Nature《自然》期刊公布2024 年值得关注的七项技术

技术一：用于蛋白质设计的深度学习

科学家们在蛋白质设计方面取得了飞跃，利用深度学习的力量为各种目的创造定制的蛋白质——从制作用于酶生产的稳定合成蛋白质到设计用于药物输送的载体。

20年前，华盛顿大学的DavidBaker和同事们取得了一个重要突破：他们用计算工具从头设计了一种全新的蛋白质。这种被命名为“Top7”的蛋白质能按预期折叠，但它在生物学上是无活性的——即不执行任何有意义的生物功能。如今，从头设计蛋白质已经成熟为一种实用的工具，用于生成定制的酶和其他蛋白质。这一进展在很大程度上得益于数据集的日益壮大，这些数据集将蛋白质的序列与其空间结构联系起来。同时，深度学习这种高级的人工智能（AI）技术也功不可没。“基于序列”的策略利用ChatGPT背后的大语言模型（LLM），将蛋白质序列看作由多肽“单词”组成的文档，这些算法可以识别出真实蛋白质结构的模式，并在现有蛋白质特征的基础上进行结构改良，创造出新的结构框架。2002年，西班牙NoeliaFerruz团队开发了名为ProtGPT2的算法，通过该算法在实验室中生产的蛋白质能够稳定折叠。Ferruz参与开发的另一个工具名为ZymCTRL，能利用序列和功能数据设计自然存在的酶家族的成员。然而，“基于序列”的方法在定制蛋白结构元素或特征方面就效果不佳，例如可预测地与特定靶点结合的能力。相对的是，“基于结构”的方法在这方面表现得更为出色，这类蛋白质设计算法在2023年也取得了有目共睹的进展。其中一些前沿的算法采用了“扩散模型”，这也是DALL-E等图像生成工具所依赖的基础技术。这些算法最初被训练用于从大量真实结构中识别并消除计算生成的噪声。通过学习如何从噪声中辨别出真实的结构元素，这些算法获得了形成生物学上可行的、定义结构的能力。如Baker团队使用RFdiffusion设计的新蛋白质可与目标界面“完美吻合”，而更新版本的RFdiffusion的一种新型“全原子”迭代让设计师能用计算机围绕非蛋白靶标（如DNA、小分子，甚至是金属离子）塑造蛋白质，为工程改造酶、转录调控因子、制造功能性生物材料等开辟了新途径。

技术二：Deepfake“深伪”检测

随着多场持续的地缘政治冲突和美国总统大选的临近，武器化媒体操纵的机会比比皆是。研究人员正在创新识别纵媒体的方法，从在人工智能生成的内容中嵌入隐藏的信号到检查面部特征是否异常。尽管取得了进展，但挑战在于有效地实施这些解决方案，正如《自然》杂志报道的那样，主要社交媒体网站并没有经常使用它们。

一种解决方案是生成式AI开发人员在模型输出中嵌入水印，其他策略侧重于对内容本身进行鉴定，比如通过算法识别替换特征边界处的伪影等。AI生成的照片也带来了棘手的挑战，2019年，意大利的媒体识伪员协助开发了FaceForensics++，这个工具能发现用多款常用软件改动过的面部特征。但图像识伪技术具有主题和软件特异性，泛化难度高。

技术三：大片段DNA插入

2023年底，美国和英国监管机构批准了有史以来第一个基于CRISPR的基因编辑疗法，用于治疗镰状细胞病和输血依赖性β地中海贫血，这是基因组编辑作为临床工具的重大胜利。通过位点特异性靶向元件（PASTE）进行引物编辑和可编程添加等突破性技术为将大DNA片段精确插入基因组提供了希望，有可能彻底改变遗传疾病的治疗方法，甚至赋予粮食作物抗病性。

