23andMe, Inc.

摘要 2026年1月，清华大学智能产业研究院联合智源人工智能研究院在《科学》杂志发表突破性研究成果DrugCLIP，首次实现全基因组规模药物虚拟筛选，速度较传统方法提升百万倍。同期，谷歌DeepMind发布AlphaGenome模型，精准预测基因组远端致病突变。本文将从技术突破、产业应用、商业模式三个维度，深度剖析AI+基因组学如何重构药物研发全链条，并绘制从基础研究到临床转化的全产业链投资地图。 一、技术突破：从“大海捞针”到“精准定位” 1.1 DrugCLIP：化学基因组学的范式革命 传统药物筛选面临“不可能三角”：精度、通量与化学空间规模。基于物理模拟的分子对接技术，完成人类基因组（约2万个蛋白质靶点）与5亿小分子库的全面筛选需要数百年计算时间，严重制约突破性疗法发现。 清华大学兰艳艳教授团队研发的DrugCLIP平台，通过四大技术创新实现范式跃迁： （1）向量化结合空间构建 核心原理 ：将蛋白口袋3D拓扑结构与小分子化学表征映射到同一高维共嵌入空间技术路径 ：训练两个深度神经网络编码器，分别对蛋白口袋和小分子进行多尺度表征对齐效率数据 ：单节点（128核CPU+8张GPU）日打分能力达10万亿次，筛选100万候选分子仅需0.02秒 （2）自监督结构预训练创新 数据构造 ：从海量蛋白数据中切取片段模拟“假配体”，构造550万组训练样本Zero-shot泛化 ：使模型在接触真实药物前已深刻领悟蛋白表面结构特征应用突破 ：首次完成人类基因组规模虚拟筛选，覆盖1万蛋白靶点、2万结合口袋、5亿小分子 （3）暗靶点攻克能力验证 针对此前既无实验结构、也无已知抑制剂的“暗靶点”——人源E3泛素连接酶TRIP12（与癌症和帕金森相关），DrugCLIP直接基于AlphaFold2预测的蛋白结构进行盲筛，成功命中多个活性抑制剂。 （4）临床验证硬数据 在临床靶点NET（去甲肾上腺素转运体）实验中，从160万候选分子中筛选出约100个高评分分子，同位素配影实验证实： 有效抑制剂比例 ：15%（传统方法通常<1%）最优分子性能 ：12个分子结合能力优于现有抗抑郁药物安非他酮复合物结构验证 ：通过冷冻电镜解析相关复合物结构，确认生物学可信度 1.2 AlphaGenome：基因组调控的全面解码 谷歌DeepMind发布的全新AlphaGenome模型，将AI预测疆域拓展至人类基因组图谱，实现三大突破： （1）多过程同步预测 单次推理即可对11种不同基因调控过程进行综合预测，涵盖： 基因表达 ：RNA-seq数据预测转录因子结合 ：蛋白-DNA相互作用识别表观遗传修饰 ：组蛋白修饰位点定位三维基因组 ：染色质空间折叠接触图谱 （2）远端效应解析 精准预测距离靶基因超过10kb的远端增强子作用，解决全基因组关联分析（GWAS）核心难题： 预测准确性 ：在26轮与现有模型对决中，25轮胜出临床应用 ：对白血病相关基因TAL1的致病突变进行精准还原，准确预测8000个碱基之遥的突变区域 （3）剪接机制模拟 完整模拟RNA剪接动力学，同时计算剪接位点、使用率及具体连接点，为遗传病诊断提供新工具。 1.3 技术融合：后AlphaFold时代的完整药物研发闭环 DrugCLIP与AlphaGenome的结合，构建了从基因到药物的完整研发链条： 数据流闭环： AlphaGenome基因变异预测 → AlphaFold蛋白结构预测 → DrugCLIP药物虚拟筛选 → 实验验证与优化 效率提升： 传统路径需3-5年完成的靶点验证与先导化合物发现，AI驱动路径可缩短至3-6个月 成本降低： 早期研发阶段投入从数千万美元降至百万美元级别 二、全产业链分析框架 2.1 上游：算力基础设施与数据资产 （1）高性能计算集群 GPU需求 ：NVIDIA H100/H200系列，单节点8卡配置云端算力 ：AWS、Azure、阿里云等公有云AI计算实例混合部署 ：本地集群+云端弹性扩展的混合架构投资规模 ：千万级硬件投入，百万级年运维成本 （2）基因组数据资产 结构化数据库 ：UniProt、PDB、ChEMBL等公开数据库整合私有数据积累 ：企业自有临床试验数据、高通量筛选结果数据标准化 ：统一数据格式、质量控制标准、元数据规范数据安全 ：加密存储、访问控制、审计追踪 （3）算法模型平台 预训练模型库 ：DrugCLIP、AlphaGenome等开源/商业模型模型微调工具 ：针对特定靶点家族、疾病领域的定制化训练模型评估体系 ：准确性、鲁棒性、可解释性综合评价指标 2.2 核心支撑层 （1）CRO-AI服务商 