科研进展--中国科学院广州分院

在材料加速创新迭代、人工智能赋能范式变革的今天，如何推动材料科学与产业场景高效链接，成为破解材料创新发展难题的关键。近日，中国科学院东莞材料科学与技术研究所（简称“东莞材料所”）与松山湖材料实验室内测发布材料智库智能体，核心定位是以智能化手段链接材料科学与产业，助力营造良好的材料创新生态，为材料创新提供精准、专业的信息服务支持。一、四位一体布局，抢占“人工智能+材料”创新范式变革前沿材料智库智能体是东莞材料所探索材料设计、创制、应用全链条智能化的重要一环。东莞材料所在“人工智能+材料科学”领域布局了新材料数智化研究部和材料数据中心，搭建了涵盖材料科学数据库、自动化合成实验室、材料科学大模型、材料制备与表征、微纳加工与器件制备、显微科学与技术的基础设施集群，具备大装置、大平台、大数据集成优势，在非晶合金等关键材料领域引领数据驱动、高通量研究新范式，主办《AI For Science》学术期刊，开展“人工智能+材料”未来学科发展战略研究。通过“基础能力系统性建设+关键材料示范性应用+科技期刊国际化引领+学科战略前瞻性布局”的四位一体建设，东莞材料所正奋力抢占人工智能赋能材料范式变革的前沿与制高点。二、聚焦核心功能，解锁材料创新智能化新姿态材料智库智能体聚焦材料创新需求，搭建“查材料、查朋友、查场景、查政策”功能板块。智能知识探索，精准匹配核心需求。“查材料”功能依托中国科学院智能科研平台ScienceOne与MatChat智能问答引擎，集成18万篇科技智库核心论文与报告，提供智能化的材料知识检索服务。用户可通过智能问答了解材料的性能参数、应用场景等基础信息，为研发方向规划、材料选型提供信息参考，帮助减少信息检索的碎片化困扰。智慧人脉连接，打通协同创新壁垒。“查朋友”功能聚焦材料领域协同需求，覆盖全球超3.1亿家企业及组织机构，为用户提供领域内专家学者、产业合作伙伴及相关机构的基础信息查询服务，助力快速搭建跨区域、跨领域的协作链接，为产学研协同创新提供坚实的数据支撑。应用场景洞察，精准把握市场脉搏。“查场景”功能聚焦材料与产业的链接需求，集成超2.04亿个全球专利及5427万条商标信息，整合各类材料在不同行业的应用案例，帮助用户从技术知识产权、产业应用实践等方面快速了解材料的产业应用方向、技术竞争格局及市场需求动态，为科研与产业精准对接提供参考。动态追踪解读，把握行业发展机遇。“查政策”功能汇总材料行业相关的政策文件、标准法规及补贴信息，为用户提供基础的政策查询服务，帮助用户快速了解行业政策导向，为项目规划和申报提供基础参考。三、链接科研与产业，共筑材料创新智能生态传统材料创新中，科研与产业存在信息壁垒，情报获取分散低效。材料智库智能体旨在优化材料领域情报获取体验，助力科研人员快速获取产业信息，帮助企业了解科研前沿，降低双方对接的信息获取成本；同时，精准对接材料科研端与产业应用端，推动科研需求与市场场景匹配，加速技术成果转化，夯实材料创新生态基础。此外，材料智库智能体将智能技术与垂直领域智库服务融合，丰富智库研究维度，为智库研究向精准化、协同化转型提供新路径，是探索人工智能赋能新范式，拓展智库服务能力的一次有机实践。未来，材料智库智能体将进一步丰富情报资源储备、优化服务体验，持续拓展协同网络，深化与高校、科研机构、企业及行业协会的合作，推动形成开放共享的材料创新生态。目前，材料智库智能体已正式开放试用服务，扫描下方二维码即可登录体验。该智能体由东莞材料所汪卫华所长、石永军副所长指导，智库办公室与新材料数智化研究部联合开发，特此感谢张博研究员、胡远超研究员、刘权庆工程师在智能体建设过程中给予的支持与帮助。感谢国家自然科学基金委员会专项项目（项目编号：52542317）、2024年度教育部哲学社会科学研究重大委托项目（项目批准号：24JZDW008）、中国科学院学部人工智能重大咨询项目、广东省科学技术厅牵头前沿新材料战略性产业集群主导咨询支撑机构委托项目、东莞市决策咨询委员会委托合作课题的支持。

