Current Biology 视频摘要：单细胞捕食者 P. colini 按资源重塑捕食触手结构
P. colini 这一单细胞捕食者会依据可用资源重塑捕食陷阱，表现为优先增加触手数量而非延长已有触手。团队用深度学习流程将数千个活细胞三维数字化，并连续追踪数周，发现捕食后触手先伸长、随后生成新触手，饥饿时则系统性拆解陷阱。蛋白组学和超扩张显微镜显示，维持既有结构依赖持续蛋白翻译，新触手形成依赖资源敏感转录程序；团队据此构建了可复现实测行为并预测扰动结果的数学模型。
Cell Press / Current Biology 视频摘要：一种会构建“捕食陷阱”（触手）的单细胞捕食者，其陷阱结构如何随资源重塑。。研究对象为会构建捕食陷阱（tentacles）的单细胞捕食者；捕食触发细胞重塑——触手先伸长、随后新触手生成（biogenesis）。；团队构建了 deep learning pipeline，自动将数千活细胞在 3D 中数字化，发现陷阱形态的“数学蓝图”：优先增加触手数量而非加长现有触手。；蛋白组学 + expansion microscopy 揭示：维持既有陷阱需持续蛋白翻译；新建触手需不同的资源敏感转录程序，每根触手含 centrin-rich collar + 可收缩 tip（开口如咽）。；单细胞可在微室中“自我导向”至当前资源下最优陷阱结构。；注：deep learning 用于 3D 细胞形态量化，属计算方法应用，标【AI4Science】。取文说明：经 opencli 转写，894 词（短片）。
- 研究对象为会构建捕食陷阱（tentacles）的单细胞捕食者；捕食触发细胞重塑——触手先伸长、随后新触手生成（biogenesis）。
- 团队构建了 deep learning pipeline，自动将数千活细胞在 3D 中数字化，发现陷阱形态的“数学蓝图”：优先增加触手数量而非加长现有触手。
- 蛋白组学 + expansion microscopy 揭示：维持既有陷阱需持续蛋白翻译；新建触手需不同的资源敏感转录程序，每根触手含 centrin-rich collar + 可收缩 tip（开口如咽）。
- 单细胞可在微室中“自我导向”至当前资源下最优陷阱结构。
- 注：deep learning 用于 3D 细胞形态量化，属计算方法应用，标【AI4Science】。取文说明：经 opencli 转写，894 词（短片）。
发生了什么
这是 Current Biology 的一个视频摘要（5.4 分钟）：UW-Madison 团队研究单细胞捕食性纤毛虫、吸管虫 P. colini，它靠微管构成的放射状触手诱捕猎物，Tetrahymena 碰到触手尖端即被捕获、麻痹并被吸空细胞质。团队搭建深度学习 pipeline，把数千个活细胞在 3D 中数字化，将触手数量对平均长度作图，发现陷阱形态的数学蓝图：优先增加触手数量而非加长已有触手。几何模型显示这种缩放几乎完美地最大化了给定材料预算下的猎物捕获效率；在自制琼脂微室中追踪单个细胞数周，观察到捕食触发触手先伸长、随后延迟一波新触手生成，饥饿时则沿最优轨迹系统性拆解陷阱。蛋白组学加膨胀显微镜进一步揭示，维持既有陷阱需要持续蛋白翻译，新建触手需要另一套资源敏感的转录程序，每根新触手都要构建含 centrin 的皮质环和可像咽一样张开的可收缩尖端。
为什么重要
它回答了领域里一个悬而未决的问题：没有神经系统的单细胞如何决定捕食结构的数量与大小之比——答案是一套反馈控制逻辑，触手长度是确定性过程、数量是受资源支配的随机过程，由此合成的预测模型既能复现实验行为，还预言并经实验验证了扰动下的反直觉现象。对做单细胞形态量化和建模的人，深度学习 3D 数字化 pipeline 和几何捕食效率模型是可直接迁移的方法。对合成生物学方向的读者，材料明示这套逻辑是细胞分配资源、调控内部组件大小与数量的普适蓝图，微调反馈参数就能让 P. colini 的体型方案匹配其他吸管虫物种的触手缩放架构，从几根极长触手到数百根微小触手。
还缺什么
材料未披露论文的卷期、作者名单与经费信息，也未给出触手生成的时间尺度数字、资源敏感转录程序涉及的具体基因或通路，以及扰动实验中反直觉现象的具体内容。视频称数据和建模工具可在全文论文中查到，但具体获取渠道待确认。下一步可看正式论文里的转录与蛋白组数据、模型参数细节，以及这套控制逻辑在非纤毛虫细胞中的普适性是否有后续验证，材料均未提及，待确认。
研究将深度学习三维形态量化、数周单细胞追踪与资源依赖反馈模型结合，呈现触手数量和长度的调控逻辑。
来源：专家解读（YouTube） · youtube.com