34][39][43][47][49][50][52][53] - 单细胞基础分析包括数据质控、批次效应去除、细胞注释、差异基因分析、轨迹分析等12个核心环节 [25][27] - 空间转录组分析包含Stereo-seq、Visium HD等前沿技术及Banksy、BayesSpace等20余种算法应用 [4][6][7][8][11][15][16][17][18][20][22][23] - 机器学习多组学课程涉及代谢组、蛋白组、宏基因组、转录组的AI分析及网络药理学、分子对接等12个专题 [39][43][45][47][49][50][52][53] 技术方法深度 - 空间转录组技术解析多篇CNS顶刊文章源码，包括Nature Genetics的squidpy/scanpy系统分析、Science的反卷积算法及Cell的Cell2location模型 [2][4][6][8] - 单细胞进阶分析涵盖SCENIC转录调控、inferCNV拷贝数变异、scATAC-seq联合分析等16项高阶技术，复现Nature、Cell等顶刊分析方法 [32][34][36][39] - 机器学习多组学整合Deepseek AI工具，实现代谢组/蛋白组/宏基因组数据的三维网络可视化及多组学联合分析框架构建 [39][52][53] 师资与成果展示 - 主讲教师为东京大学医学AI研究员，具备6年单细胞多组学研究经验，指导学员发表CNS主刊8篇、一区及子刊90余篇 [55] - 培训平台拥有6年行业积淀，学员成果包括10篇Cell/Nature/Science主刊及90余篇子刊文章，提供一对一包教包会服务 [57][59][61][72] - 团队与广东省生信学会、中科院等机构合作举办线下培训专场，覆盖肿瘤标志物大会、粤港澳生信年会等权威平台 [62][65][67][68] 课程特色与服务 - 提供两轮学习机会及永久答疑服务，课程视频无时间限制，支持自测数据实战分析 [29][40][71][72] - 费用支持对公汇款及信用卡支付，可开具会务费、技术服务费等票据，多人报名享有优惠 [74][75] - 每批次仅招收50人以保证教学质量，同期开设机器学习班与空间转录组班，连报有额外优惠 [75]

核心观点 - 美国加州大学旧金山分校与艾伦研究所团队联合开发出名为CellTransformer的AI模型 绘制出包含1300个脑区及亚区的目前最精细小鼠脑图 为探索大脑工作机制开辟新方向 [1] 技术原理与创新 - 模型核心采用Transformer架构 该架构与ChatGPT等大模型技术原理相同 擅长理解上下文关系 [3] - CellTransformer通过分析空间中相邻细胞之间的关系 根据细胞的“邻里结构”来预测其分子特性 从而构建精细大脑组织图谱 [3] - 新图谱完全依托数据生成 边界由细胞和分子特征自动界定 而非依赖人工经验判断 是迄今动物脑中最精确、最复杂的数据驱动型图谱之一 [3] 研究成果与意义 - 图谱以前所未有的精细度揭示大脑结构 使科学家能将功能、行为和疾病状态与更小、更具体的细胞区域相对应 [1] - 模型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 [3] - 全新脑区划分基于数据而非人工标注 揭示了大量未知区域 这些区域很可能对应着尚未探索的脑功能 [4] 应用潜力与前景 - 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 [4] - 模型可借助空间转录组学数据揭示健康与疾病中的生物机制 为药物开发和疾病治疗提供新工具 [4]

研究核心发现 - 研究在《Nature Genetics》发表 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⁺周细胞亚群 该亚群发挥免疫抑制作用并促进食管鳞状细胞癌的肿瘤转移和免疫逃逸 [2][3] - 该发现为食管鳞状细胞癌的诊断提供了生物标志物 并为其治疗提供了潜在策略 [2][3][7] 研究技术与规模 - 研究团队利用了单细胞多组学技术 分析了16个样本共117169个细胞 [5] - 同时使用了空间转录组学技术 分析了5个样本共195366个细胞 [5] 作用机制 - GPR116⁺周细胞的富集受到转录因子PRRX1的调控 该发现在周细胞特异性Prrx1基因敲除小鼠模型中得到了证实 [6] - 从机制上 GPR116⁺周细胞通过分泌EGFL6 与癌细胞表面的整合素β1结合 从而激活NF-κB信号通路 促进肿瘤转移进程 [6] - 在动物模型中 阻断整合素β1能够有效抑制肿瘤转移 并显著改善免疫治疗响应 [6] 临床意义与应用前景 - 研究证实血清中的EGFL6水平可作为多种肿瘤诊断和预后的无创生物标志物 [6] - 该研究描绘了食管鳞状细胞癌促转移肿瘤微环境的空间分辨率图谱 揭示了GPR116⁺周细胞的重要生物学和临床意义 为转移性癌症的治疗提供了潜在的创新策略 [6]

