1
中国天眼54天内观测到1863次暴发脉冲信号，揭示快速射电暴密近环境的动态演化
【导读】
近日，依托于中国科学院国家天文台运行的、我国自主研制的国家重大科技基础设施“中国天眼”500米口径球面射电望远镜（FAST），一个由北京大学物理学院天文学系及科维理天文与天体物理研究所、中国科学院国家天文台李柯伽研究员、中国科学院国家天文台朱炜玮研究员、北京大学科维理天文与天体物理研究所东苏勃研究员、美国内华达大学拉斯维加斯分校张冰教授等人组成的FAST优先和重大科学研究团队对快速射电暴FRB 20201124A的深入观测取得重要成果，揭示了该快速射电暴密近环境的动态演化。
快速射电暴（fast radio burst，FRB）是宇宙中偶发的无线电暴发事件。在几毫秒的时间内，所释放的无线电波段的能量相当于世界当前总发电量累计几百亿年的总和。快速射电暴是在2007年第一次被报道发现的，早先的探测主要是来自银河系外的快速射电暴，迄今已经发现了好几百个。
但是，这类天文现象的物理起源仍然不清楚。2020年人们探测到了来自银河系内磁星的快速射电暴，这表明有一些快速射电暴可以起源于磁星，即一类磁场极强的中子星。但是那些来自于宇宙学距离的快速射电暴，尤其是能够重复暴发的快速射电暴的起源仍不清楚。对于快速射电暴已有大量的无线电波段的观测资料，然而长期以来人们缺乏对其核心区物理参数直接观测的资料。
FAST优先和重大科学研究团队使用FAST对FRB 20201124A进行长期监测，在54天的82小时观测中测到了来自于这个快速射电暴的1863个暴发脉冲信号，这样高的事件率使它成为最活跃的几个重复暴之一。研究团队通过对这个源的深度观测取得了多个国际首次的重要发现。
天文学上，法拉第旋转量描述电磁波振荡方向随频率旋转的程度，可以用于直接探测介质中的磁场。研究团队“拍摄”到了快速射电暴法拉第旋转量动态演化的“电影”，首次发现了法拉第旋转量的奇异演化行为，即在前36天里法拉第旋转量出现了无规律的短时标演化，而在随后的18天里几乎不变；首次发现了快速射电暴的猝灭现象，即FRB 20201124A从保持高事件率态到在72小时内突然熄灭；首次在快速射电暴中探测到了与之前所有快速射电暴都显著不同的高圆偏振度脉冲，其最高值达到了75%；还首次测到了偏振度随着电磁波波长振荡的现象。
这些现象都说明了在这个快速射电暴周围1个天文单位（即太阳到地球的距离）的环境是非常复杂并且动态演化的。通过偏振观测显示出的振荡现象，该团队对这个快速射电暴周围1个天文单位内的环境的磁场给出直接限制，该磁场达到了高斯量级以上。通过国际合作，他们使用美国10米Keck光学望远镜对这个快速射电暴的宿主星系进行了深度观测，发现其宿主星系是约为银河系尺度大小、富金属的棒旋星系，并且发现这个快速射电暴所在区域恒星密度较低，处于旋臂之间，距离星系中心中等距离。
该团队认为这个环境与由于大质量恒星极端爆炸导致的超亮超新星或伽马射线暴后形成的年轻磁星模型不相符。
FAST对重复性快速射电暴FRB 20201124A的近2000个暴发的探测揭示了该暴非常复杂的、动态演化的、强磁场环境，这对于人们理解快速射电暴及其周围环境如何产生射电暴发并影响其传播提供了很大帮助。
论文信息：
标题：A fast radio burst source at a complex magnetized site in a barred galaxy
出版信息：Nature，21 September 2022
DOI：10.1038/s41586-022-05071-8
2
我国学者在空间转录组整合分析算法的研究方面取得进展
【导读】
细胞在组织器官内所处的空间位置对于它发挥特异性功能至关重要。近年来，研究者开发了多种空间转录组技术可以在保留细胞精确空间定位的同时，检测细胞内全转录组的表达，以此来研究在发育或疾病发生发展过程中起关键性作用的细胞亚群及其分子机制。
现有的空间转录组学技术存在两个不足：1. 基于测序的空间转录组技术无法实现真正意义上的单细胞分辨率；2. 基于成像空间转录组的技术能检测到的基因通量有限。为了突破技术的局限性，生物信息学家设计了多种算法整合空间转录组与单细胞转录组数据，预测细胞类型的空间分布和/或单个细胞的完整转录组信息。这些算法大大加深了我们对空间转录组学数据及相关生物学和病理过程的理解。然而，由于不同算法的工作原理和适用范围存在显著差异，使得研究者很难选择最佳算法用来预测细胞类型和基因表达的空间分布。
瞿昆教授课题组长期致力于开发生物大数据分析算法和软件。在此项研究中，课题组收集了45对同一组织来源的空间转录组与单细胞转录组数据集，和32个模拟数据集，并设计了多种指标，从准确性、鲁棒性、计算资源耗时等多维度系统性评估了16种整合算法的性能。
研究结果显示，Cell2location、SpatialDWLS和RCTD算法能更加准确的预测细胞类型的空间分布；Tangram、gimVI和SpaGE算法是预测基因表达空间分布的最佳算法。Tangram、Seurat和LIGER算法计算效率相对较高，适合处理大规模数据集。
该研究工作总结了每种算法的属性、性能、适用性以及高效算法的优势，为研究人员进一步提升算法性能提供了参考。此外，该研究在github上提供了整合空间转录组和单细胞转录组数据的分析流程，为研究人员提供了数据处理的分析工具。
论文信息：
标题：Benchmarking spatial and single-cell transcriptomics integration methods for transcript distribution prediction and cell type deconvolution
出版信息：Nature Methods，16 May 2022
DOI：10.1038/s41592-022-01480-9
转自：“科研之友 ScholarMate”微信公众号
如有侵权，请联系本站删除！
