用于蛋白質(zhì)設(shè)計(jì)的深度學(xué)習(xí)

二十年前，在西雅圖的華盛頓大學(xué)，大衛(wèi)·貝克（David Baker）和他的同事取得了里程碑式的科研成果：他們用計(jì)算機(jī)工具從頭設(shè)計(jì)了一個(gè)全新的蛋白質(zhì)——Top7。這條蛋白質(zhì)以預(yù)測(cè)的結(jié)構(gòu)折迭，但它是惰性的，沒(méi)有任何有意義的生物學(xué)功能。如今從頭蛋白質(zhì)設(shè)計(jì)（de novo protein design）已經(jīng)非常成熟，成為可以用于定制酶和其他蛋白質(zhì)的實(shí)用工具。華盛頓大學(xué)的生物化學(xué)家尼爾·金（Neil King）表示“這個(gè)技術(shù)太強(qiáng)大了”，他和貝克的科研團(tuán)隊(duì)合作，正在設(shè)計(jì)基于蛋白的疫苗和藥物遞送載體。“一年半以前很多不可能實(shí)現(xiàn)的事情，現(xiàn)在完全不是什么難事。”

這些進(jìn)步大部分得益于越來(lái)越海量的數(shù)據(jù)集，可以用它把蛋白質(zhì)序列和結(jié)構(gòu)聯(lián)系起來(lái)。事實(shí)上，成熟的深度學(xué)習(xí)也是不可或缺的。

“基于序列”的蛋白質(zhì)設(shè)計(jì)使用了大語(yǔ)言模型，這一模型也使得聊天機(jī)器人ChatGPT等工具的出現(xiàn)成為可能。如果把多肽看作“文字”，而蛋白序列是由這些“文字”組成的文件，算法通過(guò)學(xué)習(xí)真實(shí)世界中蛋白質(zhì)的結(jié)構(gòu)，可以識(shí)別出其中蘊(yùn)含的模式。巴塞羅那分子生物學(xué)研究所的蛋白質(zhì)生物化學(xué)家諾埃利亞·費(fèi)魯茲（Noelia Ferruz）表示：“它們真的學(xué)會(huì)了背后隱藏的語(yǔ)法”。2022年，她的團(tuán)隊(duì)研發(fā)了一個(gè)被稱作ProtGPT2的算法，這一算法能持續(xù)設(shè)計(jì)許多合成蛋白，經(jīng)過(guò)試驗(yàn)驗(yàn)證，這些蛋白質(zhì)可以穩(wěn)定折疊[1]。此外，費(fèi)拉茲還參與研發(fā)了另一個(gè)叫做ZymCTRL的工具，它能學(xué)習(xí)蛋白序列和功能的數(shù)據(jù)，進(jìn)而基于研究需求設(shè)計(jì)出不同于天然酶的人工酶[2]。

ChatGPT？明年再說(shuō)吧

在今年各項(xiàng)備受矚目的技術(shù)中，各位讀者或許注意到了一個(gè)共同主題：深度學(xué)習(xí)的巨大影響。但是，一個(gè)同樣運(yùn)用深度學(xué)習(xí)的工具最終并未進(jìn)入本年度榜單，那就是大受吹捧的人工智能聊天機(jī)器人。ChatGPT和同類似乎已經(jīng)準(zhǔn)備好參與許多科研工作者的日常工作，在《自然》雜志的2023年度10大人物榜單中，也可見(jiàn)到ChatGPT的身影（見(jiàn)go.nature.com/3trp7rg）。2023年9月，《自然》進(jìn)行了一項(xiàng)問(wèn)卷調(diào)查，受訪者們認(rèn)為ChatGPT是最有用的AI工具，并對(duì)它在編程、文獻(xiàn)綜述和管理工作方面的潛能表示樂(lè)觀。

除此之外，這類工具可以幫助非英語(yǔ)母語(yǔ)人士潤(rùn)色文章，為他們的文章發(fā)表和職業(yè)發(fā)展鋪平道路，對(duì)于提升科研公平大有助益。然而，它們的用處多體現(xiàn)為省時(shí)省力，并不能轉(zhuǎn)變科研過(guò)程。此外，超過(guò)三分之二的受訪者最擔(dān)心的問(wèn)題是，ChatGPT總會(huì)給出誤導(dǎo)性的答案，甚至編造答案。盡管它們確實(shí)值得關(guān)注，但還需要時(shí)間去完善，才能真正在科研領(lǐng)域廣泛應(yīng)用。

