第 001 期 | 2026.10.19–2026.10.25科研圈最近发生了啥有些事我们要知道前沿「要」闻第 001 期来啦之前的试运行 000 期感觉好像还不错咱们继续每周的新论文还是多得看不过来但有些研究还是怪有意思的咱们可以停下来多看两眼比如想设计一个有特定功能的蛋白我们能不能把需求告诉 AI 让它直接开工呢细胞里一闪而过的 RNA能不能留到以后再读呢还有还有生信分析找到了相关基因但它是往上调还是往下调这方向判断就一定对吗再比如空间转录组里的细胞边界、耗竭 T 细胞的蛋白质以及一种代谢物是怎样从肠道细胞里走出去呢还有好多好多有趣的发现在等着我们呢这周咱们就来看看这些问题吧本期 Top 3最想拿去试试的那必须是 Pinal把功能要求写给 AI 就可以生成我们需要的蛋白质模型生成了序列实验里还真找到了会发光、会催化的蛋白不过中间具体筛了多少候选呢咱们后面慢慢看最让人“还能这么做”的recordanelle把短暂出现的 RNA 留下来。取样的时候信号都过去了怎么办呢那就提前在细胞里收好等后面测序再来读怪有意思的一篇设计找到了基因但方向就一定对吗做 TWAS 的小伙伴们可以来看看这个效应方向也可能会判断错哟找到了相关基因还得知道让它多表达一点的话会让性状往哪个方向变化。注意注意这里的 Top 3 是本栏目按不同阅读理由作出的推荐绝对绝对绝对不是论文质量排行榜哟01想让蛋白做什么一句话告诉 AI 就可以啦Nature | Programmable design of functional proteins from natural language | 2026.10.21原文链接https://doi.org/10.1038/s41586-026-11205-z一句话介绍Pinal 根据自然语言中的功能要求生成蛋白候选研究者从中筛出了具有荧光、酶催化或代谢途径功能的蛋白。来咱们先给模型派个活比如想要一种能分解 PET 塑料的酶能不能把这个要求直接告诉它呢以前往往还得先找天然蛋白或者把功能要求拆成结构、几何和序列约束。这回研究者想让模型接过一部分“翻译需求”的工作。他们做了一个 160 亿参数的模型 Pinal用约 17 亿组经过合成标注的蛋白—文本配对训练。咱们看图1从上面的功能描述出发先生成中间结构表示再生成蛋白序列。图1从功能描述到蛋白序列的两阶段设计Fig. 1c那做出来能不能用呢作者测试了荧光蛋白、PET 水解酶、醇脱氢酶和代谢 H 蛋白四类任务都找到了具有预期功能的设计。这里咱们挑 PET 水解酶多看一眼先生成 20 万条候选计算筛选后留下 2,416 条再挑 94 条合成和测试从中找到了表现突出的 pinalPETase36。它对固体 PET 的降解也经过了实验确认并不只测了一个方便筛选的小分子底物。看到这里大家就知道啦“告诉 AI 想要什么”和“随手拿一条序列就能用”中间还有不少工作计算筛选和实验测试都参与了最后的成功。论文也提到目前想靠提示词精细指定荧光发射波长仍然有困难。能把功能要求接到有活性的蛋白上已经挺让人想试试了要是想把某项性能调到指定数值那咱们还得继续等它进步呀02RNA 已经消失了还能读到它来过的痕迹吗Nature Biotechnology | Recordanelles for transcriptome-wide single-cell RNA recording in human cells | 2026.10.21原文链接https://doi.org/10.1038/s41587-026-03327-6一句话介绍研究者在人细胞中构建 RNA 记录细胞器让部分本会降解的 RNA 保存数天之后取样还能读到此前的短暂响应。假如一个刺激只来了一小会儿细胞响应了一下产生的 RNA 随后又降解了。等咱们取样做单细胞测序时没测到那到底是细胞没响应过还是响应完了、痕迹也没了呢光看取样这一刻确实不太好分呀这篇文章想到了一个办法在细胞里搭个合成结构提前把 RNA 收起来。它叫recordanelle把线粒体膜锚定部分、帮助凝聚体组装的部分和 RNA 结合部分组合在一起。