《自然》發布2024年值得關(guan) 注的七大技術

　　中國科學家研究成果位列其中

　　【今日視點】

　　◎本報記者 劉 霞

　　從(cong) 蛋白質設計到3D打印，從(cong) 大片段DNA插入到檢測深度偽(wei) 造內(nei) 容……《自然》網站22日發布了2024年值得關(guan) 注的七大技術領域，並指出人工智能(AI)的進步是這些最令人興(xing) 奮的技術創新應用的核心。

　　深度學習(xi) 助力蛋白質設計

　　從(cong) 頭設計蛋白質已經成熟為(wei) 一種實用的工具，用於(yu) 生成定製的酶和其他蛋白質。在這背後，深度學習(xi) 功不可沒。

　　其中，“基於(yu) 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，通過處理蛋白質序列辨別出真實蛋白質結構背後的模式。例如西班牙巴塞羅那分子生物學研究所開發的ZymCTRL，能利用序列和功能數據設計出天然酶。

　　基於(yu) 結構的算法也不遑多讓。美國華盛頓大學研究團隊使用RFdiffusion設計的新蛋白質可與(yu) 目標表麵“完美吻合”，而更新版本的RFdiffusion能使設計者計算蛋白質的形狀，為(wei) 編碼酶、轉錄調節劑、製造功能性生物材料等開辟了新途徑。

　　圍追堵截“深度偽(wei) 造”內(nei) 容

　　生成式AI可在幾秒鍾內(nei) 憑空創造出有說服力的文本和圖像，包括所謂的“深度偽(wei) 造”內(nei) 容。

　　一種解決(jue) 方案是生成式AI開發人員在模型輸出中嵌入水印，其他策略側(ce) 重於(yu) 對內(nei) 容本身進行鑒定，通過算法識別替換特征邊界處的偽(wei) 影等。

　　在工具的可獲得性方麵，美國國防部高級研究計劃局的語義(yi) 取證(SemaFor)計劃開發了一個(ge) 有用的“深度偽(wei) 造”分析工具箱。美國水牛城大學研究團隊也開發了算法庫DeepFake-O-Meter，其能從(cong) 不同角度分析視頻內(nei) 容，找出“深度偽(wei) 造”內(nei) 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(ge) 堿基的DNA精準嵌入人類基因組。其他方法利用基於(yu) CRISPR的先導編輯技術，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(ge) 堿基的DNA。

　　中國科學院遺傳(chuan) 發育所研究員高彩霞領導的團隊開發了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(wan) 個(ge) 堿基的DNA。這項技術可賦予作物抗病性和病原體(ti) 抗性，延續基於(yu) CRISPR的植物基因組工程的創新浪潮。

　　腦機接口快速發展

　　美國斯坦福大學科學家開發出一種複雜的腦機接口設備。他們(men) 在肌萎縮性側(ce) 索硬化症患者的大腦中植入電極，然後訓練深度學習(xi) 算法。經過幾周訓練，患者每分鍾能說出62個(ge) 單詞。

　　過去幾年開展的多項此類研究，證明了腦機接口技術可幫助患有嚴(yan) 重神經損傷(shang) 的人恢複失去的技能，並實現更大的獨立性，包括深度學習(xi) 在內(nei) 的AI技術在其中發揮了重要作用。

　　加州大學舊金山分校研究團隊研製出一款腦機接口神經假體(ti) ，能讓因中風而無法說話的人以每分鍾78個(ge) 單詞的速度交流。匹茲(zi) 堡大學研究團隊將電極植入一名四肢癱瘓者的運動和體(ti) 感皮層，以提供對機械臂的快速、精確控製以及觸覺反饋。腦機接口公司Synchron也在進行實驗，以測試一種允許癱瘓者控製計算機的係統。

　　分辨率精益求精

　　科學家正在努力縮小超分辨率顯微鏡與(yu) 結構生物學技術之間的差距。這些新方法能以原子級分辨率重建蛋白質結構。

　　2022年，德國科學家借助名為(wei) MINSTED的方法，使用專(zhuan) 用光學顯微鏡，能以2.3埃(約1/4納米)的精度解析單個(ge) 熒光標記。

　　較新的方法則使用傳(chuan) 統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)開發的序列成像(RESI)方法可分辨DNA鏈上的單個(ge) 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出“一步納米級擴展”(ONE)顯微鏡方法，可直接成像單個(ge) 蛋白質和多蛋白複合物的精細結構。

　　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)、細胞普查網絡(BICCN)以及艾倫(lun) 腦細胞圖譜。

　　去年，數十項研究結果紛紛出爐。6月，HCA發布了對人類肺部49個(ge) 數據集的綜合分析。《自然》雜誌發布文章介紹了HuBMAP的進展，《科學》雜誌也發布了詳細介紹BICCN工作的文章。

　　不過，HCA至少還要5年才能完成。屆時，其將為(wei) 人類帶來巨大利益，科學家可使用圖譜數據來指導組織和細胞特異性藥物的研發。

　　納米材料3D打印持續改進

　　科學家目前主要借助激光誘導光敏材料的“光聚合”來製造納米材料，但這項技術也麵臨(lin) 這一些亟待解決(jue) 的障礙，如打印速度、材料限製等。

　　在提升速度方麵，2019年，香港中文大學研究團隊證明，使用2D光片而非傳(chuan) 統脈衝(chong) 激光器來加速聚合，可將製造速率提高1000倍。

　　並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(jue) 方法：將光聚合水凝膠作為(wei) 微尺度模板，然後將其注入金屬鹽並進行處理。這一方法有望利用堅固、高熔點的金屬和合金製造出功能性納米結構。(來源：科技日報)