前沿「要」闻｜医学 AI 给出答案后，还能把看图依据指出来？｜第002期
重要声明：本账号所有文章均为免费分享。若某篇文章被标记为 VIP 内容，均为平台官方自行设置，并非本人主动开启。出现此类情况，说明我尚未及时发现并调整；一经发现，我会尽快恢复为免费阅读模式。如有阅读需要，大家也可以前往其他平台查看全文。
第 002 期 | 2026.10.26–2026.11.01
科研圈最近发生了啥？有些事，我们要知道！
前沿「要」闻第 002 期来啦！这周有几个问题还怪有意思的，比如发炎那几天吃了什么，等事情过去后，组织还会“记住”吗？医学 AI 给出答案后，居然还能把看图依据指出来？Interesting！遗传变异到底在什么免疫细胞里起作用呢？如果我们想改 RNA，能不能用细胞自己的酶请来帮忙呢？年轻患者的结直肠癌和年长患者的会有什么不一样吗？心脏又是怎么用乳酸呢？
问题已经摆上来啦，咱们一起往下看吧！
本期 Top 3
最想和大家聊聊的：发炎初期的饮食，可能留下更久的影响。小鼠在一个很短的时间窗口里吃高脂饮食，炎症加重；恢复以后再遇到刺激，局部的反应也更强。那这到底是胖不胖的问题，还是“什么时候吃”的问题呢？🌚
生信人建议收好的：TenK10K 第一期免疫遗传图谱。1,925 人、超过 500 万个细胞，还配了全基因组测序。以后咱们要是关心哪个变异，它的作用会不会只出现在某一种细胞、某一种状态呢？这批数据就可以帮助我们往下查啦！
最有技术巧思的：MARRS，把内源 ADAR1 招募来改 RNA。我们先想办法把细胞里已有的酶用好，这样就可以不额外送进去一套编辑酶啦！
注意注意：这里的 Top 3 是本栏目按不同阅读理由作出的推荐，绝对绝对绝对不是论文质量排行榜哟！
01｜发炎时的短暂饮食变化，组织后来还记得吗？
Nature | Diet at disease onset determines tissue inflammatory memory | 2026.10.28
原文链接：https://doi.org/10.1038/s41586-026-11181-4
一句话介绍：在小鼠炎症模型中，发病前后短暂的高脂饮食就能加重炎症，并在恢复后留下更强的局部炎症回忆反应。
谈到饮食和炎症，咱们很容易先想到“是不是胖啦”！可要是还没变成肥胖状态，只是在炎症刚开始那几天换了吃的，也会有影响吗？作者把这个问题单独拿出来，在小鼠的急性 17 型皮肤炎症模型里做了比较。
大家看图1左边，灰色组一直吃低脂饮食，橙色组吃高脂饮食，蓝色组只在发病前 3 天到发病后 1 天吃高脂饮食，一共 4 天。右边的纵轴是耳厚度的变化，用来记录这个模型里的炎症肿胀。蓝色组虽然只在那个短窗口换了饮食，后面的炎症也明显加重了。换到时间窗口之外，可就不是同样的效果啦！
图1｜发病前后 4 天的高脂饮食与炎症反应（Fig. 1k–l）
研究还发现，高脂饮食会迅速招来中性粒细胞，随后牵涉 NLRP3、IL-1β 和致病性 TH17 细胞。去除中性粒细胞、缺失 Nlrp3 或抑制 NLRP3，都能减弱这种额外的炎症反应。也就是说，前面那几天的饮食变化，确实接到了后面的免疫反应上。
更有意思的还在后面！恢复并继续吃低脂饮食以后，局部仍留下了一群准备再次响应的组织驻留记忆 T 细胞，当再次遇到刺激时，先前在发病初期吃过高脂饮食的小鼠，炎症反应更强。咱们要记住的是这个“短暂状态碰上炎症启动，可能留下长期影响”的实验思路。至于人的具体病种、食物和饮食方案，要有对应研究才能往下说哟！
02｜同一个遗传变异，在不同免疫细胞里会做同一件事吗？
Nature | Rare and common genetic variants shape single-cell immune gene expression | 2026.10.28
原文链接：https://doi.org/10.1038/s41586-026-10721-2
一句话介绍：TenK10K 第一期把 1,925 人的全基因组与单细胞表达数据连起来，解析常见、罕见遗传变异在不同免疫细胞和状态中的调控作用。
一个位点和疾病有关，可它到底在哪种细胞里起作用呢？如果先把所有细胞混起来平均一下，有些只在少数细胞里出现的变化，可能就被冲淡了。做单细胞的小伙伴们，对这个问题应该不陌生吧！