大家先别被名字绕晕啦咱们看图2里的B小图图2把短暂出现的 RNA 留到后续取样时再读Fig. 1a–b上面一排B 在中间时点出现之后又降解最后取样时就看不见了。下面一排有了记录结构B 被收进去、保护起来晚一点还能检测到。这里借用的是线粒体表面的位置收集的也包括细胞质中的 RNA。换用 poly(A) 结合蛋白后就能从抓取特定工程化 RNA扩展到收集多种内源 mRNA 啦实验中所捕获的 RNA 种类覆盖可达内源 mRNA 种类的约 90%并能保护数天。作者还测试了可诱导启动子和干扰素刺激在单细胞层面读到了保留下来的短暂转录响应这样就不用完全指望“刚好赶上那个时点”了不过保存下来的 RNA 没有逐条附上精确时间咱们能追问细胞经历过什么如果还想分清每件事的先后和持续时间就要再加设计啦03TWAS 找到了基因可“方向”一定对吗Nature Genetics | High false sign rates in transcriptome-wide association studies | 2026.10.22原文链接https://doi.org/10.1038/s41588-026-02796-4一句话介绍在血浆蛋白和复杂性状的验证中TWAS 推断的效应方向与生物学预期有较高比例不一致相关基因的正负号需要谨慎解释。“这个基因的预测表达量越高疾病风险越高那把它抑制下去应该就有帮助吧”咱们先在这儿停一下从找到关联到决定应该激活还是抑制中间的方向我们真判断对了吗TWAS也就是转录组范围关联研究会利用遗传变异预测表达再检验预测表达和性状之间的关联。那怎么检查它给的方向呢作者找了两类参照对应基因的表达增加通常预期血浆里的蛋白水平也增加对于复杂性状则借助让基因功能受损的罕见变异判断预期的效应方向。咱们可以对照图3上面是蛋白下面是复杂性状。图3用生物学预期核对 TWAS 的效应方向Fig. 1d核对完以后方向不一致的比例还真不低血浆蛋白分析是 23%复杂性状分析是 33%。这里说的是这篇研究在相应数据和参照下得到的结果咱们不能拿这两个数给所有 TWAS 统一算错误率。为什么会这样嘞一个重要原因可能出在组织和连锁关系上非性状相关组织里的调控变异与真正影响性状的变异紧密连锁统计信号就可能跟着一起走。基因看起来找到了起作用的组织和方向却没找准。作者还试了共定位筛选能改善一部分但没有把问题全部解决。所以呀结果表里一个漂亮的 P 值、一个清楚的正负号还不能替咱们把靶点方向定下来。真要往“激活它”还是“抑制它”上走得把相关组织、共定位、罕见变异和干预实验放到一起再看看。04细胞边界画歪了后面的故事也可能跟着变Nature Methods | Benchmarking segmentation methods for spatial transcriptomics | 2026.10.23原文链接https://doi.org/10.1038/s41592-026-03272-x一句话介绍研究比较了 11 种空间转录组细胞分割方法发现细胞边界的选择会一路影响转录本归属、细胞类型判断和配体—受体推断。空间转录组咱们经常兴冲冲地去看“什么细胞挨着什么细胞”“谁在给谁发信号”。等一下在这些分析前面还有一个很基础的问题这一个 RNA 点到底该算谁家的边界多圈一点邻居的转录本可能进来少圈一点自己的信号又会被留在外面。这篇文章比较了 11 种分割方法15 个数据集5 种技术还涉及 12 类人和小鼠组织。我们看图4从左边的物种、组织一路到平台、方法和评价范围铺得还挺开。比较时也没有只盯着细胞轮廓还检查了转录本回收、表达纯度、细胞组成、形态和空间关系等方面。图4空间转录组细胞分割的跨平台评测设计Fig. 1a那到底谁最好用呢得看咱们拿它做什么换个组织、平台或者评价指标方法的表现就会发生变化分出更多细胞、收进更多转录本也未必就能同时把表达纯度保持好。后面再去做细胞类型特异性、转录本污染和配体—受体分析这些差别还会继续影响结果。作者提供了统一的 Nextflow 评测流程方便按一致步骤比较。