基于序列的方法可以基于已有蛋白質(zhì)的特征，進(jìn)行改造并構(gòu)建新的框架。但是，在定制蛋白的結(jié)構(gòu)元素或特征（如以可預(yù)測(cè)的方式與特定靶標(biāo)結(jié)合的能力）方面，就沒(méi)那么好用了。對(duì)于這類情況，“基于結(jié)構(gòu)”（structure-based）的設(shè)計(jì)方法更加有效，在2023年這一方法也取得了令人矚目的進(jìn)展。其中最為成熟的一些方法運(yùn)用了“擴(kuò)散”（diffusion）模型，這類模型也是DALL-E等圖形生成工具的基礎(chǔ)。這些算法先是被訓(xùn)練從大量真實(shí)蛋白質(zhì)結(jié)構(gòu)中去除由計(jì)算機(jī)生成的噪音（noise），當(dāng)它們能成功對(duì)真實(shí)的結(jié)構(gòu)元素和噪音進(jìn)行分辨，它們就可以構(gòu)建出滿足用戶需求同時(shí)又符合生物學(xué)原理的蛋白結(jié)構(gòu)。

貝克實(shí)驗(yàn)室研發(fā)的RFdiffusion軟件[3]和位于美國(guó)馬薩諸塞州薩默維爾市的Generate Biomedicines研發(fā)的Chroma[4]正是運(yùn)用這種策略，并取得了顯著的進(jìn)展。例如，貝克的團(tuán)隊(duì)正在用RFdiffusion設(shè)計(jì)全新的蛋白質(zhì)，這種蛋白能和目標(biāo)靶點(diǎn)緊密結(jié)合，貝克說(shuō)，那將是“能與靶點(diǎn)表面完美吻合”的設(shè)計(jì)。而新一代的“全原子”版本RFdiffusion[5]，讓用戶可以用計(jì)算機(jī)設(shè)計(jì)出能夠結(jié)合DNA、小分子甚至是金屬離子等非蛋白靶點(diǎn)的蛋白質(zhì)。而這些隨之而來(lái)的多功能性，為酶、轉(zhuǎn)錄調(diào)節(jié)因子、功能性生物材料和其他物質(zhì)的工程設(shè)計(jì)帶來(lái)了全新的可能性。

深度偽造檢測(cè)

可公開(kāi)獲取的生成式AI算法所取得的爆發(fā)式發(fā)展，讓我們能輕松合成足夠以假亂真的圖片、音頻和視頻。盡管生成的內(nèi)容可以?shī)蕵?lè)大眾，但是，在地緣政治沖突頻發(fā)和美國(guó)總統(tǒng)選舉即將來(lái)臨的情況下，通過(guò)操縱社交媒體，將其當(dāng)作武器來(lái)互相攻擊的例子屢見(jiàn)不鮮。

呂思偉（Siwei Lyu）是紐約水牛城大學(xué)的計(jì)算機(jī)科學(xué)家，他說(shuō)，已經(jīng)見(jiàn)到大量與以色列-哈馬斯沖突相關(guān)的由AI生成的“深度偽造”圖像和音頻。而這只不過(guò)是一場(chǎng)高風(fēng)險(xiǎn)貓鼠游戲里的最新一輪而已，在這場(chǎng)游戲中，AI用戶生成欺騙性的內(nèi)容，呂思偉和其他媒體取證專家則致力于發(fā)現(xiàn)并攔截這些內(nèi)容。