研究核心突破 - 开发出名为CellTransformer的AI模型，绘制出包含1300个脑区及亚区的目前最精细小鼠脑图 [1] - 该成果以前所未有的精细度揭示大脑结构，使科学家能将功能、行为和疾病状态与更小、更具体的细胞区域相对应 [1] - 新模型的核心是Transformer架构，与ChatGPT等技术原理相同，擅长分析空间中相邻细胞之间的关系以预测分子特性 [1] 技术方法与优势 - 新图谱完全依托数据生成，边界由细胞和分子特征自动界定，而非依赖人工经验判断 [1] - 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，是迄今动物脑中最精确、最复杂的数据驱动型图谱之一 [1] - 该模型能准确再现已知脑区，并在理解不足的区域中发现新的、更细分的亚区，如同从标出国家的地图升级为能看城市的地图 [2] 应用潜力与影响 - 这一全新的脑区划分完全基于数据，揭示了大量未知区域，这些区域很可能对应着尚未探索的脑功能 [2] - 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 [2] - 该技术可为借助空间转录组学数据揭示健康与疾病中的生物机制，为药物开发和疾病治疗提供新工具 [2]

研究背景与核心发现 - 全球已有超过10亿人受到肥胖困扰，腹部脂肪异常是引发胰岛素抵抗、糖尿病、心血管疾病乃至癌症风险的"隐形杀手"[6] - 减重能迅速改善健康危机，使血糖平稳、血压下降、血管恢复弹性，但科学界此前未能破解脂肪组织内部的具体变化机制[6] - 伦敦帝国理工学院研究团队通过单细胞核测序技术分析70人超过17万个脂肪细胞，首次绘制肥胖状态下脂肪组织的"病变地图"及减重后的逆转过程[7] 脂肪组织重塑全景图 - 研究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名极度肥胖者和24名健康瘦者[8] - 分析显示肥胖脂肪组织中免疫细胞大量涌入，成熟脂肪细胞比例明显降低，而减重能有效缓解这些病理变化[8] 巨噬细胞的"记忆效应" - 肥胖状态下脂肪组织巨噬细胞比例从14%飙升至31%，主要为脂质相关巨噬细胞，经典单核细胞也显著增加[10] - 减重后巨噬细胞数量显著减少（从31%降至18%），炎症相关基因表达明显下调，但代谢激活状态未完全逆转，暗示存在"表观遗传记忆"[10] - 肥胖组织中CD4 T细胞、CD8 T细胞、NK细胞和B细胞比例均增加，减重后这些细胞比例下降且激活基因表达减弱[10] 脂肪细胞代谢"重启" - 研究鉴定出8种成熟脂肪细胞亚型，肥胖者体内"应激型"和"纤维化型"显著增多，"脂质合成型"明显减少[12] - 减重后应激型脂肪细胞比例大幅降低，脂质合成型细胞比例恢复正常，脂肪细胞全局代谢通量显著增强[12] - 肥胖导致脂肪细胞肥大，上调细胞骨架张力和纤维化相关基因；减重后细胞体积缩小，这些基因表达降低[12] 多细胞"应激生态位"的消退 - 脂肪前体细胞中"应激型"APCs在肥胖者中比例上升，高表达缺氧相关基因HIF1A；减重显著减少应激型和促纤维化型APCs[14] - 血管系统出现"应激型"亚群，高表达促血管病变和纤维化基因；减重能显著降低这些应激型血管细胞的比例[14] - 空间组学鉴定出5种组织生态位，其中"应激生态位"富含应激型细胞并释放大量促炎信号；减重可有效逆转这些异常信号网络[15] 衰老程序的"逆时针" - 减重能显著下调多种细胞类型中的衰老标志物，降低衰老评分，减少p21阳性细胞，这些"逆龄"变化在代谢细胞、前体细胞和血管细胞中尤为显著[17] - 减重能有效"关闭"以AP-1家族和Krüppel样因子为核心的转录因子网络，重启细胞健康程序[17] 研究意义与行业前景 - 这项开创性研究揭示了减重改善健康的分子机制，为未来开发模拟减重效应的药物干预提供了全新思路[18]

