2024年1月22日，《Nature》杂志发布了2024年值得关注的七大技术，大片段DNA插入、人工智能设计蛋白质、脑机接口、 细胞图谱、超高分辨率显微成像、纳米材料3D打印和深度伪造的检测入选。
以下是《自然》杂志未来一年将关注的七个技术领域。
蛋白质设计的深度学习
二十年前，西雅图华盛顿大学的大卫-贝克（David
Baker）和他的同事们完成了一项具有里程碑意义的壮举：他们利用计算工具从零开始设计出了一种全新的蛋白质。但它是惰性的：它不执行任何有意义的生物功能。如今，从头开始的蛋白质设计已经发展成熟，成为一种实用工具，用于生成按订单生产的酶和其他蛋白质。"华盛顿大学的生物化学家尼尔-金（Neil
King）与贝克的团队合作设计基于蛋白质的疫苗和药物输送工具。"一年半以前不可能实现的事情，现在你就可以做到。
这一进展在很大程度上归功于将蛋白质序列与结构联系起来的日益庞大的数据集。但是，人工智能（AI）的一种形式--深度学习的复杂方法也至关重要。基于序列的 "策略使用大型语言模型（LLM），这种模型为聊天机器人ChatGPT 通过将蛋白质序列视为由多肽 "单词
"组成的文档，这些算法可以辨别出现实世界中蛋白质架构的基本模式。"西班牙巴塞罗那分子生物学研究所（Molecular Biology
Institute of Barcelona）的蛋白质生物化学家诺埃利亚-费鲁兹（Noelia
Ferruz）说："它们真的学会了隐藏的语法。2022 年，她的团队开发出了一种名为 ProtGPT2
的算法，这种算法能在实验室生产出稳定折叠的合成蛋白质。费鲁兹共同开发的另一个工具名为ZymCTRL，它利用序列和功能数据来设计天然存在的酶家族成员。
基于序列的方法可以在现有蛋白质特征的基础上进行改良，形成新的框架，但对于结构元素或特征的定制设计（如以可预测的方式结合特定目标的能力）来说，这种方法不太有效。“基于结构
"的方法在这方面更胜一筹，2023年，这类蛋白质设计算法也取得了显著进展。其中一些最复杂的算法使用 "扩散 "模型，这也是 DALL-E
等图像生成工具的基础。这些算法最初的训练目的是从大量的真实结构中去除计算机生成的噪音；通过学习从噪音中分辨出真实的结构元素，它们获得了形成生物学上合理的、用户定义的结构的能力。
贝克实验室开发的 RFdiffusion 软件和马萨诸塞州萨默维尔市 Generate Biomedicines 公司的 Chroma 工具
利用这一策略取得了显著效果。贝克说："例如，贝克的团队正在利用射频扩散技术设计新型蛋白质，这种蛋白质能与感兴趣的目标形成紧密的界面，从而产生
"与表面完全吻合 "的设计。RFdiffusion最新的 "全原子 "迭代允许设计人员通过计算围绕
DNA、小分子甚至金属离子等非蛋白质目标塑造蛋白质。由此产生的多功能性为工程酶、转录调节器、功能生物材料等开辟了新天地。
深度伪造的检测
公开可用的人工智能生成算法层出不穷，使得合成令人信服但完全是人造的图像、音频和视频变得轻而易举。这样做的结果可以分散人们的注意力，但随着多场地缘政治冲突和美国总统大选的临近，利用武器操纵媒体的机会比比皆是。
纽约布法罗大学计算机科学家柳思伟（Siwei Lyu）说，他看到过许多人工智能生成的 "深度伪造
"图像和音频，例如与以色列-哈马斯冲突有关的图像和音频。在这场高风险的 "猫捉老鼠
"游戏中，人工智能用户制作欺骗性内容，而柳思伟和其他媒体取证专家则致力于检测和拦截这些内容。
