庄小威等大牛Nature发文：2018年技术展望TOP6

（转自：生命奥秘）

物联网已经改变了我们生活的方方面面。事实上，物联网和其它技术一起，也将会改变生命科学研究。

1. 重编码基因组

George Church，美国马萨诸塞州波士顿哈佛医学院（Harvard Medical School）遗传学家

尽管基因编辑工具CRISPR掀起了一波热潮，但它并不是那么高效和精确的，一次性编辑多个位点非常困难。我的实验室已经创下了迄今为止的最高纪录——一次对单个细胞的基因组进行了62次修改，但是有些研究需要同时进行更多的修改。现在，能同时完成多个基因位点修改的新技术问世了！

“密码子重编码”（Codon recoding）是一种完全通用的、使各种生物体对大部分或所有病毒产生抵抗，可一次精确改变每个细胞中成千上百个位点的基因编辑技术。每个密码子——一段长度为三个碱基的DNA，如TTG，对应于一个特定的氨基酸，如亮氨酸或翻译信号（起始、终止等）。鉴于六个密码子可以编码成亮氨酸，我们可以利用遗传密码中的冗余来替换任何一个密码子。一旦完成这些交换，我们剔除了与切除的密码子相对应的亮氨酸转移RNA（tRNA）的基因，所以细胞不能再识别该序列。

现在，当一种病毒感染一种具有所有这些密码子的细胞时，由于缺少tRNA，病毒不能将其信使RNA转录成蛋白质，病毒就会死亡。病毒并不顽强，杀死它们轻而易举。

为了一次做出多个精确的改变，我们使用多重自动基因组工程（multiplexed automated genome engineering, MAGE）技术。包含想要的碱基对的遗传物质短片段被研究人员引入到防止DNA错配修复的细胞中。经过几轮细胞复制后，这些遗传物质被完全整合到细菌基因组中。

从理论上讲，这可以在任何一个细菌是有害的生物体——乳制品工业中使用的微生物和农业上重要的植物和动物——中完成。此外，研究人员还可以构建抗病毒的猪，用于产生可移植的器官；以及耐病毒的人类细胞，用于生产药物和疫苗。

这个技术最棒的地方在于你可以让一个生物体抵抗所有的病毒——甚至是从未被研究过的病毒。事实上，重编码技术能做的事情远不止于此。哈佛医学院（Harvard Medical School）的Pamela Silver和加利福尼亚州Synthetic Genomics公司的Daniel Gibson合作开发了另一种重编码技术来改进鼠伤寒沙门氏菌（Salmonella typhimurium）的疫苗株。

研究人员还可以重编码一种生物体，将非标准的氨基酸引入蛋白质中，以便引入生物体中原先不存在的化学物质：发光或与核酸结合，或形成不寻常的键的氨基酸。生物体中存在20种氨基酸，当你引入新的氨基酸时，全新的生化问题就出现了。英国剑桥MRC分子生物学实验室（MRC Laboratory of Molecular Biology）的Jason Chin团队正在使用这种方法，从蛋白水平上对果蝇进行精确编辑。

最后，重编码技术为生物防护（bio-containment）提供了强有力的策略。如果一个抗病毒的生物体逃离实验室，进入自然环境，即使它们对环境无害，它们也会因为具有生存优势，在自然选择中胜出。使用这些非标准的氨基酸，你可以设计一个只有在被给予某种营养条件下才能生长的生物体。这就是一种新型的实验生物体的“防逃脱”策略。

2. 转录组图谱绘制

庄小威，美国马萨诸塞州剑桥市哈佛大学高级成像中心（Center for Advanced Imaging，Harvard University）主任

最近推出的人类细胞图谱（Human Cell Atlas, HCA）计划旨在确定人体内所有的细胞类型，并绘制其空间分布，该计划目标远大。这个规模的项目将需要许多辅助技术。

单细胞RNA测序（Single-cell RNA sequencing）是识别不同细胞类型的有效方法，也是绘制HCA的重要工具，但它需要将组织分离成单个细胞，然后再分离出RNA。这种处理方式去除了组织中细胞的空间环境信息——这些细胞是如何组织在一起并相互作用的相关信息。

我们希望通过对完整组织中细胞的转录谱进行成像来研究这种空间背景。我的实验室正在开发多重抗误差矫正荧光原位杂交技术（multiplexed error-robust fluorescence in situ hybridization, MERFISH）——一种基于图像的单细胞转录组学方法。

MERFISH使用出错率低的条形码识别细胞中的每种不同类型的RNA，以大规模复合方式标记和连续成像来检测这些条形码（图：转录组学图谱绘制）。

MERFISH技术可以在单细胞中对1000种不同的mRNA进行成像。随着进一步发展，MERFISH有可能检测完整组织的细胞中的全部转录组。

这种空间分辨的RNA分析数据将为我们提供HCA的物理图像——我们可以对单个细胞进行成像，通过其基因表达谱对其进行分类，并映射其空间组织。它还可以与其它成像技术获得的细胞形态和功能数据相结合，进一步丰富这些图像。