已经在做空间组学的小伙伴们也可以带着自己的结果来想一想如果换个合理的分割方法眼前这条细胞通讯还在不在呢要是变化特别大咱们就得回去看看那些参与“对话”的 RNA最开始有没有分对家呐05T 细胞耗竭了蛋白质也跟着“慢下来”了Cell | Proteomic atlas of T cell exhaustion defines proteostatic collapse | 2026.10.21原文链接https://doi.org/10.1016/j.cell.2026.09.051一句话介绍多组学分析发现耗竭 T 细胞中的蛋白整体更新变慢进一步提高 RNF166 表达能改善实验模型中 T 细胞的持续抗肿瘤作用。一个基因的 RNA 多了蛋白就一定多吗咱们还得看蛋白做出来以后能待多久、会不会被修饰、什么时候又被清除呀这篇从人的原代 CD8⁺ T 细胞出发比较不同刺激安排下的 RNA、蛋白丰度、蛋白周转和泛素修饰一共四类信息。其中一个结果还挺有意思的慢性刺激组的蛋白整体更新更慢测到的蛋白半衰期中位数是 13.9 小时再次刺激对照组是 12.2 小时。RNA 和蛋白的变化也有不少对不上有的只在 RNA 层面变有的只在蛋白层面变还有的方向相反。要是只拿转录组去解释耗竭确实会容易漏掉一些变化顺着蛋白稳态和泛素调控往下找作者注意到了 E3 泛素连接酶 RNF166又做了过表达实验。咱们直接看图5的小鼠黑色素瘤实验左边是细胞回输安排中间看肿瘤体积右边看生存。红色 RNF166 组的肿瘤长得更慢生存也延长了灰色是载体对照黑色是未回输 T 细胞的对照。图5RNF166 过表达 T 细胞的小鼠抗肿瘤实验Fig. 7J–L体外的人 CD19 CAR-T 细胞实验中也观察到了更持久的肿瘤细胞控制。这里的改进主要体现在“能持续多久”咱们读的时候把这个点记下来人体细胞的体外实验和小鼠回输实验已经有了结果患者能否获益还要往后验证。以后再看耗竭 T 细胞的 RNA 热图蛋白怎么更新、怎么清除也可以一起考虑一下啦06代谢物在肠道细胞里做好了还得有人把它运出去Cell | MCT6 is an intestinal Lac-Phe exporter required for metformin-associated weight loss | 2026.10.22原文链接https://doi.org/10.1016/j.cell.2026.09.058一句话介绍MCT6 帮助肠道细胞把 Lac-Phe 运出去在高脂饮食小鼠中缺少这个运输环节二甲双胍相关的体重下降也会减弱。细胞里面做好了外面却不一定收得到这篇研究的 Lac-Phe中文叫 N-乳酰苯丙氨酸是一种具有抑食作用的代谢物。它在细胞里产生之后怎么穿过细胞膜、进入血液呢咱们这回要认识的就是帮它往外走的转运体MCT6也叫 SLC16A5。我们先从一个直观的细胞实验看起吧图6左边检测 MCT6 蛋白Dox 指的是用来诱导表达的多西环素右边分别测培养液和细胞内的 Lac-Phe。加上诱导以后MCT6 表达上来了培养液里的 Lac-Phe 增加细胞里的反而减少了。哎这个一进一出的变化就和向外运输对上了图6MCT6 表达与细胞内外 Lac-Phe 水平的变化Fig. 1E–F当然研究不只停在这两组变化上。体外运输、细胞敲除和同位素示踪等实验也支持 MCT6 参与 Lac-Phe 外排。再到小鼠里特别是二甲双胍处理或高强度运动之后缺少 MCT6 会影响循环中的 Lac-Phe 水平。高脂饮食条件下全身敲除或肠上皮细胞特异敲除 MCT6小鼠对二甲双胍相关体重下降的响应都减弱了。那如果绕过这个出口直接给外源 Lac-Phe 呢作者还真做了补充以后呢二甲双胍处理的全身敲除小鼠食物摄入和体重变化恢复到了相应野生型对照的水平。这样就把运输环节和体重表型连得更具体了。注意注意这里讲的是实验小鼠可别看完就自己安排二甲双胍哟咱们读机制时倒是可以稍微留意一下代谢物做出来多少和最终能运出去多少可能需要分别看看。