Nature：2024年值得关注的七项技术，它是核心

　　随着人工智能（AI）技术的不断突破和大型模型的层出不穷，AI受到了前所未有的关注。面对这一浪潮，人们不禁好奇：未来究竟会是什么样子？

为了解答这一问题，《Nature》杂志发布了未来的一年里，将密切关注以下七个技术领域。核心技术创新集中在人工智能领域，更是引领未来发展的重要力量。从蛋白质工程到3D打印再到深度伪造（deepfake），这些领域都将取得新的突破和进步。

　　面向蛋白质设计的深度学习

　　二十年前，西雅图华盛顿大学的大卫·贝克（David Baker）和他的同事们取得了一项里程碑式的壮举：他们使用计算工具从头开始设计了一种全新的蛋白质。“Top7”如预测的那样折叠，但它是惰性的：它没有执行有意义的生物学功能。如今，从头蛋白质设计已经成熟为一种实用工具，用于生成定制酶和其他蛋白质。“这是非常强大的，”华盛顿大学的生物化学家尼尔·金说，他与贝克的团队合作设计了基于蛋白质的疫苗和药物递送载体。“一年半前不可能的事情——现在你只要去做就行了。”

　　其中大部分进展归结为将蛋白质序列与结构联系起来的日益庞大的数据集。但是，深度学习（人工智能（AI）的一种形式）的复杂方法也是必不可少的。

　　“基于序列”的策略使用大型语言模型 （LLM），这些模型为聊天机器人 ChatGPT 等工具提供支持（参见“ChatGPT？也许明年'）。通过将蛋白质序列视为包含多肽“单词”的文档，这些算法可以辨别构成真实世界蛋白质架构手册的模式。“他们真的学会了隐藏的语法，”西班牙巴塞罗那分子生物学研究所的蛋白质生物化学家Noelia Ferruz说。2022 年，她的团队开发了一种名为 ProtGPT2 的算法，该算法始终如一地提出在实验室生产时可以稳定折叠的合成蛋白质1.Ferruz共同开发的另一个工具称为ZymCTRL，它利用序列和功能数据来设计天然存在的酶家族的成员2.

　　ChatGPT？也许明年

　　读者可能会在今年的技术中发现一个值得关注的主题：深度学习方法的巨大影响。但有一个这样的工具并没有进入最终阶段：大肆宣传的人工智能（AI）驱动的聊天机器人。ChatGPT 及其同类产品似乎有望成为许多研究人员日常生活的一部分，并作为 2023 年《自然》杂志 10 篇综述的一部分（见 go.nature.com/3trp7rg）。在9月份的一项《自然》调查中（见 go.nature.com/45232vd），受访者认为ChatGPT是最有用的基于人工智能的工具，并对其在编码、文献综述和行政任务方面的潜力充满热情。

　　从公平的角度来看，这些工具也被证明很有价值，可以帮助那些英语不是第一语言的人完善他们的散文，从而简化他们的出版和职业发展之路。然而，其中许多应用代表了节省劳动力的收益，而不是研究过程的转变。此外，ChatGPT持续发布误导性或捏造的回复是超过三分之二的受访者的主要担忧。尽管值得监测，但这些工具需要时间来成熟并在科学界建立更广泛的作用。

　　基于序列的方法可以建立在现有的蛋白质特征之上并对其进行调整以形成新的框架，但它们对于结构元件或特征的定制设计效果较差，例如以可预测的方式结合特定靶标的能力。“基于结构”的方法更适合这一点，2023 年这种类型的蛋白质设计算法也取得了显着进展。其中一些最复杂的使用“扩散”模型，这也是DALL-E等图像生成工具的基础。这些算法最初经过训练，可以从大量真实结构中去除计算机生成的噪声；通过学习从噪声中区分真实的结构元素，他们获得了形成生物学上合理的用户定义结构的能力。