2026-01-09

深圳先进院 | 揭示Resminostat靶向HDAC1凝聚体克服肿瘤耐药的药理机制（Nat Chem Biol）

1月9日，中山大学中山医学院赵蔚教授与中国科学院深圳先进技术研究院/医学成像科学与技术系统全国重点实验室研究员董鹏团队合作在Nature Chemical Biology发表了题为“Deacetylase-Independent HDAC1 Condensation Defines Temozolomide Response in Glioblastoma”的研究论文。胶质母细胞瘤（Glioblastoma，GBM）是成人中最常见且侵袭性最强的原发性脑肿瘤之一，患者预后极差，中位总生存期通常不足两年[1][2]。替莫唑胺（Temozolomide，TMZ）是目前唯一被广泛应用的一线化疗药物，可在一定程度上延长患者生存，但约90%的初始敏感病例最终会因获得性耐药而导致肿瘤复发[3]。如何有效克服TMZ耐药仍是临床治疗中的重大挑战。1月9日，中山大学中山医学院赵蔚教授与中国科学院深圳先进技术研究院/医学成像科学与技术系统全国重点实验室研究员董鹏团队合作在Nature Chemical Biology发表了题为“Deacetylase-Independent HDAC1 Condensation Defines Temozolomide Response in Glioblastoma”的研究论文。该研究发现，替莫唑胺（TMZ）治疗可诱导胶质母细胞瘤（GBM）细胞形成HDAC1-CTCF凝聚体，从而导致染色质结构重塑和DNA修复活性增强，促进TMZ获得性耐药的发生。更为重要的是，研究团队鉴定出小分子化合物Resminostat能够特异性靶向该凝聚体，在耐药GBM的患者来源异种移植（PDX）模型中显著恢复TMZ敏感性，有效克服肿瘤耐药。研究团队首先利用董鹏教授自主研发的高通量三维超分辨成像技术3D-ATAC-STORM，发现TMZ耐药GBM细胞的染色质可及性显著降低，并系统描绘了其三维基因组结构特征。进一步的机制研究表明，耐药细胞染色质可及性降低主要归因于TMZ处理诱导HDAC1-CTCF凝聚体的形成，该凝聚体在染色质上聚集并限制局部开放性。为探索药物干预策略，研究团队建立了针对HDAC1-CTCF凝聚体的高内涵筛选体系，发现小分子化合物Resminostat能够特异性破坏该凝聚体的形成。在TMZ耐药GBM的PDX模型中，Resminostat显著逆转肿瘤对TMZ的耐药性，促进DNA损伤反应并抑制肿瘤进展。进一步的机制研究表明，Resminostat对HDAC1-CTCF凝聚体的作用并不依赖于抑制HDAC1的经典组蛋白去乙酰化酶活性，而是通过干扰其固有无序区域（Intrinsically Disordered Region, IDR）介导的相分离过程实现。Resminostat可破坏 HDAC1-CTCF 凝聚体的形成与稳定性，从而抑制其介导的DNA修复复合物在损伤位点的组装，降低DNA损伤修复效率并增强TMZ诱导的DNA损伤积累，最终有效克服肿瘤细胞的耐药性。本研究系统揭示了HDAC1-CTCF凝聚体介导的染色质重塑与DNA修复在胶质母细胞瘤替莫唑胺耐药中的关键作用机制，拓展了对HDAC1生物学作用模式的理解。该研究证实小分子化合物Resminostat可通过破坏HDAC1-CTCF凝聚体从而恢复TMZ敏感性，为靶向肿瘤凝聚体以克服肿瘤耐药提供了新的理论依据。值得强调的是，Resminostat 已在皮肤 T 细胞淋巴瘤（ClinicalTrials ID: NCT02953301）、肝细胞癌（NCT02400788）及霍奇金淋巴瘤（NCT01037478）等多种肿瘤中开展过早期临床研究，相关结果显示，其安全性特征较为明确，整体耐受性处于可管理范围内。虽然其在GBM中用于克服TMZ耐药的疗效尚未开展临床验证，但本研究为其转化应用提供了坚实的理论与实验基础。未来研究可进一步优化Resminostat的血脑屏障通透性与脑内药代动力学特征，以期实现其在GBM中的精准递送与有效治疗。本研究由中山大学中山医学院、中国科学院深圳先进技术研究院、南方科技大学、广东省人民医院及中南大学湘雅医院等单位联合完成。中山大学张钦凯博士、邱茹博士与南方医科大学鲁冰教授为论文共同第一作者；赵蔚教授与董鹏研究员为共同通讯作者；南方科技大学李依明教授和博士后方珂、石伟，以及中国科学院深圳先进技术研究院助理研究员朱虹霓，原研究助理王金泓为本研究的3D-ATAC-STORM成像做出了重要贡献；中南大学湘雅医院刘庆教授、龙文勇医生及黄蒙医生为本研究提供了重要的GBM临床样本与临床数据支持。本研究得到了国家自然科学基金和深圳市医学专项研究基金的支持。图1. 论文截图原文链接：https://www.nature.com/articles/s41589-025-02123-8图2. 替莫唑胺治疗诱导胶质母细胞瘤产生耐药性以及Resminostat克服耐药性的分子机制。