TenK10K 第一期收集了 1,925 名欧洲祖源个体的配套全基因组和单细胞 RNA 测序数据，涉及超过 500 万个外周血细胞、28 类免疫细胞。咱们看图2，左边是同一批人的两类数据，右边继续按常见变异、罕见变异、细胞类型和细胞状态等方向分析。
图2｜配对全基因组与单细胞数据解析免疫遗传调控（Fig. 1a）
小小知识要知道｜eQTL 是什么嘞？
我们可以先把它理解成：某个遗传变异的不同版本，和某个基因表达多少之间存在关联。放到单细胞里，还可以继续看这个关系是不是只在某种细胞、某种状态下看得见。找到了关联，后面仍要结合其他证据核对它怎么影响疾病。
这次分析不只盯着常见变异，还研究了罕见和低频变异，并直接对单细胞建模，减少把细胞全部汇总以后再分析带来的信息损失。研究发现，相当一部分调控效应只出现在一个或少数几个细胞类型里，连续的细胞状态也会改变遗传效应。
所以呀，结果里“这个基因有没有 eQTL”之外，还得接着看“在哪种细胞里有”。准备把 GWAS 结果往免疫细胞机制上接的小伙伴们，这篇可以先收好哟！当然，第一期的队列以欧洲祖源为主，换到其他人群时，咱们还得再核对适用性。
03｜改 RNA，能不能请细胞自己的酶来帮忙呢？
Nature Methods | Aptamer-mediated multivalent endogenous ADAR1 recruitment for highly efficient RNA editing | 2026.10.28
原文链接：https://doi.org/10.1038/s41592-026-03284-7
一句话介绍：MARRS 利用工程化 RNA 适配体招募内源 ADAR1，在培养细胞和小鼠实验中实现了高效的 A-to-I RNA 编辑。
首先我们要注意，这里改的是 RNA 上的，没有把 DNA 上的原始序列永久改掉。细胞里本来就有 ADAR 酶，可以把腺苷 A 转成肌苷 I，后续读取时常被当作 G。那咱们能不能把它请到想改的位置去呢？
作者开发的 MARRS，改进了结合 ADAR1 的 RNA 适配体，并把多价招募设计放进环状 RNA 框架里，增强对内源 ADAR1 的利用。“多价”可以先理解成增加招募时的结合位点，这回主要动的是引导和招募工具，没有另外引入外源编辑酶。
图3｜用绿色荧光是否恢复来读取 RNA 编辑（Fig. 1e）
图3我们可以看到，中间的 UAG 原本是一个提前终止信号，绿色荧光蛋白就没法正常接着做出来。编辑以后，里面的 A 变成 I，读取这个位置的方式发生变化，绿色信号就有机会恢复啦。大家看到绿色时，就知道这一步是在检测编辑带来的功能变化。
论文在培养细胞和小鼠模型里测试了平台，也检查了不同靶标与编辑特异性。好用之处在于把细胞已有的酶调动起来，真正要转到某个疾病位点，还得逐个看招募效率、非目标编辑和递送条件等等。
04｜不同年龄患者的结直肠癌，细胞组成有什么不同呢？
Nature Medicine | Insights into early-onset colorectal cancer from a single-nucleus RNA-seq atlas of colorectal cancer across the age continuum | 2026.10.29
原文链接：https://doi.org/10.1038/s41591-026-04721-y
一句话介绍：研究用 189 例结直肠癌的单核 RNA 测序图谱，比较不同年龄患者的肿瘤细胞组成与细胞间相互作用，发现多项年龄相关差异。
年轻患者和年长患者得的都是结直肠癌，里面的细胞也一样吗？研究包含 189 例原发肿瘤，包含 54 例 50 岁前诊断的早发病例，以及 135 例较晚发病病例。图4右上按年龄展示样本数，下面再把性别、部位、微卫星状态和治疗经历列出来，当然，我们比较的时候可不能光看年龄一个变量哟！
图4｜跨年龄结直肠癌的样本设计与单核图谱（Fig. 1a–d）
在微卫星稳定的肿瘤中，年轻患者的间质比例更高、上皮比例更低。作者又在一个独立的 712 例微卫星稳定结直肠癌队列里，结合多光谱免疫荧光和机器学习做了验证。这样咱们就不用只盯着一批测序样本里的比例差异啦！