本周「要」选AI × Biology 本周之选Programmable design of functional proteins from natural language如果你也想让模型按功能要求设计蛋白这篇就可以往前排一排啦最让人“还能这么做”Recordanelles for transcriptome-wide single-cell RNA recording in human cells信号很短取样很晚还能不能追上呢把 RNA 先存起来这个办法可以慢慢琢磨生信人建议认真读High false sign rates in transcriptome-wide association studies下次准备用 TWAS 的正负号讨论靶点方向前可以先翻翻这篇。显著关联之后还得核对组织和方向这确实关系到咱们后面的实验该往哪边做空间组学开工前先翻一翻Benchmarking segmentation methods for spatial transcriptomics细胞圈好了才有后面的表达矩阵和空间关系。选方法的时候多看看自己最关心的结果在不同分割下会不会变总比跑到最后才发现边界有问题省事嘛以上奖项仅为「要」闻编辑部对本期入选研究的阅读推荐不代表学界共识或大众意见也不构成临床与健康建议。总结与展望好啦这周咱们先看到这里我还挺想把 RNA 记录和 T 细胞那两篇放在一起看看的比如取样时我们看到的细胞状态会不会也受之前经历过什么的影响呢一个可以把短暂的转录响应存下来另一个可以去测蛋白更新的速度。如果以后把这些信息结合起来能不能更好地区分那些眼下看起来很像、实际经历却不同的细胞呢interesting还有做蛋白设计的小伙伴们看完 Pinal 想开工的话记得把生成之后的筛选和测试也一起安排上哟还有还有大家最想看哪篇文章的“要读文献·长篇大论·精解版”呢欢迎告诉我们哟文末碎碎念那今天的分享就到这里啦我们下期再见哟最后顺便给自己推荐一下嘿嘿嘿如果我的分享对你有用的话欢迎关注点赞在看转发分享阿巴阿巴阿巴阿巴巴巴这可是我的第一原动力蟹蟹你们的喜欢和支持参考资料Programmable design of functional proteins from natural language. Nature. 2026. https://doi.org/10.1038/s41586-026-11205-zRecordanelles for transcriptome-wide single-cell RNA recording in human cells. Nature Biotechnology. 2026. https://doi.org/10.1038/s41587-026-03327-6High false sign rates in transcriptome-wide association studies. Nature Genetics. 2026. https://doi.org/10.1038/s41588-026-02796-4Benchmarking segmentation methods for spatial transcriptomics. Nature Methods. 2026. https://doi.org/10.1038/s41592-026-03272-xProteomic atlas of T cell exhaustion defines proteostatic collapse. Cell. 2026. https://doi.org/10.1016/j.cell.2026.09.051MCT6 is an intestinal Lac-Phe exporter required for metformin-associated weight loss. Cell. 2026. https://doi.org/10.1016/j.cell.2026.09.058 