　　RFdiffusion 软件3由 Baker 的实验室和马萨诸塞州萨默维尔的 Generate Biomedicines 开发的 Chroma 工具4，利用这一策略取得了显著的效果。例如，Baker 的团队正在使用 RFdiffusion 来设计新型蛋白质，这些蛋白质可以与感兴趣的靶标形成紧密的界面，从而产生“完全符合表面”的设计，Baker 说。RFdiffusion 的更新的“全原子”迭代5允许设计人员围绕非蛋白质靶标（如 DNA、小分子甚至金属离子）进行计算塑造蛋白质。由此产生的多功能性为工程酶、转录调节剂、功能性生物材料等开辟了新的视野。

　　“深度伪造”Deepfake检测

　　公开可用的生成式 AI 算法的爆炸式增长使合成令人信服但完全人工的图像、音频和视频变得简单。选举结果可能会让人分心，但随着多场持续的地缘政治冲突和美国总统大选的临近，武器化媒体操纵的机会比比皆是。

　　纽约布法罗大学（University at Buffalo）的计算机科学家刘思伟（Siwei Lyu）说，例如，他已经看到了许多人工智能生成的与以色列-哈马斯冲突有关的“深度伪造”图像和音频。这只是一场高风险的猫捉老鼠游戏的最新一轮，人工智能用户制作欺骗性内容，吕和其他媒体取证专家致力于检测和拦截它。

　　人工智能与科学：1,600 名研究人员的想法

　　一种解决方案是让生成式 AI 开发人员在模型的输出中嵌入隐藏信号，从而生成 AI 生成内容的水印。其他策略侧重于内容本身。例如，一些经过处理的视频将一个公众人物的面部特征替换为另一个公众人物的面部特征，而新的算法可以在替换特征的边界处识别伪影，Lyu说。一个人外耳的独特褶皱也可以揭示面部和头部之间的不匹配，而牙齿的不规则性可以揭示经过编辑的口型同步视频，其中一个人的嘴巴被数字操纵，说出受试者没有说的话。人工智能生成的照片也带来了一个棘手的挑战——也是一个移动的目标。2019 年，意大利那不勒斯费德里科二世大学的媒体取证专家 Luisa Verdoliva 帮助开发了 FaceForensics++，这是一种用于发现被几个广泛使用的软件包操纵的人脸的工具6.但图像取证方法因主题和软件而异，泛化是一个挑战。“你不能有一个单一的通用探测器——这非常困难，”她说。

　　然后是实施的挑战。美国国防高级研究计划局的语义取证 （SemaFor） 计划开发了一个有用的深度伪造分析工具箱，但正如《自然》杂志报道的那样（见 Nature 621， 676–679； 2023），主要社交媒体网站并没有经常使用它。扩大对此类工具的访问可能有助于促进吸收，为此，Lyu的团队开发了DeepFake-O-Meter7，一个集中的公共算法存储库，可以从不同角度分析视频内容以嗅探出深度伪造内容。这些资源将有所帮助，但与人工智能生成的错误信息的斗争可能会持续数年。

　　大片段DNA插入

　　2023年底，美国和英国监管机构批准了有史以来第一个基于CRISPR的基因编辑疗法，用于治疗镰状细胞病和输血依赖性β地中海贫血，这是基因组编辑作为临床工具的重大胜利。

　　CRISPR 及其衍生物使用短的可编程 RNA 将 DNA 切割酶（如 Cas9）引导至特定的基因组位点。它们在实验室中通常用于禁用有缺陷的基因并引入微小的序列变化。精确和可编程地插入跨越数千个核苷酸的较大DNA序列是困难的，但新兴的解决方案可以让科学家替换缺陷基因的关键片段或插入功能齐全的基因序列。加州斯坦福大学的分子遗传学家Le Cong和他的同事们正在探索单链退火蛋白（SSAPs）——介导DNA重组的病毒衍生分子。当与 CRISPR-Cas 系统结合使用时，其中 Cas9 的 DNA 切片功能已被禁用，这些 SSAP 允许将多达 2 千碱基的 DNA 精确靶向插入人类基因组。

