2018年03月22日中国科学院网站发布之《自然》及子刊纵览
《自然—生物医学工程》
通过一滴血快速检测败血症
根据3月20日《自然—生物医学工程》在线发表的一篇论文，利用一滴血就能快速检测出败血症。这种检测方式快速、价格低廉，而且准确，便于监测存在败血症风险的患者。
败血症是一种致命性疾病，败血症患者的身体会对严重感染产生极端应答，造成组织和器官损伤。约30%的患者会被误诊，这是因为目前的检测手段特异性较差，而且速度慢，要好几天才能出结果，导致医生开出不必要的抗生素处方，进而导致耐抗生素菌株的扩散。
美国麻省总医院的Daniel Irimia及同事设计了一种装置，把一滴血滴进一个显微管道组成的迷宫。然后，通过一种机器学习算法将迷宫内中性粒细胞（免疫系统的“急救员”）的运动与败血症严重程度关联起来，计算出一个“败血症分数”。研究人员表明该检测只需要几个小时，而且在包含42名患者的双盲观察性研究中，根据败血症分数可以将健康个体与败血症患者区别开来，灵敏度和特异性均达95%以上。
虽然还需要通过更大规模、更多样化的患者组对该检测方式进行验证，但是它仍有潜力提高败血症高风险患者的存活率，减少抗生素的过度使用。
《自然》
甲基化指纹技术有助改善脑肿瘤诊断
根据近日在线发表于《自然》的一项研究，研究DNA甲基化数据可以改善脑肿瘤的诊断。
正确诊断肿瘤对于癌症的治疗至关重要。但在已知的约100种肿瘤中，中枢神经系统肿瘤尤其难以准确鉴定出来。为解决这个问题，海德堡德国癌症研究中心的Stefan Pfister及同事开发了一个机器学习程序，它可以对甲基化数据进行分类。甲基化是甲基分子附着到DNA上从而改变DNA内信息可用性的过程。这个过程不仅会自然发生在细胞功能正常发挥期间——使每个细胞获得一个特有的甲基化指纹——也会发生在疾病（如癌症）中。因此，甲基化可以揭示有关肿瘤类型的信息以及这些肿瘤由什么类型的细胞形成。
作者开发出来的程序经过训练后，可以使用甲基化指纹鉴定91种肿瘤。训练采用的参照数据来自约2800名癌症患者。作者在1104例已经经过人工检查的中枢神经系统肿瘤上进行了测试，发现有12%例存在误诊。该程序不仅可以提高诊断准确率，而且它的客观性还使之可以如实鉴定出新型罕见肿瘤——人工检查时，会有根据已知肿瘤类型进行诊断的压力，甚至在非典型病例中也是如此。
为了让这种新方法得到广泛应用，作者生成了一款免费在线工具，可以在区区几分钟内分析上传的数据。自2016年12月上线以来，该工具已被使用逾4500次，用户可以选择分享他们的数据，以便进一步优化算法。作者总结表示，将甲基化指纹与脑肿瘤自动分类器整合起来还可以为创造类似的肿瘤分类算法用于诊断其它癌症类型提供一个蓝图。