虚拟筛选服务 ：基于客户提供靶点结构进行高通量计算靶点发现平台 ：从基因组数据到潜在治疗靶点的系统识别复合物结构预测 ：蛋白-配体结合模式与亲和力预测代表企业 ：药明康德AI平台、晶准生物、英矽智能 （2）监管科技服务 AI模型验证 ：符合FDA/NMPA监管要求的模型验证报告数据合规咨询 ：基因数据跨境传输、隐私保护合规方案临床试验设计 ：基于AI预测的适应性临床试验方案专业机构 ：德勤、普华永道等咨询公司AI医疗合规团队 （3）开源生态建设 标准数据集 ：高质量、可复现的基准测试数据集发布评估基准 ：药物发现各环节的标准化评估基准开源工具链 ：从数据预处理到结果可视化的完整工具链社区协作 ：GitHub、Hugging Face等平台的开源项目协作 2.3 中游：AI药物研发企业 （1）技术平台型企业 核心资产 ：自主开发的AI算法平台、专有数据集商业模式 ：平台授权费+项目合作分成+里程碑付款代表企业 ：Exscientia ：AI驱动小分子设计，首个AI设计药物进入临床Recursion ：细胞成像+AI，罕见病药物发现平台英矽智能 ：生成式AI药物发现，多款候选药物进入临床 （2）垂直领域专家 疾病聚焦 ：专注特定疾病领域（如肿瘤、神经退行性疾病）技术专长 ：在特定技术方向（如抗体设计、PROTAC）形成深度积累临床转化 ：具备早期临床试验设计与执行能力代表企业 ：华深智药（抗体AI设计）、星亢原（PROTAC计算平台） （3）传统药企AI转型 内部团队建设 ：组建AI研发中心，招聘算法工程师、计算生物学家外部合作 ：与AI初创企业建立战略合作，共同推进管线并购整合 ：收购具有核心技术的AI药物发现公司代表企业 ：诺华、辉瑞、罗氏等大型药企AI战略 2.4 整合运营层 （1）药物研发项目管理 多学科团队协同 ：计算科学家、生物学家、化学家、临床医生一体化协作敏捷开发流程 ：快速迭代的药物设计-合成-测试循环知识产权管理 ：AI生成化合物的专利策略、数据资产保护风险管控 ：技术风险、临床失败风险、竞争风险的量化评估 （2）资本运作模式 风险投资支持 ：早期技术验证阶段的风险资本投入合作研发模式 ：药企预付+里程碑付款的合作开发协议股权融资路径 ：从天使轮、A轮到IPO的完整融资路径并购退出机制 ：技术平台型企业被大型药企收购的退出通道 （3）生态合作网络 学术机构合作 ：与顶尖大学、研究所建立联合实验室产业联盟建设 ：参与行业联盟（如AI+生命科学产业联盟）国际技术转移 ：引进海外先进技术，推动本土化创新政策沟通平台 ：参与监管机构对话，推动政策环境优化 2.5 下游：临床应用与商业化 （1）伴随诊断开发 生物标志物识别 ：基于基因组数据的治疗响应预测标志物诊断试剂盒开发 ：与IVD企业合作开发商业化检测产品监管申报 ：FDA/NMPA的伴随诊断产品注册申报市场准入 ：医保支付谈判、医院渠道建设 （2）精准医疗实施 患者分层方案 ：基于基因组特征的临床亚群划分治疗路径优化 ：个体化用药方案、剂量调整建议疗效监测体系 ：动态基因组监测、耐药机制早期预警健康管理服务 ：长期随访、生活方式干预、复发预防 （3）数据价值挖掘 真实世界研究 ：基于临床数据的药物疗效、安全性再评价新产品机会识别 ：未满足临床需求的系统发现生命周期管理 ：适应症拓展、联合用药方案开发学术价值转化 ：发表高水平论文、参与学术会议、行业标准制定 三、产业化瓶颈与突破路径 3.1 技术瓶颈 （1）数据质量与规模 挑战 ：高质量、标注准确的训练数据稀缺，特别是负样本数据突破路径 ： 构建统一标准的数据采集、标注、质量控制体系 开发数据增强技术，生成合成训练数据 推动多中心数据共享，扩大数据规模 （2）模型可解释性 挑战 ：深度学习模型“黑箱”特性制约临床接受度与监管审批突破路径 ： 开发可解释AI技术，可视化关键特征贡献度 构建因果推断模型，识别真实的生物机制 建立模型预测与生物学原理的关联验证体系 （3）泛化能力限制 挑战 ：模型在新靶点、新化学空间的预测准确性下降突破路径 ： 开发少样本学习、迁移学习技术 构建更通用的分子表征学习方法 建立跨领域知识迁移框架 3.2 生产瓶颈 （1）计算资源需求 挑战 ：大规模虚拟筛选对算力要求极高，成本压力大突破路径 ： 算法优化，降低计算复杂度 分布式计算架构设计 与云服务商合作，获得成本优化方案 （2）实验验证瓶颈 挑战 ：AI预测的化合物需实验验证，合成与测试周期长突破路径 ： 发展自动化合成、高通量筛选技术 建立预测-实验反馈闭环，持续优化模型 开发虚拟验证技术，减少实验投入 （3）标准化缺失 挑战 ：缺乏AI药物研发的标准化流程、评估基准突破路径 ： 行业联盟推动标准制定 建立公开基准测试数据集 开发标准化评估工具 3.3 商业瓶颈 （1）监管路径不明确 挑战 ：AI设计的药物面临独特的监管审查问题突破路径 ： 与监管机构早期沟通，建立监管科学框架 参与监管沙盒试点项目 开发符合监管要求的质量体系 （2）市场接受度挑战 挑战 ：医生、患者对AI设计药物存在信任障碍突破路径 ： 开展医生教育项目，展示临床证据 患者沟通策略，解释技术优势 建立品牌信任，积累成功案例 （3）竞争格局激烈 挑战 ：AI药物研发领域竞争白热化，同质化严重突破路径 ： 构建差异化技术优势，形成技术壁垒 聚焦特定疾病领域，建立专业声誉 生态合作，建立竞争优势网络 四、市场前景与投资机会 4.1 市场规模测算 （1）AI药物发现市场 全球规模 ：Grand View Research预测2030年达71.4亿美元，CAGR 28.8%驱动因素 ：研发效率提升需求、数据积累、算法突破细分市场 ： 小分子药物发现：占比60%，市场规模42.8亿美元 生物药设计：占比25%，市场规模17.9亿美元 临床试验优化：占比15%，市场规模10.7亿美元 （2）伴随诊断市场 全球规模 ：MarketsandMarkets预测2026年达89.2亿美元，CAGR 12.4%AI增强诊断 ：AI驱动的基因组分析占比逐年提升，2030年预计达30% （3）精准医疗服务 全球规模 ：Precedence Research预测2032年达2860亿美元，CAGR 11.2%AI赋能价值 ：AI在患者分层、治疗方案优化环节创造增量价值 4.2 投资地图 （1）基础设施层 云计算提供商 ：AWS、Azure、Google Cloud、阿里云、腾讯云AI芯片企业 ：NVIDIA、AMD、英特尔、华为昇腾、寒武纪数据服务商 ：DNAnexus、Seven Bridges、华大基因云平台 （2）技术平台层 AI药物发现平台 ：Exscientia、Recursion、英矽智能、华深智药基因组分析工具 ：Illumina DRAGEN、Google AlphaGenome API多组学整合平台 ：Tempus、Guardant Health、燃石医学 （3）应用服务层 CRO-AI服务 ：药明康德AI、康龙化成计算化学、昭衍新药AI评估临床决策支持 ：IBM Watson Health、百度灵医、平安好医生AI健康管理平台 ：23andMe、 AncestryDNA、华大基因消费检测 4.3 风险提示 （1）技术风险 算法失效风险 ：模型在新数据、新场景下性能下降数据偏差风险 ：训练数据代表性不足导致预测偏差技术替代风险 ：更先进的技术路线出现，现有技术被淘汰 （2）监管风险 审批延迟风险 ：监管机构对AI设计药物审批标准趋严数据合规风险 ：基因数据跨境传输、隐私保护法规变化伦理审查风险 ：AI在生命科学应用的伦理争议加剧 （3）市场风险 商业化失败风险 ：技术转化困难，无法形成可持续商业模式支付方接受风险 ：医保、商业保险对新疗法支付意愿不足竞争加剧风险 ：行业竞争白热化，利润率持续下降 （4）运营风险 人才流失风险 ：AI+生物复合型人才稀缺，团队稳定性挑战知识产权风险 ：技术侵权诉讼、专利布局不足供应链风险 ：关键计算资源、数据供应中断 五、结论与展望 DrugCLIP与AlphaGenome的技术突破，标志着AI+基因组学从辅助工具升级为药物研发的核心驱动引擎。这一转变不仅将大幅提升研发效率、降低失败风险，更将开启“一人一药”的精准医疗新时代。 产业核心价值： 效率革命 ：将早期药物发现周期从数年缩短至数月成本重构 ：大幅降低临床前研发投入，提高资本效率精准突破 ：针对难治疾病、罕见病开发精准疗法生态重构 ：重塑药物研发产业链，催生新商业模式 发展阶段预判： 2026-2028年（技术验证期） ：AI设计药物临床验证，监管框架建立2029-2032年（规模化应用期） ：AI平台成为药物研发标配，多个AI设计药物获批上市2033-2035年（生态成熟期） ：AI驱动精准医疗普及，形成完整产业生态 投资建议： 早期布局 ：投资拥有核心算法、高质量数据的AI药物发现平台中期配置 ：关注AI+CRO服务商，分享行业增长红利长期持有 ：布局生态基础设施提供商，享受长期稳定回报 展望2030：随着算法持续突破、数据不断积累、监管框架完善，AI+基因组学将从药物研发的“加速器”转变为“创新引擎”。