　　其他方法利用一种称为引物编辑的基于CRISPR的方法引入短的“着陆点”序列，这些序列选择性地募集酶，而这些酶又可以精确地将大DNA片段拼接到基因组中。例如，2022 年，剑桥麻省理工学院的基因组工程师 Omar Abudayyeh 和 Jonathan Gootenberg 及其同事首次描述了通过位点特异性靶向元件 （PASTE） 进行可编程添加的方法，这种方法可以精确插入多达 36 千碱基的 DNA8.Cong说，PASTE在培养的患者来源细胞的体外修饰方面特别有前途，并且潜在的引物编辑技术已经进入了临床研究的轨道。但对于人类细胞的体内修饰，SSAP可能会提供一种更紧凑的解决方案：更笨重的PASTE机制需要三个独立的病毒载体才能递送，这可能会降低相对于双组分SSAP系统的编辑效率。也就是说，即使是相对低效的基因替代策略也足以减轻许多遗传疾病的影响。

　　这些方法不仅与人类健康有关。由北京中国科学院的Caixia Gao领导的研究人员开发了PrimeRoot，这是一种使用Prime Editing引入特定靶位点的方法，酶可以使用这些靶位点在水稻和玉米中插入多达20千碱基的DNA9.Gao认为，该技术可能广泛用于赋予作物抗病性和病原体抗性，从而继续基于CRISPR的植物基因组工程的创新浪潮。“我相信这项技术可以应用于任何植物物种，”她说。

　　脑机接口

　　帕特·贝内特（Pat Bennett）的言语速度比一般人慢，有时可能会用错词。但鉴于运动神经元疾病，也称为肌萎缩侧索硬化症，以前使她无法用语言表达自己，这是一项了不起的成就。

　　贝内特的康复得益于斯坦福大学神经科学家弗朗西斯·威利特（Francis Willett）及其在美国BrainGate联盟的同事开发的复杂脑机接口（BCI）设备10.威利特和他的同事在贝内特的大脑中植入电极以跟踪神经元活动，然后训练深度学习算法将这些信号转化为语音。经过几周的训练，贝内特能够从125,000个单词的词汇量中每分钟说出多达62个单词，是普通英语使用者词汇量的两倍多。“这真的令人印象深刻，他们沟通的速度，”在宾夕法尼亚州匹兹堡大学开发脑机接口技术的生物工程师詹妮弗·科林格说。

　　脑机接口技术使帕特·贝内特（Pat Bennett）（坐着）恢复了说话能力。图片来源：Steve Fisch/Stanford Medicine

　　BrainGate的试验只是过去几年的几项研究之一，这些研究展示了BCI技术如何帮助患有严重神经损伤的人重新获得失去的技能并实现更大的独立性。其中一些进展源于各种神经系统疾病患者大脑中功能神经解剖学知识的稳步积累，罗德岛州普罗维登斯布朗大学的神经学家、BrainGate联盟主任Leigh Hochberg说。但是，他补充说，通过机器学习驱动的分析方法，这些知识已经大大放大了，这些方法揭示了如何更好地放置电极并解密它们拾取的信号。

　　研究人员还在应用基于人工智能的语言模型来加速对患者试图交流的内容的解释——本质上是大脑的“自动完成”。这是威利特研究的核心组成部分，也是另一个核心组成部分11来自加州大学旧金山分校神经外科医生 Edward Chang 领导的团队。在这项工作中，BCI神经假体允许一名因中风而无法说话的女性以每分钟78个单词的速度进行交流  -大约是英语平均速度的一半，但比女性以前的语音辅助设备快五倍多。该领域在其他领域也取得了进展。2021 年，匹兹堡大学的 Collinger 和生物医学工程师 Robert Gaunt 将电极植入四肢瘫痪的人的运动和躯体感觉皮层中，以提供对机械臂的快速精确控制以及触觉反馈12.此外，BrainGate和荷兰UMC乌得勒支的研究人员正在进行独立临床研究，以及来自纽约布鲁克林的BCI公司Synchron的一项试验，以测试一种允许瘫痪者控制计算机的系统——这是第一个由行业赞助的BCI设备试验。

