Nat. Methods · 2026-08-05¶

共 13 篇 · Nature Methods

本期导览¶

自动生成：归纳本期主要主题与脉络，不打分、不排名。

这一期《Nature Methods》整体聚焦于空间多模态数据整合与工具开发，以及神经科学中的新型成像与调控工具。论文可归纳为三条主线：一是空间组学数据的跨模态整合与分析方法（NicheTrans、DBiTplus、SpaMTP、Spatialproteomics），二是神经活动记录与调控的新技术（Simultaneous single-cell calcium imaging、Light-activated tetanus neurotoxin、Design and optimization of a kinase-controlled allosteric switch），三是基因组注释与变异检测的深度学习工具（ClairS、EviAnn）。此外，还有一篇关于AI可持续性的Perspective和若干软件工具（CellTune、Siibra）。

在空间多模态整合这条主线上，多篇论文从不同角度推进了数据融合。NicheTrans 利用Transformer将空间邻域信息与单组学数据结合，实现跨组学翻译（如从转录组推断蛋白质组）；DBiTplus 则在实验层面将基于测序和基于成像的空间组学整合到同一组织切片，并开发计算流程进行成像引导的解卷积。SpaMTP 和 Spatialproteomics 分别聚焦代谢组学与转录组学、以及高多重免疫荧光数据的整合分析，前者基于Seurat架构提供统计检验与可视化，后者提供从分割到分类的完整工具箱。这些工作共同反映了当前空间组学领域对多模态数据对齐与联合分析的强烈需求，但方法学创新多集中在工程实现和流程设计，而非统计理论突破。

在神经科学工具方面，Simultaneous single-cell calcium imaging 通过新型MRI兼容显微镜，首次实现了清醒小鼠中单细胞钙成像与全脑BOLD fMRI的同时记录，揭示了局部神经元与血管信号的空间特异性关系。Light-activated tetanus neurotoxin 和 Design and optimization of a kinase-controlled allosteric switch 则分别从光遗传学控制和激酶响应开关两个方向，提供了可逆调控突触传递和蛋白质活性的新工具。这些论文主要贡献在于实验技术突破，而非统计方法，但为因果推断提供了新的干预手段。

对于因果推断方向的研究者，本期与您核心兴趣直接相关的论文较少。若关注空间数据整合与统计检验，可优先看SpaMTP（提供代谢物-转录组联合聚类与富集检验）和Spatialproteomics（包含细胞类型组成与空间分布的统计比较）。若对深度学习在生物信息学中的应用感兴趣，ClairS（长读长体细胞变异检测）和CellTune（主动学习细胞分类）展示了当前深度学习方法在特定任务上的工程优化。其余论文多为实验技术或工具开发，适合作为跨学科背景阅读。

其他 (other, 13 篇)¶

1. 10.1038/s41592-026-03037-6 · arXiv — Open and sustainable AI: challenges, opportunities and the road ahead in the life sciences¶

作者: Gavin Farrell, Eleni Adamidi, Rafael Andrade Buono, Mihail Anton, Omar Abdelghani Attafi, Salvador Capella Gutierrez et al.
期刊/来源: Nature Methods
相关性 6/10 · novelty: survey
摘要: 本文是一篇Perspective文章，聚焦生命科学领域AI的可重复性、可复用性和环境可持续性问题。作者指出当前AI模型输出因缺乏标准化而导致信任侵蚀，并分析了AI生态系统碎片化对可持续发展的影响。文章基于社区共识，提出了超过300个生态系统组件的开放与可持续AI实践建议，并给出了实施路径图。核心贡献在于为研究者提供了一套结构化指南，以促进AI模型的可复用和可重复性，同时兼顾环境可持续性。本文不涉及新的统计方法或理论，而是对现有AI实践的系统性梳理和倡议。对您而言，本文属于跨学科科普阅读，可了解生命科学领域AI应用的生态现状和开放科学运动的最新进展，但与方法学直接关联有限。
关键技术: reproducibility guidelines, open science frameworks, AI ecosystem mapping, sustainability assessment
为什么对您有用: 本文属于general science gateway reading，适合作为跨学科科普了解生命科学AI生态现状。武器库中的软件开发和因果推断工具无法直接应用于本文内容，但可作为了解开放科学运动和AI可重复性挑战的入门读物。暂不可做——核心内容为政策与社区倡议，不涉及可迁移的统计方法。