这一技术不仅将解决当前药物研发的效率瓶颈，更将为人类攻克癌症、神经退行性疾病、罕见病等重大疾病提供全新可能，开启“智能医疗”的新纪元。 数据来源： 1、《科学》杂志论文《深度对比学习实现基因组级别药物虚拟筛选》（2026年1月9日） 2、Nature封面文章AlphaGenome技术报告（2026年1月29日） 3、全球AI药物发现市场报告（Grand View Research，2026） 4、中国精准医疗产业发展白皮书（中国医药创新促进会，2025） 5、FDA/NMPA监管政策文件（2024-2026） 声明：本文仅为产业分析，不构成任何投资建议。AI药物研发仍处于快速发展阶段，投资存在多重不确定性，决策需基于全面风险评估。 进群👉邀请你加入【专精特新企业】订单采购群 声明：本文基于公开信息整理分析，不构成任何投资建议。市场有风险，决策需谨慎。 优质【原创】文章 》 点击图片阅读👆👆 点击图片阅读👆👆 点击图片阅读👆👆 点击图片阅读👆👆 点击图片阅读👆👆

“美国靠基因武器控制全球”？ 这个说法太离谱了！ 看看这些数据，2023年全球基因编辑专利美国占40%，但中国也占了20%，而且华为的AI基因测序仪去年才拿下国际大奖——技术封锁？ 早就不是当年了！ 你刷手机时，肯定见过“基因武器让某国人口减少”的阴谋论。 今天咱们就扯开这层遮羞布，用硬核事实砸穿那些谣言。 先回到2023年5月，美国国立卫生研究院突然宣布终止一项关于埃博拉病毒基因研究的拨款。 这新闻当时没多少人注意，可背后藏着个大秘密：这笔钱原本是要改造病毒，让它在特定人群里更易传播。 别慌，这事儿后来被《科学》杂志扒出来，美国生物实验室压根没搞过什么“种族基因攻击”，真相是那项目太危险，连FDA（美国食品药品监督管理局）都叫停。 再往前推，2020年新冠疫情刚爆发时，网上疯传“病毒是实验室泄露的基因武器”。 但2022年3月，世界卫生组织发布的溯源报告写得清清楚楚：新冠病毒的基因序列与已知任何人工改造病毒都不同，自然演化概率高达99.9%。 那些说“基因武器能定向消灭中国人”的，自己想想：病毒又不认护照上写的国籍。 说到技术本身，2018年贺建奎搞的“基因编辑婴儿”事件还记得吧？ 他擅自修改了人类胚胎的CCR5基因，想让孩子天生抗艾滋。 结果呢？ 《自然》杂志2023年12月发论文说，那俩女孩的免疫系统出现异常——这证明什么？ 基因编辑不是点菜，你想加什么就加什么，人体是套精密复杂到可怕的系统。 美国中央情报局（CIA）前局长帕内塔2019年就说过，基因武器顶多算科幻小说里的玩意儿。 现实里，基因检测商业化比打仗来得容易。 比如23andMe这家公司，2022年把500万用户的基因数据卖给药企做药物研发，每份数据卖了20美元。 这比造武器赚钱多了，还安全。 咱们再掰扯个真相：美国国立卫生研究院（NIH）2021年批准了一个叫“人类泛基因组计划”的项目，公开所有种族基因图谱。 这意味着什么？ 如果真想搞基因攻击，不应该藏起来吗？ 但他们反着做，把数据摊在全世界科学家眼前，包括中国的华大基因在内，随便用。 中国自己也没闲着。 2019年，中科院和浙江大学弄出个“数字PCR基因检测系统”，比美国同类设备快3倍，价格只要1/5。 2023年，这个系统在非洲筛查镰状细胞贫血病时，帮当地医院节省了2000万美元——技术从来都是双刃剑，但用在哪头，得看挥剑的手。 最反常识的事儿在这：2022年《柳叶刀》披露，美国军队在阿富汗收集过3300份当地人的血液样本。 当时舆论炸锅，说这是“基因武器前奏”。 结果2023年8月，五角大楼自己承认：那些样本是为了做“战场快速识别系统”，分辨敌方伪装成平民的作战人员。 技术目的永远比阴谋论简单——他们只是想干掉拿AK-47的塔利班，不是要消灭整个民族。 现在你该明白了。 所谓“基因武器”，更像是信息战里的烟雾弹。 2018年俄罗斯黑客就利用“基因武器”谣言，煽动非洲国家反美情绪。 但现实里，真正威胁人类的是那些基因编辑的“脱靶效应”——2024年初，斯坦福大学团队发现，修正一个基因可能会意外激活三个与癌症相关的突变。 回到开头那个问题。 美国有没有想过用基因技术搞事？ 肯定有人想过，就像总有人想造台永动机。 但科学自己会说话：2023年全球基因治疗临床试验有2000多项，其中中国占28%，美国占40%——大家都在同一个赛道上跑马拉松，谁有闲心在别人跑鞋里放钉子？ 毕竟连《人类基因组计划》创始人柯林斯都说过：“我们花了30年才读懂基因的ABC，连写个完整句子都费劲。 ” #瞭望台海#

