一周前沿回顾·组学研究 | 从表观训练到空间解析：多组学与深度学习如何连接免疫代谢、微生态与疾病靶点

关键数据

• H2A.Z缺失扰乱初始T细胞稳态和效应应答
• H2A.Z富集于氧化磷酸化基因启动子
• IL-7补充或H2A.Z过表达可挽救激活缺陷

这项研究值得关注的地方

把静息期染色质状态与后续代谢能力直接连接，为理解免疫衰老和优化细胞治疗提供了可检验轴线。

注：

证据来自实验系统及CAR-T相关模型，不能据此认定在人类衰老或肿瘤患者中干预该轴已安全有效。

关键数据

• BLVRB耗竭降低免疫调节基因表达
• 细胞系和患者来源异种移植模型均用于疗效验证
• Tamibarotene增强CAR-T与抗PD-1治疗效果

这项研究值得关注的地方

研究不仅识别免疫抑制标志物，还通过遗传和药物干预建立了从分子节点到免疫治疗反应的实验链条。

注：

疗效证据限于细胞与异种移植模型，尚不能推定Tamibarotene联合免疫治疗对AML患者有效。

关键数据

• 总悬浮颗粒物与鼻腔耐药组相似性最强
• 葡萄球菌在全部样本中持续检出
• 职业暴露伴随总耐药基因和高风险耐药基因负担升高

这项研究值得关注的地方

将环境空气与宿主微生物组放入同一分析框架，有助于识别职业场景中更值得优先监测的耐药风险。

注：

相似耐药谱、菌株和遗传背景支持环境—人体连接，但观察性结果不能确定传播方向或证明空气暴露直接造成鼻腔定植。

关键数据

• HER2免疫组化阳性率为30.1%
• 约38.5%的病例可检测到HER2膜染色
• ERBB2扩增率为7.8%，多变量HR为1.76（95%CI 1.08–2.87）