CRISPR及其衍生技术通过使用短的可编程RNA，能够将Cas9等DNA切割酶精确地引导至特定的基因组位置。实验室通常利用这些技术来敲除功能异常的基因，并引入微小的序列变化。以精准且可编程的方式插入更大的DNA序列很难，但新技术能替换缺陷基因的关键片段或是插入全功能性基因序列。美国斯坦福大学的分子遗传学家正在研究单链退火蛋白（SSAPs）——这些从病毒衍生的分子可以介导DNA重组，当与CRISPR–Cas系统结合时，Cas9的DNA切割功能被禁用，这些SSAPs能将拥有2000个碱基的DNA精准嵌入人类基因组。另一个用于插入大段DNA的方法是“先导编辑”（primeediting）。这种编辑系统采用经过改造的特殊指导RNA分子pegRNAs来引导一种特殊的融合蛋白（由Cas9蛋白与逆转录酶结合而成），从而实现在目标位点进行碱基之间的自由替换以及精确的碱基插入和删除。2022年，麻省理工学院的基因组工程师就首次描述了“基于位点特异性靶向元件的可编程添加”（PASTE），该技术整合了CRISPR-Cas9衍生的切口酶（nickase）、逆转录酶和丝氨酸整合酶，可以精确嵌入多达36,000个碱基DNA。PASTE尤其适合用于对患者体内提取的培养细胞进行体外修饰，其背后的先导编辑技术已在迈向临床研究。但针对人体细胞的体内编辑，SSAP比PASTE更有可能提供一种更高效的解决方案。体积较大的PASTE编辑系统需要三种独立的病毒载体进行递送，这可能会影响编辑效率，而SSAP系统则由两部分元件组成，更为简洁。尽管如此，即使是效率相对较低的基因替换策略，也已经足以减轻许多遗传疾病的不良影响。这种方法的应用不仅限于人类健康领域。中国科学院的研究团队开发了一种名为PrimeRoot的大片段DNA精准插入工具。这种使用先导编辑的方法能在水稻和小麦中嵌入多达2万个碱基的DNA，可赋予作物抗病性和病原体抗性，延续基于CRISPR的植物基因组工程的创新浪潮。

技术四：脑机接口

帕特·贝内特（PatBennett）的言语速度比一般人慢，有时可能会用错词。但鉴于运动神经元疾病，也称为肌萎缩侧索硬化症，以前使她无法用语言表达自己，这是一项了不起的成就。Bennett的康复得益于斯坦福大学神经科学家FrancisWillett及其在美国BrainGate联盟的同事开发的复杂BCI设备。BrainGate的试验只是过去几年的几项研究之一，这些研究展示了BCI技术如何帮助患有严重神经损伤的人重新获得失去的技能并实现更大的独立性。

技术五：超强分辨率成像

超分辨率显微镜的进步，如MINSTED和通过顺序成像（RESI）提高分辨率，正在为细胞结构和生物分子相互作用提供前所未有的见解。这些技术为研究人员提供了一个进入分子世界的窗口，推动了科学和医学的发现。

2014年，StefanHell、EricBetzig和WilliamMoerner因打破限制光学显微镜空间分辨率的“衍射极限”而被授予诺贝尔化学奖，这一成就，使分辨率达到几十纳米尺度，让各类分子尺度的成像实验成为可能。在此基础上，许多研究者继续努力缩小超分辨率显微镜与结构生物学技术之间的差距。

2022年，德国的科学家们开发了一种名为MINSTED的技术，采用定制的光学显微镜，能以2.3埃（约1/4纳米）的精度解析单个荧光标记，为显微成像技术带来了更高水平的细节和分辨率。

新兴的显微成像方法已能够利用传统显微镜设备实现与先进技术相媲美的分辨率。2023年，马克斯·普朗克生物化学研究所（MPIB）开发的序列成像（RESI）方法，即使用不同的DNA链对单个分子进行标记，接着利用染料标记的互补DNA链对这些分子进行检测，这些DNA链能够与其对应的靶标进行瞬时且重复的结合，这种机制使得单个荧光“闪烁”点能够被分辨出来，从而用标准荧光显微镜展示了埃米级分辨率。德国的神经科学家团队还开发出“一步纳米级膨胀”（ONE）显微镜技术，虽然该方法尚未能达到埃米级别的分辨率，不过，ONE显微镜技术提供了前所未有的机会，能对分离后或细胞内的个体蛋白和多蛋白复合物的精细结构直接成像。

ONE是一种基于膨胀显微镜技术的方法，需要将样本中蛋白质化学耦合到水凝胶基质上，使蛋白质断裂，再让水凝胶体积膨胀1,000倍。碎片会向各方向均匀膨胀，保留蛋白质的结构，并能用标准的共聚焦显微镜解析相隔几纳米的特征。ONE显微镜技术的应用前景广泛，它不仅能帮助科学家深入理解生物分子的构象动态，还能通过对血液样本的分析，为帕金森病等蛋白质错构疾病的诊断提供直观的可视化方法。

