2025年1月8日，中國科學院深圳先進技術研究院（以下簡稱“深圳先進院”）醫工所、醫學成像科學與技術系統全國重點實驗室胡戰利研究員團隊開發了一種基于大模型的低劑量PET圖像重建技術，在重建過程中高效提取和整合了基礎模型的先驗信息，使低劑量PET重建技術在精度和安全上實現了提升。2025年1月8日，中國科學院深圳先進技術研究院（以下簡稱“深圳先進院”）醫工所、醫學成像科學與技術系統全國重點實驗室胡戰利研究員團隊開發了一種基于大模型的低劑量PET圖像重建技術，在重建過程中高效提取和整合了基礎模型的先驗信息，使低劑量PET重建技術在精度和安全上實現了提升。研究成果以“Prompt-Agent-Driven Integration of Foundation Model Priors for Low-Count PET Reconstruction”為題發表在醫學成像領域TOP期刊IEEE Transactions on Medical Imaging上。提出方法創新性的利用大模型技術來輔助低劑量PET圖像重建，為低劑量PET成像技術提供了全新思路。正電子發射斷層成像（PET）作為當今核醫學尖端技術的代表，主要用于腫瘤、心腦血管等重大疾病的早期診斷和治療。低劑量成像是PET技術的發展趨勢，旨在降低輻射劑量的同時保持圖像質量。目前，低劑量PET圖像重建通常利用配對的CT或MR圖像作為解剖先驗信息。先驗信息的引入有效提升了傳統低劑量PET成像方法的性能，但也導致了輻射增加或掃描時間延長、以及數據處理復雜度提高等問題。近年來，隨著人工智能技術的快速發展，大模型逐漸成為人工智能領域中最為重要的發展方向之一。大模型相較于傳統人工智能模型更具優勢，其通過大規模的預訓練獲取了豐富的跨模態和高層次先驗知識，具有更強的泛化能力，能夠動態適配不同的下游任務。其中，醫學大模型因其在預訓練階段接觸了大量的CT/MR數據，能夠提取這些數據的核心特征并具有卓越的泛化能力。因此，利用大模型作為先驗信息的替代來源，有望擺脫當前低劑量PET圖像重建對配對CT/MR數據的依賴，可以有效減少輻射暴露、縮短掃描時間并優化成像流程。此外，相較于傳統的深度學習技術，大模型可以提供更加魯棒和豐富的先驗特征，有望提高PET圖像重建效果和網絡模型的泛化性。研究團隊通過融合醫學圖像基礎模型的深層先驗知識，優化了低劑量PET圖像重建流程。醫學視覺大模型經過大量CT/MR數據的預訓練，掌握了CT/MR的本質特征，團隊利用這些特征替代了傳統的CT/MR先驗數據，通過代理機器人框架動態提取醫學圖像大模型的先驗信息，從而降低了輻射風險、縮短了掃描時間并簡化了重建流程。實驗結果表明，該技術無需依賴配對的標準CT/MR掃描數據，即可實現高質量的PET圖像重建，并超越了現有CT/MR配對數據重建算法的效果。提出方法不僅有效保留了圖像細節、顯著抑制了噪聲，同時在精度和一致性上與“金標準”高度契合。此外，得益于基礎模型的優異泛化性，提出方法在Zero-short等場景上也具有良好的表現。胡戰利研究員為論文通訊作者，博士后謝行雨和客座研究生趙文杰為論文共同第一作者。該研究得到了國自然數學天元重點專項、國家重點研發計劃重大科學儀器設備研發重點專項、國家重點研發計劃戰略性科技創新合作重點專項等項目的資助。圖1：提出方法的總體技術路線圖圖2：提出方法與現有配對CT/MR解剖先驗方法的對比<!--!doctype-->
北京時間1月13日18時，由中國科學院外籍院士、中國科學院深圳先進技術研究院（以下簡稱“深圳先進院”）醫藥所能量代謝與生殖研究中心首席科學家John Roger Speakman團隊聯合英國阿伯丁大學等78個國內外高校、科研機構在《自然—食品》上發表最新研究成果，他們采用了全新的能量消耗水平估計方法，通過比較能量需求與膳食攝入量的差別，來反映人口膳食營養調查數據中的誤報情況。營養流行病學是研究人群中飲食、營養狀況與疾病發生、發展關系的科學。其研究范疇廣泛，不僅關注普通人群的營養狀況與疾病的關系，還涉及亞臨床有潛在發病可能的人群。通過流行病學調查，可以揭示飲食與疾病之間的關系，為制定營養政策和飲食建議提供科學依據。文章上線截圖傳統的營養流行病學研究方法，主要依賴于一系列膳食評估方法，包括食物頻率問卷、24小時膳食回顧訪談和食物日記等，這些方法都在不同程度上依賴于調查對象自身對膳食攝入情況的回憶和記錄，獲取的數據極不準確，導致相關營養流行病研究結果難以具備說服力。