2024年1月22日，《自然》發(fā)布了2024年值得關(guān)注的七大技術(shù)——大片段DNA插入、人工智能設(shè)計(jì)蛋白質(zhì)、腦機(jī)接口、 細(xì)胞圖譜、超高分辨率顯微成像、3D打印納米材料和DeepFake檢測(cè)。與往年相比，今年最大的變化在于，人工智能（AI）的進(jìn)步成為許多令人興奮的技術(shù)創(chuàng)新的核心支撐。
值得一提的是，高彩霞團(tuán)隊(duì)開發(fā)的大片段DNA精準(zhǔn)定點(diǎn)插入新工具PrimeRoot入選，這也是自2018年首次評(píng)選以來，第一項(xiàng)來自中國學(xué)者的技術(shù)成果入選。2023年12月，美國FDA批準(zhǔn)了首個(gè)基于CRISPR-Cas9的基因編輯療法上市，用于治療鐮狀細(xì)胞病，幾天前，F(xiàn)DA進(jìn)一步批準(zhǔn)了該療法用于治療輸血依賴性β-地中海貧血。這是基因編輯在臨床應(yīng)用中的重大勝利。CRISPR-Cas9及相關(guān)基因編輯技術(shù)通過使用Cas9等核酸酶切割DNA雙鏈實(shí)現(xiàn)對(duì)基因的敲除或引入小的序列變化，其很難實(shí)現(xiàn)精確的可編程的大片段DNA序列的插入。而最近的一些研究成果，讓科學(xué)家們能夠替換或插入大片段DNA。2023年4月，中國科學(xué)院遺傳與發(fā)育生物學(xué)研究所高彩霞團(tuán)隊(duì)在 Nature Biotechnolgy 期刊發(fā)表了題為：Precise integration of large DNA sequences in plant genomes using PrimeRoot editors的研究論文。該研究將團(tuán)隊(duì)之前開發(fā)的ePPE（Engineered Plant Prime Editor）與劉如謙團(tuán)隊(duì)開發(fā)的epegRNA（Engineered pegRNA）結(jié)合，在植物細(xì)胞內(nèi)建立了dual-ePPE系統(tǒng)，實(shí)現(xiàn)了最高效率可達(dá)50%以上的短片段DNA的精準(zhǔn)定點(diǎn)插入。然后將dual-ePPE與篩選出的高效的酪氨酸家族位點(diǎn)特異性重組酶Cre相結(jié)合，開發(fā)了能夠?qū)崿F(xiàn)大片段DNA精準(zhǔn)插入的PrimeRoot系統(tǒng)。該系統(tǒng)在水稻和玉米中能夠?qū)崿F(xiàn)一步法大片段DNA的精準(zhǔn)定點(diǎn)插入，效率可達(dá)6%，成功插入的片段長度最長達(dá)11.1kb，且插入完全精準(zhǔn)可預(yù)測(cè)，在編輯效率和精準(zhǔn)性上具有顯著優(yōu)勢(shì)。高彩霞研究員表示，PrimeRoot系統(tǒng)高效、精準(zhǔn)插入大片段DNA的能力，可通過基因敲入廣泛用于賦予作物對(duì)疾病和病原體的抗性，從而繼續(xù)推動(dòng)基于CRISPR的植物基因組工程的創(chuàng)新浪潮。相信這項(xiàng)新技術(shù)可以應(yīng)用于任何植物物種。2022年11月，麻省理工學(xué)院的 Omar Abudayyeh、Jonathan Gootenberg 團(tuán)隊(duì)在 Nature Biotechnology 期刊發(fā)表了題為：Drag-and-drop genome insertion of large sequences without double-strand DNA cleavage using CRISPR-directed integrases 的研究論文。該研究將來自噬菌體的絲氨酸整合酶與Cas9切口酶（只切斷DNA一條鏈，而不造成DNA雙鏈斷裂）結(jié)合，開發(fā)了一種名為PASTE的新型基因編輯技術(shù)。PASTE在gRNA的引導(dǎo)下切割特定基因組位點(diǎn)，此時(shí)Cas9切口酶融合的逆轉(zhuǎn)錄酶將整合酶所需的附著位點(diǎn)序列整合進(jìn)切割位點(diǎn)。