隨著新一年的到來，科技界正以前所未有的速度迅猛發展，並展現出巨大的創新潛力。最近，【自然】雜誌公布了2024年值得關註的七大技術，這些技術的進展不僅預示著整個行業的轉型，而且有望徹底改革醫療保健行業，並推進科學發現的進步。特別值得一提的是，在這份榜單中，生命科學和醫學領域占據了五個席位。
用於蛋白質設計的深度學習演算法
二十年前，人工設計蛋白領域先驅David Baker教授和合作者完成了一項裏程碑式的成就：他們首次利用計算工具從頭開始設計了一種全新的蛋白質。這種人工合成的蛋白質雖然能夠按照預測方式折疊，但它在生物學上是無活性的——即不執行任何有意義的生物功能。如今，從頭開始的蛋白質設計技術已經逐漸成熟，轉變為一種實用的工具，能夠用於按需客製生成酶和其他型別的蛋白質。
這一領域的進展在很大程度上得益於數據集的日益壯大，這些數據集將蛋白質的序列與其空間結構聯系起來。此外，人工智慧（AI）中的一種復雜方法——深度學習，也在這一過程中發揮了至關重要的作用。基於序列的設計方法，如使用大型語言模型（LLMs），可以在現有蛋白質特征的基礎上進行結構改良，創造出新的結構框架。然而，這些方法在客製蛋白結構元素或特征方面，如可預測地與特定靶點結合的能力，就顯得不那麽有效。與此相對的是，基於結構的設計方法在這方面表現得更為出色。
2023年，基於結構的蛋白質設計演算法取得了顯著的進步。其中一些前沿的演算法采用了「擴散模型」，這也是DALL-E等影像生成工具所依賴的基礎技術。這些演算法最初被訓練用於從大量真實結構中辨識並消除計算生成的雜訊。透過學習如何從雜訊中辨別出真實的結構元素，這些演算法獲得了形成生物學上可行的、定義結構的能力。
David Baker教授團隊在基於結構的蛋白設計領域取得了重大突破，他們將能產生真實影像的神經網路AI模型——去噪擴散機率模型（DDPMs）融入蛋白設計當中，開發出AI軟體RFdiffusion。該軟體經過蛋白質資料庫（PDB）中大量真實蛋白質影像的訓練，能夠按需「客製化」設計出包含高階對稱結構等以往難以透過AI進行設計的蛋白質。
RFdiffusion設計蛋白質結構的準確性已透過實驗驗證。目前，Baker團隊已經利用RFdiffusion制造出了能與癌癥、自身免疫疾病和其他疾病相關蛋白強力結合的蛋白質。該研究團隊正在持續對RFdiffusion模型進行叠代最佳化。利用RFdiffusion的最新版叠代RFdiffusion5，設計人員可以針對DNA、小分子甚至金屬離子等非蛋白靶標進行蛋白質設計。這種多功能性的拓展為工程酶、轉錄調節因子、功能性生物材料等領域開辟了新的可能性。
可插入大片段DNA的基因編輯技術
CRISPR及其衍生技術透過使用短的可編程RNA，能夠將Cas9等DNA切割酶精確地引導至特定的基因組位置。實驗室通常利用這些技術來敲除功能異常的基因，並引入微小的序列變化。盡管如此，精確且可編程地插入包含數千個核苷酸序列的大片段DNA仍然是一個重大挑戰。不過，近期的技術進展為科學家提供了替換缺陷基因的關鍵片段或插入完整功能基因序列的可能性。
史丹佛大學的分子遺傳學家叢樂教授及其團隊正在研究單鏈退火蛋白（SSAPs）——這是一種介導DNA重組的病毒衍生分子。當這些單鏈退火蛋白與CRISPR-Cas系統（其中Cas9的DNA切割功能被抑制）結合時，能夠在人類基因組中精確地插入長達兩千個堿基的DNA片段。
圖片來源：123RF
另一個用於插入大段DNA的策略是先導編輯（prime editing）。這種編輯系統采用經過改造的特殊指導RNA分子pegRNAs來引導一種特殊的融合蛋白（由Cas9蛋白與逆轉錄酶結合而成），從而實作在目標位點進行堿基之間的自由替換以及精確的堿基插入和刪除。