长河君 · 2026/10/27 10:34:52 · 阅读 1.2k 前沿「要」闻｜一句话描述需求，AI 就可以设计出符合要求的蛋白质？｜第001期
第 001 期 | 2026.10.19–2026.10.25科研圈最近发生了啥有些事我们要知道前沿「要」闻第 001 期来啦之前的试运行 000 期感觉好像还不错咱们继续每周的新论文还是多得看不过来但有些研究还是怪有意思的咱们可以停下来多看两眼比如想设计一个有特定功能的蛋白我们能不能把需求告诉 AI 让它直接开工呢细胞里一闪而过的 RNA能不能留到以后再读呢还有还有生信分析找到了相关基因但它是往上调还是往下调这方向判断就一定对吗再比如空间转录组里的细胞边界、耗竭 T 细胞的蛋白质以及一种代谢物是怎样从肠道细胞里走出去呢还有好多好多有趣的发现在等着我们呢这周咱们就来看看这些问题吧本期 Top 3最想拿去试试的那必须是 Pinal把功能要求写给 AI 就可以生成我们需要的蛋白质模型生成了序列实验里还真找到了会发光、会催化的蛋白不过中间具体筛了多少候选呢咱们后面慢慢看最让人“还能这么做”的recordanelle把短暂出现的 RNA 留下来。取样的时候信号都过去了怎么办呢那就提前在细胞里收好等后面测序再来读怪有意思的一篇设计找到了基因但方向就一定对吗做 TWAS 的小伙伴们可以来看看这个效应方向也可能会判断错哟找到了相关基因还得知道让它多表达一点的话会让性状往哪个方向变化。注意注意这里的 Top 3 是本栏目按不同阅读理由作出的推荐绝对绝对绝对不是论文质量排行榜哟01想让蛋白做什么一句话告诉 AI 就可以啦Nature | Programmable design of functional proteins from natural language | 2026.10.21原文链接https://doi.org/10.1038/s41586-026-11205-z一句话介绍Pinal 根据自然语言中的功能要求生成蛋白候选研究者从中筛出了具有荧光、酶催化或代谢途径功能的蛋白。来咱们先给模型派个活比如想要一种能分解 PET 塑料的酶能不能把这个要求直接告诉它呢以前往往还得先找天然蛋白或者把功能要求拆成结构、几何和序列约束。这回研究者想让模型接过一部分“翻译需求”的工作。他们做了一个 160 亿参数的模型 Pinal用约 17 亿组经过合成标注的蛋白—文本配对训练。咱们看图1从上面的功能描述出发先生成中间结构表示再生成蛋白序列。图1从功能描述到蛋白序列的两阶段设计Fig. 1c那做出来能不能用呢作者测试了荧光蛋白、PET 水解酶、醇脱氢酶和代谢 H 蛋白四类任务都找到了具有预期功能的设计。这里咱们挑 PET 水解酶多看一眼先生成 20 万条候选计算筛选后留下 2,416 条再挑 94 条合成和测试从中找到了表现突出的 pinalPETase36。它对固体 PET 的降解也经过了实验确认并不只测了一个方便筛选的小分子底物。看到这里大家就知道啦“告诉 AI 想要什么”和“随手拿一条序列就能用”中间还有不少工作计算筛选和实验测试都参与了最后的成功。论文也提到目前想靠提示词精细指定荧光发射波长仍然有困难。能把功能要求接到有活性的蛋白上已经挺让人想试试了要是想把某项性能调到指定数值那咱们还得继续等它进步呀02RNA 已经消失了还能读到它来过的痕迹吗Nature Biotechnology | Recordanelles for transcriptome-wide single-cell RNA recording in human cells | 2026.10.21原文链接https://doi.org/10.1038/s41587-026-03327-6一句话介绍研究者在人细胞中构建 RNA 记录细胞器让部分本会降解的 RNA 保存数天之后取样还能读到此前的短暂响应。假如一个刺激只来了一小会儿细胞响应了一下产生的 RNA 随后又降解了。等咱们取样做单细胞测序时没测到那到底是细胞没响应过还是响应完了、痕迹也没了呢光看取样这一刻确实不太好分呀这篇文章想到了一个办法在细胞里搭个合成结构提前把 RNA 收起来。