东京大学 MIP-ODT 技术将活细胞三维成像提速约400倍
日本东京大学团队开发出“视频速率中红外光热光学衍射层析成像”（MIP-ODT）显微技术，能以接近视频帧率捕捉活细胞内部化学成分的三维动态行为，成像速度比此前技术提升约400倍。相关论文发表于《自然·通讯》，该技术有望加速新药研发和生物研究进程。
#AI/药物发现
#AI/药物发现
今日 2 条36氪（长寿/健康关键词）AI 评分1818 STAT NewsAI 评分3636 科学家绘制基底节细胞图谱，发现与精神分裂症相关的新型神经元
一项大规模科学合作绘制出迄今最详细的人类基底节细胞图谱，研究人员分析了超过 2500 万个细胞，构建出该脑区的细胞"零件清单"并发现一种可能参与精神分裂症的新型神经元。研究还识别出与抑郁症、双相情感障碍和创伤后应激障碍相关的细胞类型。在小鼠帕金森病模型中，针对基底节细胞亚群的基因疗法与全覆盖方案疗效相当且更安全。
Medical Xpress（长寿/衰老关键词）AI 评分2828 乌普萨拉大学开发 GlioTrace：AI 追踪活体脑组织中数千个胶质母细胞瘤细胞
瑞典乌普萨拉大学团队在 Nature Communications 发布 GlioTrace，将活体脑组织成像与人工智能结合，可追踪数千个胶质母细胞瘤单细胞在脑组织中的移动，并量化其在沿血管迁移与独立扩散之间的状态切换。
Nature BiotechnologyAI 评分1818 Cell 刊发 RNA fingerprinting 统计框架，可将新实验的转录组响应匹配到已知扰动字典
Grabski 等人在 Cell 提出 RNA fingerprinting 统计框架，将新实验的转录组响应映射到已知扰动字典。该方法先从参考字典学习去噪的扰动特征“指纹”，再用受全基因组关联研究启发的贝叶斯概率框架匹配查询细胞。基于真实基准数据集，作者显示该方法在细胞类型内及跨细胞类型均能准确匹配已知扰动，并可扩展至全基因组数据集和推断组合扰动。
Nature BiotechnologyAI 评分4242 UK Biobank 新增免疫与脑健康数据层
UK Biobank 与伦敦 IMU Biosciences 合作，在 Sovereign AI 提供的 157 万英镑（210 万美元）资助下，将对 8 万名参与者的血样做免疫细胞图谱、转录组分析和 AI 计算，构建人群规模免疫数据集。
Nature Medicine精选AI 评分5858 Nature Medicine：基于深度学习的步态分析可预测多系统健康表型
研究团队用深度相机记录 3,328 名深度表型成人在五项运动任务中的三维骨骼运动数据，构建步态基础模型。模型嵌入显著预测了 3,210 个表型目标中的 1,887 个，并在男性全部 18 个身体系统和女性 18 个中的 17 个上带来预测增益，同时提升了对临床诊断和用药情况的预测。该研究发表于 Nature Medicine。
推荐理由：原文给出步态基础模型在 3,328 名深度表型成人中的预测覆盖范围，读者可据此判断步态作为多系统健康标志物的证据层级。
Medical Xpress（长寿/衰老关键词）AI 评分3333 研究用 AI 基于社会决定因素预测龋齿风险与严重程度
纽约大学牙科学院等机构的研究者用机器学习模型分析巴西口腔健康调查中 23,726 人的数据，按年龄组预测龋齿风险与严重程度，财富水平和家庭人口密度是最强预测因子。在 12 岁人群中，无法获得加氟水者龋齿率为 62.5%，接近可获得加氟水者 35.5% 的两倍。该研究发表于 Caries Research，团队正计划用美国 NHANES 数据做类似分析。
Medical Xpress（长寿/衰老关键词）AI 评分5858 Newton Tech 在 Nature Medicine 发表步态基础模型，可从 3D 骨骼运动预测多系统健康指标
Newton Tech 参与撰写的 Nature Medicine 研究显示，其 AI 步态基础模型在 3,328 名成人中分析了 17,589 段运动序列，与 3,210 项健康指标中的 1,887 项存在显著关联，覆盖 18 个身体系统。
Nature Medicine精选AI 评分6767 Nature Medicine 研究按患者应答轨迹划分溃疡性结肠炎亚型，并锁定维得利珠单抗无应答的 SPP1 血管炎症机制
研究团队用基于组的多元轨迹模型分析 VARSITY 与 GEMINI 1 两项 III 期试验中溃疡性结肠炎患者的个体 PRO-2 应答轨迹，把维得利珠单抗治疗者分为超级应答、应答、部分应答和无应答四组，验证队列中四组分别为 20%、8%、31% 和 41%。
推荐理由：原文用两项 III 期试验的个体应答轨迹分组，把维得利珠单抗无应答与 SPP1 血管炎症信号联系起来，并给出真实世界队列的关联证据。
Medical Xpress（长寿/衰老关键词）AI 评分5858 Lancet Digital Health：AI 从心脏 MRI 评估射血分数，预测全因死亡优于临床医生
伦敦城市圣乔治大学的 George Joy 等人在《The Lancet Digital Health》发表回顾性多中心预后研究，纳入 27,382 例连续接受基线心脏 MRI 的患者，比较深度学习 AI 与专家临床医生分割射血分数对全因死亡的预测能力。