然而，目前在學術界尚未有更好的替代方案。北京時間1月13日18時，由中國科學院外籍院士、中國科學院深圳先進技術研究院（以下簡稱“深圳先進院”）醫藥所能量代謝與生殖研究中心首席科學家John Roger Speakman團隊聯合英國阿伯丁大學等78個國內外高校、科研機構在《自然—食品》上發表最新研究成果，他們采用了全新的能量消耗水平估計方法，通過比較能量需求與膳食攝入量的差別，來反映人口膳食營養調查數據中的誤報情況。深圳先進院醫藥所能量代謝與生殖研究中心高級工程師牛超群為共同第一作者；其他作者還包括深圳先進院醫藥所能量代謝與生殖研究中心副研究員胡素梅、張雪映；Speakman院士為主要通訊作者。該研究成果對現有的基于營養流行病學（人口膳食調查）的研究結果提出了質疑，有望刷新營養學研究領域的許多重要理念。在該研究中，國際團隊采用了“雙標水”技術，該技術基于穩定同位素示蹤原理，能夠直接檢測自由生活人體的能量需求。研究團隊共收集了來自不同國家的6497例雙標水數據，并利用經典統計學結合機器學習的方法，基于其中的5899例數據構建了基于體質學數據預測人體需求的模型。根據該模型，只需收集人體的身高、體重、性別、年齡、所處位置的海拔高度等簡單易得的數據，即可精確預測人體的能量需求，為評估食物攝入記錄的真實性提供了一種更客觀的方式。為了驗證該方法的有效性，研究人員將該模型應用于NHANES（美國國家健康和營養檢查調查）和NDNS（英國國家膳食和營養調查）數據庫。他們發現來自英美兩國的國家膳食調查的食物攝入量數據中，有超過一半的數據為誤報。其中，NHANES數據庫中有48%和NDNS數據庫中有54%的膳食攝入水平調查結果都嚴重低于實際值。此前，人類營養流行病學家雖然也承認，傳統的營養流行病學研究方法可能確實嚴重低估了人類的總能量攝入水平，但仍忽視了食物成分與能量攝入之間的誤差對調查結果的影響。但是該研究結果指出，當自我報告的膳食攝入發生誤報時，研究對象似乎會有選擇的遺漏了某些特定類型的食物。這一發現引發了對未來營養科學發展的深思，論文的主要通訊作者Speakman指出，“該研究提出的模型指出了目前大量營養流行病學調查數據需要被重新審視或丟棄，這對傳統的營養流行病學研究者來說是難以接受的。然而，繼續發表和使用大量錯誤的數據，對營養學發展來說并非明智之舉。在我看來，基于原有缺陷的研究方法建立并被廣泛接受的營養學理念未來有望被改寫?！睂徃迦藢υ摮晒u價道，“該論文是營養學領域最重要的論文之一，因為我們需要認識到用自我報告來衡量能量攝入水平的巨大缺陷。而該文作者提出了一種非常實用的解決方案。”
近日，中國科學院廣州生物醫藥與健康研究院與美國約翰霍普金斯大學合作在Nature Communications雜志發表了題為Defining ortholog-specific UHRF1 inhibition by STELLA for cancer therapy的研究成果。該研究在對UHRF1結構域-功能研究基礎上（Cancer Cell, 2019），揭示了多能性調節蛋白STELLA對UHRF1功能抑制的物種特異性與分子機制，進而發展了基于mRNA的UHRF1抑制劑，可有效逆轉DNA甲基化異常并發揮抗實體瘤活性。近日，中國科學院廣州生物醫藥與健康研究院與美國約翰霍普金斯大學合作在Nature Communications雜志發表了題為Defining ortholog-specific UHRF1 inhibition by STELLA for cancer therapy的研究成果。該研究在對UHRF1結構域-功能研究基礎上（Cancer Cell,2019），揭示了多能性調節蛋白STELLA對UHRF1功能抑制的物種特異性與分子機制，進而發展了基于mRNA的UHRF1抑制劑，可有效逆轉DNA甲基化異常并發揮抗實體瘤活性。研究團隊發現，與小鼠STELLA蛋白（mSTELLA）對UHRF1的強抑制活性不同，人源STELLA蛋白（hSTELLA）幾乎無法阻斷UHRF1與染色體結合，以及誘導UHRF1的細胞核輸出。因此，hSTELLA?的UHRF1抑制活性和DNA去甲基化功能明顯弱于mSTELLA。研究人員進一步揭示，STELLA蛋白C端的低保守區域與UHRF1的不同結合模式，可能是介導物種間功能差異的關鍵因素。