一种解决方案是，生成式人工智能开发人员在模型输出中嵌入隐藏信号，为人工智能生成的内容打上水印。其他策略则侧重于内容本身。例如，一些经过处理的视频将某个公众人物的面部特征替换成了另一个人的面部特征，而新算法可以识别出被替换特征边界上的人工痕迹，柳思伟说。一个人外耳的独特褶皱也能揭示脸部和头部的不匹配，而牙齿的不规则则能揭示经过剪辑的唇语视频，在这些视频中，一个人的嘴部经过数字处理，说出了一些当事人没有说过的话。人工智能生成的照片也是一个棘手的挑战，也是一个不断变化的目标。2019
年，意大利那不勒斯费德里科二世大学的媒体取证专家路易莎-韦尔多利瓦（Luisa Verdoliva）帮助开发了
FaceForensics++，这是一款用于识别被几款广泛使用的软件包操纵的人脸的工具。但是，图像取证方法是针对特定对象和软件的，通用化是一个挑战。"她说："你不可能有一个通用的检测器--这非常困难。
还有实施方面的挑战。美国国防部高级研究计划局的语义取证（SemaFor）计划已经开发出一个有用的工具箱，用于深度伪造分析，但正如《自然》杂志所报道的（见《自然》621期，676-679页；2023年），主要的社交媒体网站并没有常规地使用它。为此，柳思伟的团队开发了
DeepFake-O-Meter
，这是一个集中的公共算法库，可以从不同角度分析视频内容，从而识别出深度伪造内容。这些资源将有所帮助，但与人工智能生成的错误信息的斗争很可能会持续数年。
大片段 DNA 插入
2023 年底，美国和英国监管机构首次批准了基于 CRISPR 的基因编辑疗法，用于治疗镰状细胞病和输血依赖型β-地中海贫血症--这是基因组编辑作为临床工具的重大胜利。
CRISPR 及其衍生物使用短的可编程 RNA 将 Cas 等 DNA
切割酶引导到特定的基因组位点。它们通常用于实验室禁用有缺陷的基因，并引入微小的序列变化。精确、可编程地插入跨越数千个核苷酸的较大 DNA
序列非常困难，但新出现的解决方案可以让科学家替换有缺陷基因的关键片段或插入完全功能的基因序列。加利福尼亚州斯坦福大学的分子遗传学家 Le
Cong 和他的同事们正在探索单链退火蛋白（SSAPs）--一种介导 DNA
重组的病毒衍生分子。当与CRISPR-Cas系统（其中Cas9的DNA切片功能被禁用）相结合时，这些SSAPs就能在人类基因组中精确定向地插入多达2千碱基的DNA。
其他方法利用一种基于CRISPR的方法--"质粒编辑"（prime editing）--引入短 "着陆垫
"序列，选择性地招募酶，进而将大的DNA片段精确地拼接到基因组中。例如，2022 年，剑桥麻省理工学院的基因组工程师奥马尔-阿布达耶（Omar
Abudayyeh）和乔纳森-古腾伯格（Jonathan
Gootenberg）及其同事首次描述了通过特定位点靶向元件（PASTE）进行可编程添加的方法，这种方法可以精确插入多达 36 千碱基的
DNA。Cong说，PASTE特别适用于对培养的病人衍生细胞进行体外改造，其底层的基质编辑技术已经走上了临床研究的轨道。但对于人体细胞的体内修饰，SSAP也许能提供一种更紧凑的解决方案：体积较大的PASTE机器需要三种独立的病毒载体来传递，这可能会影响编辑效率，而SSAP系统则是由两部分组成。尽管如此，即使是效率相对较低的基因替换策略，也足以减轻许多遗传疾病的影响。
这种方法不仅与人类健康有关。北京中国科学院高彩霞领导的研究人员开发了
PrimeRoot，这种方法利用质粒编辑引入特定的目标位点，酶可以利用这些位点在水稻和玉米中插入多达 20 千碱基的
DNA。高志强认为，这项技术可广泛用于赋予作物抗病和抗病原体的能力，继续推动基于CRISPR的植物基因组工程的创新浪潮。"我相信这项技术可以应用于任何植物物种，"她说。