2026-01-12

深圳先进院 | 多模态融合学习助力癌症精准预后（npj Digital Medicine）

近日，中国科学院深圳先进技术研究院医学成像科学与技术系统全国重点实验室秦文健研究员，提出一种临床信息提示整合的多模态预后预测新框架，通过设计临床文本模板和基础大模型，将结构化临床数据转化为高维语义特征，并通过交叉注意力机制实现病理图像、基因组与临床信息的高效融合，提升癌症生存预测精度。研究成果以"Multimodal deep learning for cancer prognosis prediction with clinical information prompts integration"为题，发表于国际数字医学权威期刊npj Digital Medicine。癌症患者的预后情况，是制定个性化治疗方案的核心依据，但肿瘤具有高度异质性，给精准评估预后带来了巨大挑战。目前，多模态研究多集中在病理影像与基因组数据，而能反映患者整体健康状况的临床信息，因存在离散、稀疏、维度低等特性，尚未被充分挖掘利用，这也导致传统方法难以精准评估预后风险。近日，中国科学院深圳先进技术研究院医学成像科学与技术系统全国重点实验室秦文健研究员，提出一种临床信息提示整合的多模态预后预测新框架，通过设计临床文本模板和基础大模型，将结构化临床数据转化为高维语义特征，并通过交叉注意力机制实现病理图像、基因组与临床信息的高效融合，提升癌症生存预测精度。研究成果以"Multimodal deep learning for cancer prognosis prediction with clinical information prompts integration"为题，发表于国际数字医学权威期刊npj Digital Medicine（图1）。临床信息“沉睡”难题如何破解？传统多模态研究多集中于病理影像与基因组数据，而年龄、肿瘤分期等临床信息因离散、低维的特性常被忽略。受图像-文本对比学习研究的启发，研究团队设计“临床文本模板”，并借助视觉-语言基础模型编码为高维向量，激活临床数据的深层语义价值。具体而言，研究团队为每一项临床特征设计了围绕关键信息的文本描述模板，并利用GPT-4o mini自动生成多个同义句模板，每个临床特征随机选取一个模板生成文本描述，并通过预训练的文本基础模型进行编码。实验结果表明，当模板数量Nt=1时，不同生存时间患者的临床高维特征在区分性和聚类效果上达到最优（图2a）。病理图像和基因组数据分别通过基础大模型UNI和scFoundation进行特征编码，随后与高维临床特征一同输入SurvPGC模型。该模型采用双路径结构，每一路均基于跨模态双向注意力机制，将病理图像分别与临床信息或基因组数据进行融合（图2d），从而充分挖掘不同模态之间的互补信息。三大癌种验证：AUC显著提升，风险分层更精准在性能评估方面，研究将SurvPGC与多种单模态及多模态生存预测模型进行了系统比较。总体而言，多模态模型显著优于单模态模型；其中，SurvPGC在TCGA-LIHC、TCGA-BRCA和TCGA-COADREAD数据集上的C-index分别达到0.701±0.054、0.701±0.057和0.676±0.087，均优于现有性能最优模型。基于Kaplan–Meier曲线的风险分层分析同样表明，SurvPGC在区分高风险与低风险患者方面具有更强的预测能力（图3）。为进一步分析双路径融合嵌入对模型决策的贡献，研究采用Integrated Gradients（IG）方法量化多模态嵌入对预测结果的影响，并对跨模态注意力矩阵Ac→p（临床-病理学）和Ag→p（基因组-病理学）在病理全切片图像上的分布进行了可视化，以研究基因组和临床信息关注的组织区域。图4展示了来自数据集TCGA-LIHC的典型病例，其中红色表示高关注区域，蓝色表示低关注区域。根据生存时间将病例分为高风险和低风险组，生存时间越短，风险越高。本研究分别根据Ac→p和Ag→p的累积注意力值选择了排名前50的图像块区域。在TCGA-LIHC中（图4），临床和基因组数据的注意力主要集中在WSI中的肿瘤细胞区域。此外，基因组数据还更倾向于关注诸如淋巴细胞和坏死等区域，而这些区域很少被Ac→p选择。然而，基因组数据更容易受到噪声的影响，并可能聚焦于无关的伪影，如临床上的人工马克笔标记或扫描阴影。尽管不同数据集中的临床和基因组数据的主要关注区域有所不同，但总体而言它们是互补的。中国科学院深圳先进技术研究院博士生侯嘉馨为该研究的第一作者，中国科学院深圳先进技术研究院秦文健研究员为论文通讯作者。该研究工作得到了国家自然科学基金、深港肿瘤影像智能计算分析联合实验室、深圳市基础研究专项自然科学基金、深港澳科技计划以及中国科学院青年创新促进会会员的资助。图1：文章上线截图图2：本研究提出的工作流图3：各模型在TCGA-LIHC数据集上的KM曲线图4：TCGA-LIHC患者的可解释性可视化展示

