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

深度學習助力蛋白質設計

從頭設計蛋白質已經成熟為一種實用的工具，用于生成定制的酶和其他蛋白質。在這背后，深度學習功不可沒。

其中，“基于序列”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后的模式。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。

基于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目標表面“完美吻合”，而更新版本的RFdiffusion能使設計者計算蛋白質的形狀，為編碼酶、轉錄調節劑、制造功能性生物材料等開辟了新途徑。

圍追堵截“深度偽造”內容

生成式AI可在幾秒鐘內憑空創造出有說服力的文本和圖像，包括所謂的“深度偽造”內容。

一種解決方案是生成式AI開發人員在模型輸出中嵌入水印，其他策略側重于對內容本身進行鑒定，通過算法識別替換特征邊界處的偽影等。

在工具的可獲得性方面，美國國防部高級研究計劃局的語義取證（SemaFor）計劃開發了一個有用的“深度偽造”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，其能從不同角度分析視頻內容，找出“深度偽造”內容。

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個堿基的DNA精準嵌入人類基因組。其他方法利用基于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個堿基的DNA。

中國科學院遺傳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2萬個堿基的DNA。這項技術可賦予作物抗病性和病原體抗性，延續基于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復雜的腦機接口設備。他們在肌萎縮性側索硬化癥患者的大腦中植入電極，然后訓練深度學習算法。經過幾周訓練，患者每分鐘能說出62個單詞。

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重神經損傷的人恢復失去的技能，并實現更大的獨立性，包括深度學習在內的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制出一款腦機接口神經假體，能讓因中風而無法說話的人以每分鐘78個單詞的速度交流。匹茲堡大學研究團隊將電極植入一名四肢癱瘓者的運動和體感皮層，以提供對機械臂的快速、精確控制以及觸覺反饋。腦機接口公司Synchron也在進行實驗，以測試一種允許癱瘓者控制計算機的系統。

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MINSTED的方法，使用專用光學顯微鏡，能以2.3埃（約1/4納米）的精度解析單個熒光標記。

較新的方法則使用傳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，可直接成像單個蛋白質和多蛋白復合物的精細結構。

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個數據集的綜合分析。《自然》雜志發布文章介紹了HuBMAP的進展，《科學》雜志也發布了詳細介紹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”來制造納米材料，但這項技術也面臨這一些亟待解決的障礙，如打印速度、材料限制等。

在提升速度方面，2019年，香港中文大學研究團隊證明，使用2D光片而非傳統脈沖激光器來加速聚合，可將制造速率提高1000倍。

并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方法：將光聚合水凝膠作為微尺度模板，然后將其注入金屬鹽并進行處理。這一方法有望利用堅固、高熔點的金屬和合金制造出功能性納米結構。