再往细胞内部看，年轻患者的肿瘤上皮细胞中，部分长链非编码 RNA 和 FN1 表达增加。在微卫星稳定、左侧的早发肿瘤里，FN1、GDF、ACTIVIN 等相关信号的细胞间相互作用也更突出。我们要注意，这些结果回答的是肿瘤内部有哪些年龄相关差异，并没有把年轻人发病增加的原因全部解释出来。所以，我们可不能拿它给某一种生活习惯定责哟！🌚
05｜心脏用乳酸，原来还有一条线粒体内的路
Nature | MCT1-dependent mitochondrial lactate import sustains cardiac metabolism | 2026.10.28
原文链接：https://doi.org/10.1038/s41586-026-11182-3
一句话介绍：研究发现心肌细胞的线粒体内膜上也有 MCT1，它能帮助乳酸进入线粒体，支持能量代谢和受损条件下的心脏功能。
说到心脏用糖和乳酸供能，很多时候咱们会先画一条路：在细胞质里变成丙酮酸，再通过 MPC 这个转运装置进入线粒体。可作者发现，把小鼠心肌里的 MPC 去掉以后，葡萄糖来源的碳还在被氧化。咦，那它到底从哪儿进去的呢？
这就找到了 MCT1！它通常被放在细胞膜转运乳酸的背景下讨论，这篇在人和小鼠心肌细胞里，又找到了它在线粒体内膜上的位置。进入线粒体的乳酸，可以由内部的 LDHB 参与转成丙酮酸，同时产生 NADH，接着参与供能。
图5｜乳酸进入线粒体后的代谢与示踪思路（Fig. 3d）
大家看图5，左边的 MCT1 对应乳酸进入线粒体这条路，右边的 MPC 对应丙酮酸进入的路径；带标记的乳酸则用来追踪代谢去了哪里。后面的遗传操作和代谢示踪表明，MCT1 缺失会影响乳酸的进入和氧化。在相应损伤、应激模型中，心脏功能恶化也更快。
这里有意思的，是同一种供能底物到底在哪儿被转化、通过谁进去。仅仅测到乳酸多了少了，还交代不了这些细节。以前画的代谢图里，咱们现在可以把这条转运路径也补上啦！
06｜医学 AI 给出答案，还能把看图依据指出来吗？
Nature Medicine | A clinical multimodal vision language foundation model with fine-grain explainability | 2026.10.29
原文链接：https://doi.org/10.1038/s41591-026-04655-5
一句话介绍：EVLF-FM 把多种医学影像与语言任务放进同一个模型，除了诊断和问答，还尝试定位图像中的依据，并评估解释与视觉证据是否一致。
给 AI 一张医学图，它回一句诊断，大家接下来可能还想问：“你看的是哪儿呀？” 同样是一段很像样的解释，究竟有没有对上图片里的病灶呢？这篇文章就是把多模态分析和细粒度解释放在一起进行研究的！
EVLF-FM 的开发与测试涵盖了来自全球 18 个数据集的超过 130 万份样本，涉及 10 种医学影像模态，覆盖六大临床专科领域（皮肤科、肝病学、眼科、病理学、呼吸病学和放射学）。注意，样本数不直接等于患者人数。图6左边列的是数据类型，右边先做监督微调，再结合奖励设计进行强化微调，最后支持疾病诊断、视觉问答和图像证据定位三类任务。
图6｜医学视觉语言模型的训练与证据定位任务（Fig. 1）
作者还使用另外 17 个数据集的 13,443 份独立测试样本做外部验证，并安排了人工解释评价。这里咱们可以把两个问题分开看：一个是答案准不准，另一个是模型指的位置、讲的理由，和图上的证据对不对得上。
目前这些主要是数据集测试和相应评估。论文也明确提出，常规临床部署前还需要前瞻性研究来评价安全性、有效性和实际用途。做医学 AI 的小伙伴们，这篇的多模态任务设计和解释评价可以拿来仔细琢磨，后面和真实诊疗流程怎么接上，也是我们要继续做的工作！
本周「要」选
最想和大家聊聊
Diet at disease onset determines tissue inflammatory memory
把“吃了多久”和“恰好什么时候吃”分开测试，后面还接上恢复后的再次刺激。研究饮食与免疫的小伙伴们，实验里的这个时间安排或许可以多看一眼！