　　作为一名重症监护专家，Hochberg 渴望将这些技术提供给患有最严重残疾的患者。但随着BCI能力的发展，他看到了治疗更中度的认知障碍以及心理健康状况（如情绪障碍）的潜力。“由脑机接口提供的闭环神经调控系统可能对很多人有巨大的帮助，”他说。

　　超强分辨率

　　Stefan Hell、Eric Betzig 和 William Moerner 因打破了限制光学显微镜空间分辨率的“衍射极限”而获得 2014 年诺贝尔化学奖。由此产生的细节水平（大约为数十纳米）开启了广泛的分子尺度成像实验。尽管如此，一些研究人员仍然渴望更好——而且他们正在取得迅速的进展。“我们真的在努力缩小从超分辨率显微镜到冷冻电子显微镜等结构生物学技术的差距，”德国普兰内格马克斯普朗克生物化学研究所的纳米技术研究员拉尔夫·荣格曼（Ralf Jungmann）说，他指的是一种可以重建具有原子级分辨率的蛋白质结构的方法。

　　2022年底，由Hell及其团队在哥廷根马克斯·普朗克多学科科学研究所（Max Planck Institute for Multidisciplinary Sciences）领导的研究人员首次涉足这一领域，他们使用一种名为MINSTED的方法，可以使用专门的光学显微镜以2.3-ångström的精度（大约四分之一纳米）解析单个荧光标记13.

　　较新的方法使用传统显微镜提供相当的分辨率。例如，Jungmann 和他的团队在 2023 年描述了一种策略，其中单个分子用不同的 DNA 链标记14.然后用染料标记的互补DNA链检测这些分子，这些DNA链瞬时但重复地与相应的靶标结合，从而可以区分单个荧光“闪烁”点，如果同时成像，这些点会模糊成一个斑点。这种通过顺序成像 （RESI） 方法提高分辨率的方法可以解析 DNA 链上的单个碱基对，使用标准荧光显微镜展示 ångström 级分辨率。

　　由德国哥廷根大学医学中心的神经科学家Ali Shaib和Silvio Rizzoli领导的团队开发的一步纳米级扩展（ONE）显微镜方法并没有完全达到这种分辨率水平。然而，ONE显微镜提供了一个前所未有的机会，可以直接对单个蛋白质和多蛋白复合物的精细结构细节进行成像，无论是在分离中还是在细胞中15.

　　一种称为RESI的成像形式可以对DNA中的单个碱基对进行成像。图片来源：Max Iglesias, Max Planck Institute of Biochemistry

ONE是一种基于扩增显微镜的方法，涉及将样品中的蛋白质化学偶联到水凝胶基质上，将蛋白质分解，然后使水凝胶的体积膨胀1000倍。碎片在各个方向上均匀膨胀，保留了蛋白质结构，并使用户能够使用标准共聚焦显微镜分离几纳米的特征。“我们提取抗体，将它们放入凝胶中，在扩增后标记它们，然后说，”哦，我们看到了Y形！“Rizzoli说，指的是蛋白质的特征形状。

　　Rizzoli说，ONE显微镜可以提供对构象动态生物分子的见解，或者能够从血液样本中对蛋白质错误折叠疾病（如帕金森病）进行视觉诊断。Jungmann 同样热衷于 RESI 记录疾病或药物治疗中单个蛋白质重组的潜力。甚至可以更紧密地放大。“也许这不是空间分辨率限制的终点，”Jungmann说。“情况可能会好转。”

　　细胞图谱

　　如果您正在寻找一家方便的咖啡馆，Google 地图可以找到附近的选择并告诉您如何到达那里。在更复杂的人体环境中导航是没有等价物的，但各种细胞图谱计划的持续进展  -由单细胞分析和“空间组学”方法的进步推动  -可能很快就会提供生物学家渴望的组织范围的细胞图谱。

