ARTICLE · 1078123
一周前沿回顾·AI领域 | 从蛋白动态到临床分型:多模态测量与人工智能如何识别生命系统隐藏模式
生命科学中的许多关键信号并不直接可见：轴突如何铺设、细胞何时衰老、腹腔中是否潜伏游离癌细胞、蛋白质怎样传递构象变化，都需要从高维数据中重建。人工智能的价值，正从简单分类转向发现空间、时间与分子层面的组织规律。
但模型给出的高分不等于可靠的生物学认识。肺部CT研究展示了采集参数如何伪装成恶性信号；眼底图像与可穿戴阻抗研究则说明，替代测量能否成立，取决于它是否保留目标表型及其可迁移结构。
01 · 血清素｜发育图谱｜轴突布线
血清素全脑布线，既有统一节拍也有亚型分工
血清素轴突并非各自生长：胚胎期亚型设定与出生后全脑同步，共同塑造不同脑区的连接版图。
该研究结合小鼠全脑发育期投射图谱、深度学习生成的四维轴突密度图，以及从胚胎期延续至出生后的单细胞转录组轨迹，并在出生时按发育保守标志物追踪血清素神经元亚型。
血清素神经元异质性在胚胎期已经建立，亚型分类在小鼠与人之间大体保守。不同亚型在小鼠出生后第4天同步增强布线分子表达，随后对应全脑神经支配波；与此同时，各亚型进入互补投射区域并启用不同的末梢成熟模块。由此可见，全局同步与局部特异并非彼此取代，而是共同组织出生后布线。
关键数据
生成出生后血清素轴突密度的四维全脑图谱 小鼠出生后第4天出现协调一致的布线分子表达高峰 发育控制包含全脑同步和亚型特异末梢成熟两个层面
这项研究值得关注的地方
把细胞亚型、发育时间与全脑投射统一到同一框架，有助于理解广泛调质系统如何形成精细连接。
注：
证据主要来自发育期小鼠图谱、转录组与亚型追踪；跨物种保守性不等于人脑布线过程已被直接验证，也不能据此推断精神疾病疗效。
02 · 细胞衰老｜拉曼成像｜空间多组学
细胞衰老没有单一面孔，但可能共享一段脂质信号
肺与皮肤的衰老程序明显不同，一段共同的脂质相关光谱信号则提供了原位、无损识别细胞状态的线索。
该研究建立RamanOmics框架，将无标记高光谱拉曼成像与单核RNA测序、空间转录组结合，分析年轻和老年小鼠的肺与皮肤，并在小鼠伤口愈合模型中观察衰老细胞状态的变化。
肺衰老细胞富集细胞外基质重塑和转化生长因子β信号，皮肤则以Krt10、Lor和Sbsn等表皮分化基因为主，说明衰老具有组织特异性。跨组织共享的1,131–1,135cm⁻¹脂质相关拉曼特征可标记p21阳性细胞；伤口愈合时，衰老细胞再次出现表皮分化基因表达及增强的脂质相关信号。
关键数据
比较年轻与老年小鼠的肺、皮肤两类组织 共同拉曼特征位于1,131–1,135 cm⁻¹ 共享光谱特征与p21阳性衰老细胞相联系
这项研究值得关注的地方
它把生化光谱与空间转录程序对齐，为不破坏组织的细胞状态识别提供了可扩展路径。
注：
结果来自小鼠组织和伤口模型；共同光谱特征用于人类组织或不同疾病场景前，仍需独立验证其特异性与稳定性。
03 · 胃癌｜腹膜转移｜单细胞脂质组
腹腔里的稀有胃癌细胞，能否从脂质指纹中被找出
研究从单细胞脂质谱中区分游离胃癌细胞与良性腹膜细胞，并进一步探索与HER2亚型相关的代谢分层。
该研究以无标记、基于代谢物的质谱流式开展单细胞脂质组分析，共获得来自92份样本的41,627个单细胞脂质谱，并训练图神经网络，在腹膜细胞生态中识别稀有游离胃癌细胞。
游离胃癌细胞呈现区别于良性腹膜细胞的脂质组指纹，图神经网络用于解析复杂脂质谱并识别稀有细胞。研究还观察到HER2亚型相关的脂质组异质性，据此提出代谢分类。核心启示是，腹膜转移的分子识别可从细胞形态或单一标志物扩展到单细胞代谢状态，但其临床诊断性能仍需在独立人群中检验。
关键数据
共分析92份样本 获得41,627个单细胞脂质组谱 分类同时涉及游离胃癌细胞识别与HER2相关代谢分层
这项研究值得关注的地方
为隐匿游离癌细胞的早期识别提供了无标记单细胞路径，并把检测与分子分型连接起来。