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]

研究背景与意义 - 拟南芥作为模式植物在过去半个世纪中塑造了大部分植物生物学知识[2] - 尽管拟南芥在植物生物学家中享有盛誉但其完整生命周期的许多细节始终成谜[2] - 美国索尔克生物研究所科学家建立了首个覆盖拟南芥整个生命周期的遗传图谱[2] 技术方法与突破 - 研究利用高精度的单细胞和空间转录组学技术系统记录了从种子萌发到成熟植株期间40多万个细胞的基因表达模式[2][5] - 单细胞RNA测序是构建细胞图谱的核心工具通过检测RNA分子精准识别特定细胞中激活的基因及其表达水平[3] - 团队将单细胞RNA测序与空间转录组学相结合突破了传统方法破坏组织空间结构的局限实现了从碎片化图谱向全景式地图的跨越[4] - 空间转录组学的最大优势在于保留了植物组织的原始结构无需破坏细胞空间排列即可在整个器官甚至整株植物中精确定位基因表达[5] 研究成果与发现 - 研究构建了覆盖拟南芥10个关键发育阶段从地下种子到开花成年植株的完整基因表达图谱[5] - 图谱揭示了单一生物体内细胞类型的惊人多样性以及发育过程中基因调控网络的动态演变[5] - 研究首次系统揭示了调控植物发育的复杂动态分子机制识别出大量在特定细胞类型中特异表达的新基因[5] - 新技术引导团队发现了此前未知的参与种荚发育的新基因[5] 应用前景与影响 - 这一公开资源将为未来研究植物细胞类型发育阶段及其对环境压力的响应提供前所未有的信息支持[2] - 研究成果有望显著推动植物生物技术农业和环境科学的发展[2] - 团队新开发了用户友好型网络应用程序使全球植物科学界可轻松查询和使用这一生命周期图谱[6] - 资源旨在深化对植物细胞发育机制的理解助力解析植物如何应对遗传变异和环境压力推动植物生物学作物改良与生态适应研究的未来发展[6]

研究背景与方法 - 研究采用单核RNA测序和空间转录组学两项前沿技术，以创建脂肪组织的详细“地图”，实现对细胞类型、基因表达和空间位置的精确解析[6] - 研究设计涵盖三组人群：24名健康瘦体型者以及25名减肥手术前后的肥胖受试者，实现横向与纵向对比分析[7] - 研究共剖析70人、超过17万个细胞，识别出20余种不同的细胞状态[7] 肥胖对脂肪组织细胞构成的影响 - 肥胖导致脂肪组织细胞平衡被打破，免疫细胞尤其是巨噬细胞数量激增，占比从健康瘦人的14%飙升至31%[7][8] - 成熟脂肪细胞比例在肥胖状态下下降，表明肥胖压力下脂肪细胞大量死亡[7] - 巨噬细胞中的脂质相关巨噬细胞是主力，分为适应性LAMs和炎症性LAMs两类亚型[8] - 炎症性LAMs的数量与个体胰岛素抵抗水平正相关[8] 减肥手术后的细胞层面变化 - 减肥手术使肥胖者的体重指数从平均45.2降至35.2，空腹胰岛素和胰岛素抵抗指数显著改善[7] - 减肥后巨噬细胞总数明显减少，但炎症性LAMs的“促炎印记”并未彻底改变，为肥胖反弹提供了解释[8] - 减肥后“压力型”脂肪细胞的比例从55%骤降至14%，同时脂肪细胞启动“无效循环”代谢机制[9] 细胞衰老与减肥的抗衰老效应 - 研究发现肥胖与细胞衰老直接关联，“压力型”脂肪细胞高表达关键衰老标志物p21，实为衰老细胞[9][10] - 减肥后p21阳性细胞几乎被清除，是一种高效的天然“清除衰老细胞疗法”[10] - 随着衰老细胞被消灭，SASP因子的表达显著下降，减肥被提升为细胞层面的“抗衰老”革命[10] 组织微环境与未来治疗启示 - 空间转录组学揭示肥胖脂肪组织中存在典型的“压力微环境”，由多种压力型细胞通过特定信号分子形成恶性循环[11] - 研究强调理解脂肪组织障碍必须从“生态系统”层面整体把握，减肥能重塑细胞构成并改变其交流信号[11] - 研究为未来治疗策略提供新靶点，未来肥胖干预有望突破“能量负平衡”模式，发展清除衰老细胞或“再教育”免疫细胞的新疗法[12]

