1169-Deep-Phase：利用深度学习解码生物分子凝聚体形态与功能

这篇文章介绍了一种名为 Deep-Phase 的深度学习框架，旨在通过荧光显微镜图像定量分析生物分子凝聚体（如核仁、核斑点和病毒包涵体）的形态变化。研究表明，凝聚体的物理特征与细胞内的生化功能（如RNA转录和加工）密切相关，该工具能通过图像精准预测药物的抑制效力（IC50）。利用这一平台，研究人员在筛选药物时发现了一种独特的“花状”核仁形态，并由此揭示了 TOP1 酶在维持核仁结构及 rRNA 加工中的关键作用。该研究证明了计算机视觉能有效连接微观层面的分子相互作用与宏观层面的细胞组织结构。这种方法为探索疾病机制、发现新型治疗靶点以及进行高通量药物筛选提供了强大的技术支持。References:Donlic A, Comi TJ, Quinodoz SA, Jaberi-Lashkari N, Antunes Fernandes K, Jiang L, Wiesner LW, Lim AI, Brangwynne CP. Deep learning of functional perturbations from condensate morphology. Cell. 2026 Jun 4:S0092-8674(26)00569-6. doi: 10.1016/j.cell.2026.05.010. Epub ahead of print. PMID: 42242225.前往小宇宙评论区与主播互动