脑机接口
帕特-贝内特（Pat Bennett）的语速比一般人慢，有时还会用词不当。但考虑到运动神经元疾病（又称肌萎缩性脊髓侧索硬化症）曾使她无法用语言表达自己，这是一项了不起的成就。
贝内特的康复得益于斯坦福大学神经科学家弗朗西斯-威利特和他在美国脑门联盟（BrainGate
consortium）的同事开发的一种先进的脑机接口（BCI）设备。威利特和他的同事在贝内特的大脑中植入电极，跟踪神经元活动，然后训练深度学习算法将这些信号转化为语音。经过几周的训练，贝内特每分钟能说出多达62个单词（从12.5万个单词中），是普通英语使用者词汇量的两倍多。"宾夕法尼亚州匹兹堡大学开发BCI技术的生物工程师詹妮弗-科林格（Jennifer
Collinger）说："他们的交流速度确实令人印象深刻。
BrainGate 的试验只是过去几年中的几项研究之一，这些研究展示了 BCI
技术如何帮助严重神经损伤患者重新获得失去的技能，并实现更大的独立性。罗德岛普罗维登斯布朗大学（Brown
University）的神经学家、BrainGate 联盟主任 Leigh Hochberg
说，其中一些进展源于对各种神经疾病患者大脑功能神经解剖学知识的不断积累。他补充说，机器学习驱动的分析方法揭示了如何更好地放置电极和解密电极采集到的信号，从而极大地丰富了这些知识。
研究人员还在应用基于人工智能的语言模型，以加快对患者试图交流内容的解释--本质上就是大脑的
"自动完成"。这是威利特研究的核心内容，也是加州大学旧金山分校神经外科医生爱德华-张（Edward Chang）领导的团队的另一项研究
的核心内容。在这项研究中，BCI神经假体让一位因中风而无法说话的妇女以每分钟78个单词的速度进行交流--大约是英语平均速度的一半，但比这位妇女以前使用的语言辅助设备快了五倍多。该领域在其他方面也取得了进展。2021
年，美国匹兹堡大学的科林格和生物医学工程师罗伯特-高特（Robert
Gaunt）将电极植入一名四肢瘫痪者的运动和躯体感觉皮层，使其能够快速、精确地控制机械臂并获得触觉反馈。BrainGate
公司和荷兰乌得勒支大学的研究人员正在进行独立的临床研究，纽约布鲁克林的 BCI 公司 Synchron
也在进行一项试验，测试一种能让瘫痪者控制计算机的系统，这是业界首次赞助的 BCI 仪器试验。
作为一名重症监护专家，霍赫伯格迫切希望为他的重度残疾患者提供这些技术。但随着BCI功能的发展，他看到了治疗中度认知障碍以及情绪障碍等精神疾病的潜力。"他说："由脑机接口提供信息的闭环神经调节系统可以为很多人提供巨大帮助。
超高分辨率显微成像
斯特凡-海尔（Stefan Hell）、埃里克-贝齐格（Eric Betzig）和威廉-莫纳（William
Moerner）因打破了限制光显微镜空间分辨率的 "衍射极限
"而荣获2014年诺贝尔化学奖。由此产生的数十纳米级细节为分子尺度成像实验开辟了广阔的前景。尽管如此，一些研究人员仍渴望获得更好的效果，而且他们正在迅速取得进展。"德国普拉内格马克斯-普朗克生物化学研究所（Max
Planck Institute of Biochemistry）的纳米技术研究员拉尔夫-容曼（Ralf
Jungmann）说："我们正在努力缩小超分辨率显微镜与冷冻电镜等结构生物学技术之间的差距。
2022 年底，位于哥廷根的马克斯-普朗克多学科科学研究所的赫尔及其团队领导的研究人员首次涉足这一领域，他们采用一种名为 MINSTED 的方法，利用专门的光学显微镜 以 2.3ångström 的精度（大约四分之一纳米）分辨单个荧光标签。
