AlphaFold2的技术突破与科学影响 - 谷歌DeepMind推出的AlphaFold2于2020年11月问世，能够仅根据氨基酸序列精准预测蛋白质三维结构，其上一代版本2018年发布但预测准确率有限[3] - 2021年7月DeepMind团队在Nature期刊发表论文公布AlphaFold2开源代码和完整方法论[4] AlphaFold2的实际应用案例 - 维也纳大学Andrea Pauli团队利用AlphaFold-Multimer（2021年10月推出）发现精子和卵子结合中关键的三种蛋白质TMEM81、IZUMO1和SPACA6，颠覆之前认为只需两种蛋白质的观点[7][8] - 该研究发现TMEM81-IZUMO1-SPACA6蛋白质复合物分别与哺乳动物卵子上的JUNO蛋白或鱼类卵子上的Bouncer蛋白结合，介导精子-卵子结合[10] - Andrea Pauli表示AlphaFold加快了发现速度，如今每个项目都会使用该工具[12] AlphaFold2的全球采用数据 - 全世界190多个国家的约330万用户访问了EMBL-EBI托管的AlphaFold数据库，其中超过100万用户来自低收入和中等收入国家[15] - 该数据库包含超过2.4亿个蛋白质结构预测结果，涵盖地球上几乎所有已知蛋白质[15] - 描述AlphaFold2的Nature论文已获得接近4万次引用，研究人员兴趣未减退[12] - 超过20万项研究直接或间接使用AlphaFold，涉及近80万名科学家工作[24] AlphaFold2的行业影响 - 结构生物学领域使用AlphaFold的研究人员向蛋白质数据库提交的蛋白质结构数量比未使用者高出约50%[18] - 在计算生物学领域，几乎每场学术会议报告都会提到AlphaFold，在AI辅助药物发现和AI蛋白质设计等计算密集型领域有良好应用[21] - AlphaFold开辟了新的研究方向——AI蛋白质设计，带来了新的关注和资金投入[21] - AlphaFold2开始帮助研究人员解开疾病生物学机制，2024年发布的AlphaFold3能预测潜在疗法与蛋白质相互作用，更有助于药物发现[24]

研究核心观点 - 浙江大学研究团队在Nature期刊发表封面论文，提出基于活结的力学传导机制并开发出名为“Sliputure”（活缝合）的智能缝线 [3][4] - 该技术无需依赖复杂的电子传感器，通过机械传力方式实现外科手术缝合的精准力控 [4][7] - 智能缝线使年轻医生的打结力精准度提升121%，并改善术后血供和组织愈合状况 [8][14][15] 技术原理与创新 - 从拓扑学角度重新设计活结结构，通过控制打结时的预紧力，使活结在解开时能释放特定的峰值力，一致性高达95.4% [10] - 活结的力学过程分为两个阶段，当力达到临界点F peak时发生拓扑变换并迅速解开，实验显示500个活结的F peak值集中在2.945±0.135 N范围内，证明高度一致性 [12] - 将活结与传统缝合线结合，拉紧缝线时活结在达到预设力度自动解开，提供触觉反馈，防止缝合过紧或过松 [14] 应用与性能 - 在达芬奇机器人手术中开发了基于视觉的活结检测系统，当摄像头识别到活结解开时系统立即停止机械臂运动，实现自动力控，在活体猪实验中表现优异 [16][17] - 技术优势在于完全不依赖电子设备、成本低廉且易于消毒，特别适用于微创手术、偏远地区或战地医疗、手术培训教学等场景 [21] - 研究团队开发了全自动活结生产线实现标准化大规模生产，该原理甚至适用于纳米尺度的DNA分子打结与解结过程 [21] 行业影响与前景 - 该研究开启了“机械智能”新方向，展示了一条不同于纯电子化的技术发展路径 [23] - 基于简单结构的智能传动机制可能成为连接数字世界与物理世界的重要桥梁，让机械系统真正拥有“手感” [23] - 这项跨越力学、医学与机器人学的创新研究，为解决实际医疗难题提供了回归基本原理的简洁设计方案 [23]