时光匆匆，转眼间4月份即将结束，在即将过去的这个月里，Nature杂志又有哪些亮点研究值得一读呢？小编对相关研究成果进行了筛选整理，分享给大家！ 【1】Nature：一个“超级”止痛分子为何成瘾风险却出奇低？ doi：10.1038/s41586-026-10299-9 阿片类药物既是疼痛治疗的中流砥柱，也是成瘾与过量死亡的罪魁祸首；仅在美国，2023年就有超过8万人死于合成阿片类药物过量，其中绝大多数与芬太尼相关。长期以来，科学界形成了一条共识：μ-阿片受体高内在活性的激动剂虽然镇痛效果强大，但必然伴随呼吸抑制、耐受、依赖和成瘾等严重副作用。然而，一篇发表在国际杂志Nature上题为“A μ opioid receptor superagonist analgesic with minimal adverse effects”的研究报告中，来自美国国立卫生研究院的研究人员等机构的科学家们通过研究用一种名为DFNZ的新型分子正面挑战了这一教条。 FNZ和DFNZ是选择性高、效力强的 μ-阿片受体超激动剂 文章中，研究人员重新审视了一类被尘封数十年的合成苯并咪唑类阿片药物—硝氮烯类，这类化合物在1950年代因效力过强而被搁置，研究人员首先关注了其中一种名为FNZ的衍生物，并用正电子发射断层扫描成像技术在大鼠体内追踪它的行踪。结果发现，FNZ进入大脑后仅停留5到10分钟，但镇痛效果却持续了至少两个小时；这种“药物已走，效果还在”的矛盾现象提示，很可能存在某种活性代谢物在起作用。进一步的筛选最终锁定了目标：N-去乙基-氟硝氮烯，一种在μ-阿片受体上具有超高内在活性的“超级激动剂”。 DFNZ的药理学特征完全不同于传统阿片药物，在治疗剂量下，其不仅不抑制呼吸，反而适度且持续地增加脑组织氧水平。重复给药后，大鼠没有出现耐受、药物依赖性，也几乎没有戒断症状—在经典的14项阿片戒断指标中，研究人员仅观察到了处理动物时的易激惹表现。更令人惊讶的是，DFNZ不引起μ-阿片受体的下调，这一点与高功效激动剂的典型表现截然相反。 【2】Nature：神经修复的“刹车”找到了，松开它或可让损伤轴突再生 doi：10.1038/s41586-026-10295-z 全球每年新增数十万例脊髓损伤患者，周围神经损伤的发病率更高，这些损伤最棘手的问题之一，是成年哺乳动物的中枢神经系统轴突再生能力极为有限，导致许多患者遗留永久性的运动和感觉功能障碍。科学家们长期探索为何神经修复如此困难。近日，一篇发表在国际杂志Nature上题为“AhR inhibition promotes axon regeneration via a stress–growth switch”的研究报告中，来自西奈山伊坎医学院等机构的科学家们通过研究发现了一个藏在神经元内部的关键“刹车”—芳香烃受体蛋白，松开它就能显著促进轴突再生和功能恢复。 轴突是神经细胞之间传递信号的长纤维，无论是中枢神经还是周围神经都依赖这些纤维完成信息交流，一旦轴突被切断或损伤，恢复的希望就寄托在神经元能否重新长出这些纤维上。遗憾的是，成年动物的神经元在这方面的能力很差；研究人员发现，问题的症结在于神经元损伤后必须同时应对两件事：承受应激反应和启动再生程序，而芳香烃受体恰好是调控这一平衡的核心开关。 芳香烃受体是一种配体激活的碱性螺旋-环-螺旋/PAS结构域转录因子，此前主要被认为参与感知环境中的毒素和外源性物质。研究人员意外发现，它在神经元内部还扮演着“再生制动器”的角色。在背根神经节神经元中，轴突损伤会激活芳香烃受体信号，强制启动蛋白质稳态和应激反应程序，帮助神经元维持组织完整性。这种保护反应本身并无坏处，但它同时也抑制了新生蛋白的合成，使神经元无法进入促生长的状态。 【3】两篇Nature：为什么多发性硬化症会损伤思考中枢？两种“体质”神经元给出答案 doi：10.1038/s41586-026-10290-4 doi：10.1038/s41586-026-10310-3 多发性硬化症影响着全球约280万人，其中超过一半的患者在确诊后20至25年内会发展为进展型病程，出现不可逆的神经功能残疾。长期以来，科学界的注意力主要集中在包裹神经纤维的髓鞘上，因为磁共振成像上那些醒目的白质病灶是诊断该病的经典标志。然而，患者大脑灰质（尤其是掌管高级认知的皮层）同样在悄然受损，这一过程与疾病进展和长期残疾的关系更为密切。 日前，来自加州大学旧金山分校、剑桥大学和西达赛奈医学中心的研究人员Nature杂志上发表了两项背靠背的研究揭示了灰质中一类特定神经元在炎症攻击下因DNA损伤而死亡的机制，相关研究结果为多发性硬化症的治疗开辟了一个全新的方向。 