《自然》发布2024年值得关注的七大技术 | 简说基因 Curiosity

从蛋白质设计到3D打印,从大片段DNA插入到检测深度伪造内容……《自然》网站1月22日发布了“2024年值得关注的七大技术领域”,并指出人工智能(AI)的进步是这些最令人兴奋的技术创新应用的核心。

1. 深度学习助力蛋白质设计

从头设计蛋白质已经成熟为一种实用的工具,用于生成定制的酶和其他蛋白质。在这背后,深度学习功不可没。

其中,“基于序列”的算法使用大型语言模型,能够像处理包含多肽“单词”的文档一样,通过处理蛋白质序列辨别出真实蛋白质结构背后的模式。例如西班牙巴塞罗那分子生物学研究所开发的ZymCTRL,能利用序列和功能数据设计出天然酶。

基于结构的算法也不遑多让。美国华盛顿大学研究团队使用RFdiffusion设计的新蛋白质可与目标表面“完美吻合”,而更新版本的RFdiffusion能使设计者计算蛋白质的形状,为编码酶、转录调节剂、制造功能性生物材料等开辟了新途径。

2. 围追堵截“深度伪造”内容

生成式AI可在几秒钟内凭空创造出有说服力的文本和图像,包括所谓的“深度伪造”内容。

一种解决方案是生成式AI开发人员在模型输出中嵌入水印,其他策略侧重于对内容本身进行鉴定,通过算法识别替换特征边界处的伪影等。

在工具的可获得性方面,美国国防部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。美国水牛城大学研究团队也开发了算法库DeepFake-O-Meter,其能从不同角度分析视频内容,找出“深度伪造”内容。

3. 大片段DNA嵌入再接再厉

美国斯坦福大学正在探索单链退火蛋白(SSAP),其能将拥有2000个碱基的DNA精准嵌入人类基因组。其他方法利用基于CRISPR的先导编辑技术,将大片段DNA精确地嵌入基因组中。2022年,麻省理工学院研究人员首次描述了通过位点特异性靶向元件(PASTE)进行可编程添加,精确嵌入多达36000个碱基的DNA。

中国科学院遗传发育所研究员高彩霞领导的团队开发了PrimeRoot。这种使用先导编辑的方法能在水稻和小麦中嵌入多达2万个碱基的DNA。这项技术可赋予作物抗病性和病原体抗性,延续基于CRISPR的植物基因组工程的创新浪潮。

4. 脑机接口快速发展

美国斯坦福大学科学家开发出一种复杂的脑机接口设备。他们在肌萎缩性侧索硬化症患者的大脑中植入电极,然后训练深度学习算法。经过几周训练,患者每分钟能说出62个单词。

过去几年开展的多项此类研究,证明了脑机接口技术可帮助患有严重神经损伤的人恢复失去的技能,并实现更大的独立性,包括深度学习在内的AI技术在其中发挥了重要作用。

加州大学旧金山分校研究团队研制出一款脑机接口神经假体,能让因中风而无法说话的人以每分钟78个单词的速度交流。匹兹堡大学研究团队将电极植入一名四肢瘫痪者的运动和体感皮层,以提供对机械臂的快速、精确控制以及触觉反馈。脑机接口公司Synchron也在进行实验,以测试一种允许瘫痪者控制计算机的系统。

5. 分辨率精益求精

科学家正在努力缩小超分辨率显微镜与结构生物学技术之间的差距。这些新方法能以原子级分辨率重建蛋白质结构。

2022年,德国科学家借助名为MINSTED的方法,使用专用光学显微镜,能以2.3埃(约1/4纳米)的精度解析单个荧光标记。

较新的方法则使用传统显微镜来提供类似的分辨率。2023年,马克斯·普朗克生物化学研究所(MPIB)开发的序列成像(RESI)方法可分辨DNA链上的单个碱基对,用标准荧光显微镜展示了埃米级分辨率;德国哥廷根大学开发出“一步纳米级扩展”(ONE)显微镜方法,可直接成像单个蛋白质和多蛋白复合物的精细结构。

6. 全组织细胞图谱呼之欲出

各项细胞图谱计划正取得进展,其中最引人注目的是人类细胞图谱(HCA)。HCA包括人类生物分子图谱(HuBMAP)、细胞普查网络(BICCN)以及艾伦脑细胞图谱。

去年,数十项研究结果纷纷出炉。6月,HCA发布了对人类肺部49个数据集的综合分析。《自然》杂志发布文章介绍了HuBMAP的进展,《科学》杂志也发布了详细介绍BICCN工作的文章。

不过,HCA至少还要5年才能完成。届时,其将为人类带来巨大利益,科学家可使用图谱数据来指导组织和细胞特异性药物的研发。

7. 纳米材料3D打印持续改进

科学家目前主要借助激光诱导光敏材料的“光聚合”来制造纳米材料,但这项技术也面临这一些亟待解决的障碍,如打印速度、材料限制等。

在提升速度方面,2019年,香港中文大学研究团队证明,使用2D光片而非传统脉冲激光器来加速聚合,可将制造速率提高1000倍。

并非所有材料都可通过光聚合直接打印。2022年,加州理工学院团队找到了巧妙的解决方法:将光聚合水凝胶作为微尺度模板,然后将其注入金属盐并进行处理。这一方法有望利用坚固、高熔点的金属和合金制造出功能性纳米结构。