2026-01-09

南海海洋研究所研究团队揭示海洋热浪重塑全球海洋浮游植物体型格局

近日，中国科学院南海海洋研究所热带海洋环境实验室（LTO）、热带海洋环境与岛礁生态全国重点实验室詹海刚研究团队在海洋热浪影响全球浮游植物粒径结构方面取得新进展。研究成果以“Global Responses of Phytoplankton Size Structure to Marine Heatwaves”为题发表于国际期刊Global Biogeochemical Cycles。论文第一作者为副研究员詹伟康，通讯作者为研究员何庆友，合作者还包括研究员杜岩、研究员詹海刚、副研究员张莹、澳大利亚CSIRO首席科学家Ming Feng研究员等。在全球变暖的背景下，海洋热浪正变得更加频繁和强烈，它们如同海洋的“高烧”，对海洋生态系统造成了灾难性冲击，包括大规模珊瑚白化、海藻林退化，以及从大型海洋动物到微小浮游生物的死亡等。浮游植物作为海洋食物网的基石，贡献了全球约一半的初级生产力，其变化牵动着整个海洋生态系统的命脉。过去，科学家们多关注海洋热浪如何影响浮游植物生物量（如叶绿素浓度），但对其粒径结构这一决定海洋食物网效率和碳输运能力的关键属性的影响仍知之甚少。尽管在某些特定海域有过相关报导，但在全球尺度上至今还未有系统研究。基于长达25年（1998-2022）的卫星遥感数据，研究团队首次绘制出海洋热浪期间全球浮游植物粒径结构的响应图景。研究指出，占海洋面积大部分的中低纬度海域浮游植物群落呈显著“小型化”，而高纬度海域则趋向“大型化”（图1）。在热带海洋、东边界上升流区和中纬度过渡带等热点区域，海洋热浪显著提高了小型浮游植物的优势度。其核心机制在于，热浪期间受抑制的上升流或水平输送使得近表层营养盐供应骤减，扩大了更善于在贫瘠环境中生存的小型浮游植物的生存优势。与此相反，在光限制为主的高纬度海域，海洋热浪导致的混合层变浅，增加了光照条件，促进了需要更多能量的大粒径浮游植物生长。研究进一步指出，尽管中低纬度海域的浮游植物粒径结构对热浪干扰更为敏感，但其潜在的恢复时间相对更短，表现出更强的弹性，为预测海洋生态系统的抗干扰能力提供了新依据。这项研究的突破性贡献在于，它将海洋热浪对浮游植物的影响评估，从“总量变化”推进到了更深的“结构重组”层面。这种粒径格局的剧变，将通过食物链产生放大效应，进一步影响全球渔业资源与碳循环。该研究同时警示，海洋热浪在海洋次表层往往更强、更持久，其对浮游植物群落的实际影响可能比卫星观测到的表层信号更为严峻。因此，未来海洋生态管理、渔业政策与全球碳循环评估，有必要将此类极端事件引发的生态结构级联效应纳入核心考量。本研究由国家自然科学基金、国家重点研发计划项目、广东省自然科学基金和广州市科技计划项目等共同资助完成。相关论文信息：Weikang Zhan., Ying Zhang, Qingyou He*, Ming Feng, Yan Du, Xinchen Shen, Yunchen Liu and Haigang Zhan, (2026). Global Responses of Phytoplankton Size Structure to Marine Heatwaves. Global Biogeochemical Cycles, 40, e2025GB008854.原文链接：https://doi.org/10.1029/2025GB008854图1 全球海洋热浪期间浮游植物粒径结构变化分布。(a) 1998-2022年热浪期间浮游植物粒径结构斜率(ξ)异常值的空间分布，仅显示过显著性检验的区域（t检验，p=0.05）。(b-d) 同 (a)，分别对应Fmicro、Fnano和Fpico的变化。Fmicro、Fnano和Fpico分别表示小型浮游植物、微型浮游植物和微微型浮游植物对总浮游植物碳含量的贡献比例。(e)ξ与(f)不同粒径级浮游植物优势度在热浪期间的纬向平均异常值。阴影区域表示各纬度经向方向上的一个标准差范围。(g) 中低纬度与高纬度海域，单位热浪强度对应的ξ平均变化量。