2. 10.1038/s41592-026-03153-3 — NicheTrans: spatial-aware cross-omics translation¶

作者: Zhikang Wang, Qi Zou, Senlin Lin, Sijie Li, Yan Cui, Daoliang Zhang et al.
期刊/来源: Nature Methods
机构: Australian Regenerative Medicine Institute · Pudong Medical Center · Shanghai Center for Brain Science and Brain-Inspired Technology · Monash University · Monash Institute of Medical Research · University of Jinan · Institute of Computing Technology · Shandong University 等
相关性 5/10 · novelty: application
摘要: NicheTrans 提出了一种基于 Transformer 的空间感知跨组学翻译方法，旨在从易获取的单组学空间数据（如空间转录组）推断多组学数据（如蛋白质组）。该方法的核心创新在于将细胞微环境信息（即空间邻域结构）与多模态数据整合到统一的 Transformer 框架中，不同于仅依赖单细胞表达谱的传统翻译方法。模型通过自注意力机制捕捉空间位置依赖关系，并利用多任务学习对齐不同组学模态。在阿尔茨海默病脑组织等案例中，NicheTrans 发现了单组学分析无法检测到的空间多组学域，并揭示了多巴胺代谢和淀粉样β相关细胞状态的基因程序。此外，利用翻译的蛋白标记作为空间锚点，量化了关键胶质细胞亚型的空间组织。本文是 Nature Methods 上的方法学论文，属于 gateway reading 范畴：它清晰地展示了空间组学数据（结构、噪声、尺度）和建模问题（翻译、对齐、空间依赖），对统计学家而言是一个有吸引力的数据分析和建模问题。作为入门读物，它适合了解空间组学翻译这一新兴领域，但方法本身（Transformer 架构、注意力机制）与您的主要统计兴趣（因果推断、高维、U-统计量）无直接技术重叠，且武器库中缺乏处理此类深度生成模型的核心工具。
关键技术: Transformer, spatial-aware cross-omics translation, multimodal data integration, self-attention, spatial neighborhood encoding
为什么对您有用: 本文属于 gateway reading 范畴（Nature Methods 方法学论文），适合作为空间组学翻译领域的入门读物。它清晰地阐述了数据侧（空间转录组、蛋白质组的结构、噪声、尺度）和模型侧（翻译任务、空间依赖建模、多模态对齐），对统计学家而言是一个有吸引力的数据分析和建模问题。不过，武器库中缺乏处理此类深度生成模型（Transformer、注意力机制）的核心工具，因此暂不可做 follow-up。

3. 10.1038/s41592-026-03183-x — Spike inference from calcium imaging data acquired with GCaMP8 indicators¶

作者: Peter Rupprecht, Márton Rózsa, Xusheng Fang, Karel Svoboda, Fritjof Helmchen
期刊/来源: Nature Methods
机构: University of Zurich · Zurich University of Teacher Education · Howard Hughes Medical Institute · Janelia Research Campus · Allen Institute · Allen Institute for Neural Dynamics · University of Turku
相关性 4/10 · novelty: application
摘要: 本文评估了新型钙成像指示剂GCaMP8（包括s、m、f三种变体）在神经科学中用于推断神经元动作电位（spike）的性能。研究发现，GCaMP8s和GCaMP8m的线性度优于GCaMP6、GCaMP7f及GCaMP8f，能够准确检测单个动作电位和高频放电事件。作者基于小鼠新皮层的ground-truth记录，对三种spike推断算法（CASCADE、OASIS、MLSpike）进行了微调和基准测试，并展示了GCaMP8快速上升时间对实时活动检测的优势。文章提供了处理GCaMP8钙信号的工具和指南，强调了指示剂线性度在解释钙成像数据中的关键作用。作为Nature Methods上的方法学论文，本文对神经科学领域的数据采集和分析有直接贡献，但对统计方法论的创新有限。对于您而言，本文属于跨学科科普阅读，可了解神经科学中一个重要的数据生成和预处理环节，但其中不涉及您核心兴趣中的因果推断、高维统计或半参理论等方向。
关键技术: calcium imaging, spike inference, GCaMP8 indicators, CASCADE, OASIS, MLSpike
为什么对您有用: 本文属于Nature Methods上的方法学论文，适合作为跨学科科普阅读。它清晰阐述了钙成像数据的生成机制（线性度、噪声结构）和spike推断的算法框架，对统计学家了解神经科学数据管道有入门价值。但您的武器库（非参数统计、高维渐近、因果推断）与本文核心方法（基于模板匹配和去卷积的spike推断）无直接交集，且本文不涉及您感兴趣的统计-计算权衡或高阶U统计量。因此，本文仅作为拓宽视野的阅读材料，暂不可做后续研究。

