1
月
27
日，中心课题组与合作者在
PNAS
上发表题为
“RNA sequencing by direct tagmentation of RNA/DNA h
ybrids”
的研究论文
。该文章开发了一种新的基于
Tn5
转座酶的
转录组测序快速建库方法
，与已有的其它方法相比，
大大简化了建库的过程
；同时对样品的用量还很小，不仅可以用于高质量的单细胞转录组测序，而且对包括目前正在肆意蔓延的冠状病毒等样本的测序质量和速度或许也将有大大的提升。与此前发表的
MALBAC
、
LIANTI
等方法一样，研究团队继续以红酒的名字来命名，并起名为
SHERRY
（
Sequencing HEteRo RNA-DNA-hYbrid
）。
9
月
15
日，中心课题组及合作者在
Cell
上
发表题为“
Structurally resolved SARS-CoV-2 antibody shows high efficacy in severely infected hamsters and provides a potent cocktail pairing strategy”的研究论文
。
该研究成功解析BD-368-2与
新冠病毒
Spike三聚体复合体的
高分辨
冷冻电镜结构
及RBD-双抗体的三元复合物晶体结构，研究了抗体的治疗效果，并建立时间、剂量与疗效的关系，为理解BD-368-2的疗效机制、临床应用及避免“
突变逃逸
”的新冠病毒变种的治疗奠定重要基础。
10
月
22
日，
中心课题组
与合作者在
Cancer Cell
上发表题为
“Single-cell Multiomics Sequencing Reveals Prevalent Genomic Alterations in Tumor Stromal Cells of Human Colorectal Cancer”
的研究论文。
该研究从
21
例微卫星稳定的结直肠癌患者手术切除标本中获取了癌组织、淋巴结转移组织、癌旁组织以及外周血样品，同时从
6
例非癌症个体中获取了外周血样品，对多种非上皮细胞进行了高精度的单细胞基因组和转录组双组学测序。
该研究
首先建立并优化
了一项单细胞基因组和转录组双组学测序技术，通过对单个细胞的细胞核和细胞质进行分离，使得对同一个单细胞能够同时进行转录组和基因组测序，并在此基础上系统地研究了肿瘤微环境以及正常组织中免疫细胞、成纤维细胞和血管内皮细胞中基因组拷贝数变异的发生频率和特征，揭示肿瘤微环境中发生基因组拷贝数异常的成纤维细胞存在特异性克隆扩张现象。
11
月
5
日，
中心课题组
与合作者在
The Journal of Chemical Physics
上
发表题为“
Deep Learning for Variational Multiscale Molecular Modeling
”的研究论文。文中提出了一种基于
深度学习
的构建多尺度分子模型的新方法
RE-VADE
。采用深度生成式学习，
RE-VADE
可以快速准确地从全原子模拟或实验数据中构建生物大分子的粗粒化模型。采用强化学习和模拟学习技术，
RE-VADE
可以通过实验观测或粗粒化模拟结果加速全原子模型的抽样效率。文中展示了
RE-VADE
方法可以在极短时间优化出通过神经网络表达的蛋白质体系粗粒化力场，还可以构建神经网络势函数对涉及高能垒的稀有事件的采样进行加速，加速效果可达若干数量级。
图注：
（左）RE-VADE通过机器学习沟通了不同尺度下的分子模型。
（右）RE-VADE花费很少时间即构建了一个蛋白质的神经网络势能粗粒化力场，使用该力场的构型模拟结果与长时间全原子模拟的结果高度一致。
11月30日，
中心课题组
与合作者在
Nature Communications
上发表题为“Genomic and transcriptomic alterations associated with drug vulnerabilities and prognosis in adenocarcinoma at the gastroesophageal junction”的研究论文。本研究通过对124位患者未经治疗的肿瘤和配对癌旁组织或外周血进行全基因组和转录组测序，
系统描绘
了中国人胃食管交界处腺癌的基因组和转录组的变化特征。本工作
增强
科学家对胃食管交界处腺癌分子特征的认识，为临床治疗和药物研发提供了线索。