技术六：细胞图谱

如果您正在寻找一家方便的咖啡馆，Google地图可以找到附近的选择并告诉您如何到达那里。在更复杂的人体环境中导航是没有等价物的，但各种细胞图谱计划的持续进展-由单细胞分析和“空间组学”方法的进步推动-可能很快就会提供生物学家渴望的组织范围的细胞图谱。

在单细胞分析和空间组学技术的推动下，各种细胞图谱项目正在持续取得进展，并有望绘制出生物学家翘首以盼的全组织细胞图谱。

其中最引人注目的是人类细胞图谱（HumanCellAtlas，HCA）项目，由细胞生物学家SarahTeichmann和AvivRegev于2016年共同发起。该项目聚集了近100个国家的约3,000名科学家，使用来自1万名供体的组织。HCA不单是一个孤立的研究项目，包括HCA在内的这个生态系统凝聚了各式各样的细胞与分子图谱计划，包括人类生物分子图谱计划（HuBMAP）和创新性神经技术大脑研究（BRAIN）细胞普查网络（BICCN），两个计划都由美国国立卫生研究院资助，此外还有艾伦脑科学研究所资助的艾伦脑细胞图谱（AllenBrainCellAtlas）。

这些细胞图谱项目共同的目标是全面揭示人类细胞的多样性和复杂性，从而推动分子生物学、基因组学以及疾病研究的深入发展。去年有几十个研究报道了利用这些技术在器官图谱上取得的进展，比如HCA发布了对人类肺部49个数据集的综合分析，《自然》杂志发表了来自HuBMAP计划的论文合集，《科学》杂志也发布了详细介绍BICCN工作的论文合集。

不过，SarahTeichmann博士估计，至少还要5年时间HCA才能完成任务。但无疑，最终绘制出的细胞图谱对生物医学研究意义巨大。

技术七：3D打印的纳米材料

奇怪而有趣的事情可能会在纳米尺度上发生。这可能使材料科学预测变得困难，但这也意味着纳米级建筑师可以制造具有独特特性的轻质材料，例如增加强度、与光或声音的定制相互作用以及增强的催化或储能能力。科学家目前主要借助激光诱导光敏材料的“光聚合”来制造纳米材料，但这项技术也面临这一些亟待解决的障碍，如打印速度、材料限制等，有几种策略可以制作这种纳米材料，其中大多数使用激光来诱导光敏材料的“光聚合”，在过去几年中，科学家们在克服阻碍更广泛采用这些方法的局限性方面取得了相当大的进展。

在提升速度方面，2019年，佐治亚理工学院和香港中文大学的工程师证明，他们能用图案化2D光片加速光聚合，而不需要传统的脉冲激光，可将制造速率提高1,000倍。

另一大挑战是：不是所有材料都能通过光聚合直接打印，比如金属。2022年，材料科学家JuliaGreer提出了一种方法，让光聚合水凝胶作为微模板，再注入金属盐，加工时能使该金属在收缩的同时形成模板结构。这一方法有望利用坚固、高熔点的金属和合金制造出功能性纳米结构。

最终一个障碍是成本上的，也是最难攻克的。据佐治亚理工学院的工程师指出，光聚合方法使用的许多基于脉冲激光的系统成本可达50万美元。但好在更便宜的替代品正在出现，例如，德国的物理学家们探索了比标准脉冲激光更便宜、更紧凑、耗电量更少的连续激光。

参考资料

[1]Ferruz,N.,Schmidt,öcker,,4348(2022).

[2]Munsamy,G.,Lindner,S.,Lorenz,,:AConditionalLanguageModelfortheControllableGenerationofArtificialEnzymes(MLSB,2022).

[3]Watson,,1089–1100(2023).

[4]Ingraham,,1070–1078(2023).

[5]Krishna,(2023).

[6]Rössler,(2019).

[7]Li,Y.,Zhang,C.,Sun,P.,Qi,,(2021).

[8]Yarnall,,500–512(2023).

[9]Sun,(2023).

[10]Willett,,1031–1036(2023).

[11]Metzger,,1037–1046(2023).

[12]Sharlene,,831–836(2021).

[13]Weber,,569–576(2023).

[14]Reinhardt,,711–716(2023).

[15]Shaib,(2023).

[16]Sikkema,,1563–1577(2023).

[17]Saha,,105–109(2019).

[18]Ouyang,,1716(2023).

[19]Saccone,,685–690(2022).

[20]Hahn,,784–791(2022).