4. 10.1038/s41592-026-03154-2 — Simultaneous single-cell calcium imaging of neuronal population activity and brain-wide BOLD fMRI¶

作者: Rik L.E.M. Ubaghs, Roman Boehringer, Markus Marks, Helke K. Hesse, Mehmet Fatih Yanik, Valerio Zerbi et al.
期刊/来源: Nature Methods
机构: SIB Swiss Institute of Bioinformatics · University of Zurich · ETH Zurich · Institute for Biomedical Engineering · California Institute of Technology · Hesse (Germany) · Heinz Optical Engineering (United States) · Optica 等
相关性 4/10 · novelty: application
摘要: 本文介绍了一种新型MRI兼容单光子显微镜，可在清醒小鼠中同时记录单细胞钙成像和全脑BOLD fMRI信号。研究旨在揭示局部神经元群体活动与血管活动（BOLD信号）之间的空间特异性关系。实验发现，靠近血管的神经元与局部BOLD信号常呈负相关，而远离血管的神经元则表现出更可变、通常为正的相关性。进一步分析表明，局部神经活动可关联到分布式连接脑区的BOLD响应。该技术为桥接细胞级和全脑级脑功能测量提供了强大工具。对您而言，这是一篇Nature Methods上的技术方法论文，属于跨学科科普阅读范畴，不直接涉及您的核心统计兴趣方向。
关键技术: single-photon microscopy, calcium imaging, BOLD fMRI, cellular-resolution recording, MRI-compatible imaging
为什么对您有用: 本文属于Nature Methods上的技术方法论文，适合作为跨学科科普阅读。文章清晰阐述了数据采集结构（钙成像与fMRI同步）和模型假设（神经元-血管空间关系），对统计学家而言，其核心问题（多模态神经成像数据的关联分析）可能涉及因果推断或高维统计，但本文未提供方法论细节。武器库中的非参数统计或高维渐近理论可潜在用于分析此类时空数据，但需先熟悉神经成像数据预处理流程，属于暂不可做方向。

5. 10.1038/s41592-026-03152-4 — ClairS: a deep-learning method for long-read tumor–normal pair somatic small variant calling¶

作者: Zhenxian Zheng, Lei Chen, Junhao Su, Xian Yu, Minggao He, Yan-Lam Lee et al.
期刊/来源: Nature Methods
机构: Chinese University of Hong Kong · University of Hong Kong
相关性 4/10 · novelty: application
摘要: 本文提出 ClairS，一个基于深度学习的体细胞小变异检测工具，专门针对长读长测序的肿瘤-正常配对样本设计。现有方法多针对短读长测序，而长读长测序在检测低等位基因频率变异和结构变异方面有优势，但缺乏专门的体细胞变异检测工具。ClairS 使用合成体细胞变异数据进行训练，覆盖不同覆盖度和等位基因频率，能够检测单核苷酸变异和插入缺失。在 Nanopore Q20+ HCC1395-HCC1395BL 数据集（50/25× 肿瘤/正常覆盖度）上，ClairS 对单核苷酸变异的 F1 分数达到 89.83%，对插入缺失达到 73.38%；加入真实癌细胞系训练后，性能提升至 96.19% 和 79.67%。实验表明，长读长测序改进的读段定相是准确检测低等位基因频率单核苷酸变异的关键。该工具开源可用，并在多种覆盖度、纯度、污染水平、平台和真实癌细胞系上验证了鲁棒性。对您而言，这是一篇 Nature Methods 的通用科学入门读物，展示了深度学习在基因组学中的应用，但方法学新颖性有限，主要作为跨学科广度阅读。
关键技术: deep learning, somatic variant calling, long-read sequencing, read phasing, tumor-normal pair analysis
为什么对您有用: 本文属于 Nature Methods 的通用科学入门读物，适合作为跨学科广度阅读。它清晰展示了深度学习在基因组学体细胞变异检测中的应用，数据侧（测序覆盖度、等位基因频率、纯度、污染）和模型侧（合成数据训练、真实数据微调）都有明确阐述，对统计学家了解基因组学数据结构和分析流程有入门价值。武器库方面，该问题不直接对应任何 primary interest 子方向，但作为 gateway reading 值得花时间读全文以拓宽视野。