注：
这是样本层面的诊断与分类研究；尚不能据此确认对患者结局的改善，也不能把HER2相关脂质差异解释为转移的因果机制。
04 · 蛋白质｜变构网络｜分子动力学
从动态轨迹中删繁就简，模型试图找到蛋白变构通路
蛋白功能不只由静态结构决定；该框架从分子动力学轨迹中提取随时间变化的最小残基互作网络。
该研究开发图神经网络框架AlloPool，分析平衡与非平衡分子动力学模拟，通过迭代裁剪残基间互作并结合时间注意机制，重建蛋白动态轨迹及其对化学或机械扰动的结构响应。
AlloPool在结合结构域、机械传感器、信号受体和酶等4类动态蛋白系统中接受验证，可映射变构通信路径，并预测配体结合、机械力和突变带来的动态变化。模型还识别了瞬态状态，在动态轨迹重建上优于既有机器学习方法。这说明可解释的时间互作网络有望补足静态结构模型，但所得通路仍属于模拟驱动的模型推断。
关键数据
同时学习平衡与非平衡两类分子动力学模拟 验证覆盖结合结构域、机械传感器、信号受体和酶4类系统 分析配体结合、机械力和突变3类扰动
这项研究值得关注的地方
把复杂轨迹压缩为可解释的动态互作网络，为研究蛋白变构和筛选候选调控位点提供工具。
注：
结论建立在分子动力学模拟与模型重建之上；预测的通路、瞬态状态及突变效应仍需高分辨率实验验证。
05 · 肺部CT｜数据混杂｜外部验证
院内AUC接近满分，模型读到的却可能是扫描协议
一项看似几乎解决肺癌分类的模型，在外部队列接近随机；真正被模型利用的主要是采集差异。
该研究回顾性分析单中心303名患者的381次肺部CT扫描，其中187次为癌症、194次为良性，并用冻结的基础模型全扫描特征分类；随后在两个外部队列检验迁移，同时单独测试6个采集信息字段。
院内患者分组交叉验证AUC达0.994，但外部迁移接近随机。癌症与良性扫描分别采用0.7mm和1.0mm层间距；仅读取6个采集字段的分类器AUC为0.996，与图像特征结果相差0.001（p=0.73）。缩小至预先指定结节后，AUC由0.584升至0.808；结节级模型跨外部队列迁移AUC为0.682，提示可迁移信号更多位于病灶局部。
关键数据
单中心303名患者、381次扫描：187次癌症，194次良性 全扫描特征院内AUC为0.994，外部队列接近随机 - 6个
采集字段分类AUC为0.996 结节级跨队列AUC为0.682，95% CI 0.559–0.792
这项研究值得关注的地方
它用清晰反例说明，高内部性能可能只是队列组装捷径；采集信息基线和外部验证应成为医学影像建模的常规检查。
注：
单中心开发队列存在明显协议差异，两个外部队列的终点定义也不完全一致；结节级结果仅在其中一个编码器和特定对照条件下获得。
06 · 可穿戴传感｜肌肉动力学｜生物阻抗
肌肉阻抗不总能代表力量，却能持续追踪肌束变化
可穿戴肌电阻抗与关节力矩的关系依赖动作条件，但对肌肉长度变化和激活状态更稳定。
该研究在10名参与者的腓肠肌内侧头采集双频电阻抗肌成像信号，并与测力计、B超和肌电图比较。受试者完成受限及自主等长、向心和离心收缩，覆盖不同力量、关节角度与角速度。
电阻抗信号只在特定条件下与关节力矩相关，却在全部动作中与肌肉长度变化动态相关。混合效应模型和序贯特征分析将肌束长度与肌肉激活识别为阻抗差异的主要驱动因素；双频信号结合主成分分析还可在行走中捕捉两者变化。读者需要区分：它更像肌肉结构与神经肌肉活动传感器，而非跨动作通用的力量替代值。
关键数据
共纳入10名参与者 采用双频电阻抗测量 测试4类收缩：受限等长、自主等长、向心和离心 肌肉长度动态的相关性覆盖全部测试动作
这项研究值得关注的地方
为可穿戴传感提供了可解释的生物力学基础，可支持辅助机器人获取实时肌肉状态。
注：
研究样本为10人，测量集中于腓肠肌内侧头；跨肌群、跨人群以及真实辅助控制中的表现仍需验证。
