近日，《自然》期刊公布了“2025年值得关注的全球七大突破性技术”，其中生命科学领域占据了四席。这些技术不仅有望显著改善人类健康福祉，还将为环境治理和保护提供创新解决方案，从而对我们的生活产生深远影响。

CAR-T细胞疗法：自身免疫疾病的治愈希望

经过数年发展，嵌合抗原受体（CAR）-T细胞疗法已成为许多血液癌症的标准治疗方案。自首款CAR-T细胞疗法获批以来的七年间，全球已有数万人接受了这种治疗。对于某些类型的血液肿瘤，其临床疗效非常显著，最早接受CAR-T治疗的急性淋巴细胞白血病儿童患者Emily Whitehead已经超过十年无癌，让血液肿瘤患者看到了治愈的希望。

在过去几年中，CAR-T细胞疗法在实体瘤治疗方面也取得了显著进展。例如，麻省总医院的肿瘤学家Marcela Maus博士领导的研究团队设计了一种靶向表皮生长因子受体III型突变体（EGFRvIII）的CAR-T疗法，用于治疗复发性胶质母细胞瘤（GBM）。该疗法通过分泌T细胞结合抗体分子（TEAM），还可同时靶向野生型EGFR蛋白。在临床试验中，3名复发性GBM患者接受该疗法后，大脑肿瘤在1-5天内迅速缩小，其中一名患者的肿瘤在第5天几乎完全消失，另一名患者的病情缓解时间超过5个月。其他研究在儿童脑癌和胃肠道肿瘤中也显示出令人鼓舞的结果。Maus博士认为，如果研究人员能够识别出适当的肿瘤特异性靶点，CAR-T疗法有望广泛应用于更多癌症类型的治疗。

值得注意的是，CAR-T细胞疗法在自身免疫疾病领域同样展现出巨大潜力。研究表明，靶向B细胞的CAR-T细胞疗法能够有效遏制某些自身免疫疾病的进展。这类疾病通常源于产生有害“自身抗体”的缺陷型B细胞，这些抗体会攻击人体正常组织。例如，早在2021年，德国风湿病学家Georg Schett博士领导的研究团队利用自体CD19 CAR-T细胞成功治疗了一名严重系统性红斑狼疮（SLE）患者。经过CAR-T治疗后，患者实现了血清学及临床双重缓解。此后，Schett博士的团队在约二十名患有狼疮和其他自身免疫疾病的患者中成功控制了病情，迄今仅有一例复发。他认为，这种方法有望改善其他与B细胞相关的自身免疫疾病（包括多发性硬化）的预后。

尽管CAR-T细胞的生产与治疗费用高昂，且对患者身体可能造成一定损害，但对于那些在传统治疗中艰难求生的自身免疫疾病患者而言，这仍不失为一种有效的治疗选择。Schett博士指出：“这类患者的长期治疗费用本就十分庞大，而CAR-T疗法的进展表明，理论上患者有可能在数年内无需进一步治疗，从而摆脱自身免疫疾病的困扰。”

生物治理技术：解决微塑料污染问题的新途径

微生物拥有在极端环境中繁衍生息的非凡能力，甚至能利用最不可思议的食物来源，比如塑料。塑料在自然环境中的长期暴露会逐渐降解成微塑料颗粒，这些颗粒对环境有害且具有毒性。然而，令人瞩目的是，某些细菌正逐步适应这些人工材料，它们不仅能够耐受微塑料的存在，还能将其作为自身的营养来源。这一发现为利用微生物解决微塑料污染问题开辟了新的可能性。

自然界中存在多种酶具备降解塑料的潜力，但其效率尚待提升。塑料活性酶数据库（Plastics-Active Enzymes Database）已收录超过230种此类酶，而科研人员正积极开发策略以增强这些酶的性能。例如，伦敦布鲁内尔大学（Brunel University of London）的微生物学家Ronan McCarthy博士的团队正在探索诱导具备塑料降解能力的细菌在塑料碎片上形成密集生物膜的方法。McCarthy博士指出，这些生物膜能使细菌直接将酶释放到目标底物上，同时防止酶被冲刷流失。

与此同时，美国密苏里大学哥伦比亚分校（University of Missouri Columbia）的化学家Susie Dai博士正专注于研究白腐菌降解致癌性“永久性化学品”（如全氟烷基和多氟烷基物质）的天然能力。她的团队开发了一个名为RAPIMER的平台，该平台利用天然纤维构建类似植物的人工支架，用以培养这种真菌。Dai博士解释说：“这些纤维作为吸附剂，能够从环境中有效富集污染物，随后由真菌进行降解。”她认为，该系统在污水处理厂或污泥处理设施中具有潜在应用价值。

研究人员正致力于优化现有酶，旨在开发出具有更强污染物处理能力的微生物。与此同时，McCarthy博士呼吁应加强对如何智能且安全地运用工程化生物环境治理系统的讨论。他强调：“只要微生物具备分解污染物的能力，生物治理系统几乎可以应对任何环境挑战。”

人工智能基础模型：解密错综复杂的生物体系

所谓基础模型，是指一类在预训练阶段被输入大量未标记数据的人工智能算法。例如，ChatGPT便是基于互联网上庞大的文本语料库进行训练的，而同样的训练方法同样适用于生物体DNA序列、基因表达数据或DNA修饰模式等领域。这些算法通过学习数据中复杂微妙的模式，生成一个可执行多种任务的通用模型，从解析新获取的生物学数据到设计定制蛋白质或代谢途径等，不一而足。瑞士洛桑联邦理工学院的计算机科学家Charlotte Bunne博士预测，随着这些基础模型的不断完善，它们有望为揭示基本的生物学过程和原理提供前所未有的深刻见解。

早期研究已经取得了有力的概念验证成果。2024年，研究人员构建了一种名为scGPT的基础模型，该模型基于约3300万个人类细胞的单细胞转录组数据进行训练，能够准确地对多种组织中的细胞类型进行分类，识别协同驱动不同生物学过程的基因网络，并预测破坏性突变对基因表达模式的影响——这一能力在药物发现领域具有极其重要的价值。

而更为巨大的机遇则在于整合多个基础模型。例如，在2024年12月发表于《细胞》杂志的一篇文章中，科学家们提出了一项开发“虚拟细胞”的路线图。“虚拟细胞”是一个由基于RNA、蛋白质、DNA及其他数据层的多个基础模型构建而成的复杂模型。它能够捕捉细胞或组织中更为完整的生物学活动谱系，从而在功能上极大地超越第一代工具（如scGPT），为人类疾病研究、合成生物学及其他相关学科提供强有力的资源支持。这一进展预示着AI技术在生物学研究领域的应用前景将更加广阔。