基于激光尾波场加速器的27nm自由电子激光

《自然》（Nature）封面：基于激光尾波场加速器的27nm自由电子激光。《自然》杂志第7868期封面文章报道了X射线自由电子激光（free-electron laser，FEL）研究进展。FEL对于结构生物学和化学等领域必不可少，它能以标准台式激光器无法达到的频率产生高强度的相干辐射束。研究团队利用一个激光尾波场加速器（通过等离子体波加速电子）的电子束成功产生了相干辐射，将辐射功率提高了约100倍，这意味着在气体喷流末端仅6毫米处就能实现电子产生激光的正确条件，这比之前的數据缩短了数个量级。

表皮生长因子受体（EGFR）激活会限制肝癌对仑伐替尼的治疗反应

《自然》（Nature）封面：只有接受两种药物的治疗肿瘤细胞才会被杀死。《自然》杂志第7869期封面文章报道了表皮生长因子受体（EGFR）在限制仑伐替尼疗效上的潜在作用。肝细胞癌（HCC）是一种侵袭性强、治疗难度大的常见肝癌。肝细胞癌晚期患者目前使用多激酶抑制剂仑伐替尼（lenvatinib）进行治疗。但仑伐替尼迄今取得的临床疗效十分有限。研究团队对动物模型，以及其后对12名肝细胞癌晚期患者的研究发现，在仑伐替尼外同时使用抑制EGFR信号传导的吉非替尼（gefitinib），就能增加肿瘤对该药物的积极反应。

卫星图像揭示暴露于洪水风险的人口比例增加

《自然》（Nature）封面：洪水。《自然》杂志第7870期封面文章报道了洪水风险上升的程度。研究者结合卫星图像和人口数据开发了全球洪水数据库（Global Flood Database），该数据库使用了12 719份分辨率为250米的每日卫星图像，覆盖了2000—2018年的913次特大洪水。研究发现，约2.5亿至2.9亿人直接受到了洪水影响，在2000—2015年期间，居住在洪水多发地区的人口比例增加了近四分之一。气候变化预测表明，到2030年这一比例将进一步增加，至少有57个国家预计会有更大比例的人口暴露于洪水风险中。

对溶液中单分子电化学反应的直接成像

《自然》（Nature）封面：溶液中化学反应成像。《自然》杂志第7871期封面文章报道了对溶液中单分子电化学反应的直接成像，以及证明了该技术可用于超分辨率显微成像。研究团队利用一个发光分子，该分子能在被化学反应激发时发出一个光子。通过对该发光分子在溶液中的反应位置进行时空分离，可以确定单个发光分子被激发时出现电化学发光的位置。随着时间推移，研究团队就能绘制该电极的图谱，并用来进行单细胞成像。该研究证明他们的技术能在无需外部光源的情况下，为细胞黏附进行纳米分辨率成像。

一个世纪的进步

《科学》（Science）封面：1型糖尿病。《科学》杂志第6554期封面文章报道了胰岛素被发现一百年后，1型糖尿病仍然是一种需要终生日常管理的慢性疾病。一个世纪前，1型糖尿病的诊断是一致致命的。然而，1921年班廷（Banting）和贝斯特（Best）发现胰岛素为这种疾病治疗带来了希望，使它变成了一种慢性疾病，但仍然需要艰苦的终生治疗。科学的进步加深了人类对这种疾病及其治疗方法的了解，但许多挑战仍然存在。在人类进入治疗这一常见和日益流行疾病的第二个世纪时，需要做更多的工作来克服挑战，最终目标是实现预防或治疗。

“杂技”松鼠学会在树枝上跳跃和着陆而不坠落

《科学》（Science）封面：一只自由活动的松鼠从一个平台跳到另一个平台。《科学》杂志第6555期封面文章报道了松鼠跳跃行为的评估实验研究。松鼠有时会采取创新的、类似“跑酷”的动作来缩小差距并获得美味的花生，即在跳跃中重新调整身体的方向以获得更平滑的降落方式。为了测试松鼠采取这种策略的频率，研究团队同时调整了间隙距离和着陆高度。松鼠们总共完成了数百次“跑酷”跳跃试验，尤其在中跳和长跳中，松鼠们都非常一致地使用了这种动作。这意味着适应性跳跃、学习控制和反应稳定操作的行为对松鼠成为“跑酷”高手起着至关重要的作用。

北极猛犸象的终生流动性研究

《科学》（Science）封面：猛犸象。《科学》杂志第6556期封面文章报道了科研人员对一件考古发现的猛犸象牙进行同位素分析，复原了末次冰期猛犸象在阿拉斯加的活动情况。科学家研究了17 000年前的猛犸象从出生到死亡的运动轨迹，包括它的婴儿期、少年期、壮年期、老年期。27岁之后，它可能已步入暮年，或者因为某种原因觅食困难，表现在象牙的同位素分析上氮同位素水平的飙升，这在哺乳动物中是饥饿的标志。研究模型揭示，随着冰河时代的结束和高纬度地区环境的改变，像猛犸象这样的大型动物物种很难维持一定的迁移水平。

使用三轨神经网络精确预测蛋白质结构和相互作用

《科学》（Science）封面：预测蛋白质结构的深度学习软件。《科学》杂志第6557期封面文章报道了深度思考公司（DeepMind）的深度学习工具，它是一个“三轨”神经网络（“three-track”neural network）。1972年，安芬森（Anfinsen）因为证明了蛋白质的氨基酸序列与其三维结构之间的联系而获得了诺贝尔奖。DeepMind提出的三轨网络预测的结构精度很高，能够快速解决X射线晶体学和低温电子显微镜结构建模问题，并能分析提出对未知结构蛋白质功能的理解。该网络还可以仅仅根据序列信息就快速生成精确的蛋白质-蛋白质复合体模型。