它叫recordanelle把线粒体膜锚定部分、帮助凝聚体组装的部分和 RNA 结合部分组合在一起。大家先别被名字绕晕啦咱们看图2里的B小图图2把短暂出现的 RNA 留到后续取样时再读Fig. 1a–b上面一排B 在中间时点出现之后又降解最后取样时就看不见了。下面一排有了记录结构B 被收进去、保护起来晚一点还能检测到。这里借用的是线粒体表面的位置收集的也包括细胞质中的 RNA。换用 poly(A) 结合蛋白后就能从抓取特定工程化 RNA扩展到收集多种内源 mRNA 啦实验中所捕获的 RNA 种类覆盖可达内源 mRNA 种类的约 90%并能保护数天。作者还测试了可诱导启动子和干扰素刺激在单细胞层面读到了保留下来的短暂转录响应这样就不用完全指望“刚好赶上那个时点”了不过保存下来的 RNA 没有逐条附上精确时间咱们能追问细胞经历过什么如果还想分清每件事的先后和持续时间就要再加设计啦03TWAS 找到了基因可“方向”一定对吗Nature Genetics | High false sign rates in transcriptome-wide association studies | 2026.10.22原文链接https://doi.org/10.1038/s41588-026-02796-4一句话介绍在血浆蛋白和复杂性状的验证中TWAS 推断的效应方向与生物学预期有较高比例不一致相关基因的正负号需要谨慎解释。“这个基因的预测表达量越高疾病风险越高那把它抑制下去应该就有帮助吧”咱们先在这儿停一下从找到关联到决定应该激活还是抑制中间的方向我们真判断对了吗TWAS也就是转录组范围关联研究会利用遗传变异预测表达再检验预测表达和性状之间的关联。那怎么检查它给的方向呢作者找了两类参照对应基因的表达增加通常预期血浆里的蛋白水平也增加对于复杂性状则借助让基因功能受损的罕见变异判断预期的效应方向。咱们可以对照图3上面是蛋白下面是复杂性状。图3用生物学预期核对 TWAS 的效应方向Fig. 1d核对完以后方向不一致的比例还真不低血浆蛋白分析是 23%复杂性状分析是 33%。这里说的是这篇研究在相应数据和参照下得到的结果咱们不能拿这两个数给所有 TWAS 统一算错误率。为什么会这样嘞一个重要原因可能出在组织和连锁关系上非性状相关组织里的调控变异与真正影响性状的变异紧密连锁统计信号就可能跟着一起走。基因看起来找到了起作用的组织和方向却没找准。作者还试了共定位筛选能改善一部分但没有把问题全部解决。所以呀结果表里一个漂亮的 P 值、一个清楚的正负号还不能替咱们把靶点方向定下来。真要往“激活它”还是“抑制它”上走得把相关组织、共定位、罕见变异和干预实验放到一起再看看。04细胞边界画歪了后面的故事也可能跟着变Nature Methods | Benchmarking segmentation methods for spatial transcriptomics | 2026.10.23原文链接https://doi.org/10.1038/s41592-026-03272-x一句话介绍研究比较了 11 种空间转录组细胞分割方法发现细胞边界的选择会一路影响转录本归属、细胞类型判断和配体—受体推断。空间转录组咱们经常兴冲冲地去看“什么细胞挨着什么细胞”“谁在给谁发信号”。等一下在这些分析前面还有一个很基础的问题这一个 RNA 点到底该算谁家的边界多圈一点邻居的转录本可能进来少圈一点自己的信号又会被留在外面。这篇文章比较了 11 种分割方法15 个数据集5 种技术还涉及 12 类人和小鼠组织。我们看图4从左边的物种、组织一路到平台、方法和评价范围铺得还挺开。比较时也没有只盯着细胞轮廓还检查了转录本回收、表达纯度、细胞组成、形态和空间关系等方面。图4空间转录组细胞分割的跨平台评测设计Fig. 1a那到底谁最好用呢得看咱们拿它做什么换个组织、平台或者评价指标方法的表现就会发生变化分出更多细胞、收进更多转录本也未必就能同时把表达纯度保持好。