目前，我们对细胞图谱的描述大多不完整。如果你没有一个整体性的图片，你很难知道遗失了哪些信息——更不用说怎样设计有效的治疗方法来治疗疾病了。

3. 促进癌症疫苗的应用

Elaine Mardis，俄亥俄州哥伦布市全国儿童医院基因组医学研究所（Institute for Genomic Medicine，Nationwide Children’s Hospital）联合执行主任

在癌症免疫基因组学领域，研究人员想知道哪些由癌症基因组编码的突变蛋白能够在给定的个体中引发免疫应答。这种称为新抗原的蛋白质可用于开发个性化癌症疫苗或其它药物。

一种可用于研究这些新抗原的技术是CyTOF，它是一种用于鉴定表达特定蛋白的细胞的大规模细胞计数方法。

在典型的流式细胞术中，研究人员用荧光分子标记的抗体与细胞混合以标记感兴趣的蛋白质。然后逐个分析细胞，以这些蛋白质为基础测量它们的相对丰度。而CyTOF用质谱仪中检测到的金属标签取代了有限数量的荧光标签——与流式细胞仪相比，CyTOF的标签有100种，甚至更多。

这项技术可以改变癌症免疫基因组学领域，从而帮助研究人员确定癌症细胞中表达最多的、最能引起免疫系统应答的新抗原。然后研究人员可以使用这些信息来创建个性化的抗癌“疫苗”。这些疫苗与新型的、打开免疫系统开关的癌症药物结合使用，从而使癌症患者依靠自身免疫击败癌症。

但对于基因组预测的任何给定的新抗原，它是否会引起显著的免疫应答需要深入研究。CyTOF将通过量化多个预测肽与人类T细胞的结合强度，来帮助我们深入了解这个问题。

这不仅仅是癌症基因组学。只要能找到与你感兴趣的蛋白结合的抗体，你就可以用 CyTOF追踪由细胞产生的该蛋白质的丰度和组成。这使我们能够以前所未有的精准度和多维度来追踪蛋白。

4. 连接基因型和表型

Ruedi Aebersold，瑞士苏黎世联邦理工学院分子系统生物学研究所（Institute of Molecular Systems Biology, ETH Zurich）系统生物学家

很明显，我们生活在一个非常有趣的时代——我们拥有海量的关于遗传变异的高质量基因组信息。与此同时，我们可以收集到大量与人口有关的健康相关数据：从日常体检数据到临床成像数据。诀窍是把两者联系起来，特别是在医学方面，如果我们想将遗传变异转化为治疗，那么我们就需要了解疾病发生、发展的机制。

这个环节的关键是分析蛋白质复合物，这是细胞的功能单位。我们如何从大数据——例如卵巢癌的基因组——找出哪些蛋白质复合物受到干扰以及这些干扰如何发生？

其中一种方法是把计算和定量蛋白质组学结合在一起，然后对肿瘤和对照样本中的数千种蛋白质进行准确地定量。现在我们可以使用SWATH-MS（sequential window acquisition of all theoretical mass spectra）等技术来产生这样的数据组。复杂的蛋白质将具有高度的共变——即丰度同时增加或减少。但如果复合体由于突变或结构变化而受到干扰，失去亚基，那么亚基的协方差（co-variance）就会有差异。这是鉴定在癌症中受到干扰的蛋白质复合物的一种方法。

然后我们可以使用低温电子显微镜单粒子分析（cryo-electron microscopy single-particle analysis）或低温电子断层扫描（cryo-electron tomography, CET）在结构水平上研究这种发生变化的蛋白复合物，两者对分子进行成像的分辨率可以高达5-10埃。这足以显示突变如何改变蛋白质的组成、拓扑、结构和功能了。

CET还能够揭示蛋白结构如何随其它条件改变而发生变化，例如蛋白磷酸化对其结构的改变。2018年的重大进展将会是聚焦离子束刻蚀技术的改进。这种技术对哺乳动物的细胞或组织进行切片，得到一层非常薄的样本（CET对样本厚度有严格要求），从而可以在细胞背景下观察到特定蛋白质复合物的结构。

总之，这些技术将帮助我们了解在疾病情况下，蛋白质复合物如何在分子水平上受到干扰。这将有助于设计靶向性药物来清除、灭活或激活该蛋白。

5. 扩展基因组序列分析

Rebecca Calisi Rodríguez，加州大学戴维斯分校（University of California, Davis）生殖生物学家

2000年，我开始读研究生时，发现了一种全新的激素——促性腺激素抑制激素（gonadotropin inhibitory hormone, GnIH）。当动物情绪压抑时，该激素会抑制生殖。 GnIH的研究彻底改变了我们对大脑如何调节生殖的理解。我想，“还有什么是我们不知道的？什么时候下一个发现会彻底改变我们对生殖的理解？”

