Nature發布2024年值得關注的七大技術，首位中國科學家成果入選

　　2024年1月22日，《自然》發布了2024年值得關注的七大技術——大片段DNA插入、人工智能設計蛋白質、腦機接口、 細胞圖譜、超高分辨率顯微成像、3D打印納米材料和DeepFake檢測。七大技術中，生物醫學領域就占了五項。與往年相比，今年最大的變化在于，人工智能（AI）的進步成為許多令人興奮的技術創新的核心支撐。

　　值得一提的是，高彩霞團隊開發的大片段DNA精準定點插入新工具PrimeRoot入選，這也是自2018年首次評選以來，第一項來自中國學者的技術成果入選。

　　大片段DNA插入

　　2023年12月，美國FDA批準了首個基于CRISPR-Cas9的基因編輯療法上市，用于治療鐮狀細胞病，幾天前，FDA進一步批準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用中的重大勝利。

　　CRISPR-Cas9及相關基因編輯技術通過使用Cas9等核酸酶切割DNA雙鏈實現對基因的敲除或引入小的序列變化，其很難實現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，讓科學家們能夠替換或插入大片段DNA。

　　2023年4月，中國科學院遺傳與發育生物學研究所高彩霞團隊在 Nature Biotechnolgy 期刊發表了題為：Precise integration of large DNA sequences in plant genomes using PrimeRoot editors 的研究論文。

　　該研究將團隊之前開發的ePPE（Engineered Plant Prime Editor）與劉如謙團隊開發的epegRNA（Engineered pegRNA）結合，在植物細胞內建立了dual-ePPE系統，實現了最高效率可達50%以上的短片段DNA的精準定點插入。然后將dual-ePPE與篩選出的高效的酪氨酸家族位點特異性重組酶Cre相結合，開發了能夠實現大片段DNA精準插入的PrimeRoot系統。該系統在水稻和玉米中能夠實現一步法大片段DNA的精準定點插入，效率可達6%，成功插入的片段長度最長達11.1kb，且插入完全精準可預測，在編輯效率和精準性上具有顯著優勢。

　　高彩霞研究員，照片來源：Stefen Chow

　　高彩霞研究員表示，PrimeRoot系統高效、精準插入大片段DNA的能力，可通過基因敲入廣泛用于賦予作物對疾病和病原體的抗性，從而繼續推動基于CRISPR的植物基因組工程的創新浪潮。相信這項新技術可以應用于任何植物物種。

　　2022年11月，麻省理工學院的 Omar Abudayyeh、Jonathan Gootenberg 團隊在 Nature Biotechnology 期刊發表了題為：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）結合，開發了一種名為PASTE的新型基因編輯技術。PASTE在gRNA的引導下切割特定基因組位點，此時Cas9切口酶融合的逆轉錄酶將整合酶所需的附著位點序列整合進切割位點。通過這種方式，就可以將整合酶所需的附著位點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，整合酶就可以與附著位點結合，將大片段DNA序列插入。該技術能夠以更安全、更有效的方式替換突變基因，還可向哺乳動物及人類細胞中定點插入長達36kb的超長DNA片段。

　　2022年2月，斯坦福大學叢樂團隊在 Nature Cell Biology 期刊發表了題為：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系統結合，開發出了一種新型基因編輯工具——dCas9-SSAP，可在不產生DNA雙鏈斷裂的情況下，實現長達2kb的大片段DNA的高效、精準定點插入。

　　叢樂認為，對于體內基因編輯而言，PASTE尺寸太大，需要三個獨立的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。

　　深度學習用于蛋白質設計

　　20年前，華盛頓大學的 David Baker 等人在 Science 期刊發表論文【2】，取得了一項里程碑式成就：他們使用計算工具從頭設計了一個全新蛋白質——Top7，該蛋白由93個氨基酸殘疾組成，能夠如預期般折疊，且非常穩定，但它沒有任何有意義的生物學功能。