后面再去做细胞类型特异性、转录本污染和配体—受体分析这些差别还会继续影响结果。作者提供了统一的 Nextflow 评测流程方便按一致步骤比较。已经在做空间组学的小伙伴们也可以带着自己的结果来想一想如果换个合理的分割方法眼前这条细胞通讯还在不在呢要是变化特别大咱们就得回去看看那些参与“对话”的 RNA最开始有没有分对家呐05T 细胞耗竭了蛋白质也跟着“慢下来”了Cell | Proteomic atlas of T cell exhaustion defines proteostatic collapse | 2026.10.21原文链接https://doi.org/10.1016/j.cell.2026.09.051一句话介绍多组学分析发现耗竭 T 细胞中的蛋白整体更新变慢进一步提高 RNF166 表达能改善实验模型中 T 细胞的持续抗肿瘤作用。一个基因的 RNA 多了蛋白就一定多吗咱们还得看蛋白做出来以后能待多久、会不会被修饰、什么时候又被清除呀这篇从人的原代 CD8⁺ T 细胞出发比较不同刺激安排下的 RNA、蛋白丰度、蛋白周转和泛素修饰一共四类信息。其中一个结果还挺有意思的慢性刺激组的蛋白整体更新更慢测到的蛋白半衰期中位数是 13.9 小时再次刺激对照组是 12.2 小时。RNA 和蛋白的变化也有不少对不上有的只在 RNA 层面变有的只在蛋白层面变还有的方向相反。要是只拿转录组去解释耗竭确实会容易漏掉一些变化顺着蛋白稳态和泛素调控往下找作者注意到了 E3 泛素连接酶 RNF166又做了过表达实验。咱们直接看图5的小鼠黑色素瘤实验左边是细胞回输安排中间看肿瘤体积右边看生存。红色 RNF166 组的肿瘤长得更慢生存也延长了灰色是载体对照黑色是未回输 T 细胞的对照。图5RNF166 过表达 T 细胞的小鼠抗肿瘤实验Fig. 7J–L体外的人 CD19 CAR-T 细胞实验中也观察到了更持久的肿瘤细胞控制。这里的改进主要体现在“能持续多久”咱们读的时候把这个点记下来人体细胞的体外实验和小鼠回输实验已经有了结果患者能否获益还要往后验证。以后再看耗竭 T 细胞的 RNA 热图蛋白怎么更新、怎么清除也可以一起考虑一下啦06代谢物在肠道细胞里做好了还得有人把它运出去Cell | MCT6 is an intestinal Lac-Phe exporter required for metformin-associated weight loss | 2026.10.22原文链接https://doi.org/10.1016/j.cell.2026.09.058一句话介绍MCT6 帮助肠道细胞把 Lac-Phe 运出去在高脂饮食小鼠中缺少这个运输环节二甲双胍相关的体重下降也会减弱。细胞里面做好了外面却不一定收得到这篇研究的 Lac-Phe中文叫 N-乳酰苯丙氨酸是一种具有抑食作用的代谢物。它在细胞里产生之后怎么穿过细胞膜、进入血液呢咱们这回要认识的就是帮它往外走的转运体MCT6也叫 SLC16A5。我们先从一个直观的细胞实验看起吧图6左边检测 MCT6 蛋白Dox 指的是用来诱导表达的多西环素右边分别测培养液和细胞内的 Lac-Phe。加上诱导以后MCT6 表达上来了培养液里的 Lac-Phe 增加细胞里的反而减少了。哎这个一进一出的变化就和向外运输对上了图6MCT6 表达与细胞内外 Lac-Phe 水平的变化Fig. 1E–F当然研究不只停在这两组变化上。体外运输、细胞敲除和同位素示踪等实验也支持 MCT6 参与 Lac-Phe 外排。再到小鼠里特别是二甲双胍处理或高强度运动之后缺少 MCT6 会影响循环中的 Lac-Phe 水平。高脂饮食条件下全身敲除或肠上皮细胞特异敲除 MCT6小鼠对二甲双胍相关体重下降的响应都减弱了。那如果绕过这个出口直接给外源 Lac-Phe 呢作者还真做了补充以后呢二甲双胍处理的全身敲除小鼠食物摄入和体重变化恢复到了相应野生型对照的水平。这样就把运输环节和体重表型连得更具体了。注意注意这里讲的是实验小鼠可别看完就自己安排二甲双胍哟咱们读机制时倒是可以稍微留意一下代谢物做出来多少和最终能运出去多少可能需要分别看看。