6. 10.1038/s41592-025-02948-0 — Integration of imaging-based and sequencing-based spatial omics mapping on the same tissue section via DBiTplus¶

作者: Archibald Enninful, Zhaojun Zhang, Dmytro Klymyshyn, Matthew Ingalls, Mingyu Yang, Hailing Zong et al.
期刊/来源: Nature Methods
机构: Yale University · University of Pennsylvania · Akoya Biosciences (United States) · Bruker (United States) · Yale Cancer Center
相关性 4/10 · novelty: application
摘要: 本文提出 DBiTplus，一种在同一组织切片上整合基于测序的空间转录组学与基于成像的多重蛋白质成像的方法。该方法通过空间条形码和 RNase H 介导的 cDNA 回收，在保留组织结构的同时实现多模态数据采集。作者开发了计算流程以整合这些模态，利用成像引导的解卷积生成单细胞分辨率的空间转录组图谱。在冷冻小鼠胚胎、福尔马林固定石蜡包埋的人淋巴结和淋巴瘤组织等样本上验证了该方法，展示了其对临床标本的兼容性。DBiTplus 揭示了人类淋巴瘤的发生、进展和转化机制。本文主要是一项技术开发与应用，方法学新颖性在于实验流程而非统计理论。对您而言，这是一篇 Nature Methods 的 gateway reading，展示了空间组学多模态数据整合的前沿实验技术，但统计方法（如解卷积、整合流程）较为常规，不涉及您核心兴趣中的因果推断、高维统计或效率理论。
关键技术: spatial barcoding, RNase H-mediated cDNA retrieval, multiplexed protein imaging, imaging-guided deconvolution, multimodal data integration
为什么对您有用: 本文属于 general science gateway reading（Nature Methods），作为空间组学多模态整合的技术前沿，适合了解实验设计思路。但统计方法层面较为常规（解卷积、数据整合），不涉及您武器库中的核心工具（如非参统计、U-统计量、因果推断）。暂不可做：核心机器不在武器库里，缺空间组学数据分析的专门知识（如空间统计、图像处理）。

7. 10.1038/s41592-026-03162-2 — CellTune: an integrative software for accurate cell classification in spatial proteomics¶