2026-01-08

华南植物园对我国典型落叶栎叶片磷分配策略研究获新进展

叶片磷分配策略反映了植物在环境变化下维持和提高磷利用效率的权衡，探究植物叶片磷分配策略的空间变异对预测其个体生长、物种分布区和森林生态系统功能的潜在变化至关重要。然而，大多数关于叶片磷分配策略的研究仍局限于有限区域尺度，研究对象分散，限制了对同属广布物种叶片磷分配策略及其潜在适应机理的的认知。中国科学院华南植物园恢复生态学团队以中国亚热带和温带森林自然分布的广布种麻栎（Quercus acutissima）、栓皮栎（Q. variabilis）和狭布种白栎（Q. fabri）、蒙古栎（Q. mongolica）为对象，探究了以上4种典型落叶栎叶片5种磷组分含量及比例的空间分异规律和调控机制。发现：亚热带落叶栎叶片脂质、核酸和残余磷比例显著高于温带落叶栎，而代谢磷比例则相反；不同落叶栎物种的叶片磷分配模式在亚热带趋同，在温带趋异；叶片磷分配的空间变化模式主要受全球变化因子（年均温、氮沉降速率和干旱指数）调控，而非土壤磷含量；环境因素对落叶栎狭布种叶片磷分配的影响显著强于广布种（图）。该研究揭示了我国典型落叶栎在不同磷供给条件下维持磷需求的策略，全球变化可能会促进落叶栎广、狭布种形成栖息地分化。相关研究成果以“Contrasting leaf phosphorus-allocation strategies between subtropical and temperate oaks”为题发表在国际学术期刊Plant, Cell & Environment（《植物、细胞与环境》）上。华南植物园博士后赖媛为论文第一作者，华南植物园旷远文研究员和中国林业科学研究院刘建锋研究员为共同通讯作者。该研究得到广东省基础与应用基础研究旗舰项目、广东省重点领域研发项目、国家自然科学基金和广东省科技计划项目的联合资助。论文链接：https://doi.org/10.1111/pce.70368 图. 亚热带和温带森林中落叶栎叶片磷分配策略的差异和调控机制

2026-01-09

深圳先进院 | 让AI自己找病灶医学影像诊断或将告别“手工标注时代”（Nature Biomedical Engineering）

1月6日，中国科学院深圳先进技术研究院医学成像科学与技术系统全国重点实验室研究员王珊珊团队联合清华大学助理教授周洪宇、澳门科技大学教授张康等合作者在《自然—生物医学工程》发表的最新成果，给出了一个全新的答案。在医院里，一张医学影像往往隐藏着大量关键信息。但要让AI 看懂这些影像，过去离不开医生手动“圈出”的病灶作为训练数据——这不仅耗费大量时间和精力，也成为医学影像 AI 难以大规模推广的重要原因。有没有可能，让AI不再依赖人工标注，也能自己学会“哪里可能有病灶”？1月6日，中国科学院深圳先进技术研究院医学成像科学与技术系统全国重点实验室研究员王珊珊团队联合清华大学助理教授周洪宇、澳门科技大学教授张康等合作者在《自然—生物医学工程》发表的最新成果，给出了一个全新的答案。研究团队提出了一种名为AFLoc的人工智能模型，这一模型最大的特点是：不需要医生提前标注病灶，就能自动在医学影像中“找病灶”。该研究中，王珊珊研究员、澳门科技大学医学人工智能研究所教授张康为共同通讯作者；深圳先进院医工所影像中心博士生杨浩、清华大学助理教授周洪宇为共同第一作者；深圳先进院为第一完成及最后通讯单位。研究工作同时得到了郑海荣院士的指导与支持。传统的医学影像AI模型的学习方式，就像学生做题必须先有标准答案，而AFLoc模型则更像是在“看图读报告”的过程中，自己学会理解影像含义。研究人员介绍，“我们让AFLoc 模型同时学习两类信息，一类是医学影像本身，比如胸片、眼底照片或病理切片，另一类是医生撰写的临床报告。通过反复‘对照学习’，AFLoc模型会逐渐明白：临床报告中提到的疾病描述，对应影像中的哪些区域。久而久之，即使没有人工标注，它也能在影像中准确标出最可能的病灶位置。”研究团队在胸部X光、眼底影像和组织病理图像三种典型医学影像模态上对AFLoc进行了系统验证，结果显示模型均表现出优异性能。在胸片实验中，AFLoc在覆盖肺炎、胸腔积液、气胸等34种常见胸部疾病、涉及8个主流公开数据集的测试中，在多项病灶定位指标上优于现有方法，并在多个病种中达到了甚至超越人类专家的水平。在眼底影像和病理图像任务中，AFLoc同样展现出稳定的病灶定位能力，定位精度优于当前主流模型。除病灶定位外，AFLoc还展现出强大的疾病诊断能力。在胸部X光、眼底和组织病理图像的零样本分类任务中，其整体表现均优于现有方法。尤其在眼底视网膜病变诊断中，AFLoc的零样本分类性能甚至超越了部分依赖人工标注数据微调的模型。 “这一模型有效规避了传统深度学习方法对大规模人工标注数据的依赖，显著提升了医学影像数据的利用效率与模型的泛化能力，为临床影像AI从‘依赖手工标注’迈向‘自监督学习’提供了可行路径，也为构建更智能、更具通用性的医学人工智能系统提供了新的技术范式。”王珊珊研究员表示。未来，研究团队还将进一步推动AFLoc在多中心真实临床场景中的验证与应用，加速其向临床辅助诊断系统的转化落地。论文链接：https://www.nature.com/articles/s41551-025-01574-7文章上线截图王珊珊（左五）团队。研究团队供图AFLoc 模型自动定位的病灶区域。研究团队供图

