科学普及

肿瘤免疫微环境（TIME）决定癌细胞能否被免疫系统识别与清除，其空间蛋白分布是免疫治疗生物标志物的核心。然而，可同时检测二十余种蛋白的多重免疫荧光（mIF）技术因试剂昂贵、设备稀缺、流程复杂，长期局限于少数中心实验室，难以在大规模临床研究中普及。过去五年，虽有研究尝试用计算工具将常规的苏木精-伊红（H&E）切片模拟成特殊染色，但受限于缺乏配对数据、样本量小、癌种单一，结果多停留在技术验证层面，未能回答“当虚拟蛋白组学扩展至万人队列时，能否产生新的生物学发现与临床分层能力”这一问题。

细胞异质性是癌症治疗失败和耐药的核心原因之一。肿瘤细胞在同一组织内往往表现出遗传、表观遗传及功能上的巨大差异，从而对药物产生不同反应。尽管单细胞测序等组学技术揭示了肿瘤细胞的多样性，但这些方法大多是静态、回顾性的，难以动态追踪细胞如何获得并传递这种差异。因此，如何在活细胞中实时、多代追踪DNA复制与损伤的遗传过程，成为理解癌症早期演化和耐药机制的关键挑战。

细胞作为生命活动的基本功能单元，其状态变化与疾病发生、药物反应等生物学过程紧密相连。过去二十年间，单细胞转录组测序、高通量遗传扰动及机器学习算法的快速发展，使得以数据驱动方式构建细胞行为预测模型再次成为可能。早期自底而上的全细胞建模尝试受限于数据规模、先验假设与计算资源，进展缓慢；如今，千万级单细胞图谱与百万级CRISPR扰动数据为重新审视这一宏大目标奠定了实证基础。然而，领域内仍缺乏统一、公开且持续更新的基准测试体系，以客观比较不同模型在跨情境、跨扰动条件下的泛化能力。

在生物医学研究领域，三维（3D）成像技术的发展为深入理解组织结构、细胞相互作用以及罕见事件提供了前所未有的机遇。然而，由于机械、时间和成本的限制，以及组织损伤或成像分辨率不足等问题，这些3D图像的质量往往受到严重影响。近年来，随着成像技术和计算能力的飞速发展，研究人员开始探索利用人工智能（AI）技术来改善这些问题，以期获得更清晰、更准确的3D组织图谱。

在生命科学的微观世界里，组织功能的奥秘隐藏在细胞间的精妙互动之中。从分子层面的信号传递到细胞间的复杂交流，再到整个组织层面的协同作用，每一层次的互动都是维持组织正常功能的关键。空间转录组学技术应运而生，它能够精准地在组织背景下定位基因表达，为科学家们提供了一把解锁组织功能和细胞间相互作用的“钥匙”。

肺纤维化(Pulmonary fibrosis)是一种肺部过度瘢痕化的疾病，其特征是细胞外基质(ECM)的过度沉积和肺实质结构的破坏，导致肺顺应性下降、肺泡气体交换功能障碍，从而引起低氧血症、呼吸困难、运动耐量下降，最终导致死亡。