腦機接口技術(shù)使硬化癥患者能夠重新說話。圖片來源：斯坦福大學
RESI可對DNA中單個堿基對成像。
圖片來源：MPIB
人肺細胞圖譜描述了不同細胞類型及其調(diào)控方式。圖片來源：《自然》網(wǎng)站
使用水凝膠制作的微型金屬結(jié)構(gòu)。
圖片來源：加州理工學院
從蛋白質(zhì)設(shè)計到3D打印，從大片段DNA插入到檢測深度偽造內(nèi)容……《自然》網(wǎng)站22日發(fā)布了2024年值得關(guān)注的七大技術(shù)領(lǐng)域，并指出人工智能（AI）的進步是這些最令人興奮的技術(shù)創(chuàng)新應(yīng)用的核心。
深度學習助力蛋白質(zhì)設(shè)計
從頭設(shè)計蛋白質(zhì)已經(jīng)成熟為一種實用的工具，用于生成定制的酶和其他蛋白質(zhì)。在這背后，深度學習功不可沒。
其中，“基于序列”的算法使用大型語言模型，能夠像處理包含多肽“單詞”的文檔一樣，通過處理蛋白質(zhì)序列辨別出真實蛋白質(zhì)結(jié)構(gòu)背后的模式。例如西班牙巴塞羅那分子生物學研究所開發(fā)的ZymCTRL，能利用序列和功能數(shù)據(jù)設(shè)計出天然酶。
基于結(jié)構(gòu)的算法也不遑多讓。美國華盛頓大學研究團隊使用RFdiffusion設(shè)計的新蛋白質(zhì)可與目標表面“完美吻合”，而更新版本的RFdiffusion能使設(shè)計者計算蛋白質(zhì)的形狀，為編碼酶、轉(zhuǎn)錄調(diào)節(jié)劑、制造功能性生物材料等開辟了新途徑。
圍追堵截“深度偽造”內(nèi)容
生成式AI可在幾秒鐘內(nèi)憑空創(chuàng)造出有說服力的文本和圖像，包括所謂的“深度偽造”內(nèi)容。
一種解決方案是生成式AI開發(fā)人員在模型輸出中嵌入水印，其他策略側(cè)重于對內(nèi)容本身進行鑒定，通過算法識別替換特征邊界處的偽影等。
在工具的可獲得性方面，美國國防部高級研究計劃局的語義取證（SemaFor）計劃開發(fā)了一個有用的“深度偽造”分析工具箱。美國水牛城大學研究團隊也開發(fā)了算法庫DeepFake-O-Meter，其能從不同角度分析視頻內(nèi)容，找出“深度偽造”內(nèi)容。
大片段DNA嵌入再接再厲
美國斯坦福大學正在探索單鏈退火蛋白（SSAP），其能將擁有2000個堿基的DNA精準嵌入人類基因組。其他方法利用基于CRISPR的先導編輯技術(shù)，將大片段DNA精確地嵌入基因組中。2022年，麻省理工學院研究人員首次描述了通過位點特異性靶向元件（PASTE）進行可編程添加，精確嵌入多達36000個堿基的DNA。
中國科學院遺傳發(fā)育所研究員高彩霞領(lǐng)導的團隊開發(fā)了PrimeRoot。這種使用先導編輯的方法能在水稻和小麥中嵌入多達2萬個堿基的DNA。這項技術(shù)可賦予作物抗病性和病原體抗性，延續(xù)基于CRISPR的植物基因組工程的創(chuàng)新浪潮。
腦機接口快速發(fā)展
美國斯坦福大學科學家開發(fā)出一種復雜的腦機接口設(shè)備。他們在肌萎縮性側(cè)索硬化癥患者的大腦中植入電極，然后訓練深度學習算法。經(jīng)過幾周訓練，患者每分鐘能說出62個單詞。
過去幾年開展的多項此類研究，證明了腦機接口技術(shù)可幫助患有嚴重神經(jīng)損傷的人恢復失去的技能，并實現(xiàn)更大的獨立性，包括深度學習在內(nèi)的AI技術(shù)在其中發(fā)揮了重要作用。
加州大學舊金山分校研究團隊研制出一款腦機接口神經(jīng)假體，能讓因中風而無法說話的人以每分鐘78個單詞的速度交流。匹茲堡大學研究團隊將電極植入一名四肢癱瘓者的運動和體感皮層，以提供對機械臂的快速、精確控制以及觸覺反饋。腦機接口公司Synchron也在進行實驗，以測試一種允許癱瘓者控制計算機的系統(tǒng)。
分辨率精益求精
科學家正在努力縮小超分辨率顯微鏡與結(jié)構(gòu)生物學技術(shù)之間的差距。這些新方法能以原子級分辨率重建蛋白質(zhì)結(jié)構(gòu)。
2022年，德國科學家借助名為MINSTED的方法，使用專用光學顯微鏡，能以2.3埃（約1/4納米）的精度解析單個熒光標記。
較新的方法則使用傳統(tǒng)顯微鏡來提供類似的分辨率。2023年，馬克斯·普朗克生物化學研究所（MPIB）開發(fā)的序列成像（RESI）方法可分辨DNA鏈上的單個堿基對，用標準熒光顯微鏡展示了埃米級分辨率；德國哥廷根大學開發(fā)出“一步納米級擴展”（ONE）顯微鏡方法，可直接成像單個蛋白質(zhì)和多蛋白復合物的精細結(jié)構(gòu)。
全組織細胞圖譜呼之欲出
各項細胞圖譜計劃正取得進展，其中最引人注目的是人類細胞圖譜（HCA）。HCA包括人類生物分子圖譜（HuBMAP）、細胞普查網(wǎng)絡(luò)（BICCN）以及艾倫腦細胞圖譜。
去年，數(shù)十項研究結(jié)果紛紛出爐。6月，HCA發(fā)布了對人類肺部49個數(shù)據(jù)集的綜合分析。《自然》雜志發(fā)布文章介紹了HuBMAP的進展，《科學》雜志也發(fā)布了詳細介紹BICCN工作的文章。
不過，HCA至少還要5年才能完成。屆時，其將為人類帶來巨大利益，科學家可使用圖譜數(shù)據(jù)來指導組織和細胞特異性藥物的研發(fā)。
納米材料3D打印持續(xù)改進
科學家目前主要借助激光誘導光敏材料的“光聚合”來制造納米材料，但這項技術(shù)也面臨這一些亟待解決的障礙，如打印速度、材料限制等。
在提升速度方面，2019年，香港中文大學研究團隊證明，使用2D光片而非傳統(tǒng)脈沖激光器來加速聚合，可將制造速率提高1000倍。
并非所有材料都可通過光聚合直接打印。2022年，加州理工學院團隊找到了巧妙的解決方法：將光聚合水凝膠作為微尺度模板，然后將其注入金屬鹽并進行處理。這一方法有望利用堅固、高熔點的金屬和合金制造出功能性納米結(jié)構(gòu)。（記者 劉霞）