作者: 谢志强

  • 放弃常规治疗选择替代疗法,乳腺癌患者死亡风险增加约四倍

    来源:JAMA Network Open

    一项基于美国国家癌症数据库超200万例乳腺癌患者的研究发现,选择补充与替代医学(CAM)而放弃常规治疗的患者,五年生存率仅为60.1%,远低于接受常规治疗组的85.4%,死亡风险约为后者的四倍。即使将CAM与常规治疗联合使用,患者也更可能拒绝放疗或激素治疗等关键手段。研究呼吁加强医患沟通,澄清CAM缺乏疗效证据。

  • 豆科植物“自肥”关键蛋白SYFO2找到,有望助力作物减少化肥依赖

    来源:Science

    弗莱堡大学领导的国际团队首次揭示蛋白质SYFO2在豆科植物与根瘤菌共生中的关键作用:该蛋白在细菌被根毛捕获后,通过重组肌动蛋白细胞骨架,为细菌进入根部细胞“开门”。研究还发现,通过转录因子NIN可激活番茄中SYFO2的同源蛋白。该发现为将固氮能力转移至非豆科作物、减少化肥使用奠定了分子基础。

  • 跨病毒家族分析挑战“大流行病毒需预先适应”假说

    来源:Cell

    加州大学圣地亚哥分校团队对流感、埃博拉、SARS-CoV-2等多种人畜共患病毒进行系统发育分析,发现病毒在溢出至人类前并未经历特殊的适应性进化。选择压力变化通常只在人类持续传播后才出现。该结果支持新冠病毒的自然起源,并挑战了“大流行病毒需预先适应”的传统观点。研究同时提供了1977年H1N1流感病毒源自实验室株的分子证据。

  • 多语言与大脑健康衰老的关联被高估?新研究质疑因果推论

    来源:Brain and Language

    休斯顿大学心理学教授对发表于《Nature Aging》的一项高影响力研究提出质疑。该研究认为生活在多语言国家的人群大脑衰老更健康。但新分析指出,这些国家(如卢森堡、荷兰)同时拥有更富裕的经济、更优质的医疗和更长的预期寿命。当控制这些结构性因素后,语言效应基本消失。研究者呼吁警惕将个体行为(如学语言)包装成对抗衰老的“捷径”,而忽视根本的社会决定因素。

  • 用光“指挥”分子集体起舞:飞秒时间尺度追踪界面电荷转移与旋转

    来源:Nature Communications

    DESY、基尔大学和汉堡大学团队利用自由电子激光FLASH和高次谐波源,结合时间分辨动量显微镜技术,首次在飞秒尺度上实时观测到光激发下有机分子在二维量子材料表面的集体旋转。研究发现,光致电荷转移短暂改变界面静电势,驱动分子层在数百飞秒内同步旋转,并暂时形成手性排列。该成果为开发分子开关、手性材料和能量转换表面提供了新思路。

  • 生物钟紊乱如何“卡住”脂肪细胞能量代谢?研究发现关键分子机制

    来源:Nature Metabolism

    西北大学范伯格医学院团队发现,昼夜节律通过调控脂肪细胞线粒体的氧化代谢来影响能量平衡。敲除时钟基因Bmal1或高脂饮食均会抑制这一过程。研究意外发现,引入酵母来源的NDI1酶可修复代谢缺陷,使细胞能量代谢恢复正常,且不依赖体重变化。该发现为治疗肥胖相关代谢疾病提供了新靶点。

  • 细菌“搭便车”吃掉压舱物,减缓海洋固碳效率

    来源:Proceedings of the National Academy of Sciences

    MIT团队通过微流控实验模拟海洋雪下沉过程,发现附着其上的细菌在分解有机物时释放酸性废物,可溶解碳酸钙这一关键“压舱物”,从而减缓颗粒下沉速度。下沉速度适中时,细菌作用最显著。该机制解释了浅海碳酸钙异常溶解现象,提示微生物活动可能削弱海洋生物泵的固碳能力,未来气候干预方案需纳入这一因素。

  • 室温超导新路线图:从偶然发现转向系统性搜索与量子材料设计

    来源:Proceedings of the National Academy of Sciences

    由格拉茨技术大学等机构参与的国际团队指出,实现室温超导不存在根本物理障碍。研究者强调,通过高压淬火等技术已实现汞化合物在常压下151开尔文的超导转变温度。未来需结合第一性原理计算、AI和纳米工程,系统搜索可工业生产的超导材料。研究呼吁物理、化学、材料科学领域协同推进,将超导研究从“试错”转向“设计”。

  • 阿尔茨海默病早期新发现:低水平淀粉样蛋白即可诱发神经元过度连接

    来源:Translational Psychiatry

    伦敦国王学院团队研究发现,在阿尔茨海默病极早期,低水平淀粉样蛋白即可导致神经元之间连接异常增多,并伴随49种蛋白质水平改变,形成自我强化循环。该过度连接状态与轻度认知障碍相关。研究还发现,一种已在癌症临床试验中使用的药物eFT508可阻止这种过度连接,并恢复70%的蛋白质变化,为早期干预提供了新思路。

  • AI“过滤器”为药物研发提速:从少量数据预测分子“手性”

    来源:Nature

    犹他大学与加州大学洛杉矶分校团队开发了一种机器学习工作流,仅基于少量文献数据即可预测不对称交叉偶联反应中分子“手性”的选择性。该模型通过将反应组分转化为可分析的数字描述符,能以极低成本筛选数万种化学结构,指导实验设计。实验验证表明,该工具可将需测试的反应数量从50-60个减少至5-10个,有望大幅加速药物开发进程。