乐于分享
好东西不私藏

AIVEV文献合集 | 第十一期

AIVEV文献合集 | 第十一期

点击蓝字 关注我们

    本期合集精选的四篇《Nature》系列研究,围绕“细胞外囊泡及相关纳米囊泡从基础表征走向功能解析与转化应用”展开系统布局。一方面,通过开发高通量单囊泡成像平台、系统比较细胞内囊泡与细胞外囊泡的差异、揭示EV介导的线粒体双向转移网络,推动了对囊泡异质性、起源、稳定性、摄取效率及组织稳态调控的深入理解;另一方面,引入AI驱动的转录组扰动预测模型,将囊泡研究与计算生物学深度融合,为药物响应预测和精准治疗开辟新路径。几项工作共同提示,囊泡研究不能停留在“分离出纳米颗粒”或“检测到经典标志物”这一层面,而应回答更核心的问题——这些囊泡的细胞起源是什么、如何高效获取并保持功能、囊泡及其内容物在体内被哪类细胞摄取、是否真正发挥生物学功能,以及观察到的治疗效应能否被严谨地归因于特定的囊泡亚型及其携带的活性分子。

用于直接分析人血浆细胞外囊泡的高通量单囊泡成像平台

    这篇文章提出了一种高通量单囊泡成像平台,能够直接从人血浆等未处理样本中分析细胞外囊泡(EVs)的蛋白表达。通过优化聚乙二醇表面功能化策略,结合自动化液体处理与荧光显微镜,实现了对单个EV的高通量、高灵敏检测,动态范围达4个数量级,检测限低至2.8×10⁴颗粒/mL。研究验证了平台在191例血浆样本中的应用,发现乳腺癌患者,尤其是晚期,血浆中CD9⁺ EV水平显著升高,而CD81⁺ EV变化不显著,且该升高与HER2或TROP-2共定位无关,提示可能反映肿瘤进展相关的系统性EV变化。该平台为大规模、精准的EV临床分析提供了有力工具。

原文链接

https://www.nature.com/articles/s41467-026-72179-0

小细胞内囊泡在摄取、药物递送和视网膜神经保护方面优于小细胞外囊泡

    文章系统比较了从小细胞内分离的“小细胞内囊泡”(sIVs)与传统“小细胞外囊泡”(sEVs)在生物特性与治疗应用中的差异。研究发现,sIVs粒径更小、产量更高,较sEVs高20–40倍,在生理温度下更稳定,且不表达典型的外泌体标志物,而是富集内质网、高尔基体等相关蛋白及独特的miRNA和磷脂,如磷脂酰胆碱。在蓝光诱导视网膜损伤和rd10小鼠视网膜变性模型中,间充质干细胞来源的sIVs通过抑制内质网应激、递送神经保护因子,展现出优于sEVs的神经保护效果。此外,sIVs具有更高的药物装载效率和体内递送能力,可有效递送雷帕霉素并抑制mTOR通路。总体而言,sIVs作为一种天然存在的细胞内纳米囊泡,在产量、稳定性和治疗效能方面均优于sEVs,为药物递送和再生医学提供了新平台。

原文链接:

https://www.nature.com/articles/s41551-025-01596-1

细胞外囊泡介导的线粒体转移网络,对睾酮合成至关重要

文章揭示了睾丸间质细胞(Leydig cells, LCs)与两种睾丸巨噬细胞(tMacs)亚群之间通过细胞外囊泡(EVs)介导的双向线粒体转移网络,该网络对睾酮合成至关重要。研究发现,LCs在睾酮合成过程中会将含有缺陷线粒体的EVs排出,这些EVs通过磷脂酰丝氨酸(PS)被CD206⁺ tMacs表面的TREM2受体识别并清除,从而防止功能异常的线粒体累积对LCs造成损伤。另一方面,LCs通过ITGβ1-VCAM1相互作用,从MHCII⁺ tMacs摄取含有功能性线粒体的EVs,以补充自身能量需求并支持睾酮合成。破坏TREM2或VCAM1信号会阻断这一转移网络,导致睾酮水平下降、精子发生障碍、生育力降低及肌肉功能衰退。此外,该网络随年龄增长而功能衰退,与老年性睾酮下降相关。该研究揭示了睾丸内LCs与巨噬细胞之间基于EV的线粒体“丢弃-补充”合作机制,为理解组织稳态维持和年龄相关性腺功能减退提供了新视角。

原文链接:https://www.nature.com/articles/s41556-026-01896-x

利用生物信息双分支变换器对药物诱导的细胞扰动响应进行建模

    文章介绍了XPert,一种基于生物学信息的双分支Transformer模型,用于预测药物诱导的细胞转录组扰动响应。XPert通过双分支架构分别编码扰动前后的细胞状态,有效区分内在转录模式与扰动触发的调控变化,克服了现有变分自编码器方法过度去噪导致生物信息丢失的问题。模型整合了药物的化学特征,通过UniMol提取;生物学特征,基于药物-靶标相互作用、蛋白-蛋白相互作用和药物结构相似性构建的知识异构图;以及剂量-时间条件标记,实现基因特异性扰动效应和剂量-时间动态的非线性建模。在L1000数据集的单剂量-单时间场景中,XPert在冷细胞泛化任务上相比最优基线TranSiGen将皮尔逊相关系数提高36.7%、均方误差降低78.2%;在多剂量-多时间预测中,能精确解析药效学轨迹并揭示关键分子事件。通过从大规模临床前数据向临床场景的知识迁移,XPert在患者特异性响应预测中实现最高15.04%的性能提升,并基于注意力机制识别出经临床验证的耐药生物标志物,为精准医疗和药物发现提供了可解释的计算框架。

原文链接:

https://www.nature.com/articles/s42256-025-01165-w

公众号丨虚拟囊泡

欢迎关注

点赞

收藏

分享