2026-01-07

南海海洋所 | 研究发现系列抗菌活性新颖脂肽

近日，中国科学院南海海洋研究所热带海洋环境与岛礁生态全国重点实验室、热带海洋生物资源与生态实验室和广东省海洋药物重点实验室在海绵来源真菌天然产物研究方面取得新进展。科研团队基于分子网络分析导向分离的方法，从南海海绵来源的一株真菌中精准挖掘出系列新颖脂肽类化合物，具有较好的抗菌活性和糖苷酶抑制活性。相关成果发表于化学领域知名期刊《Chinese Chemical Letters》（中国化学快报）。中国科学院南海海洋研究所22届联合培养硕士生叶伟霞为论文第一作者，研究员张长生、研究员张文军及暨南大学研究员田海妍为共同通讯作者。真菌代谢产物是药物研发的宝库，但传统“盲目分离”的方法如同大海捞针，常导致已知化合物的重复鉴定。为应对这一难题，研究团队采用了MS2分子网络（MS2-MN）导向分离策略。该策略通过质谱数据的“指纹”聚类，将复杂的代谢产物可视化，让研究者能在实验初期就迅速排除“老面孔”，精准锁定具有新颖裂解特征的“潜力分子”。通过该策略，研究团队从南海海绵Halichondria panicea来源的真菌Aspergillus sp. SCSIO 40435中分离鉴定出4个新环七肽unguisins L–O（5–8）和11个新颖脂肽类化合物lipounguisins A–K（9–19）。进一步综合应用NMR、J-HMBC、旋光值、Marfey's水解、变温1H-NMR及ECD计算等方法解决了这类脂肽类复杂分子结构鉴定难题，确定了两种独特的C‒C和C‒N连接方式（图1）。活性评价显示，含有脂肪酸侧链的化合物抗菌活性和糖苷酶抑制活性明显优于相对应的环七肽母核，揭示了脂链对生物活性的重要贡献，也为后续开发新型药物先导化合物提供了关键依据。图1 (A) 典型脂肽的连接方式；(B)本研究报告的非典型脂肽；(C) 化合物1-19的结构图该项研究得到了国家自然科学基金、广东省及海南省自然科学基金等多项基金的资助。论文信息：Weixia Ye,Kai Liu,Wei Liu,Xianbo Chen,Xuemin Ding,Haiyan Tian*,Wenjun Zhang*,Changsheng Zhang*. Novel lipopeptides featuring unusual C–C and C–N linkages between cyclic peptides and fatty acyl chains. Chinese Chemical Letters,2025.论文链接：https://doi.org/10.1016/j.cclet.2025.112293