作者: Yuval Bussi, Dana Shainshein, Eli Ovits, Sarah Posner, Nofar Azulay, Noa Maimon et al.
期刊/来源: Nature Methods
机构: Weizmann Institute of Science · Hadassah Medical Center · California Institute of Technology · Parker Institute for Cancer Immunotherapy
相关性 3/10 · novelty: application
摘要: 本文介绍 CellTune，一个用于空间蛋白质组学数据中细胞分类的集成软件。其核心贡献在于开发了一个基于人类反馈的主动学习工作流，通过迭代标注和模型更新实现高精度分类，并提供了无代码的图形界面以降低使用门槛。为评估性能，作者构建了 CellTuneDepot 数据集，包含 4 万个人工标注细胞和 350 万个高质量标注细胞，覆盖 60 种细胞类型。实验表明，CellTune 的分类准确率可媲美人类专家，并支持发现新细胞类型。该方法本质上是一个结合主动学习和深度学习的半监督分类框架，其核心创新在于工程实现和数据集构建，而非统计理论。对您而言，这是一篇 Nature Methods 的通用科学入门读物，展示了计算工具在生物图像分析中的前沿应用，但方法论上不涉及您主要关注的因果推断、高维统计或半参效率理论。
关键技术: active learning, human-in-the-loop, deep learning classification, spatial proteomics, cell type annotation
为什么对您有用: 本文属于 general science 的 gateway reading。作为 Nature Methods 的方法学论文，它清晰地展示了计算工具如何解决生物图像分析中的实际分类问题，数据规模（350万细胞）和标注流程对统计学家有参考价值。但您的武器库（非参数统计、U-统计量、因果推断）与此无直接技术交集，且本文不涉及您感兴趣的统计计算权衡或高维推断。作为跨学科入门读物值得一读，但无需深入跟进。

8. 10.1038/s41592-026-03140-8 — SpaMTP: integrative statistical analysis and visualization of spatial metabolomics and transcriptomics data¶

作者: Andrew Causer, Tianyao Lu, Jurgen Kriel, Joel J. D. Moffet, Christopher C. J. Fitzgerald, Andrew Newman et al.
期刊/来源: Nature Methods
机构: The University of Queensland · QIMR Berghofer Medical Research Institute · The University of Melbourne · Walter and Eliza Hall Institute of Medical Research · Melbourne Genomics Health Alliance · Hunter Medical Research Institute · University of Newcastle Australia · Peter MacCallum Cancer Centre 等
相关性 3/10 · novelty: application
摘要: SpaMTP 是一个端到端的计算框架，用于整合空间代谢组学和空间转录组学数据。该框架基于 Seurat 架构，提供了代谢物注释、联合聚类、富集检验、空间对齐、多模态整合和可视化等功能。论文通过多个生物系统（如肿瘤组织）的数据展示了其应用价值。方法学上，SpaMTP 主要贡献在于软件工程和工具集成，而非提出新的统计理论或推断方法。对于您而言，这是一篇工具型论文，属于 gateway reading 范畴，可了解空间多模态数据分析的当前实践和数据结构，但缺乏您核心关注的方法学创新。
关键技术: Seurat architecture, spatial alignment, metabolite annotation, joint clustering, multimodal integration
为什么对您有用: 本文属于 Nature Methods 的通用科学阅读，作为 gateway reading 可让您快速了解空间组学数据整合的现状。但论文核心是软件工具而非统计方法，与您的 primary interests（因果推断、高维统计、U-统计量等）无直接技术连接。武器库中的 very_familiar 工具（如非参数统计、高维渐近）在此处无用武之地。作为入门读物，它清晰展示了数据结构和分析流程，但缺乏值得深入的方法学问题。暂不可做：核心机器不在武器库里，且该领域的方法学问题（如空间相关性建模、多模态数据融合的统计推断）您尚未涉足。

9. 10.1038/s41592-026-03155-1 — Spatialproteomics: an interoperable toolbox for analyzing highly multiplexed fluorescence image data¶

作者: Matthias Meyer-Bender, Harald Vöhringer, Christina Schniederjohann, Sarah Koziel, Erin Chung, Ekaterina Popova et al.
期刊/来源: Nature Methods
机构: European Molecular Biology Organization · Heidelberg University · European Molecular Biology Laboratory · Düsseldorf University Hospital · Integrated Oncology (United States) · Heinrich Heine University Düsseldorf · Max Planck Institute of Biochemistry · Maastricht University 等
相关性 3/10 · novelty: application
摘要: 本文介绍 spatialproteomics，一个用于分析高多重免疫荧光成像数据的 Python 工具箱。该工具箱覆盖从原始图像分割、处理到细胞类型分类的完整流程，并同步不同数据模态的坐标。作者在 132 例反应性淋巴结和 B 细胞非霍奇金淋巴瘤的图像上展示了端到端分析，包括细胞类型组成和空间分布在惰性与侵袭性淋巴瘤间的统计比较。该工具箱还能处理千兆像素的全切片图像。作为 Nature Methods 的方法学工具论文，本文的主要贡献在于提供了一个可互操作、模块化的软件框架，而非提出新的统计方法。对于您而言，这是一篇不错的跨学科入门读物，展示了生物医学成像数据分析的典型流程和挑战，但其中使用的统计方法（如分类、空间统计）较为常规，与您的主要研究兴趣（因果推断、高维统计等）无直接技术关联。
关键技术: image segmentation, cell-type classification, spatial analysis, Python toolbox, multiplexed imaging
为什么对您有用: 本文属于 general science 范畴的 gateway reading。作为 Nature Methods 的工具论文，它清晰地展示了高多重成像数据的分析流程和数据挑战（大规模、多模态、空间结构），适合作为生物医学成像领域的入门读物。您的武器库（非参数统计、软件工程）足以理解其方法，但核心统计问题（空间点过程、分类）与您的主要兴趣方向距离较远，暂不可做后续研究。