一種解決方案是，生成式AI研發(fā)人員在這些模型輸出的結(jié)果中嵌入隱藏信號(hào)，為AI生成的內(nèi)容打上水印。其他方案則側(cè)重于內(nèi)容本身。呂思偉表示，例如一些經(jīng)過(guò)偽造的視頻將某公眾人物的面部特征替換成另一個(gè)人的面部特征，而新算法可以在所替換特征的邊緣識(shí)別出人工的痕跡。一個(gè)人外耳的獨(dú)特褶皺能提示面容和頭部并非來(lái)自同一個(gè)人，而在一些對(duì)口型視頻中，當(dāng)事人的嘴巴被數(shù)字化處理，說(shuō)出一些他并未說(shuō)過(guò)的話，牙齒的異常就可以起到提示作用。AI生成的照片不僅識(shí)別起來(lái)相當(dāng)棘手，還像“活靶”一樣不斷變化。2019 年，意大利那不勒斯費(fèi)德里科二世大學(xué)的媒體取證專家路易莎·韋爾多利瓦（Luisa Verdoliva）協(xié)助開(kāi)發(fā)了FaceForensics++，可以識(shí)別幾款常用軟件偽造的面孔[6]。但圖像取證方法往往適用于特定對(duì)象和軟件，如何將它們通用化是個(gè)挑戰(zhàn)。韋爾多利瓦說(shuō)，“不存在一個(gè)通用的檢測(cè)器——這非常困難”。

此外，如何實(shí)施檢測(cè)也是個(gè)挑戰(zhàn)。美國(guó)國(guó)防部高級(jí)研究計(jì)劃局的“語(yǔ)義取證”（Semantic Forensics）計(jì)劃已經(jīng)開(kāi)發(fā)了一個(gè)用于深度偽造分析的實(shí)用工具箱，但正如《自然》雜志所報(bào)道的那樣（見(jiàn)Nature 621, 676–679; 2023），各大社交媒體網(wǎng)站并沒(méi)有常規(guī)使用這一工具。而擴(kuò)大使用范圍將會(huì)有助于抓取更多數(shù)據(jù)，為此，呂思偉團(tuán)隊(duì)開(kāi)發(fā)了DeepFake-O-Meter[7]。這是一個(gè)中心化的公共算法庫(kù)，可以從不同角度分析視頻內(nèi)容，從而識(shí)別出深度偽造的內(nèi)容。這些資源將會(huì)起到很大作用，但在未來(lái)數(shù)年內(nèi)，我們很可能仍要和AI生成的錯(cuò)誤信息繼續(xù)斗爭(zhēng)。

大片段DNA插入

2023 年底，美國(guó)和英國(guó)的監(jiān)管機(jī)構(gòu)首次批準(zhǔn)了基于 CRISPR 的基因編輯療法，用于治療鐮狀細(xì)胞病和輸血依賴型β地中海貧血，這是基因組編輯作為臨床治療手段取得的重大勝利。

CRISPR 及其衍生技術(shù)使用可編輯的短鏈RNA，將Cas9等DNA內(nèi)切酶引導(dǎo)到特定的基因組位點(diǎn)。它們是實(shí)驗(yàn)室研究中的常規(guī)手段，用于關(guān)閉有缺陷的基因并引入微小的序列變化。精確、程序化地插入跨越數(shù)千個(gè)核苷酸的較大DNA序列非常困難，但新興技術(shù)或能讓科學(xué)家替換有缺陷基因的關(guān)鍵片段或插入功能完全正常的基因序列。加利福尼亞州斯坦福大學(xué)的分子遺傳學(xué)家叢樂(lè)（Le Cong）和同事們正在研究單鏈退火蛋白（SSAPs）——一種病毒來(lái)源的分子，可以介導(dǎo) DNA 重組。與去除了Cas9的DNA剪切功能的CRISPR-Cas系統(tǒng)相結(jié)合時(shí)，這些SSAPs就能將長(zhǎng)達(dá)2千個(gè)堿基對(duì)的DNA片段精準(zhǔn)插入人類基因組。

其他方法則借助了先導(dǎo)編輯（prime editing），這是一種基于CRISPR的方法，來(lái)引入充當(dāng)“著陸墊”的短序列。這些序列可以選擇性地招募酶，進(jìn)而將大片段DNA精準(zhǔn)拼接到基因組中。例如，2022 年，麻省理工學(xué)院的基因組工程師奧馬爾·阿布達(dá)耶（Omar Abudayyeh）、喬納森·古騰伯格（Jonathan Gootenberg）和他們的同事，首次描述了通過(guò)特定位點(diǎn)靶向元件進(jìn)行編輯插入的方法（PASTE）。這種方法可以精確插入長(zhǎng)達(dá)3萬(wàn)6千個(gè)堿基對(duì)的 DNA大片段[8]。叢樂(lè)說(shuō)，PASTE特別適用于對(duì)體外培養(yǎng)的病人細(xì)胞進(jìn)行修飾，而且作為PASTE基礎(chǔ)的先導(dǎo)編輯技術(shù)已經(jīng)開(kāi)展臨床研究。但若是在人體內(nèi)進(jìn)行細(xì)胞修飾，SSAP也許能提供一種更加簡(jiǎn)潔的方案：PASTE需要三種不同的病毒載體來(lái)遞送，與由兩部分組成的SSAP系統(tǒng)相比，是個(gè)較為笨重的系統(tǒng)，而這可能會(huì)影響其編輯效率。盡管如此，即便是效率相對(duì)較低的基因置換策略也足以減輕許多遺傳病的癥狀。

