01 · 神经科学 / 图谱
BICAN 基节跨物种细胞图谱:26 篇同期刊出,2550 万细胞入同一坐标系
做了什么:NIH BRAIN Initiative 下的 BICAN 联盟(50 余家机构)发布基节(basal ganglia)最详细细胞图谱,覆盖人、猕猴、狨猴三物种,共约 2550 万个脑细胞,配套工具与数据全部开放[1][2]。
方法要点:单细胞/单核转录组 + 空间转录组 + 表观组多组学整合,建立跨物种统一的细胞分类学与三维共同坐标框架;其中一篇给出单核甲基化三维多组学视角的发育期人脑基节图谱[4]。
为什么重要:帕金森、亨廷顿、精神分裂、双相、成瘾的遗传信号高度富集于基节;此前各研究各用一套细胞命名,结果无法叠加。统一本体后,"某变异在哪类细胞、哪个发育时间窗起作用"成为可查询问题。
局限质疑:三物种仍以人 + 两种灵长类为主,缺啮齿类功能验证闭环;图谱是"快照",成人与发育期的纵向变化、以及疾病态样本量仍偏小。Cell / Nature 系列,2026-11-12[1]
02 · 基因组学 / AI
AlphaGenome 2:把变体—细胞类型归因压到 30 分钟
做了什么:Google DeepMind 11 月 11 日发布 AlphaGenome 2,预测 DNA 变体在数百种人/小鼠细胞类型中的作用,重点是此前难以解析的非编码区[5]。
方法要点:在近 10 亿人/小鼠细胞尺度上训练序列到功能的映射,直接输出变体对基因活性、剪接等 tracks 的预测;官方以 IBD 相关基因 ETS2 的"基因沙漠"变异为案例,纯计算复现了原本需要基因编辑等湿实验的结论[6]。
为什么重要:它改变的是实验排序而非取代实验:先算一遍,再决定做哪几个湿实验验证,等于把昂贵的验证预算花在更少、更准的候选上。
局限质疑:训练分布之外的细胞类型与罕见变异可靠性未定;预测≠因果,ETS2 案例的最终确认仍依赖湿实验。DeepMind 研究员 Žiga Avsec 在受访中亦强调模型定位是"缩小搜索空间"而非"给出机制结论"[5]。Nature 新闻侧写,2026-11-10;模型发布 2026-11-11
03 · 细胞生物学 / 新细胞类型
涡虫体内发现"细胞核弹":ruptoblast 与一种全新的程序性死亡
做了什么:《Science》11 月 12 日(394 卷 6825 期,p.731)报道在涡虫中发现一类非造血来源的细胞毒性细胞,命名为 ruptoblast,可释放强效跨物种细胞毒因子[7]。
方法要点:通过单细胞图谱定位该细胞群,证明其杀伤由 activin 信号触发、经一种被命名为 ruptosis 的裂解式死亡程序释放效应分子;活性在跨物种靶细胞上仍成立。
为什么重要:免疫学长期把"细胞毒性"与造血系(T/NK)绑定;该结果给出一个非造血来源的独立杀伤系统,为再生、组织重塑与先天免疫的边界提供新样本。
局限质疑:涡虫是高度再生的模式生物,其"免疫"是否可外推到脊椎动物需独立验证;ruptosis 的分子执行链尚未在哺乳动物中找到同源对应。Science 394(6825):731,2026-11-12
04 · 细胞生物学 / 纤毛与囊泡
ESCRT-0 凝聚驱动纤毛外泌体出芽,连接 Hedgehog 信号
做了什么:《Science》同期(394 卷 6825 期,eaej7530;PMID 43019433)报道 ESCRT-0 复合物通过相分离/凝聚机制驱动初级纤毛的细胞外囊泡出芽,并与 SMO/Hedgehog 通路耦合[8]。
方法要点:小鼠肾脏细胞模型,结合凝聚态生化与纤毛成像,证明 ESCRT-0 的聚集是出芽的限速步骤,而非仅作为货物分选的"标签"。
为什么重要:纤毛相关囊泡被认为是细胞间信号(尤其 Hedgehog)的传递载体;把它归因到一个可操控的凝聚过程,等于给出一枚潜在干预靶点,涉及纤毛病与多种肿瘤通路。
局限质疑:机制在肾上皮细胞建立,其他纤毛组织(视网膜、气道)是否同构未证;凝聚态与出芽速率的定量关系仍待活细胞动力学数据补齐。Science 394(6825):eaej7530,2026-11-12
05 · 工具型发现 / 自噬
ASAP:用光把自噬"关掉",首次做自噬依赖蛋白的系统筛查
做了什么:Salk 研究所 Christina Towers 团队在《Nature Cell Biology》(11 月 12 日)发布光控工具 ASAP(Autophagic SNARE for Abrupt Photomanipulation),可快速、可逆地关闭自噬[9]。
方法要点:以光控模块拦截自噬所需的 SNARE 融合步骤,实现分钟级开/关;据此鉴定一批受自噬严格调控的蛋白,并揭示蛋白合成与降解之间的耦联。
为什么重要:自噬研究的长期痛点是"没有干净的急性失活手段"——敲除会引发代偿,抑制剂缺乏特异性。ASAP 把时间分辨率做上去了,为神经退行、肿瘤、衰老、感染四类疾病提供可复用的靶点筛选平台。
局限质疑:光控需要递送与光照,体内(尤其深部组织)适用性受限;SNARE 拦截是否完全等价于生理性自噬抑制仍需对照验证。Towers 本人强调该工具的价值在"理解基本生物学",而非直接成药[9]。Nature Cell Biology,2026-11-12
06 · 核物理 / 理论