2026-01-04

南海海洋所 | 研究揭示边缘海洋壳氮富集机制

近日，中国科学院南海海洋研究所张运迎研究员团队、广州海洋地质调查局孙珍研究员团队和加拿大阿尔伯塔大学李龙教授团队联合在边缘海洋壳氮富集机制及其对全球俯冲氮通量的影响方面取得重要进展，相关研究成果以“Significant nitrogen enrichment in altered upper oceanic crust in marginal seas: New insights into global subducting nitrogen budget and deep nitrogen recycling”为题发表于国际著名地球化学期刊《Geochimica et Cosmochimica Acta》。博士后孙李恒为第一作者，张运迎和孙珍为共同通讯作者。氮是生命必需元素，其在地球各圈层间的循环对宜居环境的形成与演化具有重要作用。洋壳在海水蚀变过程中可吸收大量表生氮，成为俯冲带氮输入的重要载体。然而，目前对洋壳氮富集机制及其在俯冲氮收支中的贡献仍认识不足，尤其是在边缘海区域。研究团队基于国际大洋发现计划（IODP）在南海钻获的玄武岩样品，系统开展了氮含量与同位素组成分析。研究发现，南海玄武岩氮含量显著高于全球大洋平均值。通过二元混合模拟，研究揭示南海玄武岩中的氮主要来源于上覆富粘土沉积物，并有少量非生物氮还原的贡献。进一步分析表明，除了周围环境次生氮可用性外，洋壳蚀变程度也是控制氮富集的关键因素。在次生氮可用性高的条件下，洋壳蚀变程度越高，氮富集越显著。基于这一新认识，研究团队重新估算出全球俯冲带上部洋壳的氮输入通量为6.8 ± 0.7 × 109 mol⋅yr-1，这几乎是之前估计值的两倍。研究还发现，边缘海相关的俯冲带虽然仅占全球俯冲带总长度的约15%，但其上部洋壳对全球俯冲氮输入通量的贡献高达25%，单位长度氮输入通量约为开阔大洋的1.7倍。这一结果凸显了边缘海在大洋氮循环中的重要作用，也为理解全球氮循环的区域差异提供了新视角。该研究不仅首次系统揭示了边缘海洋壳的氮富集特征与控制机制，也为准确评估全球俯冲氮收支和深部氮循环提供了关键数据与理论依据。研究得到了国家自然科学基金、地质联合基金、西太平洋地球系统多圈层相互作用重大研究计划、广东省人才团队项目、国家重点研发计划等项目的联合资助。论文信息：Sun,L.H.,Zhang,Y.Y*.,Li,K.,Sun,Z*.,Huang,R.F.,Li,L.,2025. Significant nitrogen enrichment in altered upper oceanic crust in marginal seas: New insights into global subducting nitrogen budget and deep nitrogen recycling. Geochimica et Cosmochimica Acta.文章链接：https://doi.org/10.1016/j.gca.2025.12.038图1 IODP U1500、U1503、U1431、U1433和U1434站位分布图图2 南海洋壳玄武岩N含量和δ15N值特征图3 蚀变玄武岩平均N含量与（a）扩张速率、（b）洋壳年龄、（c）基底沉积物N含量和（d）平均LOI含量关系图