基于此，研究團隊利用脂質納米顆粒（LNP）介導的mRNA遞送系統，并結合體內/外功能實驗證實：遞送編碼mSTELLA “L”型結合構象的mRNA，可顯著降低腫瘤特異性DNA高甲基化，并通過“表觀遺傳記憶效應 (epigenetic memory effects)”實現對實體腫瘤的持久抑制，而編碼hSTELLA “long α-helix”構象的mRNA則沒有此活性。UHRF1的功能異常與異常譜系分化及多種惡性腫瘤的不良預后密切相關，是腫瘤治療的重要潛在靶標。盡管UHRF1抑制劑的發現已成為制藥工業界和學術界的研究熱點，目前尚無有明確DNA去甲基化活性的特異性抑制劑。該研究不僅為基于mRNA的DNA去甲基化藥物研發奠定基礎，還為模擬mSTELLA作用模式的UHRF1小分子抑制劑發現提供參照。廣州健康院白文靜博士、徐進新研究員、顧文彬博士、王丹陽博士和約翰霍普金斯大學Ying?Cui為本論文共同第一作者。廣州健康院孔祥謙研究員、劉勁松研究員和美國約翰霍普金斯大學Stephen Baylin教授為本論文共同通訊作者。該研究得到了廣州健康院巫林平研究員和中國科學院上海藥物所羅成研究員的大力幫助，以及國家自然科學基金、中國科學院和廣東省人才項目、國家重點研發計劃和廣州健康院自主部署項目等資助。論文鏈接圖?揭示mSTELLA和hSTELLA對UHRF1功能抑制差異的分子基礎，發展UHRF1靶向干預和DNA去甲基化新策略
中國科學院亞熱帶農業生態研究所印遇龍院士團隊在桃源黑豬肌肉-脂肪組織互作調控脂肪沉積機制取得新進展，揭示了不同日齡中國地方脂肪型桃源黑豬與瘦肉型杜洛克豬背最長肌的代謝差異，解析了肌肉來源的分泌型代謝物介導肌肉-脂肪組織互作的機制。中國科學院亞熱帶農業生態研究所印遇龍院士團隊在桃源黑豬肌肉-脂肪組織互作調控脂肪沉積機制取得新進展，揭示了不同日齡中國地方脂肪型桃源黑豬與瘦肉型杜洛克豬背最長肌的代謝差異，解析了肌肉來源的分泌型代謝物介導肌肉-脂肪組織互作的機制。相關研究成果以Metabolome and RNA-seq reveal discrepant metabolism and secretory metabolism profile in skeletal muscle between obese and lean pigs at different ages為題發表于國際高水平期刊SCIENCECHINA Life Sciences。印遇龍院士和李鳳娜研究員為該文的通訊作者，博士研究生郭鎏為該文的第一作者。中國是世界上最大的豬肉生產和消費國。桃源黑豬原產于湖南省桃源縣，是中國特有的脂肪型地方品種豬，與瘦肉型杜洛克豬相比，具有更高的肌內脂肪含量和慢肌纖維占比，以優良的肉品質著稱，同時具有更豐富的外周脂肪沉積。調控桃源黑豬的脂肪沉積，在降低外周脂肪的同時提高肌內脂肪含量，具有較高的經濟價值。同時，挖掘和利用我國地方豬種質資源，對實現種業振興具有重要的意義。肌肉和脂肪組織同時是重要的代謝和分泌器官，肌肉和脂肪組織之間通過分泌因子進行對話，也被稱為“肌-脂互作軸”。分泌型代謝物作為肌-脂互作的重要媒介，能夠調控肌肉分化、代謝穩態和脂肪沉積。因此，桃源黑豬和杜洛克豬也是研究肌-脂互作機制和代謝性疾病的理想動物模型。該研究通過對不同日齡桃源黑豬和杜洛克豬的背最長肌組織進行非靶向代謝組學分析，結合脂肪沉積表型數據，研究人員首先確定了桃源黑豬脂肪沉積和肉品質形成的“窗口期”為120至180日齡。代謝組與轉錄組聯合分析揭示“窗口期”日齡與品種間背最長肌代謝差異主要富集在能量、脂質和氨基酸蛋白質代謝相關通路。隨后鑒定了數十種180日齡桃源黑豬背最長肌的特異性代謝產物。結合HMDB數據庫中代謝物細胞亞定位的注釋信息篩選出與肌內脂肪含量顯著相關的分泌型差異代謝物，其中有機酸類代謝物（富馬酸、琥珀酸、蘋果酸、γ-氨基丁酸）和氨基酸類代謝物（L-谷氨酸、L-賴氨酸）與肌內脂肪呈現顯著的負相關，脂類代謝物（2-Hydroxyisovaleric acid、肉堿）則與肌內脂肪呈現顯著的正相關。本研究從代謝物介導肌肉-脂肪組織互作的角度，系統解析了中國脂肪型豬種與外來瘦肉型豬種肌肉代謝間的差異與機制，為豬脂肪沉積和肉品質營養調控提供了潛在的日糧添加劑和干預靶點，也對以豬為動物模型研究肥胖等代謝性疾病提供了重要的理論參考。該研究得到了國家自然科學基金委創新發展聯合基金重點項目、國家生豬產業技術體系、長沙市重大專項等項目的資助。論文鏈接文章摘要圖“窗口期”日齡和品種間能量代謝差異代謝物和基因肌肉來源差異分泌型代謝物與肌內脂肪顯著相關