事實(shí)上，這種方法并不只是對(duì)人類健康有重大意義。中國(guó)科學(xué)院的高彩霞研究團(tuán)隊(duì)開(kāi)發(fā)出了PrimeRoot，這種方法也借助了先導(dǎo)編輯將酶引導(dǎo)至特定靶點(diǎn)，進(jìn)而插入長(zhǎng)達(dá)2萬(wàn)個(gè)堿基對(duì)的DNA片段，這已在水稻和玉米中成功應(yīng)用[9]。高彩霞認(rèn)為，這項(xiàng)技術(shù)可廣泛應(yīng)用于農(nóng)作物，讓其具有抗病和抗病原體能力，持續(xù)推動(dòng)基于CRISPR的植物基因組編輯的創(chuàng)新浪潮。她說(shuō)，“我相信這項(xiàng)技術(shù)最終可以應(yīng)用于任何一種植物”。

腦機(jī)接口

帕特·貝內(nèi)特（Pat Bennett）的語(yǔ)速比一般人慢，有時(shí)還會(huì)用詞不當(dāng)。但考慮到運(yùn)動(dòng)神經(jīng)元疾病*曾一度讓她無(wú)法用說(shuō)話來(lái)表達(dá)自己，如今這樣已經(jīng)是相當(dāng)大的進(jìn)步。

*譯注：又稱肌萎縮性嵴髓側(cè)索硬化癥（ALS），即大眾俗知的漸凍癥，初始癥狀通常包括手臂或腿部肌肉抽搐和無(wú)力、吞咽困難或言語(yǔ)不清，最終會(huì)導(dǎo)致無(wú)法控制移動(dòng)、說(shuō)話、進(jìn)食和呼吸所需的肌肉。

貝內(nèi)特的康復(fù)得益于一款先進(jìn)的腦機(jī)接口設(shè)備，由斯坦福大學(xué)的神經(jīng)科學(xué)家弗朗西斯·威利特（Francis Willett）和他在美國(guó)BrainGate研發(fā)集團(tuán)的同事所開(kāi)發(fā)[10]。威利特和同事在貝內(nèi)特的大腦中植入電極以追蹤神經(jīng)元活動(dòng)，然后訓(xùn)練深度學(xué)習(xí)算法將這些信號(hào)轉(zhuǎn)化為語(yǔ)言。經(jīng)過(guò)幾周的訓(xùn)練，貝內(nèi)特每分鐘能說(shuō)出多達(dá)62個(gè)單詞，而這一設(shè)備的詞匯量高達(dá)12.5萬(wàn)——是一般英語(yǔ)使用者詞匯量的兩倍多。生物工程師詹妮弗·科林格（Jennifer Collinger）在賓夕法尼亞州匹茲堡大學(xué)進(jìn)行BCI技術(shù)研發(fā)，她說(shuō)：“他們交流的速度實(shí)在是太驚人了”。

過(guò)去幾年除了BrainGate的試驗(yàn)，還有其他幾項(xiàng)研究，這些研究證明了BCI技術(shù)可以幫助有嚴(yán)重神經(jīng)損傷的患者，讓他們重新獲得失去的技能，從而減輕對(duì)旁人的依賴。利·霍赫伯格（Leigh Hochberg）是布朗大學(xué)的神經(jīng)學(xué)家，同時(shí)也是BrainGate的負(fù)責(zé)人。他說(shuō)，其中一些進(jìn)展源于我們對(duì)各類神經(jīng)疾病患者大腦的功能神經(jīng)解剖學(xué)知識(shí)的不斷積累。他也補(bǔ)充道，機(jī)器學(xué)習(xí)所驅(qū)動(dòng)的分析方法極大地拓寬了這些知識(shí)，這將持續(xù)揭示如何才能更好地放置電極，以及如何更好地解碼電極所采集到的信號(hào)。