技术突破核心 - 西湖大学团队开发了首个用于冷冻电镜图像处理的AI基础模型Cryo-IEF，并构建了全自动端到端数据处理流程CryoWizard [2][3] - 该技术旨在将冷冻电镜数据处理从复杂、耗时、高度依赖专家经验的“技术活”，转变为简单、易用、低门槛的通用方法 [3] 行业背景与挑战 - 单颗粒冷冻电镜技术无需结晶步骤且所需样品少，已成为结构生物学领域最主要的研究方法 [5] - 传统冷冻电镜数据处理流程面临海量低信噪比原始图像，需多步骤迭代式处理，费时费力且高度依赖专家经验 [6] Cryo-IEF模型技术细节 - 模型采用无监督对比学习方法进行预训练，能从极低信噪比图像中提取本质特征 [8] - 训练数据集包含来自一百多种生物大分子的约6500万张颗粒图像，模型展现出对图像内在规律的通用理解力 [8] CryoWizard流程与应用 - 基于Cryo-IEF开发的CryoRanker模型可自动评估单个颗粒图像质量，替代传统繁琐耗时的多步骤聚类与人工筛选 [10][12] - CryoWizard实现从原始图像到高分辨率三维结构的全自动解析，用户只需输入少量参数即可完成，无需手动干预 [12] 行业影响与意义 - 该成果有望显著降低冷冻电镜技术门槛，赋能规模较小或非结构生物学主攻方向的实验室探索核心分子机理问题 [15] - 技术推动冷冻电镜高分辨率结构解析技术更易于被广大科研群体使用，加速医学、药学及基础生命科学领域的创新发现 [16][17]

肺癌筛查的临床挑战与现状 - 肺癌是全球最具侵袭性和普遍性的癌症之一，2020年预估新增病例达220万例，死亡病例达180万例 [2] - 多数肺癌病例在进展至晚期前无明显症状，晚期治疗选择有限，导致五年生存率低于10% [2] - 年度低剂量计算机断层扫描（LDCT）筛查是改善肺癌高危人群预后和生存率的关键策略 [5] - LDCT扫描中偶然发现的肺结节（<3厘米）需要临床决策支持，以决定是采取即时干预还是制定随访方案 [5] 大语言模型在临床决策支持中的研究进展 - 大语言模型（LLM）是基于数十亿单词训练的人工智能系统，其在支持诊断和治疗决策方面的潜力日益受到关注 [5] - 在肺癌领域，LLM已被用于回答非专业人士问题、对CT报告进行数据挖掘以及评估肺结节患者的纵向CT图像 [5] - 近期有研究表明，开源大语言模型DeepSeek-R1在临床决策中的表现与OpenAI的GPT-4o等领先的专有模型不相上下 [5] - 然而，此前的研究多基于医学教科书和学术期刊中的病例报告，在实际临床应用方面存在不足 [5] 多中心基准测试的研究设计与方法 - 复旦大学中山医院谭黎杰教授团队于2025年11月21日在Cell Reports Medicine上发表了一项多中心横断面研究 [3] - 研究旨在评估LLM是否为首次LDCT中发现肺结节的患者提供管理建议的合适决策支持工具 [6] - 研究从三家不同医疗机构收集了真实世界的LDCT报告，准备了148份匿名报告用于评估 [6] - 研究系统地评估了GPT-3.5、GPT-4、Claude 3 Sonnet和Claude 3 Opus四种LLM的可读性、准确性及一致性 [6] - 研究还使用一家医院的报告对最先进的专有模型GPT-4o及开源模型DeepSeek-R1进行了探索性分析 [6] 大语言模型在肺癌筛查中的性能评估结果 - 评估结果显示，Claude 3 Opus生成的建议可读性最高，而GPT-4达到了最高的临床准确性 [3][7] - 各LLM对来自不同医院的报告之间的性能差异并不显著，突显了其对报告模板变化的稳健性及在不同医疗环境中的实用性 [7] - 在探索性分析中，GPT-4o和DeepSeek-R1的表现与GPT-4相当，均优于GPT-3.5 [3][7][8] - 这些发现表明，大语言模型有可能在不同医疗环境中增强肺癌筛查的临床决策支持 [3][10]