　　David Baker教授

　　而現在，在 David Baker 等人的努力下，從頭設計蛋白質已經一種成熟的工具，用于生成定制酶，及其他基于蛋白質的藥物、疫苗和藥物遞送載體。這種進步的大部分歸因于越來越多的將蛋白質序列與其結構聯系起來的數據庫，但人工智能的技術進步也同樣重要。

　　例如，2023年2月，David Baker 團隊在 Nature 期刊發表論文，從頭設計了人造熒光素酶，這也是科學界首次基于深度學習的人工智能來創造自然界不存在的酶。2023年4月，David Baker 團隊在 Science 期刊發表論文，利用基于強化學習的人工智能從頭設計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開辟了全新道路。2023年12月，David Baker 團隊在 Nature 期刊發表論文，利用基于深度學習的人工智能從頭設計了具有高親和力和特異性的全新蛋白質，這為抗體設計和疾病診斷打開了新思路。

　　腦機接口

　　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、打字的時候，就已經無法使用嘴唇、舌頭、喉部和下顎的肌肉運動來清晰地發聲，她的大腦能夠嘗試發聲，但肌肉已無法執行這一命令，從而失去了說話的能力。

　　2022年3月，她參加了斯坦福大學 Francis Willett 教授領導的腦機接口臨床試驗，研究團隊在她的大腦皮層表面植入了四個微型細電極陣列（每個陣列包含8×8個電極），用于收集單個細胞的神經活動，植入的陣列連接到金線上并通過電纜連接到電腦上，并訓練人工智能（AI）來解碼她試圖進行的發聲。

　　Pat Bennett 在進行測試

　　2023年8月，Francis Willett 團隊將這項研究以：A high-performance speech neuroprosthesis 為題，發表在了 Nature 期刊。

　　該論文顯示，通過植入皮質內腦機接口（iBCI），并通過訓練人工智能（AI）軟件，能夠將漸凍癥（ALS）患者 Pat Bennett 大腦中的神經活動實時轉化為文字，轉化速度可達每分鐘62個單詞，總詞匯量高達125000，相比已有的腦機接口速度更快、準確性更高、詞匯覆蓋率更大。這項研究展示了一條可行的路徑以恢復漸凍癥等癱瘓者的語言溝通能力。

　　Nature 同期還發表了來自加州大學舊金山分校的張復倫（Edward Chang）團隊題為：A high-performance neuroprosthesis for speech decoding and avatar control 的研究論文。

　　該研究開發了一種新型腦機接口（BCI），結合人工智能（AI）技術，可以高性能、實時將因腦干中風而嚴重癱瘓的患者大腦信號同時轉化為三種輸出形式：文字、語音和控制一個頭像，從而幫助嚴重癱瘓者恢復溝通能力。

　　這些腦機接口裝置的開發成功應用，代表了神經科學和神經工程學研究的重大進步，對于緩解因癱瘓性神經損傷和疾病而失聲的人的痛苦有巨大潛力。

　　細胞圖譜

　　Wellcome Sanger研究所的 Sarah Teichmann 和現任基因泰克公司的研究和早期開發負責人 Aviv Regev 于2016年發起了一項規模龐大、雄心勃勃的人類細胞圖譜（Human Cell Atlas，HCA）計劃。該計劃有近100個國家的約3000名科學家參與，而HCA本身也是一個更廣泛的細胞和分子圖譜交叉生態系統的一部分，包括人類生物分子圖譜計劃（HuBMAP）和腦計劃（BICCN）。

　　去年，已有數十項研究展示了使用這些技術生成器官特異性圖譜的進展。2023年，Nature 發布了一個論文集（go.nature.com/3vbznk7），重點介紹了HuBMAP的進展，Science 則發布了一篇論文集，詳細介紹了BICCN的工作（go.nature.com/3nsf4ys）。