10. 10.1038/s41592-026-03156-0 — Efficient evidence-based genome annotation with EviAnn¶

作者: Aleksey V. Zimin, Daniela Puiu, Mihaela Pertea, James A. Yorke, Steven L. Salzberg
期刊/来源: Nature Methods
机构: Johns Hopkins University · Johns Hopkins Medicine · University of Maryland, College Park
相关性 3/10 · novelty: application
摘要: 本文介绍 EviAnn，一个基于证据的真核生物基因组注释系统。传统上，基因预测依赖基于机器学习的从头预测方法，因为转录组数据昂贵且有限。现代测序技术使转录本和蛋白质同源性证据变得丰富可靠，但现有工具未能充分利用这些数据。EviAnn 直接利用转录本比对和蛋白质同源性构建外显子-内含子结构，而非依赖从头预测。在相同输入数据下，EviAnn 在注释质量上持续优于 BRAKER3、MAKER2 和 FINDER 等主流软件包，且计算时间大幅减少。一个哺乳动物基因组可在单台多核服务器上一小时内完成注释。该软件开源，可通过 GitHub 和 Bioconda 获取。
关键技术: evidence-based genome annotation, transcript alignment, protein homology, exon-intron structure prediction
为什么对您有用: 本文属于 Nature Methods 的通用科学阅读范畴，作为计算生物学工具论文，其数据驱动思路和软件工程实践对统计计算有参考价值。但核心问题（基因组注释）与您的主要研究兴趣（因果推断、高维统计、U-统计量等）无直接方法学关联。作为入门级跨学科阅读，本文清晰阐述了数据结构和算法流程，但缺乏统计推断或不确定性量化维度，因此作为 gateway reading 价值中等。

11. 10.1038/s41592-026-03159-x — Siibra: a software tool suite for realizing a Multilevel Human Brain Atlas from complex data resources¶

作者: Timo Dickscheid, Xiaoyun Gui, Ahmet N. Simsek, Christian Schiffer, Jean-Francois Mangin, Yann Leprince et al.
期刊/来源: Nature Methods
机构: Koblenz University of Applied Sciences · Forschungszentrum Jülich · Heinrich Heine University Düsseldorf · Ernst Ruska Centre · Centre National de la Recherche Scientifique · Commissariat à l'Énergie Atomique et aux Énergies Alternatives · Université Paris-Saclay · CEA Paris-Saclay 等
相关性 2/10 · novelty: application
摘要: 本文介绍 siibra 工具套件，用于实现多层级人脑图谱，整合来自不同模态和尺度的脑成像数据。该套件通过 Web 浏览器、Python 库和 HTTP API 提供数据访问，支持可视化探索和可重复分析。核心贡献在于将宏观解剖概念与微观结构组成（如细胞构筑）联系起来，并构建了基于 MRI 和显微镜模板的多层级图谱。该图谱已集成到 EBRAINS 研究基础设施中，所有软件和内容开放获取。对您而言，这是一篇 Nature Methods 的通用科学入门读物，展示了大规模多模态数据整合的软件工程挑战，但无直接统计方法学贡献。
关键技术: multi-scale data integration, reference atlas, cytoarchitecture, Python library, HTTP API
为什么对您有用: 本文属于通用科学入门读物（Nature Methods），适合作为跨学科广度阅读。它展示了大规模多模态神经科学数据整合的软件工程实践，但无直接统计推断或方法学问题。武器库中的软件开发和数据整合经验可帮助理解其架构，但无具体可攻克的统计问题。值得花时间读全文以了解神经科学数据生态，但无需深入技术细节。