生信人建议收好
Rare and common genetic variants shape single-cell immune gene expression
常见变异、罕见变异、细胞类型和细胞状态都放进同一批配对数据里看。咱们以后再追问一个 GWAS 位点在哪种免疫细胞里起作用，就又多了一份可以查的资源啦！
最有技术巧思
Aptamer-mediated multivalent endogenous ADAR1 recruitment for highly efficient RNA editing
把内源编辑酶招募过来，和另外送入一个编辑酶，是不同的工程选择。这篇从适配体和招募方式入手，报告系统也很适合用来理解 RNA 编辑到底是怎么读出的。
以上奖项仅为「要」闻编辑部对本期入选研究的阅读推荐，不代表学界共识或大众意见，也不构成临床与健康建议。
总结与展望
平时做实验，咱们会认真记剂量、分组和终点，有时候对“这个状态恰好出现在什么时候”反而没那么敏感。前面的那篇研究，把饮食放到炎症启动前后去比较，再看恢复后的反应，时间本身就成了很有用的实验变量。NICE！
单细胞遗传那篇也有相似的读图提醒，先别急着把所有细胞平均起来，某个变异的作用可能就藏在特定类型或状态里。咱们手里的数据，是不是也有哪个被平均掉的差别，值得再翻出来看看呢？先记下来，说不定下一次分析就用上啦！
还有还有，大家最想看哪篇文章的“要读文献·长篇大论·精解版”呢？欢迎告诉我们哟！
文末碎碎念
那今天的分享就到这里啦！我们下期再见哟！
最后顺便给自己推荐一下嘿嘿嘿！
如果我的分享对你有用的话，欢迎关注点赞在看转发分享阿巴阿巴阿巴阿巴巴巴！这可是我的第一原动力！
蟹蟹你们的喜欢和支持！！！
参考资料
Jiang, Zewen et al. Diet at disease onset determines tissue inflammatory memory. Nature. 2026. https://doi.org/10.1038/s41586-026-11181-4
Cuomo, Anna S. E. et al. Rare and common genetic variants shape single-cell immune gene expression. Nature. 2026. https://doi.org/10.1038/s41586-026-10721-2
Zhu, Han et al. Aptamer-mediated multivalent endogenous ADAR1 recruitment for highly efficient RNA editing. Nature Methods. 2026. https://doi.org/10.1038/s41592-026-03284-7
Porter, Caroline B. M. et al. Insights into early-onset colorectal cancer from a single-nucleus RNA-seq atlas of colorectal cancer across the age continuum. Nature Medicine. 2026. https://doi.org/10.1038/s41591-026-04721-y
Cluntun, Ahmad A. et al. MCT1-dependent mitochondrial lactate import sustains cardiac metabolism. Nature. 2026. https://doi.org/10.1038/s41586-026-11182-3
Bai, Yang et al. A clinical multimodal vision language foundation model with fine-grain explainability. Nature Medicine. 2026. https://doi.org/10.1038/s41591-026-04655-5