本文转载自科技日报(作者刘霞),文章不代表简说基因观点。

关于简说基因

  • 生信平台

    Galaxy中国(UseGalaxy.cn)致力于打造中国人的云上生物信息基础设施。大量在线工具免费使用。无需安装,用完即走。活跃的用户社区,随时交流使用心得。

  • 生信培训

    简说基因的生信培训班,荣获学员的一致好评。如果你也对生物信息学感兴趣,欢迎来跟简说基因,学真生信

  • 生信分析

    我们能够承接所有 NGS 组学数据分析业务,包括但不限于 WGS / WES / RNA-seq 等。基因组组装、注释,以及各种重测序业务都可以与简说基因合作。

内容概要:本文深入研究了基于优滑模控制的永磁同步电机(PMSM)调速系统模型,重点利用Simulink工具搭建并仿真了该控制系统的动态响应特性。文章系统阐述了优滑模控制策略的设计原理,突出其在削弱传统滑模控制固有抖振现象、增强系统鲁棒性方面的显著优势。通过与传统滑模控制方法的对比实验,充分验证了所提出方法在调速精度、抗外部干扰能力以及动态响应速度等方面的优越性能。研究内容涵盖PMSM数学建模、滑模面构造、优控制律推导、Lyapunov稳定性分析、参数整定及Simulink仿真验证等完整环节,形成了一套严谨的控制算法设计与实现流程。; 适合人群:具备自动控制原理、现代控制理论基础和MATLAB/Simulink仿真操作能力,从事电机驱动控制、电力电子与电力传动、运动控制或自动化等相关领域研究的工程技术人员及高校研究生。; 使用场景及目标:① 深入掌握滑模控制理论及其在高性能电机调速系统中的具体应用方法;② 学习如何设计并实现能够有效抑制抖振的优滑模控制器,以提升系统整体鲁棒性和控制品质;③ 利用Simulink平台独立完成从理论建模到仿真验证的全过程,服务于科研课题、课程设计或实际工程项目。; 阅读建议:建议读者务必结合MATLAB/Simulink环境动手复现文中模型,重点关注滑模切换面的设计准则、控制律的数学推导过程以及控制器参数的调节规律,并通过施加不同的负载扰动、设定多种转速指令等方式全面测试系统的动态与稳态性能,从而深刻理解优滑模控制的核心机理与工程应用价值。
内容概要:本文提出了一种基于数据驱动的Koopman算子与递归神经网络(RNN)相结合的模型线性化方法,旨在解决纳米定位系统中因强非线性、迟滞和蠕变效应导致的建模困难问题。该方法通过Koopman算子将非线性动态系统映射至高维线性空间,利用RNN学习系统的时间序列演化特征,从而实现对复杂动态行为的精确建模与预测,并进一步集成于模型预测控制(MPC)框架中,显著提升了纳米定位系统的控制精度、动态响应能力与运行稳定性。整个算法体系在Matlab平台上完成代码实现与仿真实验验证,展示了良好的控制性能与工程应用潜力。; 适合人群:具备控制理论、非线性系统建模、机器学习及智能控制基础,从事精密仪器控制、高端制造装备研发、自动化系统设计等领域的研究生、科研人员及工程技术开发者。; 使用场景及目标:①应对扫描探针显微镜、光刻机、超精密加工平台等纳米级定位设备中的非线性建模挑战;②提升高精度运动系统的实时预测控制性能,抑制迟滞与蠕变带来的定位误差;③为数据驱动的非线性系统线性化与先进控制策略(如MPC)的融合提供可复现、可扩展的技术范例。; 阅读建议:建议读者结合提供的Matlab代码,深入理解Koopman观测矩阵构造、RNN网络训练流程及MPC控制器设计之间的协同机制,重点关注数据预处理、特征提取、模型训练与闭环控制仿真的完整链路,以便在相似高精度控制系统中进行迁移与优化应用。
内容概要:本文围绕“主辅助服务市场出清模型研究【旋转备用】”展开,基于Matlab代码实现了电力系统中旋转备用辅助服务的市场出清机制建模与求解,属于SCI论文复现类科研仿真资源。研究聚焦于旋转备用资源的优化调度与定价逻辑,通过Matlab编程构建数学模型并进行数值求解,深入揭示电力市场中辅助服务的运行机理。该资源作为一系列电力系统、微电网优化、储能调度、路径规划等Matlab/Simulink仿真资料的重要组成部分,提供了可复用的代码框架与模型参考,有助于推动相关领域的科研进展和技术验证。; 适合人群:面向具备电力系统、自动化、能源优化等相关学科背景,熟悉Matlab编程环境,从事电力市场、可再生能源集成、智能电网等方向科研或工程仿真的研究生、高校教师、科研人员及电力行业工程师。; 使用场景及目标:① 学习并复现电力系统辅助服务市场中旋转备用的出清模型,掌握其优化建模方法;② 应用Matlab工具开展微电网、储能系统、电力市场出清等问题的建模与仿真研究;③ 借助提供的完整代码资源加速科研项目推进,提升论文复现效率与学术成果产出能力。; 阅读建议:建议结合电力市场基本理论与优化算法知识进行学习,重点关注模型构建的数学逻辑、约束条件设定及Matlab代码实现细节,同时可参考文中列出的其他相关仿真资源进行横向拓展研究,充分利用所附网盘资料开展实践验证与对比分析。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值