例如，2022年，研究人員開發了一種透過特定位點靶向元件進行可編程添加（PASTE）的技術，該技術整合了CRISPR-Cas9衍生的切口酶（nickase）、逆轉錄酶和絲胺酸整合酶，可以在基因組中精確插入長達36 kb的DNA序列。PASTE尤其適用於對體外培養的患者衍生細胞進行改造，並且其技術基礎——先導編輯技術，已經進入臨床研究階段。但針對人體細胞的體內編輯，SSAP比PASTE更有可能提供一種更高效的解決方案。體積較大的PASTE編輯系統需要三種獨立的病毒載體進行遞送，這可能會影響編輯效率，而SSAP系統則由兩部份元件組成，更為簡潔。盡管如此，即使是效率相對較低的基因替換策略，也已經足以減輕許多遺傳疾病的不良影響。
這種方法的套用不僅限於人類健康領域。中國科學院遺傳與發育生物學研究所高彩霞研究團隊開發了一種名為PrimeRoot的大片段DNA精準插入工具。這項技術建立在先導編輯技術的基礎上，透過最佳化的引導RNA（gRNA）和位點特異性重組酶系統，實作了在植物基因組中精確插入長達11.1 kb的大型DNA序列。PrimeRoot技術的套用極具廣泛性，它不僅能賦予作物抗病性和抗病原體性，還將繼續推動基於CRISPR技術的植物基因組工程創新發展。
可插入大片段DNA的基因編輯技術
為了幫助嚴重神經損傷的患者重獲失去的語言能力並重新融入日常生活，史丹佛大學的科學家開發了一種先進的腦機介面裝置。這一裝置透過在患者大腦中植入電極來追蹤神經元活動，並透過深度學習演算法訓練，將患者嘗試發出語音時激發的神經訊號解碼為文本。在數周的訓練後，患者能夠以每分鐘多達62個單詞的速度從一個包含12.5萬個詞匯的詞庫中進行語意表達，這一速度是之前記錄的3.4倍，逐漸接近自然對話速度（每分鐘160個詞）。
這項實驗僅是近年來在BCI領域取得的諸多研究成果之一。除此之外，研究人員正在積極利用基於人工智慧的語言模型來提高對癱瘓患者交流意圖的解讀速度和準確性。例如，在一項研究中，科學家們開發了一種多模式語音神經義肢，使一位因中風而失去語言能力的女效能以每分鐘78個單詞的速度進行交流——雖然這僅為英語平均交流速度的一半，但卻比她此前使用的語言輔助裝置快了五倍以上。
此外，該領域在其他方面也取得了顯著進展。2021年，美國匹茲堡大學的科學家成功將電極植入一名四肢癱瘓患者的運動和軀體感覺皮層，使其能夠快速、精確地控制機械臂，並獲得觸覺反饋。同時，BrainGate公司和荷蘭烏特勒支大學醫學中心的研究人員正開展獨立的臨床研究，而美國紐約的BCI科技公司Synchron也在進行一項試驗，以測試一種允許癱瘓患者控制電腦的系統——這是第一個由商業界發起的BCI器械試驗。
科學家們迫切希望將這些先進技術套用於嚴重殘疾患者的治療。隨著BCI功能的不斷發展與完善，它在治療中度認知障礙和情緒障礙等精神疾病方面也展現出了顯著的潛力。特別是，由腦機介面提供數據的閉環神經調節系統，不僅能夠為患者帶來實質性的生活品質改善，還為治療各類神經系統疾病提供了全新的可能性。這種系統透過監測和調節大腦活動，能夠更精準地響應個體的具體需要，從而為許多面臨神經障礙的人群提供巨大的幫助。這些研究成果不僅展示了BCI技術的治療潛能，也為未來神經科學和神經工程的發展奠定了基礎。
超分辨率顯微鏡技術
2014年，諾貝爾化學獎頒發給了三位在超分辨率熒光顯微技術領域作出傑出貢獻的科學家。他們的創新工作推動了光學顯微鏡的分辨率極限拓展至奈米尺度，這一成就為分子層面的成像實驗開辟了新的廣闊前景。在此基礎上，許多研究者繼續追求更加精確的成像效果，並且在這方面取得了顯著的進展。