12. 10.1038/s41592-026-03176-w — Light-activated tetanus neurotoxin for conditional proteolysis and inducible synaptic inhibition in vivo¶

作者: Heegwang Roh, Dongwook Kim, Byeongchan Kim, Younghyeon Jeon, Shreya Malhotra, Hyeonho Kim et al.
期刊/来源: Nature Methods
机构: Howard Hughes Medical Institute · Stanford University · Daegu Gyeongbuk Institute of Science and Technology · APT Therapeutics (United States) · Yale University · Neurosciences Institute · Chan Zuckerberg Biohub San Francisco · Stanford Medicine
相关性 0/10 · novelty: application
摘要: 本文报道了一种光激活的破伤风神经毒素（LATeNT），通过将光敏LOV结构域插入破伤风毒素轻链的变构位点，并经过定向进化优化动态范围，实现了在黑暗条件下无活性、蓝光照射10-20分钟后激活的蛋白酶功能。LATeNT可特异性切割VAMP2蛋白，从而可逆地抑制突触传递，并在小鼠多个脑区及长程轴突投射中验证了其效力。研究利用LATeNT发现了一类调控焦虑样行为的海马中间神经元群体，并证明了突触后内源性大麻素胞吐作用在体内去极化诱导的抑制抑制中的重要性。此外，LATeNT还能调控胰腺β细胞的内源性胰岛素分泌，并在HEK293T细胞中将药物暴露、钙离子升高或受体激活转化为转基因表达或报告分子分泌。该工具具有大动态范围、高光敏感性和持续效应，为多种生物系统中的时空可控蛋白水解提供了通用平台。这是一篇纯粹的应用生物学工具论文，不涉及统计学方法，对您的统计研究无直接参考价值。
关键技术: optogenetics, directed evolution, LOV domain, tetanus neurotoxin, conditional proteolysis
为什么对您有用: 本文属于神经科学工具开发，与您的任何统计研究方向（因果推断、高维统计、半参数理论等）均无交集。武器库中没有任何工具可以攻这篇论文。不建议阅读全文。

13. 10.1038/s41592-026-03163-1 — Design and optimization of a kinase-controlled allosteric switch¶

作者: Qinhao Cao, Jared E. Toettcher
期刊/来源: Nature Methods
机构: Princeton University
相关性 0/10 · novelty: application
摘要: 该研究旨在设计一种由激酶控制的全构象开关（phospho-switch），用于实现磷酸化依赖的蛋白质活性调控。以可构象调控的Gal4转录因子为支架，作者将经典的FRET激酶生物传感器架构转化为磷酸化控制的转录开关。通过优化开关的各组件，开发出对ERK激酶响应的转录因子，其转录输出在磷酸化依赖下变化达20倍。该合成ERK响应转录因子的灵敏度与天然c-fos启动子相当，并能在哺乳动物发育类器官中揭示空间ERK信号模式。此外，作者展示了该开关架构可推广至其他输入激酶和构象调控靶点。本文为生物传感和合成生物学提供了构建激酶响应工具的新平台。作为Nature Methods上的方法学论文，其核心贡献在于实验设计和优化，而非统计方法创新。
关键技术: allosteric protein switch, FRET biosensor, kinase-controlled transcription factor, synthetic biology, phosphorylation-dependent regulation
为什么对您有用: 本文属于一般科学（Nature Methods）的入门级阅读，适合作为跨学科广度阅读。研究者作为统计学家，可从中了解合成生物学中蛋白质开关的设计逻辑和数据生成过程（如转录输出测量），但武器库中缺乏实验设计或生物信息学工具，暂不可做直接的方法学迁移。

Maintained by 陈星宇 · Homepage · Source on GitHub