通過這種方式，就可以將整合酶所需的附著位點(diǎn)插入基因組中的任何位置，而且這種插入不引起DNA雙鏈斷裂，此時(shí)，整合酶就可以與附著位點(diǎn)結(jié)合，將大片段DNA序列插入。該技術(shù)能夠以更安全、更有效的方式替換突變基因，還可向哺乳動(dòng)物及人類細(xì)胞中定點(diǎn)插入長達(dá)36kb的超長DNA片段。2022年2月，斯坦福大學(xué)叢樂團(tuán)隊(duì)在 Nature Cell Biology 期刊發(fā)表了題為：dCas9-based gene editing for cleavage-free genomic knock-in of long sequences 的研究論文。該研究將來自噬菌體的DNA精確重組酶——單鏈退火蛋白（SSAP），與DNA切割活性喪失的dCas9系統(tǒng)結(jié)合，開發(fā)出了一種新型基因編輯工具——dCas9-SSAP，可在不產(chǎn)生DNA雙鏈斷裂的情況下，實(shí)現(xiàn)長達(dá)2kb的大片段DNA的高效、精準(zhǔn)定點(diǎn)插入。叢樂認(rèn)為，對(duì)于體內(nèi)基因編輯而言，PASTE尺寸太大，需要三個(gè)獨(dú)立的AAV病毒載體毒才能遞送，因此，其編輯效率可能不如尺寸更小的dCas9-SSAP。深度學(xué)習(xí)用于蛋白質(zhì)設(shè)計(jì)
20年前，華盛頓大學(xué)的 David Baker 等人在 Science 期刊發(fā)表論文【2】，取得了一項(xiàng)里程碑式成就：他們使用計(jì)算工具從頭設(shè)計(jì)了一個(gè)全新蛋白質(zhì)——Top7，該蛋白由93個(gè)氨基酸殘疾組成，能夠如預(yù)期般折疊，且非常穩(wěn)定，但它沒有任何有意義的生物學(xué)功能。而現(xiàn)在，在 David Baker 等人的努力下，從頭設(shè)計(jì)蛋白質(zhì)已經(jīng)一種成熟的工具，用于生成定制酶，及其他基于蛋白質(zhì)的藥物、疫苗和藥物遞送載體。這種進(jìn)步的大部分歸因于越來越多的將蛋白質(zhì)序列與其結(jié)構(gòu)聯(lián)系起來的數(shù)據(jù)庫，但人工智能的技術(shù)進(jìn)步也同樣重要。例如，2023年2月，David Baker 團(tuán)隊(duì)在 Nature 期刊發(fā)表論文，從頭設(shè)計(jì)了人造熒光素酶，這也是科學(xué)界首次基于深度學(xué)習(xí)的人工智能來創(chuàng)造自然界不存在的酶。2023年4月，David Baker 團(tuán)隊(duì)在 Science 期刊發(fā)表論文，利用基于強(qiáng)化學(xué)習(xí)的人工智能從頭設(shè)計(jì)了全新且有功能的蛋白納米顆粒，為疫苗和藥物遞送載體開發(fā)開辟了全新道路。2023年12月，David Baker 團(tuán)隊(duì)在 Nature 期刊發(fā)表論文，利用基于深度學(xué)習(xí)的人工智能從頭設(shè)計(jì)了具有高親和力和特異性的全新蛋白質(zhì)，這為抗體設(shè)計(jì)和疾病診斷打開了新思路。
2012年，Pat Bennett 被診斷出患上了漸凍癥（ALS），而且她的情況比較特殊，她的腦干更早開始惡化，她在還能行走、打字的時(shí)候，就已經(jīng)無法使用嘴唇、舌頭、喉部和下顎的肌肉運(yùn)動(dòng)來清晰地發(fā)聲，她的大腦能夠嘗試發(fā)聲，但肌肉已無法執(zhí)行這一命令，從而失去了說話的能力。2022年3月，她參加了斯坦福大學(xué) Francis Willett 教授領(lǐng)導(dǎo)的腦機(jī)接口臨床試驗(yàn)，研究團(tuán)隊(duì)在她的大腦皮層表面植入了四個(gè)微型細(xì)電極陣列（每個(gè)陣列包含8×8個(gè)電極），用于收集單個(gè)細(xì)胞的神經(jīng)活動(dòng)，植入的陣列連接到金線上并通過電纜連接到電腦上，并訓(xùn)練人工智能（AI）來解碼她試圖進(jìn)行的發(fā)聲。