此外，研究人員還在應(yīng)用基于人工智能的語(yǔ)言模型來(lái)加快解讀患者試圖表達(dá)的內(nèi)容——本質(zhì)上就是大腦的“自動(dòng)補(bǔ)全”。這是威利特研究的核心內(nèi)容，也是加州大學(xué)舊金山分校神經(jīng)外科醫(yī)生愛(ài)德華·張（Edward Chang）領(lǐng)導(dǎo)的團(tuán)隊(duì)的另一項(xiàng)研究的核心內(nèi)容[11]。在這項(xiàng)研究中，BCI神經(jīng)假體讓一位因中風(fēng)而無(wú)法說(shuō)話的婦女以每分鐘78個(gè)單詞的速度進(jìn)行交流——大約是英語(yǔ)使用者平均說(shuō)話速度的一半，但比她以前使用的語(yǔ)言輔助設(shè)備快了五倍多。該領(lǐng)域在其他方面也取得了進(jìn)展。2021 年，科林格和美國(guó)匹茲堡大學(xué)的生物醫(yī)學(xué)工程師羅伯特·高特（Robert Gaunt）將電極植入一名四肢癱瘓者的運(yùn)動(dòng)和軀體感覺(jué)皮層，讓他能夠快速、精確地控制帶有觸覺(jué)反饋的機(jī)械臂[12]。此外，BrainGate和荷蘭烏德勒支大學(xué)醫(yī)學(xué)中心正在各自開(kāi)展獨(dú)立的臨床研究，位于紐約布魯克林的BCI公司Synchron也在測(cè)試一個(gè)能讓癱瘓者控制計(jì)算機(jī)的系統(tǒng)——這是首個(gè)工業(yè)界出資的BCI儀器臨床試驗(yàn)。

作為一名重癥監(jiān)護(hù)專家，霍赫伯格迫切希望將這些技術(shù)帶給殘障情況最為嚴(yán)重的病人。隨著BCI功能不斷發(fā)展，他看到了它在治療中度認(rèn)知障礙以及情緒障礙等精神疾病中的潛力。他說(shuō)：“基于腦機(jī)接口的閉環(huán)神經(jīng)調(diào)節(jié)系統(tǒng)可以為很多人提供極大的幫助”。

超分辨率成像技術(shù)

2014年，斯特凡·黑爾（Stefan Hell）、埃里克·貝齊格（Eric Betzig）和威廉·莫納（William Moerner）因打破了限制光學(xué)顯微鏡空間分辨率的“衍射極限”（diffraction limit），共同獲得了諾貝爾化學(xué)獎(jiǎng)。隨之而來(lái)的納米級(jí)精確視角，為分子尺度成像實(shí)驗(yàn)開(kāi)辟了廣闊的前景。盡管如此，一些研究人員仍期待獲得更好的成像效果——并且他們正取得飛速進(jìn)展。拉爾夫·容曼（Ralf Jungmann）是德國(guó)普拉內(nèi)格馬克斯·普朗克生物化學(xué)研究所納米技術(shù)研究員，在談到一種在原子級(jí)分辨率之上重建蛋白的方法時(shí)，他說(shuō)：“我們正在努力縮小超分辨率顯微鏡與冷凍電鏡等結(jié)構(gòu)生物學(xué)技術(shù)之間的差距”。

2022年底，黑爾以及他在哥廷根馬克斯·普朗克多學(xué)科科學(xué)研究所的團(tuán)隊(duì)首次涉足了這一領(lǐng)域。他們采用的方法名為MINSTED，利用專門的光學(xué)顯微鏡，這種方法能以2.3埃*（約四分之一納米）的精度分辨單個(gè)熒光標(biāo)簽[13]。

*譯注：埃斯特朗，簡(jiǎn)稱埃，符號(hào)?，是一個(gè)長(zhǎng)度計(jì)量單位，一埃是十分之一納米（即1 ? = 10–10 m= 0.1 nm）。