文章核心观点 - 一项发表于《自然》期刊的古DNA研究，通过对石峁遗址等地的古代人骨样本进行基因组分析，揭示了约4000年前中国北方石峁古城的人群起源、社会结构与权力继承模式，为理解中国早期国家的形成提供了直接的遗传学证据[5] 石峁古城概况 - 石峁古城存在于约公元前2300-1800年，占地面积达4平方公里，相当于560个标准足球场，显示出明显的社会分层和复杂的社会组织[8] - 遗址东城门地基下发现了80多个被献祭的头骨，表明当时已存在高度复杂的宗教仪式[8] 人群起源与基因交流 - 研究通过对169例古代人骨样本的核基因组分析，证实石峁文化人群主体源于4800年前的陕北本地仰韶晚期人群，确立了其文化和人群发展的连续性[4][5][10] - 研究揭示了石峁人群与晋南陶寺文化人群、内蒙古草原的裕民成分人群以及南方稻作农业人群之间存在密切关联，展现了史前农牧业人群广泛的互动交流[5][11] - 从4800年前到3800年前的石峁人群中持续发现了裕民相关的遗传成分，表明与北方草原人群有长期交流，东门祭祀坑中发现的两人具有裕民背景，可能是外来者[11] 社会结构与亲属关系 - 研究精细重建了石峁古城内部横跨四代的家族谱系，清晰透视其以父系亲缘为核心的运行模式[5] - 在高阶墓葬中，男性墓主几乎都携带相同的父系Y染色体单倍型，而母系线粒体单倍型则呈现多样化，表明财产和社会地位主要通过父亲传承[14] - 在石峁文化较高社会地位的家族中，近亲婚配较为少见，可能被有意识规避[15] 丧葬习俗与社会阶层 - 石峁社会存在性别特异性殉葬习俗，外城东门的殉葬者主要是男性（10人中有9人为男性），且多为斩首后集中埋葬，属于公共仪式中的人祭[19] - 在皇城台和寨山等高阶墓地，殉葬者则几乎全是女性，属于贵族死亡后的陪葬，这些女性殉葬者与墓主没有密切亲缘关系，可能来自外部群体，部分女性殉葬者之间存在二级亲缘关系[19] - 基因分析显示社会边界并非完全不可逾越，存在个别精英与低等级个体之间存在亲缘关系的案例，在皇城台墓地发现了两位陪葬品丰富程度不亚于男性精英的高阶女性墓主[21] 研究意义 - 该研究为理解中国早期国家的形成发展过程提供了前所未有的社会组织范本，为探究东亚早期国家起源的权力继承模式、统治家族与社会阶层构成提供了首个直接的遗传学证据[5] - 研究表明中国早期文明的形成是一个多元融合、本地发展的复杂过程，石峁位于农耕与游牧社会的交汇处，是理解中国北方社会复杂化进程的关键[23]

技术突破核心观点 - 研究团队开发出一种激光退火新工艺 可在环境空气条件下快速制备高性能钙钛矿光伏组件 解决了传统工艺在惰性气氛中长时间热退火导致的晶体生长与环境降解之间的矛盾 [1][2] - 该技术实现了真正意义上的空气环境 高速 高性能三者兼得 刷新了可规模化钙钛矿光伏组件的效率纪录 [4] 工艺原理与优势 - 通过原位掠入射广角X射线散射分析 揭示了热处理过程中的四阶段降解机制 并确定了一个持续123 ± 18秒的无环境降解窗口期 [3] - 使用波长为455纳米 功率密度为20瓦/平方厘米的纳秒激光进行退火 其辐照度比传统热退火方法高出两个数量级 仅需25秒即可完成晶体生长 [2][3] - 激光退火工艺有效抑制了水和氧的影响 阻止了六方钙钛矿相的形成和累积 避免了降解产物的产生 [2][3] 性能成果 - 利用该激光退火策略 在100平方厘米的刚性钙钛矿光伏组件上实现了24.0%的光电转换效率 [2][4] - 在柔性组件上实现了20.7%的光电转换效率 上述效率均刷新了可规模化钙钛矿光伏组件的纪录 [4]

华人学者在《自然》期刊的学术成果 - 2024年11月26日，《自然》期刊一次性上线了22篇论文，其中7篇论文的主要贡献者（通讯作者或第一作者）为华人学者[3] 神经科学与记忆研究 - 洛克菲勒大学的Celine Chen作为第一作者，发表了关于丘脑皮质转录门控如何协调记忆巩固的研究[3] 癌症治疗与耐药性研究 - 哥伦比亚大学的Michael M. Shen和Lu Chao作为共同通讯作者，发表了关于靶向NSD2以逆转前列腺癌可塑性和耐药性的研究[5] 机器人技术与机械传动 - 浙江大学医学院附属邵逸夫医院蔡秀军院士与浙江大学交叉力学中心杨卫院士作为通讯作者，发表了关于活结结构导引的机械传动与机器人操作的研究[7] 植物科学与农业 - 上海交通大学梁婉琪教授作为共同通讯作者，发表了关于乙烯如何调节植物细胞壁力学特性以响应土壤板结的研究[9] 考古学与古基因组学 - 中国科学院古脊椎动物与古人类研究所付巧妹研究员作为通讯作者，发表了基于石峁古城古DNA揭示新石器时代中国亲属关系习俗的研究[11][12] 人工智能与显示技术 - 上海人工智能实验室钟翰森研究员与欧阳万里教授作为共同通讯作者，发表了关于基于深度学习的超宽视角裸眼3D显示屏的研究[14] 量子技术与传感 - 中国科学技术大学杜江峰院士与王亚教授作为共同通讯作者，发表了关于纠缠增强型纳米级单自旋传感的研究[16]