本周「要」选AI × Biology 本周之选Programmable design of functional proteins from natural language如果你也想让模型按功能要求设计蛋白这篇就可以往前排一排啦最让人“还能这么做”Recordanelles for transcriptome-wide single-cell RNA recording in human cells信号很短取样很晚还能不能追上呢把 RNA 先存起来这个办法可以慢慢琢磨生信人建议认真读High false sign rates in transcriptome-wide association studies下次准备用 TWAS 的正负号讨论靶点方向前可以先翻翻这篇。显著关联之后还得核对组织和方向这确实关系到咱们后面的实验该往哪边做空间组学开工前先翻一翻Benchmarking segmentation methods for spatial transcriptomics细胞圈好了才有后面的表达矩阵和空间关系。选方法的时候多看看自己最关心的结果在不同分割下会不会变总比跑到最后才发现边界有问题省事嘛以上奖项仅为「要」闻编辑部对本期入选研究的阅读推荐不代表学界共识或大众意见也不构成临床与健康建议。总结与展望好啦这周咱们先看到这里我还挺想把 RNA 记录和 T 细胞那两篇放在一起看看的比如取样时我们看到的细胞状态会不会也受之前经历过什么的影响呢一个可以把短暂的转录响应存下来另一个可以去测蛋白更新的速度。如果以后把这些信息结合起来能不能更好地区分那些眼下看起来很像、实际经历却不同的细胞呢interesting还有做蛋白设计的小伙伴们看完 Pinal 想开工的话记得把生成之后的筛选和测试也一起安排上哟还有还有大家最想看哪篇文章的“要读文献·长篇大论·精解版”呢欢迎告诉我们哟文末碎碎念那今天的分享就到这里啦我们下期再见哟最后顺便给自己推荐一下嘿嘿嘿如果我的分享对你有用的话欢迎关注点赞在看转发分享阿巴阿巴阿巴阿巴巴巴这可是我的第一原动力蟹蟹你们的喜欢和支持参考资料Programmable design of functional proteins from natural language. Nature. 2026. https://doi.org/10.1038/s41586-026-11205-zRecordanelles for transcriptome-wide single-cell RNA recording in human cells. Nature Biotechnology. 2026. https://doi.org/10.1038/s41587-026-03327-6High false sign rates in transcriptome-wide association studies. Nature Genetics. 2026. https://doi.org/10.1038/s41588-026-02796-4Benchmarking segmentation methods for spatial transcriptomics. Nature Methods. 2026. https://doi.org/10.1038/s41592-026-03272-xProteomic atlas of T cell exhaustion defines proteostatic collapse. Cell. 2026. https://doi.org/10.1016/j.cell.2026.09.051MCT6 is an intestinal Lac-Phe exporter required for metformin-associated weight loss. Cell. 2026. https://doi.org/10.1016/j.cell.2026.09.058