到2022年，馬克斯·普朗克多學科科學研究所（Max Planck Institute for Multidisciplinary Sciences）的科學家們開發了一種名為MINSTED的技術。這種技術采用客製的光學顯微鏡，能夠以2.3埃米（約等於四分之一奈米）的精度分辨單個熒光標簽，為顯微成像技術帶來了更高水平的細節和分辨率。
近年來，新興的顯微成像方法已能夠利用傳統顯微鏡裝置實作與先進技術相媲美的分辨率。例如，2023年科學家們描述了一種創新策略，即使用不同的DNA鏈對單個分子進行標記，接著利用染料標記的互補DNA鏈對這些分子進行檢測，這些DNA鏈能夠與其對應的靶標進行瞬時且重復的結合，這種機制使得單個熒光「閃爍」點能夠被分辨出來。在常規的成像過程中，這些點若同時成像，則可能相互模糊成一個整體。然而，透過這種順序成像增強分辨率（RESI）方法，研究人員可以區分DNA鏈上的單個堿基對，從而實作埃米級別的分辨率，即使是使用標準熒光顯微鏡裝置也能達到這一效果。
除了上述方法，科學家目前還在研發一種名為一步奈米級擴充套件（one-step nanoscale expansion，簡稱ONE）的創新顯微鏡技術。雖然該方法尚未能達到埃米級別的分辨率，但它使得科學家能夠直接對單個蛋白質及其多蛋白復合物的精細結構細節進行成像。
ONE技術透過將樣品中的蛋白質與水凝膠基質進行化學耦合，在此過程中，蛋白質被裂解成碎片，隨後水凝膠的體積膨脹至原來的1000倍。這樣，蛋白碎片在各個方向上均勻擴充套件，同時保留了原始蛋白質的結構特征。這種方法使得研究人員能夠使用標準的共聚焦顯微鏡來分辨相隔幾奈米的結構特征。
ONE顯微鏡技術的套用前景廣泛，它不僅能幫助科學家深入理解生物分子的構象動態，還能透過對血液樣本的分析，為帕金森病等蛋白質錯構疾病的診斷提供直觀的視覺化方法。這一技術的發展有望為生物醫學研究領域帶來新的視角和可能性。
細胞圖譜
在單細胞分析和空間組學技術的推動下，各種細胞圖譜計畫正在持續取得進展，並有望為生物學家提供全組織細胞全景圖。
其中，人類細胞圖譜（Human Cell Atlas，HCA）計劃是當前眾多研究計畫中規模最為龐大的一個，它由Wellcome Sanger Institute的細胞生物學家Sarah Teichmann博士和基因泰克（Genentech）公司的Aviv Regev博士於2016年共同發起。該計畫匯集了來自近100個國家的約3000名科學家，他們正利用來自1萬名捐獻者的組織樣本進行深入研究。然而，HCA不單是一個孤立的研究計畫，它實際上構成了一個包含多個交叉細胞和分子圖譜計劃的更廣泛的研究網路。這個網路還包括由美國國立衛生研究院（NIH）資助的人類生物分子圖譜計劃（Human BioMolecular Atlas Program，HuBMAP）、美國「腦計劃」（BRAIN Initiative）下的相關研究，以及由Allen Institute資助的艾倫腦細胞圖譜（Allen Brain Cell Atlas）計畫。
這些細胞圖譜計畫共同的目標是全面揭示人類細胞的多樣性和復雜性，從而推動分子生物學、基因組學以及疾病研究的深入發展，並為未來醫學創新奠定堅實的基礎。
Sarah Teichmann博士估計，HCA計畫的完成至少還需要五年時間。但無疑，最終繪制出的細胞圖譜將成為生物醫學研究中的無價之寶。例如，圖譜數據可用於指導組織和細胞特異性的藥物靶向策略，以及為深入理解細胞微環境如何為癌癥、腸易激症候群等復雜疾病的風險和病因提供關鍵資訊。
結語
除了前文提及的生命科學領域中的技術突破，該榜單還特別強調了Deepfake檢測工具和3D打印奈米材料等革命性技術的重要性。這些創新技術在極短的時間內已經得到了廣泛套用，並正逐漸改變整個科技行業的發展方向。展望未來，我們期待在新的一年裏見證科技世界進入一個快速發展的新時期。
來源：藥明康德