在ATF4被敲除的小鼠皮层中，CUX2阳性的上层神经元会发生选择性丢失 首先，研究人员将目光锁定在皮层第2层和第3层的一类兴奋性神经元上，它们特异性表达一个名为CUX2的基因。在多发性硬化症患者的皮层病灶中，这些CUX2阳性神经元出现了选择性丢失，并且细胞内积累了异常高水平的DNA损伤。令人好奇的是，这类神经元为何如此脆弱？为了回答这个问题，研究者回溯了它们的大脑发育历程。 【4】Nature：子宫里的“施工图”！科学家首次全景扫描母胎连接处 doi：10.1038/s41586-026-10316-x 全球每年约有1500万例早产、1000万例子痫前期以及2300万例流产，这些妊娠并发症不仅威胁母婴生命，也给无数家庭带来沉重打击。尽管医学不断进步，科学家始终难以回答一个根本问题：母体与胎儿之间的“连接处”—母胎界面，究竟是如何在分子和细胞层面正常运转的？又是在哪个环节出了差错？一项最新研究，终于揭开了这片神秘区域的面纱。 日前，一篇发表在国际杂志Nature上题为“Single-cell spatiotemporal dissection of the human maternal–fetal interface”的研究报告中，来自加州大学旧金山分校等机构的科学家们通过研究绘制出了一项迄今最为全面的人类母胎界面图谱。文章中，他们整合了两种前沿技术：一是大规模的单细胞核转录组和染色质可及性分析，二是亚微米分辨率的空间转录组学和CODEX多重蛋白成像。简单说，他们不仅把约20万个细胞逐个“查了户口”，还把它们放回子宫和胎盘组织的原始位置上，看清了每个细胞在干什么、邻居是谁。研究覆盖了从早孕期到足月的正常妊娠全过程。 这项研究发现了一种此前未知的母体细胞类型，这种细胞恰好位于胎儿胎盘细胞最先侵入子宫的那个“桥头堡”位置，功能颇为独特—它能调节胎盘细胞侵入子宫组织的深度。要知道，这一侵入过程直接决定了胎儿能否建立正常的血液供应。更令人意外的是，这种细胞表面携带一种大麻素受体。当研究人员用大麻素分子去刺激它时，该细胞会进一步限制胎盘细胞的入侵。这一发现为流行病学观察提供了生物学解释：已有大规模人群研究显示，孕期使用大麻与不良妊娠结局存在关联。如今，具体的细胞和分子通路浮出水面。 【5】Nature & Nat Genet：给一个基因做“全身CT”，医生意外找到了两种遗传病 doi：10.1038/s41586-026-10334-9 doi：10.1038/s41588-026-02554-6 全球约有三亿人患有罕见病，其中近八成与基因突变有关。许多患者和家属辗转多年，做了无数次检查，却始终得不到一个明确的基因诊断。原因之一是，现有技术通常只能“瞄着”已知的几个热点区域去检测，而一个基因上成千上万种可能的变异，绝大多数功能未知。如今，一项名为“饱和基因编辑”的新技术，就像给一个基因做了一次高分辨率的“全身CT”，不仅精准定位了致病突变，还意外发现了另一种全新的疾病。 这项研究由英国弗朗西斯克里克研究所和牛津大学合作完成，两篇相关论文同日发表在Nature及Nature Genetics杂志上。研究的核心对象是一个叫RNU4-2的基因。它很特别——绝大多数致病基因都负责编码蛋白质，而RNU4-2不干这个活，它生产的是RNA剪接体中的一个关键组件。此前研究人员已经发现，这个基因上一个特定区域的单个突变会导致一种罕见的神经发育障碍，命名为ReNU综合征，患儿会出现严重的智力运动发育落后。但当时只找到了大约二十个相关突变，而人群中还存在着大量其他变异，哪些真正有害、危害多大，谁也说不清楚。 饱和基因编辑揭示了RNU4-2变异的功能谱 文章中，研究人员带来的“饱和基因编辑”技术正好能回答这个问题，该方法不再满足于猜测，而是直接在人类细胞中逐一安装RNU4-2基因上每一个可能的单核苷酸变异—总共超过500种。然后根据细胞“健康程度”给每个变异打分，令人惊喜的是，这些实验室里打出的分数，与ReNU综合征患者的实际病情严重程度高度吻合；换句话说，这种技术能直接“读出”一个突变有多坏，而不用靠预测软件去猜。 【6】打司美格鲁肽/替尔泊肽瘦不下来、狂吐？Nature 重磅：你的基因早就决定了效果 doi：10.1038/s41586-026-10330-z 近年来，以司美格鲁肽（semaglutide）和替尔泊肽（tirzepatide）为代表的GLP？1 受体激动剂类药物，凭借强效的减重与代谢改善作用，彻底改写了全球超重与肥胖的治疗格局，成为全民热议的 “减肥神药”。