较新的方法使用传统显微镜也能达到相当的分辨率。例如，荣格曼和他的团队在 2023 年描述了一种策略，即用不同的 DNA
链标记单个分子。然后用染料标记的互补 DNA 链对这些分子进行检测，这些 DNA 链会瞬时但重复地与相应的目标结合，这样就有可能分辨出单个的荧光
"闪烁 "点，如果同时成像，这些点就会模糊成一个整体。这种通过顺序成像提高分辨率（RESI）的方法可以分辨出 DNA
链上的单个碱基对，用标准荧光显微镜就能显示出盎司尺度的分辨率。
由德国哥廷根大学医学中心神经科学家阿里-沙伊布（Ali Shaib）和西尔维奥-里佐利（Silvio
Rizzoli）领导的团队开发的一步纳米级扩展（ONE）显微镜方法还不能达到这种分辨率。不过，ONE
显微镜技术提供了一个前所未有的机会，可以直接成像单个蛋白质和多蛋白复合物的精细结构细节，无论是在分离状态下还是在细胞中。
ONE是一种基于膨胀显微镜的方法，包括将样本中的蛋白质与水凝胶基质进行化学耦合，将蛋白质打散，然后让水凝胶的体积膨胀1000倍。碎片向各个方向均匀扩展，保留了蛋白质结构，使用户能够用标准共聚焦显微镜分辨出相隔几纳米的特征。"里佐利说："我们提取抗体，将它们放入凝胶中，在膨胀后对它们进行标记，结果发现，'哦--我们看到了Y形！'"Y形指的是蛋白质的特征形状。
里佐利说，ONE显微镜可以帮助人们深入了解构象动态生物分子，或通过血液样本对帕金森病等蛋白质错构疾病进行可视化诊断。荣格曼同样热衷于利用
RESI 记录疾病或药物治疗过程中单个蛋白质重组的潜力。它甚至有可能更精确地放大。"也许这还不是空间分辨率限制的终点，"Jungmann
说。"它可能会变得更好。
细胞图谱
如果你想找一家方便的咖啡馆，谷歌地图可以找到附近的选择，并告诉你如何前往。但在单细胞分析和 "空间全息 "方法的推动下，各种细胞地图计划正在取得进展，不久就能提供生物学家渴望的全组织细胞地图。
在这些计划中，规模最大、或许也是最雄心勃勃的计划是人类细胞图谱（HCA）。该联盟由英国欣克斯顿威康桑格研究所（Wellcome Sanger
Institute）的细胞生物学家萨拉-泰克曼（Sarah
Teichmann）和现任加利福尼亚州南旧金山生物技术公司基因泰克（Genentech）研究与早期开发主管的阿维夫-雷格夫（Aviv
Regev）于2016年发起。该项目由分布在近 100 个国家的约 3000 名科学家组成，使用来自 10,000
名捐献者的组织开展工作。不过，HCA
也是由相互交叉的细胞和分子图谱组成的更广泛生态系统的一部分。其中包括由美国国立卫生研究院资助的人类生物分子图谱计划（Human
BioMolecular Atlas
Program，HuBMAP）和通过推进创新神经技术进行脑研究（BRAIN）计划细胞普查网络（BICCN），以及由华盛顿州西雅图艾伦研究所资助的艾伦脑细胞图谱（Allen
Brain Cell Atlas）。
据斯坦福大学基因组学家、HuBMAP指导委员会前联合主席迈克尔-斯奈德（Michael
Snyder）介绍，推动这些工作的部分原因是能够在单细胞水平解码分子内容的分析工具的开发和快速商业化。例如，斯奈德的团队经常使用加州普莱森顿
10X Genomics 公司的 Xenium 平台进行空间转录组学分析。通过该平台，每周可以同时检测 4 个组织样本中约 400
个基因的表达情况。马萨诸塞州马尔堡 Akoya 生物科学公司的 PhenoCycler
平台等基于多重抗体的方法，使研究小组能够以单细胞分辨率跟踪大量蛋白质，其格式能够进行三维组织重建。其他 "多组学
