一周前沿科技盘点〔176〕丨真核生物光合碳浓缩机制被破解；基于真实数据的电动车续航精准预测

光合藻类通过CO₂浓缩机制高效固碳，科研人员解析其关键转运蛋白结构，为改造作物光合作用提供新路径。

针对电动车续航预测不准难题，中国科学院科研团队基于真实运行大数据，构建高精度、可解释的续航估算新框架。

基于国际科技创新中心网络服务平台科创热榜每日榜单形成的一周科技记忆，我们推出《一周前沿科技盘点》专栏。今天，为大家带来第176期。

1《Nature Plants》丨真核生物光合碳浓缩机制被破解

将蓝藻CCM导入植物叶绿体的改造策略

中国科学院分子植物科学卓越创新中心揭示了莱茵衣藻CO₂浓缩机制（CCM）中HCO₃⁻转运蛋白LciA的底物选择性机制。

研究团队利用冷冻电镜解析了LciA的高分辨率三维结构，发现Lys220通过静电作用特异性识别带负电的HCO₃⁻，而Ala117与Val267形成空间约束，共同确保底物高特异性。功能实验进一步验证，突变位点K136A与A114F可显著增强LciA的HCO₃⁻转运活性，证实了结构解析的准确性。基于该结构蓝图，团队对LciA所属的FNT及NAR1家族开展理性设计：一方面将细菌亚硝酸盐通道NirC改造为具有HCO₃⁻转运能力的新元件；另一方面发现莱茵衣藻叶绿体膜蛋白NAR1.1和NAR1.5本身具备HCO₃⁻转运活力，并通过位点优化提升了NAR1.1的转运效率。

该研究不仅阐明了真核生物CCM中无机碳识别与转运的分子基础，更实现了以结构为导向的HCO₃⁻转运蛋白理性改造，为未来将藻类CCM导入水稻、小麦等C3作物、突破光合效率瓶颈提供了关键元件与可行策略。

原文链接：https://www.nature.com/articles/s41477-025-02200-9

2《Applied Energy》丨基于真实数据的电动车续航精准预测

基于实车大数据的续航预测与优化分析框架

针对电动汽车“续航焦虑”难题，中国科学院大连化学物理研究所等科研团队提出一种基于真实运行大数据的电动汽车剩余续航里程估算与分析框架。

传统预测方法多基于实验室工况或小样本测试，难以反映气候、路况和驾驶习惯等实际驾驶中复杂多变的因素。该团队构建了“在线续航估算与优化分析一体化框架”，创新采用“先能耗、后续航”的分步策略：首先利用随机森林算法，融合驾驶行为、环境温度、电池健康状态等多源因素，建立单位里程能耗率模型；再据此精准推算剩余续航。该方法不仅提升预测精度，还增强可解释性，能定量揭示各因素对续航损耗的影响程度。研究基于3年、超30万公里的多城市乘用车与公交车实车数据验证，结果显示预测平均相对误差低于5.5%，显著优于传统方法。分析发现，平均电流与平均车速是影响能耗的关键变量；仅优化驾驶行为，乘用车续航可提升30%以上，公交车提升超10%。

该成果不仅回答“还能跑多远”，更提供“如何跑更远”的量化依据，可应用于智能车队调度、精细化能耗管理及车辆残值评估等场景。下一步，研究团队计划将研究拓展至寒冷气候与复杂路况环境，通过融合更全面的环境参数，并推动算法与车载BMS及云端平台的深度融合，以持续助力新能源汽车系统实现更高效、更安全的运行。

原文链接：https://doi.org/10.1016/j.apenergy.2025.126881

3《Science Advances》丨脑机接口或让中文失语患者重获“新声”

实时汉语解码脑机接口系统框架和电极贡献度表征

中国科学院上海微系统与信息技术研究所等团队针对汉语特点，开发出一套植入式高通量柔性脑机接口系统与汉语言实时神经网络解码算法，在国际上首次实现脑机接口对汉语语句的实时脑电解码与语音合成。

不同于以多音节为主的非声调英语，汉语以约400个单音节加4个声调构成常用汉字体系。研究团队以此为解码中间单元，构建从脑电信号到文字的翻译路径，并同步采集发音信号与高质量High-γ频段（70–170 Hz）的脑电信号。通过50毫秒滑动窗口对齐发音起始点，采用双流解码器分别输出音节与声调概率，再融合语言模型生成完整语句。实验结果显示，受试者经9天训练后，394个常用汉语音节的纯神经解码平均准确率达71.2%，单音节延时仅65毫秒，实时语句输出速率达49.6字/分钟。此外，团队将该技术与人工智能、具身智能结合，基于自研通用脑机操作系统，使受试者能驱动数字分身与大模型对话，并将脑电解码转化为指令，实时操控灵巧的手，实现高效人机交互。

