天然离子通道在生物体中起着重要作用，它们负责按需将生理相关离子跨膜转运。除了研究这些天然通道的结构和功能外，研究人员也致力于开发人工离子通道，利用简单智能的超分子结构来模拟和替代其功能。受DNA/RNA互补氢键相互作用的启发，华东理工大学的一组研究人员报告了一例简单的人工超分子系统，通过分子间“手牵手”的带状自组装，在磷脂膜上形成通道结构，介导钾离子的跨膜运输，并通过诱导细胞内钾离子的外流引发癌细胞的凋亡。这个工作为设计合成高效、选择性人工离子通道提供了新的分子范式，并为抗癌药物的开发提供了新的视角。

华南农业大学农学院储成才教授团队对拟南芥及主要农作物中氮素调控根系构型的遗传基础进行了系统总结。

南加州大学伦纳德·戴维斯老龄学院（USC Leonard Davis School of Gerontology）的一项新研究表明，长期暴露在极端高温下可能会加速老年人的生物学衰老。这一发现引发了人们对气候变化和热浪会如何影响人们的长期健康和分子水平上的衰老的担忧。

科学家开发出了一种灵活的机器人，它可以像扁平的探测车一样运行，也可以像犰狳那样卷成球形，其目的是为了自主穿越具有挑战性的地形。研究表明，该机器人可以主动在平坦与球形之间切换，以在各种环境中（其中包括多石的海滩、湖泊和雪山）行驶、游泳或滚动。作者认为，可重构机器人未来或可应用于环境监测、灾害应对或太空探索。动、植物经常需改变形态以适应其周围环境或严酷条件。然而，现有的仿生可重构机器人通常受到移动缓慢或需要配备复杂系统的限制。Max Polzin 和同事在此构建了一个名为 GOAT（Good Over All Terrains）的机器人，它具有弹性玻璃纤维框架和 4 个无轮辋轮子。跨越框架的肌腱会与位于机器人中心浮动载荷上的电动绞盘相连。当处于平坦状态时，该机器人框架会类似于相互连接的环，每个环的两侧都装有轮子。由绞盘驱动的肌腱能使机器人扭动其框架并将轮子向内折叠成一个球体，其载荷则悬浮于它的中心。Polzin 等人确定，该机器人可以克服其一半高度的障碍物，并在其流动形态时挤过比其框架更窄的缝隙。此外，该机器人的球形配置使 GOAT 能够减少冲击并在从高处掉落时保护其载荷。通过利用机载传感器和预定义参考点，该机器人可以自主导航，并在各种环境中行驶逾 4.5 公里。研究人员还证明，该机器人可以在运动过程中变形，从而实现从陆地到水中的转换，或者在被卡住时自行解脱。Polzin等人写道：“开发能够重新配置其形态的多功能、节能、柔顺的机器人或能显著增强其在非结构化环境中的自主导航能力[...]”

据一项新的研究报告，肠道菌分泌的一种代谢物可以削弱肺部免疫细胞的功能，从而使肺部更容易感染细菌。这项基于小鼠模型和支气管扩张患者样本的研究揭示了令人惊讶的肠-肺联系，表明针对微生物的治疗可能会有助于控制呼吸系统疾病患者的慢性肺部感染。支气管扩张是一种慢性疾病：肺部气道会随着时间的推移而扩张并充满粘液。这种粘液积聚会令肺部更容易受到铜绿假单胞菌（Pseudomonas aeruginosa）等细菌的侵袭，导致患者肺部频繁感染而影响生活品质。然而，Le-Le Wang 和同事如今证明，肺部的铜绿假单胞菌（即绿脓杆菌）感染与肠道微生物群中通常存在的另一种细菌之间存在密切联系。具体而言，他们发现，迟钝厄氏菌（Eggerthella lenta，E. lenta） 在支气管扩张患者的肠道中数量异常丰富。此外，一种名为 TUDCA 的代谢物（源自 E. lenta）也会在这些患者体内富集，并且与更严重的疾病相关。通过粪便微生物群移植，研究人员确认，给支气管扩张小鼠模型施用这种细菌会加重其肺部的绿脓杆菌感染。其他的实验表明，TUDCA 会通过与人类中性粒细胞内的酶 AMPK 结合而加重感染，因为这会破坏其生物能量学并削弱它们消灭入侵绿脓杆菌的能力。然而，Wang 等人还观察到，以 AMPK 为靶点的糖尿病药物二甲双胍可恢复从支气管扩张患者体内分离出的中性粒细胞的免疫细胞功能，并减轻小鼠的感染。他们得出结论：“这些发现表明，存在着一种潜在的肠-肺轴机制 [...] ，这为制定支气管扩张和其他慢性呼吸道疾病的管控策略做了铺垫。”

香港科技大學（科大）工學院研究團隊持續推動可再生能源電池技術發展，率先透過突破研究鈣鈦礦太陽能電池納米結構，成功研發出一款既高效又穩定的電池，可望大幅降低其使用成本及擴大其應用範圍，將科研成果落地貢獻社會。

在不通电的情况下，玻璃具有将信息长期甚至无限期保存的潜力。因此数十年来，研究人员一直在探索将数据存储在玻璃中的方法。一种称为光致变色玻璃的特殊材料能够在不同波长下呈现不同颜色，有望用于实现稳定、可重复使用的数据存储。研究人员近期开发出一种掺杂光致变色玻璃，有望无限期存储可重写数据。该研究发表在 ACS Energy Letters 上。

近期发表在《地球信息科学学报》上的一项研究提出了一种基于遥感复杂度的分层抽样方法，用于提升遥感解译的准确性和可靠性。该研究由中国科学院地理科学与资源研究所的李连发研究员和杨晓梅研究员主导，结合地表形态、光谱特征和空间异质性指标，以及多尺度形态学变换。该方法提高了样本的代表性，并减少了分类误差。实验验证表明，该方法在复杂地形中显著优于传统抽样方法。研究成果在土地利用分类、环境监测和灾害评估等领域具有重要应用，为智能遥感分析提供了坚实的基础。