文章核心观点 - 上海交通大学等机构的研究团队在《自然》期刊发表论文，首次从细胞壁力学角度揭示了植物根系适应土壤板结的分子机制[11] - 研究发现了一条关键的“乙烯-OsARF1-纤维素合成酶”调控链路，该链路通过使根系皮层细胞壁变薄变软，驱动根系增粗，从而增强其穿透板结土壤的能力[10][11] - 该研究为通过精准调控细胞壁特性来培育具有更强土壤板结适应能力的新作物品种奠定了理论基础，开辟了作物设计的新维度[11] 研究背景与问题 - 现代农业中大型机械挤压和化肥过度使用导致土壤板结成为全球性难题，土壤板结叠加干旱胁迫可使作物减产高达75%[3] - 板结土壤颗粒密度大、孔隙度小，严重阻碍作物根系生长，因此需要培育根系穿透能力强的作物品种来保证粮食产量[3] - 尽管已知板结土壤中乙烯积聚会驱动根系径向扩张，但乙烯如何控制细胞壁重塑以实现这一过程的机制此前尚不清楚[8][10] 研究发现与机制 - 土壤板结导致乙烯积累，进而上调水稻根系皮层中的生长素反应因子-1（OsARF1）[10] - OsARF1的上调会抑制纤维素合成酶（CESA）基因的表达[10] - CESA被抑制导致皮层细胞壁变薄变软，从而驱动根系皮层细胞的径向扩张，使得根系变粗、穿透力增强[10][11] - 研究将乙烯信号转导与根系细胞壁重塑联系起来，揭示了纤维素合成的动态调控如何控制板结土壤中的根系生长[11]

研究背景与科学问题 - 肠道干细胞（ISC）驱动肠道上皮细胞的快速再生，但衰老过程会显著削弱其再生能力，导致肠道上皮功能下降、屏障通透性增加（肠漏）以及肠道菌群失调[6] - 老年人肠道疾病高发，现有增强肠道干细胞活性的方法（如饮食调整、小分子药物）在可持续性、人体有效性、安全性和长期影响方面存在不确定性[6] - 此前研究已证实细胞表面蛋白uPAR与多种衰老模型（如癌基因诱导衰老、肝纤维化）及自然衰老组织（如肝脏、胰腺）中的衰老状态相关[6]，且其他研究也表明uPAR表达与肝纤维化、肺损伤、关节炎及衰老有关[7] 最新研究发现 - 研究团队发现衰老肠道中主要为上皮细胞的uPAR阳性细胞大量积聚，并对衰老过程中的肠道干细胞功能产生不利影响[8] - 使用靶向uPAR的CAR-T细胞进行治疗和预防性治疗，均能改善老年小鼠的肠道屏障功能、再生能力、炎症、黏膜免疫功能和肠道微菌群组成[8] - 这些发现揭示了体内uPAR阳性细胞对肠道衰老的有害作用，并为基于免疫的靶向细胞疗法在衰老个体中促进组织再生提供了概念验证[8] 技术平台与治疗潜力 - 该研究基于团队此前开发的靶向uPAR的CAR-T细胞疗法，该疗法已被证实能有效清除衰老细胞，延长肺腺癌小鼠生存期并恢复肝纤维化小鼠的组织稳态[1] - 最新研究进一步证实该CAR-T细胞疗法可逆转并预防衰老相关的肠道再生和健康缺陷[3] - 这些结果共同证实了靶向衰老细胞的CAR-T细胞疗法在治疗衰老相关疾病方面具有潜力[1][3]

文章核心观点 - 大语言模型能有效帮助医生克服技术障碍，显著提升其参与医学人工智能研究的项目完成率[3][5][7][9] - 大语言模型的应用使医疗AI研究民主化，但同时也存在AI幻觉和医生产生依赖倾向的潜在风险[3][5][6][7][9] 研究背景与挑战 - 跨学科研究推动了科学领域突破，但在生物医学领域，AI等技术的广泛应用受限于技术障碍[2] - 医生因缺乏多学科专业知识或技能，以及难以获得工程支持，在AI技术的问题导向型研究中参与受阻，偏远地区或资源有限的年轻医生面临的挑战更明显[2] 研究设计与方法 - 研究团队开展了一项随机对照试验，招募64名初级眼科医生进行为期两周的“自动化白内障识别”项目[5] - 干预组32人使用大语言模型ChatGPT-3.5，对照组32人不使用，在最小化工程辅助的情况下进行[5] 研究结果与数据 - 干预组项目总完成率高达87.5%，显著高于对照组的25.0%[5][7] - 干预组无辅助完成率为68.7%，远高于对照组的3.1%[5] - 干预组展现出更优的项目规划能力和更短的完成时间[5] - 经过两周洗脱期后，41.2%的成功干预组参与者能在没有LLM支持的情况下独立完成新项目[5][7] 潜在风险与影响 - 42.6%的参与者担心会不加理解地复述AI信息，40.4%担忧AI会助长惰性思维，表明存在潜在依赖性风险[5] - 大语言模型存在幻觉风险，其长期使用形成的依赖风险需进一步研究评估[6][7][9] - 研究提出了与大语言模型有效互动的初步提示指南[7]