但在临床与真实使用场景中，一个普遍又令人困惑的问题始终存在：同样剂量、同样药物，有人轻松减重超 20%，有人却不足 5%；有人几乎无不适，有人却被恶心、呕吐等副作用严重困扰。这种巨大的个体差异究竟从何而来？ 近日，发表于国际顶级期刊Nature的一项大规模研究给出了关键答案—基因差异，在题为 “Genetic predictors of GLP1 receptor agonist weight loss and side effects” 的研究中，来自 23andMe 研究所等机构的团队，对27，885 名使用 GLP？1 类药物的受试者开展了全基因组关联分析（GWAS），首次从遗传学层面精准锁定了决定药物减重疗效与副作用风险的核心基因变异，为 GLP-1 减肥药物的个体化使用提供了里程碑式的科学依据。 GLP-1药物副作用的遗传关联因素 研究团队首先聚焦减重疗效的遗传调控，结果显示，GLP1R基因上的一个错义变异rs10305420（p.Pro7Leu）与减重效果呈现极强的关联性，该位点每携带一个效应等位基因，就可额外实现约0.76 kg的体重下降，且效应以加性方式稳定存在，这一结果在独立的 All of Us 队列中得到成功验证。这意味着，GLP1R作为 GLP？1 类药物的直接作用靶点，其天然遗传变异，是导致不同人用药后减重效果天差地别的核心原因。更重要的是，该变异在不同人群中存在频率差异，在欧洲与中东人群中更常见，在非洲人群中则最低，这也在一定程度上解释了不同族裔对药物反应的客观差异。 在副作用方面，研究同样发现了清晰的遗传规律，恶心、呕吐这两类最常见的不良反应，同样受基因严格调控。团队首先在GLP1R基因区域定位到与恶心、呕吐显著相关的变异位点，且这些信号与减重疗效信号高度共定位，提示减重效果更好的人群，往往也更容易出现恶心、呕吐。 【7】Nature：免疫细胞的“叛变”档案—科学家揭秘甲状腺自身免疫病背后的体细胞突变 doi：10.1038/s41586-026-10493-9 自身免疫病影响着全球5%至10%的人口，类风湿关节炎、多发性硬化、系统性红斑狼疮、1型糖尿病等均属此列。这些疾病的共同特征是免疫系统错误地将自身组织当作外来病原体攻击。然而，为何部分淋巴细胞能够突破免疫系统的多重“刹车”机制，至今仍是个谜。一个早在20世纪50年代就被提出的假说认为，淋巴细胞中发生的体细胞突变—即后天获得而非遗传的DNA变化—可能解除了免疫耐受的约束，从而驱动自身免疫反应。但由于技术限制，这一假说长期未能得到验证。 日前，一篇发表在国际杂志Nature上题为“Polyclonal selection of immune checkpoint mutations in thyroid autoimmunity”的研究报告中，来自威康桑格研究所和剑桥大学医院等机构的科学家们通过研究，利用高精度单分子DNA测序技术NanoSeq首次在甲状腺自身免疫病中找到了支持这一假说的有力证据。 文章中，研究人员以桥本甲状腺炎和格雷夫斯病这两种常见的甲状腺自身免疫病为模型，分析了患者甲状腺组织中的B细胞。他们发现，在多个患者体内，大量独立的B细胞克隆获得了关键免疫检查点基因的功能丧失性突变。其中最常见的两个基因为TNFRSF14（编码HVEM蛋白）和CD274（编码PD-L1蛋白），其他免疫相关基因也检测到较少的突变事件。在高度发炎的活检样本中，研究者甚至检测到数十到数百个独立的携带免疫检查点突变的细胞克隆。 【8】Nature：神经脊细胞的“早熟”，胚胎发育的命运抉择有望改写教科书 doi：10.1038/s41586-026-10313-0 人体外周神经系统由数以百万计的神经元构成，它们像一张庞大的通信网络，将大脑与身体的每一个角落紧密相连。这一网络的搭建工作早在胚胎时期就已启动，而其中最关键的角色之一，是一种被称为“神经脊细胞”的多能干细胞。神经脊细胞最早出现在神经管——这个结构最终将发育为大脑和脊髓。随后，部分细胞会“脱离”神经管，向胚胎各处迁移，最终分化为骨骼、肌肉以及外周神经系统的多种组成结构。 神经脊细胞的发育异常与多种先天性疾病和儿童肿瘤密切相关。例如，神经母细胞瘤是一种起源于神经脊细胞的儿童常见实体瘤，全球每年每百万儿童中约有10至15例新发病例，且高危患者长期生存率不足50%。此外，Ⅰ型神经纤维瘤病的发病率约为1/3000，其中不少患者表现为外周神经系统受累。理解神经脊细胞在正常发育过程中的命运决定机制，对于上述疾病的病因研究和治疗策略开发具有潜在意义。 