Nature发布值得关注的7项技术，可持续性和人工智能占主导地位

近日，Nature 发布了 2025 年值得关注的 7 项技术。其中，4 项技术和生命科学有关，人工智能仍是值得关注的技术。

CAR-T 细胞的机遇

CAR-T 细胞疗法是许多血液肿瘤的标准治疗方法。自该疗法进入临床七年来，全球已有数万人接受了该疗法。对于某些类型的白血病、淋巴瘤和骨髓瘤，临床益处非常显著：对于某些癌症，超过 50% 的接受者可实现完全缓解。

过去几年，针对实体瘤的 CAR-T 也取得了进展。例如，由波士顿麻省总医院的肿瘤学家 Marcela Maus领导的研究人员已经设计出靶向某些脑肿瘤的 T 细胞。去年，该团队发现这些细胞可以迅速缩小复发性胶质母细胞瘤，尽管反应的持久性各不相同。其他研究已在儿童脑癌和胃肠道肿瘤中显示出有希望的结果，Maus 认为，如果研究人员能够确定合适的肿瘤特异性靶点，这种方法将被广泛应用。

此外，科学家已经证明，针对 B 细胞的 CAR-T 细胞也能抑制某些自身免疫性疾病。这些疾病通常是由缺陷的 B 细胞引起的，后者会产生针对健康组织的有害“自身抗体”。2021 年，德国埃尔朗根-纽伦堡大学风湿病学家 Georg Schett 领导的研究人员测试了 CAR-T 疗法是否可以治疗患有严重狼疮的患者。从那时起，Schett 的团队已经治愈了大约 20 名患有狼疮和其他自身免疫性疾病的患者，到目前为止只有一人复发。他表示，这种方法可以改善其他 B 细胞相关疾病的预后，包括多发性硬化症。

微生物降解塑料

“生命总会找到出路的”，出自 1993 年的科幻电影《侏罗纪公园》。微生物世界确实如此，其生长于各种环境，并吞食最不可能的食物，包括塑料。

某些细菌不仅能够耐受微塑料的存在，还能将其作为自身的营养来源。这一发现为利用微生物解决微塑料污染问题开辟了新的可能性：一份报告显示，2023 年至 2028 年间，对此类微生物“生物修复”策略的投资可能会增长 80 多亿美元。

自然界中存在很多天然酶可以降解塑料，但效率尚待提高。如伦敦布鲁内尔大学 Ronan McCarthy的团队正在诱导塑料降解细菌在塑料碎片表面形成致密的生物膜。这些生物膜能使细菌直接将酶释放到目标底物上，同时防止酶被冲刷流失。

密苏里大学哥伦比亚分校的化学家Susie Dai 研究了白腐真菌降解致癌“永久化学物质”或全氟和多氟烷基物质（通常称为 PFAS）的天然能力。她的团队开发了一个名为 RAPIMER 的平台，其中真菌在由天然纤维组装的人工植物状支架中培养。这些纤维可以作为吸附剂，富集来自环境的所有污染物，随后由真菌进行降解。她建议该系统可用于废水处理或污泥处理设施。

其他研究人员正在研究蛋白质工程和实验室进化方法，以优化现有酶并赋予微生物更强的污染物处理能力。但监管限制和公众对转基因生物的担忧可能会限制潜在的使用案例。McCarthy 呼吁应加强对如何智能且安全地运用工程化生物环境治理系统的讨论。他强调：“只要微生物具备分解污染物的能力，生物治理系统几乎可以应对任何环境挑战。”

生物学基础模型

基于大型语言模型 (LLM) 的平台（例如聊天机器人 ChatGPT）为全球数亿用户提供了“一站式”服务，可完成无数任务。尽管完成质量参差不齐，但毫无疑问，LLM 代表了更通用的 AI 系统开发的重要一步。

“基础模型”是指那些在预训练过程中被输入大量未标记数据的人工智能算法。ChatGPT 是基于互联网上的海量文本语料库进行训练的，但同样的方法也可以应用于基因组序列、基因表达数据或 DNA 修饰模式。这些算法通过学习数据中复杂微妙的模式，生成通用模型，使用该模型执行各种任务，从解释新获得的数据到设计定制蛋白质或途径。随着这些模型的成熟，它们可能会为基本的生物过程和原理提供新的见解。

2024 年，多伦多大学计算生物学家 Bo Wang 和他的同事开发了 scGPT，该模型基于 3300 万个人类细胞的单细胞转录组进行训练，可以准确地对不同组织中的细胞类型进行分类，识别协同驱动不同生物过程的基因网络，并预测破坏性突变对基因表达模式的影响。“我收到了很多来自制药公司的好评。”

同年，wang 和同事提出了开发“虚拟细胞”的路线图——本质上是一种基于 RNA、蛋白质、DNA 和其他数据层的多个基础模型构建的复杂模型。它可以大大超越第一代工具（scGPT），通过捕捉细胞或组织中更全面的生物活动，为人类疾病研究、合成生物学和其他学科提供强大的资源。

单细胞微生物分析

无论是在海洋、土壤还是人体内，微生物群落都极为复杂。即使是大肠杆菌这一个物种，其基因组和功能多样性也令人惊叹，在一个单一的菌落中，大肠杆菌基因组的几乎每一个位置都可能发生突变。

对于研究多细胞真核生物的研究人员来说，解开这种多样性几乎是常规操作：只需使用单细胞测序即可。但微生物单细胞测序面临诸多挑战，部分原因是微生物的细胞壁难以破解，而且每个细胞中的 DNA 和 RNA 含量有限，因此难以高效地进行纯化。然而，在过去几年中，用于在单细胞分辨率下研究微生物生物学的工具库不断丰富。

转录组学研究的进步尤为显著，目前至少有六种技术可供选择。例如，德国维尔茨堡赫尔姆霍兹 RNA 基础感染研究所的生物化学家 Jörg Vogel 领导开发的细菌 MATQ-seq 技术，能够分析数千个微生物细胞中每个细胞的数百个基因的表达情况，这些数据可用于表征罕见的耐药细菌对药物的反应。其他方法则以牺牲每个细胞捕获的基因数量为代价，换取更高的通量，但也不乏出现了一些新技术（如 M3-seq）在两者之间取得平衡。

相比之下，微生物 DNA 分析的发展相对滞后。由多伦多大学的生物医学工程师 Freeman Lan领导的研究团队开发了一种名为 DoTA-seq 的方法，该方法将单个细胞捕获在微小的液滴中，然后选择性地对每个细胞基因组中的数十个位点进行测序。DoTA-seq 似乎适用于多种细菌细胞类型和物种，研究人员正在将其应用于研究人类肠道和其他生态系统中的环境条件如何塑造微生物基因组。

1.https://www.nature.com/articles/d41586-025-00075-6

免责声明：本文旨在传递合成生物学最新讯息，不代表平台立场，不构成任何投资意见和建议，以官方/公司公告为准。本文也不是治疗方案推荐，如需获得治疗方案指导，请前往正规医院就诊。