一些新方法則利用傳統(tǒng)顯微鏡實(shí)現(xiàn)了與之相當(dāng)?shù)姆直媛省＠纾萋退膱F(tuán)隊(duì)在 2023 年描述了一種方法[14]，用獨(dú)特的DNA鏈標(biāo)記單個(gè)分子，然后用染料標(biāo)記的互補(bǔ)DNA鏈檢測(cè)這些分子，這些 DNA 鏈會(huì)瞬時(shí)與對(duì)應(yīng)目標(biāo)結(jié)合并不斷重復(fù)這一過(guò)程，這樣就可以分辨出單個(gè)熒光“閃爍”點(diǎn)。假如對(duì)這些分子同時(shí)成像，螢光點(diǎn)往往會(huì)模糊成一團(tuán)。而這種序列成像分辨率增強(qiáng)法（RESI）可以分辨出DNA鏈上的單個(gè)堿基對(duì)，用常規(guī)熒光顯微鏡呈現(xiàn)出了埃級(jí)的分辨率。

RESI

Max Iglesias, Max Planck Institute of Biochemistry

德國(guó)哥廷根大學(xué)醫(yī)學(xué)中心神經(jīng)科學(xué)家阿里·沙伊布（Ali Shaib）和西爾維奧·里佐利（Silvio Rizzoli）領(lǐng)導(dǎo)的團(tuán)隊(duì)開(kāi)發(fā)了“一步納米級(jí)擴(kuò)展”（ONE）顯微鏡技術(shù)，雖然還不能達(dá)到上述的高分辨率，不過(guò)，前所未有的是，ONE顯微鏡做到了直接對(duì)單個(gè)蛋白質(zhì)和多蛋白復(fù)合物的精細(xì)結(jié)構(gòu)進(jìn)行成像[15]，不僅是分離純化的蛋白，還可應(yīng)用于胞內(nèi)蛋白質(zhì)。

ONE基于膨脹顯微成像技術(shù)，將樣品中的蛋白質(zhì)與水凝膠基質(zhì)進(jìn)行化學(xué)耦合，再將蛋白質(zhì)酶解，隨后讓水凝膠的體積膨脹到1000倍。蛋白碎片因此在各個(gè)方向上被均勻拉伸，既保留了蛋白質(zhì)結(jié)構(gòu)，又讓使用者能夠使用常見(jiàn)共聚焦顯微鏡，分辨出原本僅僅相隔幾納米的特征。在談到蛋白質(zhì)的特征形狀時(shí)，里佐利說(shuō)：“我們提取抗體，將它們放入凝膠中，在膨脹后對(duì)它們進(jìn)行標(biāo)記，結(jié)果發(fā)現(xiàn)，‘哇——可以看到Y(jié)形狀！’”

里佐利說(shuō)，ONE顯微鏡技術(shù)可以幫助人們深入了解呈現(xiàn)動(dòng)態(tài)構(gòu)象的生物分子，或是通過(guò)血液樣本對(duì)帕金森病等蛋白質(zhì)錯(cuò)構(gòu)疾病進(jìn)行可視化診斷。容曼同樣對(duì)RESI的潛力充滿激情。它可以用來(lái)記錄疾病或藥物治療過(guò)程中單個(gè)蛋白質(zhì)重組，甚至有可能放到更小的范圍。“也許這還不是空間分辨率極限的終點(diǎn)”，容曼說(shuō)，“還可以更進(jìn)一步。”

細(xì)胞圖譜

如果你想就近找一家咖啡館，谷歌地圖可以找到附近的門店，并告訴你該怎么走。人體的地形則要復(fù)雜得多，目前還沒(méi)有能與之相媲美的導(dǎo)航體統(tǒng)。不過(guò)，在單細(xì)胞分析和“空間組學(xué)”方法的推動(dòng)下，各種細(xì)胞圖譜計(jì)劃正在取得進(jìn)展，將很快為生物學(xué)家?guī)?lái)他們渴望已久的跨組織細(xì)胞圖譜。