　　这些计划中规模最大，也许也是最雄心勃勃的，是人类细胞图谱（HCA）。该联盟于2016年由英国欣克斯顿惠康桑格研究所的细胞生物学家Sarah Teichmann和现任加利福尼亚州南旧金山生物技术公司Genentech的研究和早期开发负责人Aviv Regev发起。它包括近100个国家的约3,000名科学家，使用来自10,000名捐赠者的组织。但HCA也是细胞和分子图谱交叉工作的更广泛生态系统的一部分。其中包括由美国国立卫生研究院资助的人类生物分子图谱计划（HuBMAP）和通过推进创新神经技术（BRAIN）倡议进行的大脑研究细胞普查网络（BICCN），以及由华盛顿州西雅图艾伦研究所资助的艾伦脑细胞图谱。

　　斯坦福大学基因组学家、HuBMAP指导委员会前联合主席迈克尔·斯奈德（Michael Snyder）表示，这些努力在一定程度上是由分析工具的开发和快速商业化推动的，这些工具可以在单细胞水平上解码分子内容。例如，Snyder的团队经常使用位于加利福尼亚州普莱森顿的10X Genomics的Xenium平台进行空间转录组学分析。该平台可以每周在 4 个组织样本中同时调查大约 400 个基因的表达。基于抗体的多重方法，例如位于马萨诸塞州马尔堡的 Akoya Biosciences 的 PhenoCycler 平台，使该团队能够以单细胞分辨率跟踪大量蛋白质，从而实现 3D 组织重建。其他“多组学”方法允许科学家同时分析同一细胞中的多个分子类别，包括RNA的表达，染色质的结构和蛋白质的分布。

　　人肺的细胞图谱描述了不同的细胞类型以及它们是如何被调节的。图片来源：Peng He

　　去年，有数十项研究展示了使用这些技术生成器官特异性图谱的进展。例如，今年6月，HCA发布了对来自人类肺部的49个数据集的综合分析16.Teichmann 说：“拥有非常清晰的肺部地图可以告知肺纤维化、不同肿瘤等疾病发生的变化，即使是 COVID-19。2023 年，《自然》杂志发布了一篇文章集（见 go.nature.com/3vbznk7），重点介绍了 HuBMAP 的进展，《科学》杂志制作了一本详细介绍了 BICCN 工作的文集（见 go.nature.com/3nsf4ys）。

　　还有大量的工作要做——Teichmann 估计，HCA 至少需要五年时间才能完成。但是，当它们到达时，由此产生的地图将是无价的。例如，Teichmann 预测使用图谱数据来指导组织和细胞特异性药物靶向，而 Snyder 则渴望了解细胞微环境如何告知癌症和肠易激综合征等复杂疾病的风险和病因。“我们会在2024年解决这个问题吗？我不这么认为——这是一个多年的问题，“斯奈德说。“但它是整个领域的一大驱动力。

　　纳米材料3D打印

　　奇怪而有趣的事情可能会在纳米尺度上发生。这可能使材料科学预测变得困难，但这也意味着纳米级建筑师可以制造具有独特特性的轻质材料，例如增加强度、与光或声音的定制相互作用以及增强的催化或储能能力。

　　有几种方法可以精确地制作这种纳米材料，其中大多数使用激光来诱导光敏材料的图案化“光聚合”，并且在过去几年中，科学家们在克服阻碍更广泛采用这些方法的局限性方面取得了相当大的进展。

　　研究人员使用水凝胶制作了微尺度金属结构。图片来源：Max Saccone/Greer Lab

　　一是速度。亚特兰大佐治亚理工学院的工程师Sourabh Saha表示，使用光聚合技术组装纳米结构的速度比其他纳米级3D打印方法快大约三个数量级。这对于实验室使用来说可能已经足够了，但对于大规模生产或工业过程来说太慢了。2019 年，香港中文大学的 Saha 和机械工程师 Shih-Chi Chen 及其同事表明，他们可以通过使用图案化的 2D 光片而不是传统的脉冲激光来加速聚合17.“这将速率提高了一千倍，而且你仍然可以保持那些100纳米的特征，”Saha说。包括Chen在内的研究人员的后续工作已经确定了加快纳米加工的其他途径18.