　　人類肺部的細胞圖譜描述了不同的細胞類型及其調節方式

　　Sarah Teichmann 表示，還有相當多的工作要做，估計至少需要五年時間才能完成HCA計劃。但當該計劃完成時，產生的人類細胞圖譜將是無價之寶。例如可以使用細胞圖譜數據來指導組織和細胞特異性藥物開發，還有助于了解癌癥等復雜疾病的風險和病因。

　　超高分辨率顯微成像

　　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年諾貝爾化學獎，這讓我們得以在數十納米級分辨率下進行分子尺度的成像實驗。然而，科學家們渴望得到更好的結果，他們也正在取得快速進展，努力縮小超分辨率顯微鏡與結構生物學技術之間的差距。

　　Stefan Hell 團隊2022年開發了一種名為MINSTED的方法，使用專用光學顯微鏡，可以以2.3埃的分辨率分辨出單個熒光標簽。

　　馬克斯·普朗克生物化學研究所的 Ralf Jungmann 團隊在2023年開發了一種序列成像（RESI）的增強分辨率的方法，可以分辨出DNA鏈上的單個堿基對，使用標準的熒光顯微鏡實現了埃級分辨率。

　　RESI方法可以對DNA中的單個堿基對進行成像

　　哥廷根大學醫學中心神經科學家 Ali Shaib 和 Silvio Rizzoli 領導的團隊開發的一步法納米尺度膨脹（ONE）顯微鏡方法，雖然沒有完全達到上述埃級分辨率水平，但ONE顯微鏡提供了前所未有的機會，可以直接成像單個蛋白質和多蛋白復合物的精細結構細節，無論是在孤立狀態還是在細胞中。

　　3D打印納米材料

　　在納米尺度下，會發生很多奇怪而有趣的事情，這可能會使材料科學變得難以預測，但這也意味著我們可以在納米尺度制造具有獨特性質的輕質材料，例如更高的強度、與光或聲的定制交互以及增強的催化或能量存儲能力。目前存在幾種精確制造此類納米材料的策略，其中大多數使用激光誘導光敏材料的圖案化“光聚合”，在過去幾年中，科學家們在克服這些方法的限制方面取得了相當大的進展。

　　但目前3D打印納米材料還存在幾個挑戰，首先是速度，使用光聚合技術組裝納米結構的速度大約比其他納米級3D打印方法快三個數量級。這一速度可能已經足夠用于實驗室使用，但對于大規模生產或工業流程來說還是太慢了。第二個挑戰是并非所有材料都可以直接通過光聚合來打印，例如金屬。但加州理工學院的 Julia Greer 開發出一種替代方法，將光聚合水凝膠作為微尺度模板，然后注入金屬鹽并進行處理，使金屬在收縮的同時具有模板的結構。最后是成本，這可能是最難突破的挑戰，許多光聚合方法中使用的脈沖激光系統成本超過50萬美元，但好在更便宜的替代品正在出現。

　　利用水凝膠制作了微型金屬結構

　　DeepFake檢測

　　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。紐約州立大學布法羅分校的計算機科學家呂思偉教授表示，他已經看到過許多人工智能生成的與軍事沖突有關的“Deepfake”圖像和音頻。用戶使用人工智能生成欺騙性內容，呂思偉和其他媒體取證專家致力于檢測和攔截它們。

　　生成式人工智能開發人員的一個解決方案是在人工智能模型的輸出中嵌入隱藏信號，產生人工智能生成內容的水印。其他策略則側重于內容本身，例如，一些偽造視頻用一個人的面部特征替換了另一個人的面部特征，新的算法可以在被替換特征的邊界處識別偽造痕跡。呂思偉團隊開發了一個算法——DeepFake-O-Meter，可以從不同角度分析視頻內容，以識別“Deepfake”內容。這些識別工具是有用的，但可以預見，我們與人工智能生成的錯誤信息和內容的斗爭可能還會持續多年。