该成果为因疾病导致语言功能障碍的汉语使用者的语言功能重建提供了关键技术支撑，填补了国际汉语脑机接口领域的空白。

原文链接：https://www.science.org/doi/10.1126/sciadv.adz9968

4《Nature Communications》丨利用渗透能实现氯气绿色制造

渗透能捕获性能

中国科学院青岛生物能源与过程研究所研究团队提出一种无需外部电力、利用含氯废水中固有渗透能自发生产氯气的新方法。该技术巧妙利用高浓度氯离子盐水（如海水淡化废水、工业废酸等）排入低盐环境时释放的渗透势能，驱动氯气和氢气的同步生成，同时回收高纯度酸，显著降低传统电解法的能耗（全球年耗电100–200 TWh）与碳足迹。

为保障酸纯度并抑制金属离子在电极上的副反应，团队开发了磺化共价有机框架（COF）膜，其丰富的磺酸基团通过水合氢键网络实现高效质子传导，同时有效阻隔重金属和有机污染物。系统采用分离传输策略：质子经COF膜选择性迁移，氯离子则通过Ag/AgCl电极的可逆反应传输，二者速率匹配但路径分离，避免电流抵消，并使氧化还原电位与扩散电位叠加，提升发电与产氯效率。在10倍浓度梯度下，输出功率密度达55 W/m²，性能稳定超15天；即使含高浓度污染物，膜仍保持优异抗污染性。通过18单元串联装置，氯气与氢气产率均超150 L/m²·h，连续运行7天以上。

该方法已在模拟脱盐废水中验证，并有望拓展至硝酸盐废水，用于氨等化学品的自发合成。该研究为传统高耗能氯碱工业的绿色转型，以及含盐废水资源化利用，提供了一条创新路径。

原文链接：https://doi.org/10.1038/s41467-025-68181-7

5《Nature Communications》丨用磁场“治愈”海洋管道划伤

针对海洋环境中金属管道表面防腐层划伤后易引发严重腐蚀的难题，中国科学院宁波材料技术与工程研究所团队开发了一种基于磁场调控的快速自修复新技术。

研究发现，在损伤区域垂直施加磁场可产生双重效应：一是洛伦兹力诱导磁流体动力学对流，加速氧气和物质向划伤区传输，促进初期成膜反应；二是磁梯度力促使顺磁性离子（如Ni²⁺）向划痕内部富集，局部pH升高，驱动高保护性的NiO在损伤表面优先形成。两种作用协同，不仅显著加快修复速度，还优化了修复膜的结构与成分，实现“成分升级”式再生。该方法有效解决了传统铜镍合金氧化膜破损后难以自主修复的瓶颈问题，避免腐蚀如“传染病”般蔓延。

相比现有防护手段，该技术无需额外涂层或复杂工艺，具有低成本、高效率、原位响应等优势，为船舶、海上平台、海底管线等海洋工程关键设施的长效安全运行与延寿维护提供了创新性解决方案，有望推动海洋装备材料向智能自修复方向发展。

原文链接：https://doi.org/10.1038/s41467-025-66216-7

6《Bioresource Technology》丨“过程拉曼组”技术助力啤酒发酵过程智能监控

研究提出“过程拉曼组”技术助力啤酒发酵过程智能监控

中国科学院青岛生物能源与过程研究所等团队针对传统啤酒发酵监控依赖多仪器、耗时长、无法获取酵母实时代谢状态等痛点，开发了名为“过程拉曼组”的单细胞代谢表型组新技术。

该技术利用拉曼光谱实现对发酵过程中酵母细胞的快速、无损、免标记检测，不仅能揭示单个细胞内的代谢状态，还能同步监测发酵液中关键风味物质（如醇、酯、酸等）的动态变化，有效捕捉细胞群体间的代谢异质性。研究团队进一步开发“拉曼组内关联分析”方法，从高通量拉曼数据中挖掘胞内大分子含量，并定量推演胞外特定风味化合物的浓度，进而构建胞内代谢物、胞外产物及二者之间潜在的转化网络。这标志着单细胞拉曼技术从传统的细胞分类或成分分析，跃升为可同时感知“胞内代谢—胞外产物—互作关系”的综合工具。

该方法成本低、速度快，为工业规模发酵的实时精准调控提供了全新解决方案。未来经更多场景验证后，有望广泛应用于啤酒及其他生物制造过程，推动智能制造升级。

原文链接：https://doi.org/10.1016/j.biortech.2025.133788

关于“科创热榜-前沿科技”

国际科技创新中心网络服务平台（www.ncsti.gov.cn），基于中国科学院、工程院、医科院、农科院、985高校及新型研发机构等近200家科研院所、单位发布的研究成果，多源动态提取并按领域维度、期刊级别、创新载体、学者信息、时间梯度等多维度权重，经人工智能计算分析，形成推荐榜单，每日更新。