Pat Bennett 在進(jìn)行測(cè)試2023年8月，Francis Willett 團(tuán)隊(duì)將這項(xiàng)研究以：A high-performance speech neuroprosthesis 為題，發(fā)表在了 Nature 期刊。
該論文顯示，通過植入皮質(zhì)內(nèi)腦機(jī)接口（iBCI），并通過訓(xùn)練人工智能（AI）軟件，能夠?qū)?strong style="margin: 0px; padding: 0px; outline: 0px; max-width: 100%; box-sizing: border-box !important; overflow-wrap: break-word !important;">漸凍癥（ALS）患者 Pat Bennett 大腦中的神經(jīng)活動(dòng)實(shí)時(shí)轉(zhuǎn)化為文字，轉(zhuǎn)化速度可達(dá)每分鐘62個(gè)單詞，總詞匯量高達(dá)125000，相比已有的腦機(jī)接口速度更快、準(zhǔn)確性更高、詞匯覆蓋率更大。這項(xiàng)研究展示了一條可行的路徑以恢復(fù)漸凍癥等癱瘓者的語言溝通能力。Nature 同期還發(fā)表了來自加州大學(xué)舊金山分校的張復(fù)倫（Edward Chang）團(tuán)隊(duì)題為：A high-performance neuroprosthesis for speech decoding and avatar control 的研究論文。該研究開發(fā)了一種新型腦機(jī)接口（BCI），結(jié)合人工智能（AI）技術(shù)，可以高性能、實(shí)時(shí)將因腦干中風(fēng)而嚴(yán)重癱瘓的患者大腦信號(hào)同時(shí)轉(zhuǎn)化為三種輸出形式：文字、語音和控制一個(gè)頭像，從而幫助嚴(yán)重癱瘓者恢復(fù)溝通能力。這些腦機(jī)接口裝置的開發(fā)成功應(yīng)用，代表了神經(jīng)科學(xué)和神經(jīng)工程學(xué)研究的重大進(jìn)步，對(duì)于緩解因癱瘓性神經(jīng)損傷和疾病而失聲的人的痛苦有巨大潛力。
Wellcome Sanger研究所的 Sarah Teichmann 和現(xiàn)任基因泰克公司的研究和早期開發(fā)負(fù)責(zé)人 Aviv Regev 于2016年發(fā)起了一項(xiàng)規(guī)模龐大、雄心勃勃的人類細(xì)胞圖譜（Human Cell Atlas，HCA）計(jì)劃。該計(jì)劃有近100個(gè)國家的約3000名科學(xué)家參與，而HCA本身也是一個(gè)更廣泛的細(xì)胞和分子圖譜交叉生態(tài)系統(tǒng)的一部分，包括人類生物分子圖譜計(jì)劃（HuBMAP）和腦計(jì)劃（BICCN）。去年，已有數(shù)十項(xiàng)研究展示了使用這些技術(shù)生成器官特異性圖譜的進(jìn)展。2023年，Nature 發(fā)布了一個(gè)論文集（go.nature.com/3vbznk7），重點(diǎn)介紹了HuBMAP的進(jìn)展，Science 則發(fā)布了一篇論文集，詳細(xì)介紹了BICCN的工作（go.nature.com/3nsf4ys）。人類肺部的細(xì)胞圖譜描述了不同的細(xì)胞類型及其調(diào)節(jié)方式Sarah Teichmann 表示，還有相當(dāng)多的工作要做，估計(jì)至少需要五年時(shí)間才能完成HCA計(jì)劃。但當(dāng)該計(jì)劃完成時(shí)，產(chǎn)生的人類細(xì)胞圖譜將是無價(jià)之寶。例如可以使用細(xì)胞圖譜數(shù)據(jù)來指導(dǎo)組織和細(xì)胞特異性藥物開發(fā)，還有助于了解癌癥等復(fù)雜疾病的風(fēng)險(xiǎn)和病因。