　　另一个挑战是，并非所有材料都可以直接通过光聚合进行打印，例如金属。但帕萨迪纳加州理工学院的材料科学家朱莉娅·格里尔（Julia Greer）开发了一种聪明的解决方法。2022 年，她和她的同事描述了一种将光聚合水凝胶用作微尺度模板的方法；然后将它们注入金属盐，并以诱导金属呈现模板结构同时收缩的方式进行加工19.尽管该技术最初是为微尺度结构开发的，但Greer的团队也将这种策略用于纳米制造，研究人员对从坚固的高熔点金属和合金中制作功能性纳米结构的潜力充满热情。

　　最后一个障碍——经济——可能是最难打破的。根据Saha的说法，许多光聚合方法中使用的基于脉冲激光的系统成本高达50万美元。但更便宜的替代品正在出现。例如，德国卡尔斯鲁厄理工学院的物理学家马丁·韦格纳（Martin Wegener）及其同事探索了比标准脉冲激光器更便宜、更紧凑、功耗更低的连续激光器20.格里尔还成立了一家初创公司，将一种制造纳米架构金属板的工艺商业化，该工艺可能适用于下一代防弹衣或飞机和其他车辆的超耐用和抗冲击外层等应用。

SEVEN TECHNOLOGIES .pdf

　　参考文献：

　　1.Ferruz, N., Schmidt, S. & Höcker, B. Nature Commun. 13, 4348 (2022).

　　2.Munsamy, G., Lindner, S., Lorenz, P. & Ferruz, N. ZymCTRL: A Conditional Language Model for the Controllable Generation of Artificial Enzymes (MLSB, 2022).

　　3.Watson, J. L. et al. Nature 620, 1089–1100 (2023).

　　4.Ingraham, J. B. et al. Nature 623, 1070–1078 (2023).

　　5.Krishna, R. et al. Preprint at bioRxiv https://doi.org/10.1101/2023.10.09.561603 (2023).

　　6.Rössler, A. et al. Preprint at https://arxiv.org/abs/1901.08971 (2019).

　　7.Li, Y., Zhang, C., Sun, P., Qi, H. & Lyu, S. Preprint at https://arxiv.org/abs/2103.02018 (2021).

　　8.Yarnall, M. T. N. et al. Nature Biotechnol. 41, 500–512 (2023).

　　9.Sun, C. et al. Nature Biotechnol. https://doi.org/10.1038/s41587-023-01769-w (2023).

　　10.Willett, F. R. et al. Nature 620, 1031–1036 (2023).

　　11.Metzger, S. L. et al. Nature 620, 1037–1046 (2023).

　　12.Sharlene, N. et al. Science 372, 831–836 (2021).

　　13.Weber, M. et al. Nature Biotechnol. 41, 569–576 (2023).

　　14.Reinhardt, S. C. M. et al. Nature 617, 711–716 (2023).

　　15.Shaib, A. H. et al. Preprint at bioRxiv https://doi.org/10.1101/2022.08.03.502284 (2023).

　　16.Sikkema, L. et al. Nature Med. 29, 1563–1577 (2023).

　　17.Saha, S. K. et al. Science 366, 105–109 (2019).

　　18.Ouyang, W. et al. Nature Commun. 14, 1716 (2023).

　　19.Saccone, M. A. et al. Nature 612, 685–690 (2022).

　　20.Hahn, V. et al. Nature Photon. 16, 784–791 (2022).

　　原文以Seven technologies to watch in 2024标题发表在2024年1月22日《Nature》的技术特写版块上