07 · 眼底图像｜替代表型｜全基因组关联
用眼底照片补出屈光度，遗传关联还能保留下来吗
在这一概念验证中，图像预测的屈光表型复现了实测表型的显著遗传信号，效应估计也高度一致。
该研究在长滨人群研究的9,850名参与者中开展横断面分析，微调SwinTransformer从眼底照片预测等效球镜度数；模型在无基因型且未接受白内障手术者中训练，再分别以实测值和AI填补值进行全基因组关联分析。
独立测试集中，模型平均绝对误差为0.78D，预测值与实测值的相关系数为0.92。基于AI填补表型的分析捕获了实测表型分析识别出的全部全基因组显著SNP；全基因组效应量估计相关系数为0.96。结果支持图像推算表型用于遗传发现的可行性，但这里验证的是关联结构的一致性，而非图像预测具有因果解释。
关键数据
人群队列纳入9,850名参与者 独立测试集平均绝对误差为0.78 D，r=0.92 AI填补分析捕获全部实测分析中的全基因组显著SNP 两种GWAS效应量估计相关系数为0.96
这项研究值得关注的地方
为难以大规模直接测量的性状提供低成本替代表型思路，并给出了遗传层面的交叉检验。
注：
这是单一人群队列、以等效球镜为示范性状的概念验证；对其他族群、图像设备和复杂表型的适用性仍需评估。
08 · 早产儿｜肠损伤｜无监督分型
跳过坏死性小肠结肠炎标签，早产儿呈现更多肠损伤模式
超过两万名极低出生体重儿的数据揭示了传统诊断之外的临床分群，提示肠损伤并非单一疾病模式。
该研究使用韩国新生儿网络2013至2022年前瞻性收集的20,352名极低出生体重儿数据，在排除反映早产程度及坏死性小肠结肠炎诊断的变量后，进行无监督层次聚类并验证各群生存模式。
不依赖坏死性小肠结肠炎标签，数据形成8个主要集群。既往诊断为2期及以上坏死性小肠结肠炎比例最高的第8群，又分为5个临床亚群，分别突出产前抗生素暴露、辅助生殖、妊娠期高血压、绒毛膜羊膜炎或胎膜早破，以及严重出生后并发症。聚类间生存模式与监督生存模型预测高度一致，支持肠损伤存在可识别的异质结构。
关键数据
纳入20,352名极低出生体重儿 数据覆盖2013至2022年 无诊断标签聚类得到8个主要集群 第8群进一步分为5个临床亚群
这项研究值得关注的地方
它提供了一种不被既有诊断名称限制的表型框架，可用于重新描述高风险早产儿的肠损伤异质性。
注：
聚类揭示的是临床特征共现及预后结构，不能证明产前暴露或并发症导致肠损伤；新分类仍需在其他人群中复现并检验临床用途。
值得关注的趋势
01｜从分类结果转向时空结构
全脑轴突图谱、空间拉曼组学、单细胞脂质组和蛋白动态网络都在追踪信号何时出现、位于何处以及如何随状态变化，模型开始承担结构发现而非只给标签。
02｜替代表型正在接受多层校验
眼底图像推算屈光度通过遗传关联一致性检验，肌肉阻抗则与超声和肌电所见对照。替代测量的可信度来自与目标生物结构的对应，而非预测分数本身。
03｜外部迁移与混杂审计成为分水岭
肺部CT结果表明，近乎完美的院内性能可能由扫描协议制造；胃癌细胞识别、衰老光谱和早产儿分型若要进入更广场景，同样需要独立队列、跨平台与跨人群验证。
参考文献
1. Adams AMJ, Wu KLK, Li Z, Li P, Pan H, Huang Z, Migliarini S, Dear R, Sun B, Chan ZC, Liang J, Li H, Vértes PE, Pasqualetti M, Isakova A, Ren J. System-level synchronization and subtype-specific modules govern brain-wide serotonin axon innervation. Proc Natl Acad Sci U S A. 2026 Sep 29;123(39):e2611533123.