现在，多亏基因组和转录组的高通量DNA测序技术，新发现层出不穷。15年前，对人类全基因组进行测序需要花费大约30亿美元。现在只需要几千美元，而且价格还在下降。这很重要，因为它使我们能够调查那些在生态系统和生境中的、通常不能在实验室研究的动物，这些动物有可能产生更多重要的生理数据。

作为一名生殖生物学家，我感到特别兴奋的是，这使我们能更加了解性行为和生殖的调控是复杂，甚至不协调的。

我们最近使用RNA测序来更深入地了解鸽子的生殖系统如何对压力做出反应。慢性压力会破坏生殖，我们想知道其完整机制。

我们正在研究在生殖轴——大脑中的下丘脑、脑下垂体和生殖腺——中转录活跃的每一个基因的活性。这个庞大的数据集已经产生了数百个关于压力如何影响生殖的猜想。这些将有助于开发新的基因疗法或药物来治疗成千上万的不孕不育男女。

除此之外，我们也可以对现实世界里的所有动物进行测序。例如，野鸽可以作为评估暴露于环境中有害物质对生殖轴的影响的有力模型。我们的研究结果显示，自由放养的鸽子在环境中经历的有害物质暴露，与居住在同一社区的人类相同。过去金丝雀被用于评估矿坑中的化境指示，现在我们也可以把鸽子作为环境中有害物质的生物指示剂。测序技术可以让我们确定这些暴露如何影响正常的生殖系统。

我们可以把新技术与“老派”的科学工具结合起来，以前所未有的方式扩大发现。我们可以在自然环境中实时观察鸽子，描绘它们基因组和蛋白质组的变化，并观察对繁殖的影响。我们是当代基因水平的自然历史学家。

6. 建立科学的物联网

Vivienne Ming，加州大学伯克利分校Socos Labs实验室理论神经科学家兼执行主席

Apple watch等设备启发了科学物联网的发展

物联网包括所有那些在家庭中变得常见的互联网设备——Google Home、Nest恒温器和智能手机。它们是大规模群体智能的传感器和执行器。我们把一个单一的Alexa设备——亚马逊开发的互联网连接的智能助手视为一个单独的个人助理，但由于数以百万计的家庭在使用Alexa，因此形成了一个分布式多传感器阵列，并产生海量数据。然而，与其将其视为数以百万计的个人机器人，不如将其看成一个不断学习的单一人工智能（artificial intelligence, AI），每一个家庭的行为都会影响其学习。

这些分布式的智能正在改变我们的生活，同时也可能在科学上产生变革。我希望并相信我们已经做好准备，研究人员展开分布式科学物联网（Internet of Scientific Things, IoST）合作——这是一个将分布式传感器和执行器连接到一个强大的机器学习平台的开放式系统，它可推动全球范围的实验。即使这个系统的简单版本也有巨大的能力。Google发现，它的智能手机可以从手机加速度计和陀螺仪检测到的步态变化中发现帕金森病的早期症状。使用扩展的智能手机传感器，我的团队能够预测双相情感障碍患者的躁狂发作。但是现在，大多数科学家无法获得这种实验性的力量。

试想一下，如果研究人员能够访问运行IoST应用的智能手机、智能手表和应用程序以及世界各地实验室传感器的数据，世界会怎样？同时，AI系统可以挖掘你的研究领域已知的数据和研究。这与目前识别销售人员隐藏的商业关系的商业智能类似，物联网的智能交易将增加科学家寻找与其领域相关数据的能力。如果我的神经影像软件直接插入IoST平台，并实时访问数据。那么不仅是我的实验室，而是我的领域内外的每个人，都能够登录平台来访问这些数据。或者你也可以关注你的领域五个大牛的最新活动。

不可否认，这些大规模分布式系统中存在着可怕的因素。某些组织是否会对数据进行限制性控制？这些新平台的研究结果是否会通过传统的科学出版商，通过阿里巴巴或亚马逊这样的公司，或者像GitHub和arXiv这样的开放获取平台来发布？严重的获取和研究伦理问题必须被解决，而转型迫在眉睫。

各个实验室和研究人员已经在充分利用这些可能性。但科学界必须起到领头羊的作用。如果科学家自己建立这些系统，就可以使出版更加平等、数据收集更可共享，以及科学更透明。否则，其它组织会搭建这个平台。但是科学这把双刃剑不应该被少数人握在手里，科学成果应该属于全人类！

—— 推荐朋友们阅读！——

欢迎联系我们！[e-mail]