这项研究值得关注的地方

结果提示蛋白表达、基因扩增和其他ADC靶点需要并行评估，而不能将HER2染色直接等同于ERBB2驱动。

注：

单一日本队列的观察性分析可支持分层和预后关联，但不能据此预测HER2或NECTIN4靶向治疗的实际获益。

关键数据

• 放射耐受模型来自2个独立脑膜瘤细胞系
• 耐受细胞的糖酵解、乳酸和H3K27乳酰化均升高
• CARF关键磷酸化位点为第8位酪氨酸

这项研究值得关注的地方

研究将代谢重编程、组蛋白修饰与衰老逃逸串联起来，并通过干预关键节点验证其与放射敏感性的关系。

注：

机制主要建立于细胞系和异种移植模型，尚不能直接说明该通路在患者脑膜瘤中的发生频率或临床靶向价值。

关键数据

• 功能结局评估时间为缺血性卒中后3个月
• 共识别4个具有稳健证据的候选基因
• PYGL过表达减轻缺氧缺糖/复氧诱导的细胞凋亡

这项研究值得关注的地方

多层证据把卒中预后关联进一步定位到特定细胞类型和影像表型，并为PYGL的功能方向提供实验支持。

注：

孟德尔随机化依赖工具变量和共定位等假设，细胞实验也不能替代人体干预研究；PYGL的治疗效果仍需动物及临床验证。

关键数据

• 研究比较3类儿童样本
• 机器学习形成5因子风险预测面板
• 小鼠联合干预包含丁酸、普拉梭菌和重组人生长激素

这项研究值得关注的地方

研究把微生物代谢物、免疫状态与生长激素轴放入同一框架，为解释患儿生长受损提供了可分层检验的模型。

注：

儿童部分以组间关联和模型推断为主，联合干预效果来自小鼠，不能直接作为患儿使用菌株、丁酸或生长激素的依据。

关键数据

• 模型整合空间坐标、组织图像和分子谱3类输入
• 基准测试覆盖人和小鼠配对空间多组学数据
• 在所测试数据集中持续优于现有方法

这项研究值得关注的地方

该工具回应了空间多组学中不同模态难以共同建模的问题，可帮助研究者从复杂信号中识别可解释的组织区域。

注：

结果属于计算基准证据，性能可能受数据平台、组织类型和预处理方式影响；空间分区准确也不等同于获得生物学机制或临床效用。

01｜从组间差异走向机制链条

多项研究不再止于列出差异分子，而是通过缺失、过表达、药物阻断或细胞处理，把代谢、表观遗传、信号转导和功能表型串联起来。

02｜细胞类型与空间位置成为解释关键

卒中研究将遗传信号定位到兴奋性神经元和少突胶质细胞，空间算法则直接整合组织位置与图像；同一分子信号在何种细胞、何处发生，正成为必要问题。

03｜转化线索增多，证据边界更需前置

CAR-T增强、放射增敏、儿童联合干预和耐药暴露均具有应用吸引力，但多数干预证据仍停留在细胞或动物模型，观察性连接也不能替代传播与疗效验证。

1. Lv M, Ding J, Long H, Chai Q, Xu L, Jin C, Liang W, Zhang L, Zhang B, Lv Z, Zhao J, Li G, Zhu M. Epigenetic training licenses naïve CD8(+) T cell metabolic fitness and function. Sci Adv. 2026 Sep 18;12(38):eaee8251.

PubMed：https://pubmed.ncbi.nlm.nih.gov/42758848/

DOI：https://doi.org/10.1126/sciadv.aee8251

2. Mo Z, Wang J, Zhao Y, Liang X, Liu L, Liu J, Wang K, Qin L, Su M, Guo H, Chen Y, Sun X, Yan R, Sun J, Hu Y, Huang H, Pei S, Wang D. Targeting BLVRB Overcomes Immunosuppression and Potentiates Immunotherapy in Monocytic Acute Myeloid Leukemia. Cancer Discov. 2026 Sep 15.

PubMed：https://pubmed.ncbi.nlm.nih.gov/42742315/

DOI：https://doi.org/10.1158/2159-8290.CD-26-0447

3. Chen ZY, Gao FZ, Li P, Bai H, He LY, Liu YS, Ying GG. Multi-omics evidence reveals robust airborne-human resistome connectivity driven by high-risk ARGs and mediated by Staphylococcus. Environ Int. 2026 Sep 14;216:110525.

PubMed：https://pubmed.ncbi.nlm.nih.gov/42743804/

DOI：https://doi.org/10.1016/j.envint.2026.110525

4. Hirosuna K, Nishimura K, Sakamoto M, Tokushige S, Nakamori K, Matsunaga T, Yoshikawa Y, Tsutsumi T, Maenosono R, Tsujino T, Ajiro M, Azuma H, Yoshimi A, Komura K. Integrated Analysis of HER2 Expression and ERBB2 Alterations in Bladder Cancer. Cancer Sci. 2026 Sep 13:10.1111/cas.70534.

PubMed：https://pubmed.ncbi.nlm.nih.gov/42732768/

DOI：https://doi.org/10.1111/cas.70534

5. Wang Z, Zhang Q, Liao K, Liu X, Zhang H, Chen Y, Ma Y, Liu Y, Xu A, Sun Y, Chen J, Bian L, Wang B. Lactylation-Driven PROS1-TYRO3-CARF Signaling Promotes Therapy-Induced Senescence Escape and Radioresistance in Meningioma. Adv Sci (Weinh). 2026 Sep 16:e77818.

PubMed：https://pubmed.ncbi.nlm.nih.gov/42750190/

DOI：https://doi.org/10.1002/advs.77818

6. Li K, Yuan H, Zhou D. Integration of multi-omics Mendelian randomization, neuroimaging mediation, and functional validation identifies PYGL as a neuroprotective causal gene for stroke prognosis. Brain Res. 2026 Sep 15;1892:150550.

PubMed：https://pubmed.ncbi.nlm.nih.gov/42744168/

DOI：https://doi.org/10.1016/j.brainres.2026.150550

7. Shen J, Yan J, Yuan Y, Le L, Xu J, Chen B, Liu X, Chen H, Chen L, Yi M, Lyu J, Diao J, Zhang X, Zhao Y, Chen J. Multi-omics insights into growth impairment mechanisms in children with persistent diarrhea. Microbiol Spectr. 2026 Sep 17:e0390525.

PubMed：https://pubmed.ncbi.nlm.nih.gov/42752205/

DOI：https://doi.org/10.1128/spectrum.03905-25

8. Wang J, Huo Y, Zhao R, Pan Y, Wu J, Wang H, Li X. SpaMOAL is a deep learning method that enables accurate spatial domain identification from multi-omics data. PLoS Biol. 2026 Sep 16;24(9):e3003690.

PubMed：https://pubmed.ncbi.nlm.nih.gov/42748198/

DOI：https://doi.org/10.1371/journal.pbio.3003690