PubMed：https://pubmed.ncbi.nlm.nih.gov/42771501/
DOI：https://doi.org/10.1073/pnas.2611533123
2. Zhang K, Chen X, Monticolo F, Sorrentino S, Huang H, Callahan C, Qiao Y, Zhou J, Brodowska S, Sapantzi S, Qi J, Wu Y, Dang TNS, Cao Y, Kang S, Viggiani F, Ho CK, Xu Y, Kobayashi-Kirschvink KJ, Mung T, Phatnani H, Dou Z, Kang JW, So PTC, Shu J. RamanOmics decodes the spatial vibrational-molecular architecture of senescence in aging and repair. Nat Aging. 2026 Sep 21.
PubMed：https://pubmed.ncbi.nlm.nih.gov/42768111/
DOI：https://doi.org/10.1038/s43587-026-01219-7
3. Pan S, Chen X, Xu W, Chen J, Xu K, Gao P, Li Y, Zhao J, Yang J, Du M, Cheng R, Cao J, Li J, Zhao X, Qiao T, Chen T, Li X, Lu C, Xiong S, Yao H, Huang X, Zhang S, Zhang X, Wang Z. Early diagnosis and molecular classification of gastric cancer peritoneal metastasis by deep learning-driven single-cell lipidomics. Cell Rep Med. 2026 Sep 21:103055.
PubMed：https://pubmed.ncbi.nlm.nih.gov/42767217/
DOI：https://doi.org/10.1016/j.xcrm.2026.103055
4. Marfoglia M, Pedraza-Joya MA, Guirardel L, Chatzi Souleiman A, Barth P. AlloPool is a deep learning framework that infers protein allostery from molecular dynamics simulations. PLoS Biol. 2026 Sep 21;24(9):e3004002.
PubMed：https://pubmed.ncbi.nlm.nih.gov/42766632/
DOI：https://doi.org/10.1371/journal.pbio.3004002
5. Lee MH, Lin WY, Chiu YJ. Multicohort Evaluation of Acquisition Confounding in Single-Site Lung-CT Malignancy Classification with Frozen Foundation-Model Features. J Imaging Inform Med. 2026 Sep 22.
PubMed：https://pubmed.ncbi.nlm.nih.gov/42773336/
DOI：https://doi.org/10.1007/s10278-026-02312-4
6. Nichols CJ, Harris N, Crane HT, Routt A, Haile MD, Goossens Q, Shinohara M, Sawicki GS, Jakubowski KL, Inan OT. Bioimpedance meets biomechanics: Wearable electrical impedance myography encodes fascicle and activation dynamics. Sci Robot. 2026 Sep 23;11(118):eaea4580.
PubMed：https://pubmed.ncbi.nlm.nih.gov/42777071/
DOI：https://doi.org/10.1126/scirobotics.aea4580
7. Sado K, Kamei T, Mori Y, Doi Y, Nakano SY, Kawamura-Nakata A, Okayama W, Morino K, Tamura H, Kawaguchi T, Tabara Y, Matsuda F, Tsujikawa A, Miyake M. Genome-wide association study for refractive error imputed from fundus images via deep learning: a proof-of-concept study. Jpn J Ophthalmol. 2026 Sep 23.
PubMed：https://pubmed.ncbi.nlm.nih.gov/42776408/
DOI：https://doi.org/10.1007/s10384-026-01412-6
8. Oh SH, Choi YS, Chung SH, Ahn J, Kim JY, Lee EH, Aghaeepour N, Stevenson D, Neu J. Distinct clinical patterns of preterm infants vulnerable to intestinal injury identified by unsupervised clustering. Pediatr Res. 2026 Sep 23.
PubMed：https://pubmed.ncbi.nlm.nih.gov/42773236/
DOI：https://doi.org/10.1038/s41390-026-05494-3
End