Nature BiotechnologyAI 评分2222 基于Cas12a的组合敲除筛选揭示DNA损伤反应的遗传结构
研究利用Cas12a组合敲除筛选平台，在人类细胞中系统绘制DNA损伤反应的遗传互作图谱，揭示该通路的遗传结构。该工作将组合CRISPR筛选拓展至DNA损伤应答领域，为解析相关基因互作提供了方法学基础。
Nature Medicine精选AI 评分5858 Nature Medicine：步态基础模型用 3D 骨骼运动预测多系统健康表型
Nature Medicine 发表一项步态基础模型研究，基于 3,328 名成人的三维骨骼运动数据，可预测心脏代谢、心理健康和衰弱等多种临床特征与诊断。原文未披露预测准确度指标、外部验证队列及模型的具体应用场景。
推荐理由：基于 3,328 名成人三维骨骼运动数据构建的步态基础模型，可同时预测心脏代谢、心理健康与衰弱等多系统表型。
Nature AgingAI 评分3838 Nature Aging：Quest2Dx 用语言模型跨问卷筛查帕金森病
Quest2Dx 通过编码每对问题与回答的语义，能在训练中从未见过的健康问卷上筛查帕金森病，解决了问卷措辞与格式差异导致 AI 模型跨问卷表现不佳的问题。该工具由语言模型驱动，相关研究发表于 Nature Aging。
Nature Aging精选AI 评分5858 Nature Aging：Reyes 等开发 Quest2Dx 语言模型，用自报问卷筛查帕金森病
Reyes 等人在 Nature Aging 发表 Quest2Dx，一个基于健康问卷筛查帕金森病的 AI 模型，并识别出问卷中具有预测力的关键问题，定位为低成本、无创的疾病线索工具。原文未给出样本量、灵敏度与特异度等性能数据，也未说明该模型是否已进入临床使用。
推荐理由：原文说明该模型以健康问卷为输入做帕金森病筛查，并指出问卷中哪些问题最具预测力，属于低成本无创筛查路径的早期工具报道。
Nature BiotechnologyAI 评分3838 工程化紧凑型 Cas12m 变体实现体内多重基因激活
研究人员开发出一种工程化紧凑型 Cas12m 变体，可在体内实现多重基因激活。该工具基于 Cas12m 改造，用于在活体动物中同时开启多个目标基因，相关质粒已存入 Addgene（262479–262495），测序数据存于 NCBI SRA（PRJNA1492244、PRJNA1524337）。研究发表于 Nature Biotechnology，目前为动物实验层面的基因激活工具开发。
Nature BiotechnologyAI 评分2222 Nature Biotechnology：人源 AGO2 打造可编程 RNA 编辑靶向结构域 ALTER
一种完全由人源蛋白构建的可编程 RNA 碱基编辑器 ALTER 在 Nature Biotechnology 发表，其用人源 AGO2 替代细菌 CRISPR–Cas 蛋白作为靶向结构域。该设计降低了治疗应用中引发有害免疫反应的关键风险因素，且整体效果优于基于 dCas13 的编辑器。
Nature BiotechnologyAI 评分2020 DynaVelo：单细胞多组学速度深度动力学模型预测 B 细胞功能缺失与挽救扰动
深度学习模型 DynaVelo 利用单细胞多组学数据中 RNA 表达与 TF 基序可及性的联合动力学，预测遗传扰动对细胞命运轨迹的影响。研究将其应用于小鼠生发中心 B 细胞，涵盖野生型及 Arid1a、Ctcf 杂合功能缺失突变三种基因型，模型可从头生成细胞与轨迹、重建动态基因调控网络，并预测功能缺失扰动的影响及可挽救该动力学的 TF 扰动。
Buck Institute 衰老研究所AI 评分1212 Buck Institute 人物专访：Emma Glass 用全细胞模拟预测抗生素效果并迈向人类细胞衰老建模
Buck Institute 研究科学家 Emma Glass 在 James Yurkovich 实验室开发全细胞模拟软件，用计算模型预测大肠杆菌在不同环境及抗菌药物下的行为，无需培养皿即可算出抑制细菌生长所需抗生素浓度。该工作由 DARPA 资助，同时为 TIME 临床试验提供数据分析，其框架被视为未来模拟人类细胞、理解细胞衰老的蓝图。她预计未来十年将出现首批高保真人类细胞数字模型。
Buck Institute 衰老研究所AI 评分2222 Buck Institute 的 Furman 开发“健康自拍”App，用面部照片预测炎症与衰老
Buck Institute 副教授 David Furman 正在开发一款名为“Healthy Selfie”的手机 App，通过一张面部照片加一份问卷评估炎症水平，无需抽血即可推测生物衰老进程。
Buck Institute 衰老研究所AI 评分2222 Buck Institute 的 Christopher Benz 谈癌症研究的未来：按分子亚型而非器官来源分类肿瘤
Buck Institute 教授 Christopher Benz 认为，癌症研究的未来在于按分子与基因组特征对肿瘤进行亚型分类，而非仅按起源器官划分类型。