研究设计与人群概况 - 研究结合单核RNA测序和空间转录组学两项前沿技术，对脂肪组织进行细胞层面的精准分析，相当于对城市居民进行"入户普查"并配备"高清卫星地图"[7] - 研究纳入三组人群：24名健康瘦体型者（LN组）以及25名减肥手术前后的肥胖受试者（OB组和WL组），实现横向比较肥胖与健康及纵向追踪减肥前后变化[8] - 减肥手术使肥胖者体重指数（BMI）从平均45.2降至35.2，空腹胰岛素和胰岛素抵抗指数显著改善，共剖析70人、逾17万个细胞，识别出20余种不同细胞状态[8] 肥胖状态下脂肪组织细胞构成变化 - 健康瘦人脂肪组织中细胞分工明确，而肥胖人群免疫细胞尤其是巨噬细胞数量激增，占比从瘦人的14%飙升至31%，成熟脂肪细胞比例下降[8][9] - 巨噬细胞主力为脂质相关巨噬细胞（LAMs），分为适应性LAMs（LAM ST1）和炎症性LAMs（LAM ST2），后者数量与个体胰岛素抵抗水平正相关[9] - 对超过4.4万个成熟脂肪细胞分析显示，肥胖组织中"压力型"脂肪细胞（AD3）和"纤维化型"脂肪细胞（AD6）激增，是脂肪组织功能衰竭的直接证据[10] 减肥后脂肪组织细胞层面变化 - 减肥后巨噬细胞总数明显减少，但炎症性LAMs的"本性"未彻底改变，留下肥胖时期"记忆"，为肥胖反弹和代谢恶化提供细胞生物学解释[9] - "压力型"脂肪细胞比例从55%骤降至14，减肥后脂肪细胞同时启动脂解和脂肪合成两条代谢通路，形成"无效循环"的自我保护机制[10] - 减肥实现"僵尸大扫除"——p21阳性衰老细胞几乎被清除，SASP因子表达显著下降，是一场细胞层面的"抗衰老"革命[11] 脂肪组织微环境与空间结构 - 空间转录组学揭示肥胖脂肪组织中存在"压力微环境"，成员包括压力型脂肪细胞、衰老祖细胞、炎症性巨噬细胞和压力型血管细胞，通过THBS1、TGFβ等信号分子形成恶性循环[12] - 减肥重塑"居民"构成并改变"交流内容"，削弱压力和炎症信号，增强修复和稳态信号，必须从"生态系统"层面整体把握脂肪组织障碍[12] 研究启示与未来方向 - 减肥是深层次组织再生和抗衰老过程，系统性清除衰老细胞、恢复组织健康，未来干预有望突破"能量负平衡"模式[13] - 免疫细胞的"记忆"提醒预防远比治疗更重要，未来可能发展清除衰老细胞药物或"再教育"免疫细胞新疗法[13] - 研究为未来治疗策略提供"藏宝图"，标注脂肪组织功能障碍的关键细胞、信号通路和调控因子[13]

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]