在這些計(jì)劃中，規(guī)模最大的——或許也是最具野心的——是人類細(xì)胞圖譜（Human Cell Atlas）。2016年，英國(guó)辛克斯頓維康桑格研究所的細(xì)胞生物學(xué)家莎拉·泰克曼（Sarah Teichmann）和加利福尼亞州南舊金山的生物技術(shù)公司基因泰克的研究與早期開(kāi)發(fā)部負(fù)責(zé)人阿維夫·雷格夫（Aviv Regev）共同發(fā)起了該項(xiàng)聯(lián)合計(jì)劃。該項(xiàng)目組大約有3000名科學(xué)家，他們來(lái)自近100個(gè)國(guó)家，研究對(duì)象則是來(lái)自1萬(wàn)名捐獻(xiàn)者的組織。不過(guò)，細(xì)胞圖譜和分子圖譜的相互交叉構(gòu)成了一個(gè)巨大的生態(tài)系統(tǒng)，人類細(xì)胞圖譜只是其中的一部分。人類生物分子圖譜計(jì)劃（HuBMAP）和通過(guò)推進(jìn)創(chuàng)新神經(jīng)技術(shù)進(jìn)行大腦研究? (BRAIN) 倡議的細(xì)胞普查聯(lián)盟（BICCN）也隸屬于其中，這兩個(gè)計(jì)劃均由美國(guó)國(guó)立衛(wèi)生研究院資助。此外，還有由華盛頓州西雅圖市艾倫研究所資助的艾倫腦細(xì)胞圖譜（Allen Brain Cell Atlas）。

據(jù)斯坦福大學(xué)基因組學(xué)家、HuBMAP指導(dǎo)委員會(huì)前聯(lián)合主席邁克爾·斯奈德（Michael Snyder）所說(shuō)，通過(guò)開(kāi)發(fā)能夠在單細(xì)胞水平解讀分子內(nèi)容的分析工具，并將這些技術(shù)快速商業(yè)化，這在一定程度上為圖譜工作的開(kāi)展提供了基礎(chǔ)。例如，斯奈德的團(tuán)隊(duì)常規(guī)使用加州普萊森頓10X Genomics公司的Xenium 平臺(tái)，進(jìn)行空間轉(zhuǎn)錄組學(xué)分析，該平臺(tái)每周可以同時(shí)檢測(cè) 4 個(gè)組織樣本中約400個(gè)基因的表達(dá)。而多重抗體方法能在單細(xì)胞層面追蹤大量蛋白質(zhì)，例如馬薩諸塞州馬爾伯勒的Akoya生物科學(xué)公司所開(kāi)發(fā)的PhenoCycler平臺(tái)。研究者可使用其生成的數(shù)據(jù)重建組織的三維結(jié)構(gòu)。此外，其他的“多組學(xué)”方法讓科學(xué)家能夠同時(shí)分析同一細(xì)胞中的多種不同分子，包括RNA的表達(dá)、染色質(zhì)的結(jié)構(gòu)和蛋白質(zhì)的分布。

借助這些技術(shù)，2023年有數(shù)十項(xiàng)研究公布了他們?cè)谄鞴偬禺愋约?xì)胞圖譜方面所取得的進(jìn)展。例如，人類細(xì)胞圖譜在6月份發(fā)布了對(duì)人類肺部49個(gè)數(shù)據(jù)集的綜合分析[16]。泰克曼說(shuō)：“有了這個(gè)非常清晰的肺部圖譜，我們就能了解肺纖維化、各類腫瘤，甚至是COVID-19等疾病中發(fā)生的變化”。2023年，《自然》雜志發(fā)布了一篇文章（見(jiàn)go.nature.com/3vbznk7），重點(diǎn)介紹了HuBMAP取得的進(jìn)展，《科學(xué)》雜志也發(fā)文詳細(xì)介紹了BICCN的工作（見(jiàn)go.nature.com/3nsf4ys）。

目前人類細(xì)胞圖譜還有大量工作需要完成，根據(jù)泰克曼的估計(jì)，至少需要五年時(shí)間。但是，一旦完全繪制出來(lái)，這將是無(wú)價(jià)之寶。例如，泰克曼預(yù)測(cè)未來(lái)可以利用圖譜數(shù)據(jù)，來(lái)指導(dǎo)組織和細(xì)胞特異性藥物靶向。斯奈德則迫切希望了解，對(duì)于癌癥和腸易激綜合征等復(fù)雜疾病，細(xì)胞微環(huán)境會(huì)如何提示疾病風(fēng)險(xiǎn)和病因。“這個(gè)問(wèn)題能在2024年解決嗎？我認(rèn)為不大可能——回答這一問(wèn)題還需要經(jīng)年累月的努力”，斯奈德說(shuō)，“但它是整個(gè)領(lǐng)域的巨大驅(qū)動(dòng)力”。