长期以来，发育生物学领域的一个基本假设是：神经脊细胞在离开神经管之后，才逐渐确定自己将变成哪一种具体的神经细胞；然而，近日，一篇发表在国际杂志Nature上题为“Developmental organization of sensory and sympathetic ganglia”的研究报告中，来自美国犹他大学健康中心等机构的科学家们通过研究利用创新的基因条形码技术揭示了人类神经脊细胞在迁移之前就已经表现出显著的分化偏向性。 【9】Nature：免疫系统里的“替补队员”！科学家揭秘mRNA癌症疫苗的意外通关秘籍 doi：10.1038/s41586-026-10353-6 2020年，mRNA疫苗以黑马之姿改写了新冠大流行的战局，如今，这项斩获诺贝尔奖的技术正调转枪口对准癌症。全球范围内，针对黑色素瘤、小细胞肺癌、膀胱癌等实体瘤的mRNA疫苗已进入临床试验阶段。仅2023年，全球新发癌症病例接近2000万，其中超过90%的死亡源于实体瘤的侵袭与转移；然而，mRNA疫苗究竟如何“教会”免疫系统识别并清除癌细胞？这一核心问题此前并未完全厘清。 传统认知中，一类名为1型经典树突状细胞（cDC1）的免疫细胞是激活CD8+T细胞的“金牌教官”。无论是病毒感染、肿瘤发生，还是传统蛋白或DNA疫苗，cDC1细胞凭借其高效的交叉呈递能力，几乎包办了外源抗原对CD8+T细胞的激活工作。那么，mRNA脂质纳米颗粒（LNP）疫苗是否也遵循同样的规则？日前，一篇发表在国际杂志Nature上题为“mRNA vaccines engage unconventional pathways in CD8+ T cell priming”的研究报告中，来自华盛顿大学医学院等机构的科学家们通过研究给出了令人意外的答案：mRNA-LNP疫苗根本不需要依赖cDC1这条“主干道”，而是同时启用了cDC1和它的“表亲”cDC2两条冗余通路。 文章中，研究人员通过对小鼠进行研究后发现，即使体内缺乏cDC1细胞，mRNA癌症疫苗依然能够激发强烈的抗癌T细胞反应，并成功清除肉瘤（一种发生于脂肪、肌肉等结缔组织的恶性肿瘤），这一结果颠覆了免疫学教科书式的认知，因为cDC2细胞通常被认为不参与传统疫苗诱导的CD8+T细胞应答；这一发现解释了mRNA疫苗的强大效力来源，也为优化未来癌症疫苗的设计提供了明确的靶点。 【10】单次注射，2.5 年持续起效！国人团队发布 Nature ，耳聋基因治疗突破：90% 患者重获听力，成人也能获益 doi：10.1038/s41586-026-10393-y 全球范围内，每 1000 名新生儿中就有 2~3 人受先天性听力损失困扰，其中高达 60% 的病例由遗传突变导致。在遗传性耳聋中，OTOF基因突变引起的常染色体隐性遗传性耳聋 9 型（DFNB9），虽仅占遗传性耳聋的 2%~8%，却在儿童先天性听神经病谱系障碍中占比高达 41%。这类患者因内耳关键蛋白功能缺失，一出生便面临重度至极重度的双耳听力丧失，常规助听器、人工耳蜗仅能提供有限帮助，且此前全球范围内没有获批的根治性治疗手段，无数患者终身被困在无声世界。而一项最新发布的国际多中心临床试验结果，为这一群体带来了重获听力的真正曙光。 日前，一篇发表在国际顶级期刊Nature上题为“Multicentre gene therapy for OTOF-related deafness followed up to 2.5 years”的研究报告发布了迄今为止全球样本量最大、随访时间最长、年龄覆盖最广的遗传性耳聋基因治疗临床试验成果。该研究由复旦大学附属眼耳鼻喉科医院舒易来、李华伟团队领衔，联合哈佛医学院麻省眼耳医院 Zheng-Yi Chen 教授团队，以及国内 8 家临床中心共同完成，用扎实的临床数据证实了基因治疗根治这类耳聋的长期安全性与有效性。 这项单臂、多中心临床试验，从 3193 名受试者中完成严格筛选，最终纳入 42 名携带OTOF 致病/疑似致病突变的重度 - 全聋患者，年龄跨度从 0.8 岁到 32.3 岁，首次覆盖了婴幼儿、儿童、青少年和成人全年龄段，打破了此前同类研究仅纳入儿童患者的局限。所有患者均通过微创耳内镜手术，单次向内耳注射携带人OTOF 编码转基因的 1 型腺相关病毒载体（AAV1-hOTOF），研究设置了 3 个剂量梯度，其中 36 人接受单耳给药，6 人接受双耳给药，总计 48 只治疗耳，随访时间最长达 2.5 年，中位随访时间 52 周。研究的核心主要终点为治疗后 6 周内的剂量限制性毒性，次要终点全面评估治疗的长期疗效与不良事件发生情况。（生物谷Bioon.com） 更多阅读： 3月Nature杂志重磅级亮点研究成果解读！