Stefan Hell、Eric Betzig和William Moerner因打破限制光顯微鏡空間分辨率的“衍射極限”而獲得2014年諾貝爾化學(xué)獎(jiǎng)，這讓我們得以在數(shù)十納米級(jí)分辨率下進(jìn)行分子尺度的成像實(shí)驗(yàn)。然而，科學(xué)家們渴望得到更好的結(jié)果，他們也正在取得快速進(jìn)展，努力縮小超分辨率顯微鏡與結(jié)構(gòu)生物學(xué)技術(shù)之間的差距。Stefan Hell 團(tuán)隊(duì)2022年開發(fā)了一種名為MINSTED的方法，使用專用光學(xué)顯微鏡，可以以2.3埃的分辨率分辨出單個(gè)熒光標(biāo)簽。馬克斯·普朗克生物化學(xué)研究所的 Ralf Jungmann 團(tuán)隊(duì)在2023年開發(fā)了一種序列成像（RESI）的增強(qiáng)分辨率的方法，可以分辨出DNA鏈上的單個(gè)堿基對(duì)，使用標(biāo)準(zhǔn)的熒光顯微鏡實(shí)現(xiàn)了埃級(jí)分辨率。RESI方法可以對(duì)DNA中的單個(gè)堿基對(duì)進(jìn)行成像哥廷根大學(xué)醫(yī)學(xué)中心神經(jīng)科學(xué)家 Ali Shaib 和 Silvio Rizzoli 領(lǐng)導(dǎo)的團(tuán)隊(duì)開發(fā)的一步法納米尺度膨脹（ONE）顯微鏡方法，雖然沒有完全達(dá)到上述埃級(jí)分辨率水平，但ONE顯微鏡提供了前所未有的機(jī)會(huì)，可以直接成像單個(gè)蛋白質(zhì)和多蛋白復(fù)合物的精細(xì)結(jié)構(gòu)細(xì)節(jié)，無論是在孤立狀態(tài)還是在細(xì)胞中。
在納米尺度下，會(huì)發(fā)生很多奇怪而有趣的事情，這可能會(huì)使材料科學(xué)變得難以預(yù)測(cè)，但這也意味著我們可以在納米尺度制造具有獨(dú)特性質(zhì)的輕質(zhì)材料，例如更高的強(qiáng)度、與光或聲的定制交互以及增強(qiáng)的催化或能量存儲(chǔ)能力。目前存在幾種精確制造此類納米材料的策略，其中大多數(shù)使用激光誘導(dǎo)光敏材料的圖案化“光聚合”，在過去幾年中，科學(xué)家們?cè)诳朔@些方法的限制方面取得了相當(dāng)大的進(jìn)展。但目前3D打印納米材料還存在幾個(gè)挑戰(zhàn)，首先是速度，使用光聚合技術(shù)組裝納米結(jié)構(gòu)的速度大約比其他納米級(jí)3D打印方法快三個(gè)數(shù)量級(jí)。這一速度可能已經(jīng)足夠用于實(shí)驗(yàn)室使用，但對(duì)于大規(guī)模生產(chǎn)或工業(yè)流程來說還是太慢了。第二個(gè)挑戰(zhàn)是并非所有材料都可以直接通過光聚合來打印，例如金屬。但加州理工學(xué)院的 Julia Greer 開發(fā)出一種替代方法，將光聚合水凝膠作為微尺度模板，然后注入金屬鹽并進(jìn)行處理，使金屬在收縮的同時(shí)具有模板的結(jié)構(gòu)。最后是成本，這可能是最難突破的挑戰(zhàn)，許多光聚合方法中使用的脈沖激光系統(tǒng)成本超過50萬美元，但好在更便宜的替代品正在出現(xiàn)。
公開可用的生成式人工智能算法的爆炸式增長，使得生成令人信服但完全人為的圖像、音頻和視頻變得簡單。紐約州立大學(xué)布法羅分校的計(jì)算機(jī)科學(xué)家呂思偉教授表示，他已經(jīng)看到過許多人工智能生成的與軍事沖突有關(guān)的“Deepfake”圖像和音頻。用戶使用人工智能生成欺騙性內(nèi)容，呂思偉和其他媒體取證專家致力于檢測(cè)和攔截它們。生成式人工智能開發(fā)人員的一個(gè)解決方案是在人工智能模型的輸出中嵌入隱藏信號(hào)，產(chǎn)生人工智能生成內(nèi)容的水印。其他策略則側(cè)重于內(nèi)容本身，例如，一些偽造視頻用一個(gè)人的面部特征替換了另一個(gè)人的面部特征，新的算法可以在被替換特征的邊界處識(shí)別偽造痕跡。呂思偉團(tuán)隊(duì)開發(fā)了一個(gè)算法——DeepFake-O-Meter，可以從不同角度分析視頻內(nèi)容，以識(shí)別“Deepfake”內(nèi)容。這些識(shí)別工具是有用的，但可以預(yù)見，我們與人工智能生成的錯(cuò)誤信息和內(nèi)容的斗爭(zhēng)可能還會(huì)持續(xù)多年。
https://www.nature.com/articles/d41586-024-00173-x