3D打印納米材料

納米尺度有時(shí)會(huì)發(fā)生奇怪而有趣的事情。這可能會(huì)給材料科學(xué)的預(yù)測(cè)帶來(lái)困難，但也意味著納米級(jí)建筑師可以制造出具有獨(dú)特特性的輕質(zhì)材料，如更高的強(qiáng)度、與光或聲音發(fā)生特定反應(yīng)，以及更強(qiáng)的催化或儲(chǔ)能能力。

目前有很多方法用以精確制造這類納米材料，其中大部分都是使用激光來(lái)引發(fā)光敏材料的“光聚合”（photopolymerization）成型。這些方法的廣泛使用存在許多阻礙，過(guò)去幾年中，科學(xué)家們?cè)诳朔@些阻礙方面取得了長(zhǎng)足的進(jìn)步。

其中之一便是速度。亞特蘭大佐治亞理工學(xué)院的工程師蘇拉布·薩哈（Sourabh Saha）說(shuō)，與其他納米級(jí)3D打印方法相比，使用光聚合法組裝納米結(jié)構(gòu)的速度大約快三個(gè)數(shù)量級(jí)。這對(duì)于實(shí)驗(yàn)室使用來(lái)說(shuō)可能已經(jīng)足夠，但對(duì)于大規(guī)模生產(chǎn)或工業(yè)加工來(lái)說(shuō)還是太慢。2019 年，薩哈和香港中文大學(xué)的機(jī)械工程師陳世祈（Shih-Chi Chen）及其同事表示，他們可以通過(guò)使用圖案化的二維光片（patterned 2D light-sheet）而不是傳統(tǒng)的脈沖激光來(lái)加速聚合反應(yīng)[17]。薩哈說(shuō)，“這樣一來(lái)，聚合速度就提高了一千倍，而且還能保持100納米尺度的材料特征”。包括陳世祈在內(nèi)的研究人員在隨后的工作中建立了更快實(shí)現(xiàn)納米制造的其他方法[18]。

另一項(xiàng)挑戰(zhàn)是，并非所有材料都能通過(guò)光聚合反應(yīng)直接打印，例如金屬。不過(guò)，位于美國(guó)帕薩迪納的加州理工學(xué)院材料科學(xué)家茱莉亞·格里爾（Julia Greer）巧妙地開(kāi)發(fā)出另一種方法。2022 年，她和她的同事描述了一種方法，在這種方法中，光聚合水凝膠可用作微尺度模板；然后在這些模板中注入金屬鹽并進(jìn)行處理，從而誘導(dǎo)金屬在收縮的同時(shí)形成模板結(jié)構(gòu)[19]。雖然這項(xiàng)技術(shù)最初是針對(duì)微尺度結(jié)構(gòu)開(kāi)發(fā)的，但格里爾團(tuán)隊(duì)也將這種策略用于納米制造，研究人員十分期待未來(lái)利用堅(jiān)固耐用的高熔點(diǎn)金屬和合金，來(lái)制造出功能性納米結(jié)構(gòu)。

最后一個(gè)障礙可能是最難突破的——經(jīng)濟(jì)適用性。根據(jù)薩哈的說(shuō)法，許多光聚合方法中使用的脈沖激光系統(tǒng)成本高達(dá)50萬(wàn)美元以上。但是，更便宜的替代品正在不斷涌現(xiàn)。例如，德國(guó)卡爾斯魯厄理工學(xué)院的物理學(xué)家馬丁·韋格納（Martin Wegener）和同事們研究出了連續(xù)激光器。這種激光器比標(biāo)準(zhǔn)脈沖激光器更便宜、更緊湊、耗電更少[20]。并且，格里爾已經(jīng)成立了一家公司，旨在將制造納米結(jié)構(gòu)金屬板的工藝商業(yè)化，這種金屬板或可用于制造下一代人體裝甲或飛機(jī)和其他運(yùn)輸器的超耐用抗沖擊外層等。

作者：Michael Eisenstein

譯者：航海的豬

審校：Nevaeh

編輯：EON

封面：Antlii

原文：https://doi.org/10.1038/d41586-024-00173-x