祝贺Elabscience®2月文献引用741篇，最高IF达48.5！

截止至2026年2月，全网共计收录引用Elabscience®产品的文献达30,557篇，总IF值达159,321.7！

2月单月收录741篇，总IF值4,528.9分，其中122篇影响因子达10+，zui高影响因子达48.5。

Elabscience®2月发表高分文献10

根据引用产品所归属的不同产品线，小E选出了2篇优秀高分文献进行解读和分享。

一、英文标题：Sensory neurons drive immune exclusion by stimulating a dense extracellular matrix in the breast cancer tumor microenvironment

✪ 中文标题：感觉神经元通过刺激乳腺癌肿瘤微环境中致密的细胞外基质驱动免疫排斥

✪ 发表期刊：Cell

✪ 影响因子：42.5

✪ 文献解读：

研究发现，感觉神经是导致三阴性乳腺癌免疫治疗耐药的关键。肿瘤通过激活感觉神经，调动成纤维细胞形成致密细胞外基质屏障，将免疫细胞物理性隔绝于肿瘤核心区域之外，导致免疫排斥，从而使免疫治疗失效。使用偏头痛药物瑞美吉泮抑制神经信号可弱化该屏障，恢复免疫细胞浸润并增敏免疫治疗。该研究shou次揭示了神经调控肿瘤免疫微环境的新机制，为乳腺癌治疗开辟了“神经-肿瘤-免疫"跨学科研究新方向。

✪ 作者单位：复旦大学

✪ DOI号：10.1016/j.cell.2026.01.001

✪ 使用产品名称（产品货号）：

二、英文标题：Unified modeling of 3D molecular generation via atomic interactions with PocketXMol

✪ 中文标题：通过原子间相互作用对三维分子生成进行统一建模——基于 PocketXMol 的方法

✪ 发表期刊：Cell

✪ 影响因子：42.5

✪ 文献解读：

清华大学马剑竹、王新泉，首都医科大学宣武医院王子华、北京大学国际癌症研究院韩传辉及相关团队利用PocketXMol模型进行人工智能辅助药物发现的zuixin研究。本研究提出PocketXMol，一个在原子层面统一蛋白质口袋相互作用的生成式模型。通过原子提示作为任务规范，PocketXMol支持多种分子任务，包括小分子和肽的结构预测与全新设计，同时无需针对特定任务进行微调。在13个计算基准测试中，PocketXMol在11项上表现了强劲性能，并在剩余两项中保持竞争力，性能超越了55个基线模型。我们应用PocketXMol设计抑制Caspase-9的小分子，其效果与商业化的泛Caspase抑制剂相当。我们还采用PocketXMol生成结合PD-L1的肽，成功率大幅超越传统库筛选方法。其中三个代表性 肽经过进一步实验验证，展现了细胞特异性，并证实了它们在分子探针和治疗方法上的潜力。PocketXMol为人工智能辅助药物发现提供了一个通用平台，并开启了广泛的未来应用前景。

✪ 作者单位：清华大学、首都医科大学宣武医院、北京大学国际癌症研究院

✪ DOI号：10.1016/j.cell.2026.01.003

✪ 使用产品名称（产品货号）：

我们为使用Elabscience®产品发表文献的客户提供专属奖励，详情请点击：文献奖励。

Elabscience®每月推送旗下产品高分引用文献，季度汇总巨噬细胞、铁死亡、线粒体、炎症等热词相关文献，年度盘点全年引用文献，敬请期待！