"方法可让科学家同时分析同一细胞中的多种分子类别，包括 RNA 的表达、染色质的结构和蛋白质的分布。
去年有数十项研究展示了利用这些技术生成器官特异性图谱的进展。例如，今年6月，HCA发布了对人类肺部49个数据集的综合分析。"泰克曼说："有了这个非常清晰的肺部图谱，我们就能了解肺纤维化等疾病、不同肿瘤，甚至是COVID-19发生的变化。2023年，《自然》（Nature）杂志发布了一篇文章（见go.nature.com/3vbznk7），重点介绍了HuBMAP的进展，《科学》（Science）杂志也制作了一篇文章，详细介绍了BICCN的工作（见go.nature.com/3nsf4ys）。
Teichmann估计，HCA至少还需要五年才能完成。但最终绘制的地图将是无价之宝。例如，Teichmann
预计将利用图谱数据指导组织和细胞特异性药物靶向治疗，而 Snyder
则迫切希望了解细胞微环境如何为癌症和肠易激综合征等复杂疾病的风险和病因提供信息。"我们能在2024年解决这个问题吗？我不这么认为--这是一个多年的问题，"斯奈德说。"但这是整个领域的一大驱动力。
纳米材料3D打印
在纳米尺度上会发生奇怪而有趣的事情。这可能会给材料科学的预测带来困难，但也意味着纳米级建筑师可以制造出具有独特特性的轻质材料，如增强强度、与光或声音的定制相互作用，以及增强催化或储能能力。
目前已有几种精确制造此类纳米材料的策略，其中大多数使用激光来诱导光敏材料的图案化 "光聚合"，在过去几年中，科学家们在克服阻碍这些方法更广泛应用的局限性方面取得了长足进步。
其一是速度。亚特兰大佐治亚理工学院（Georgia Institute of Technology）的工程师苏拉布-萨哈（Sourabh
Saha）说，与其他纳米级三维打印方法相比，使用光聚合法组装纳米结构的速度大约快三个数量级。这对于实验室使用来说可能已经足够好了，但对于大规模生产或工业流程来说就太慢了。2019
年，Saha 和香港中文大学的机械工程师 Shih-Chi Chen
及其同事表明，他们可以通过使用图案化的二维光板而不是传统的脉冲激光来加速聚合。"萨哈说："这样一来，聚合速度提高了一千倍，而且还能保持 100
纳米的特征。包括陈在内的研究人员随后开展的工作为更快的纳米加工找到了其他途径。
另一个挑战是，并非所有材料都能直接通过光聚合打印，例如金属。不过，帕萨迪纳加州理工学院的材料科学家茱莉亚-格里尔（Julia
Greer）开发出了一种巧妙的变通方法。2022
年，她和她的同事描述了一种方法，在这种方法中，光聚合水凝胶可用作微尺度模板；然后在这些模板中注入金属盐并进行处理，从而诱导金属形成模板的结构，同时还能缩小。虽然这项技术最初是针对微尺度结构开发的，但
Greer 的团队也将这种策略用于纳米制造，研究人员对利用坚固耐用的高熔点金属和合金制造功能性纳米结构的潜力充满热情。
最后一个障碍--经济性--可能是最难突破的。据 Saha 称，许多光聚合方法中使用的脉冲激光系统成本高达 50
万美元以上。但更便宜的替代品正在出现。例如，德国卡尔斯鲁厄理工学院（Karlsruhe Institute of
Technology）的物理学家马丁-韦格纳（Martin
Wegener）和他的同事们研究出了连续激光器，这种激光器比标准脉冲激光器更便宜、更紧凑、耗电更少。格里尔还成立了一家新公司，将纳米结构金属板的制造工艺商业化，这种金属板可用于下一代人体装甲或飞机和其他车辆的超耐用抗冲击外层。
Nature原文链接
doi: https://doi.org/10.1038/d41586-024-00173-x
0 留言