2026-01-04

南海海洋所 | 珊瑚记录揭示印度洋孟加拉湾人类活动对海洋环境的深刻影响

近日，中国科学院南海海洋研究所陈天然研究员团队联合澳大利亚昆士兰大学赵建新教授团队等，在孟加拉湾海洋环境研究领域取得重要进展，相关成果连续发表于《Environmental Research》与《Marine Pollution Bulletin》等国际学术期刊。博士研究生Md Habibur Rahman为论文第一作者，陈天然为通讯作者。孟加拉湾地处印度洋“一带一路”关键海上节点，其沿岸的孟加拉国位于恒河 — 布拉马普特拉河 — 梅格纳河三角洲，拥有全球最丰富的沉积物输入与高度密集的沿海人口。该区域气候受南亚季风强烈控制，海洋环境在自然波动与人类干扰的共同作用下极为复杂。近年来，随着快速的城市化、工业化以及港口、桥梁、拆船业等大型基础设施建设，孟加拉湾已成为全球关注的海岸带环境热点区之一，同时其独特的地缘位置使其在区域经济发展、海洋资源利用和生态安全方面具有战略意义。研究团队创新性地利用圣马丁岛的现代和古珊瑚样品作为高分辨率自然地质档案，建立了 2011 — 2022 年间的多元素（B、Fe、Mn、Ba、Cu、Ni、Pb 等）时间序列，精准甄别了不同人类活动的污染指纹。研究结果显示，珊瑚骨骼中微量元素的变化不仅清晰记录了海表温度与河流径流的季节性信号，更反映了沿岸城市化、农业化与工业化快速发展带来的污染累积。多元统计分析表明，约七成的元素变化可归因于人类活动。其中，铁、锰、砷的峰值与帕德玛大桥、马塔巴里深水港等大型基建工程以及建立罗兴亚难民营引发的土地利用剧变等高度吻合；磷、锌、镉的长期上升趋势则指向了农业化肥的使用加剧；而锡的异常则揭示了防污漆、农药及旅游业等污染源的贡献。珊瑚中铜、镍、铅等金属含量较前工业时期升高 2 至 3.5 倍，明确地将这些重金属的富集与吉大港全球性拆船产业的活动强度直接关联，并确定了每种金属输入的特定阈值，为针对拆船业的精准监管和风险预警提供了量化工具，也为我国参与国际合作框架下的区域治理（如《香港公约》等）提供数据话语权。这些成果不仅首次在孟加拉湾构建了基于珊瑚生物档案的污染变化序列，更在溯源解析不同产业污染信号方面实现了方法突破，提出了基于珊瑚地球化学阈值的污染监测框架，为沿岸海域的生态风险预警与可持续管理提供了新思路，也为 “一带一路” 沿线国家的海洋环境保护与资源管理提供了重要科学支撑。该研究得到了国家自然科学基金以及ANSO青年人才奖学金-2021等项目的支持。图1 孟加拉湾多类型人类活动及采样岛屿地理位置图2 2011年至2022年期间Sr/Ca、B/Ca、Ba/Ca、Fe/Ca、Mn/Ca等地球化学指标时间序列论文信息：MdHabibur Rahman, Tianran Chen, Syeda Maksuda Yeasmin, Yuyang Lin, Jianxin Zhao, Fabrice Papa, Md Hafijur Rahaman Khan. Decadal variability and anthropogenic influence on trace element dynamics in the Bay of Bengal: Evidence from high-resolution coral records. Environmental Research.2025.279:121828.Md Habibur Rahman,Tianran Chen,Syeda Maksuda Yeasmin,Xiaolan Tan,Md Haffjur Rahaman Khan. Coral geochemical archives reveal shipbreaking-driven heavy metal pollution in the Bay of Bengal. Marine Pollution Bulletin. 222(2026),118888原文链接：https://doi.org/10.1016/j.envres.2025.121828 https://doi.org/10.1016/j.marpolbul.2025.118888

2026-01-04

深圳先进院参与全球首次深海二氧化碳水合物封存海试

2025年11月，怀柔实验室联合中国海油在琼东南水深1695米海域，实施了全球首次深海CO2水合物固化封存探索性海试作业。此次作业应用了中国科学院深圳先进技术研究院海洋探测科学仪器研究团队研制的深海海底原位电磁脉冲声源（Boomer）进行海底地震的采集。2025年11月，怀柔实验室联合中国海油在琼东南水深1695米海域，实施了全球首次深海CO2水合物固化封存探索性海试作业。此次作业应用了中国科学院深圳先进技术研究院（以下简称“深圳先进院”）海洋探测科学仪器研究团队研制的深海海底原位电磁脉冲声源（Boomer）进行海底地震的采集。怀柔实验室海洋碳封存团队根据海试过程中封存地质体地震监测需求，提出了利用ROV搭载Boomer声源进行地震采集的设计方案。深圳先进院团队依据该作业设计，历时2个月研制适用于深海ROV搭载的Boomer声源，其最大工作水深可达2000米，并配合怀柔实验室团队开展了声源系统的实验室电气、通信、连续无故障等测试，以及大型压力舱内的带压联调联试和近海联调联试。在实际海上施工作业过程中，深圳先进院与怀柔实验室紧密合作，深圳先进院江彪、罗磊工程师在复杂海况和高强度连续作业下，保障了深海原位Boomer声源在海底的稳定运行，以及地震采集作业的顺利实施。Boomer声源（又称震源）是基于电磁脉冲原理的海底浅地层高分辨率勘探声源系统。该类型声源应用于深海时，需要克服高水静压引起的空化抑制等关键问题。深圳先进院海洋探测科学仪器研究团队于2023年提出了基于压力补偿平衡的解决方案（CN202410001361.1），成功实现了该类型声源在2000米深海环境下宽频、高振幅的子波激发（《集成技术》, 2025, 14(3): 134-144）。目前，研究团队依托深圳先进院自主部署项目正在开展水深达到6000米的Boomer声源技术开发，未来将应用于大洋海底资源的勘探与开发。深海Boomer声源在南海1695m海底作业深海Boomer声源在南海1695m海底作业深海Boomer声源搭载于中海辉固ROV

2026-01-06