119、120 号元素怎么造:双核系统动力学给出截面与衰变链预测
做了什么:arXiv 2611.13953(11 月 9 日)系统计算 ⁵⁰Ti + ²⁴⁹Bk 与 ⁵⁰Ti + ²⁴⁹Cf 两条反应道合成 119、120 号元素的生成截面、存活概率与蒸发残留衰变链[10]。
方法要点:双核系统(DNS)模型 + 存活概率演化,并做质量表与裂变位垒的敏感性分析;给出 3n 蒸发道的最大截面,以及 120 号元素同位素 1–12 秒、119 号 16–230 微秒的 α 衰变半衰期预期。
为什么重要:"元素周期表第七行之后"的实验昂贵且靶材稀缺,理论先给出"往哪个能量、哪条道打"的优先级,直接决定加速机时怎么分配。
局限质疑:结论对质量表与裂变位垒高度敏感——作者自己报告,换用替代质量表后最大 3n 截面可相差达 25 倍。这类预测只能定序,不能定值。arXiv:2611.13953,2026-11-09(预印本)
07 · AI for Science / 高能物理
把对撞机物理做成可自改进的 agent 任务:强化学习驱动的工作流
做了什么:arXiv 2611.15885(11 月 11 日,Alexander Yue 等)提出面向自改进 agentic AI 的"奖励驱动对撞机物理挑战",用强化学习让智能体在真实 HEP 任务上迭代[11]。
方法要点:把高能物理的分析流程拆成可验证的子任务并设计奖励,使智能体能自我生成—评估—改进;任务设计强调可自动判分,避免"看起来对"。
为什么重要:这是"AI 做科研"从问答走向工作流的一类范式尝试:难点不在模型能力,而在把领域任务变成机器可判分的环境。
局限质疑:预印本,未经同行评议;奖励设计本身即隐含领域偏见,智能体可能学到"刷分"而非物理;样本规模与是否真产生新物理结论尚未见独立复现。arXiv:2611.15885,2026-11-11(预印本)
08 · 生态 / 生物多样性
全球野生动物贸易物种数被低估一倍:约 10.7 万种
做了什么:《Nature》报道(659 卷,p.309)一项评估把全球被贸易的野生物种数推到约 10.7 万种,比此前估计高出一倍以上[12]。
方法要点:整合贸易数据库、海关记录与分类学名录做交叉匹配,把此前未纳入的无脊椎、植物与水生类群计入。
为什么重要:CBD 与 CITES 的监管资源按"物种清单"分配;清单漏一半,意味着监管与风险评估建立在不完整的分母上。
局限质疑:名录匹配会引入假阳性(同名、亚种、养殖个体混入野生统计);"被贸易"与"受威胁"是两个不同命题,不宜直接等同。Nature 659:309,2026-11
09 · 复杂性理论 / 争议
AI 生成证明冲击理论计算机科学:两项结果、两种态度
做了什么:两项并置的结果:Anthropic 的模型(经 Physical Superintelligence 成员使用)给出悬置近二十年的 Aaronson–Ambainis 猜想的反证,49 页,Lean 形式化[15];OpenAI 的模型给出 1998 年指数时间假说(ETH)的反证,67 页,同样 Lean 校验[13]。
方法要点:均为"自然语言发现 + Lean 形式化校验"的组合;ETH 结果的算法加速只在变量数超过约 10²³⁸⁹ 后才显现[13],即理论上成立、实践中不可用。
为什么重要:这是 AI 首次在"纯数学/理论计算机"这类无实验可裁决的领域产出被形式化验证的新定理;同时它也关闭了一条量子加速的潜在路径(Aaronson–Ambainis 型下界失效意味着某些量子优势论证需重写)。
局限质疑(正反并列):正方——Lean 校验把"证明是否正确"与"人类是否理解"解耦,形式化通过即为定理。反方——Scott Aaronson 明确表示自己并未完全理解该证明,信任来自 Lean 与社区解释;Russell Impagliazzo 称 ETH 结果"非常令人震惊",并指出学界原本预期更弱的版本先倒[13];同周《经济学人》在皇家学会 10 月 29 日会议后批评实验室把难以理解的论文倾泻到领域却不公开细节[14]。评审仍在进行(含 MIT Ryan Williams、Impagliazzo、UCSD Ramamohan Paturi)[13]。预印本 + Lean 校验;事件主体 10 月下旬,本周为公开评审与争议期
10 · 数据基础设施 / 本体
HOMBA:2349 个结构的跨物种脑解剖本体,把"图谱"变成"可叠加的坐标系"
做了什么:作为 BICAN 专辑的方法学基座,《Cell》刊出 Harmonized Ontology of Mammalian Brain Anatomy(HOMBA),含 2349 个结构,并为三物种建立带 HOMBA 标注的三维共同坐标框架(CCF)[3]。
方法要点:把解剖学命名、细胞分类与三维坐标三者绑定,使结构、细胞、功能数据可在同一索引下互查;配套人與猴皮层下结构的三维数字图谱。
为什么重要:过去十年脑图谱的瓶颈已从"测不到"转为"对不上"。本体 + 坐标框架属于典型的"低关注度、高杠杆"基础设施,决定后续所有跨研究整合的成本。
局限质疑:本体一旦推广即形成路径依赖,修订成本高;非哺乳类、以及个体发育变异如何纳入坐标系仍是开放问题。Cell,2026-11-12