2018年，新的生物技术将带给我们哪些惊喜？惊喜年年有

转载请注明：解螺旋·临床医生科研成长平台

这些年，一项项新的生物科研成果喷薄而出，让人目不暇接，又充满期待。不知它们是否已准备好走进应用？Nature对几位话题中心的学者进行了访谈，让我们看看他们对潮流的解读！

基因组重编码

George Church

：

马

萨

诸

塞州

波士顿哈佛大学医学院遗传学家

。

尽管基因编辑工具CRISPR令人十足兴奋，但它其实没那么高效或精准。要一次性改变这些问题也很难。我的实验室目前已经达成了重编码——在单细胞基因组中做了62个修饰——但我们有强烈的应用目的，这需要更大量的改变。现在，我们有了实现它的技术。

“密码子重编码”是一套完全的遗传学方法，来使任何有机体能抵抗大多数或所有病毒，而且要求在每个细胞中做出成千上万的精准改变。

每个密码子，即三个碱基为一组的DNA，例如TTG，对应一个特定的氨基酸，如亮氨酸，或一个翻译信号（如起始、终止等）。而亮氨酸有六个密码子，这么多的余量，任一个都可以用另一个替换。做好这些交换之后，我们就删除与被换掉的密码子相匹配的亮氨酸转移RNA (tRNA)，于是这个细胞再也不认识这段序列了。

现在，当病毒感染了那些密码子全被重编码的细胞时，它由于缺乏相应的tRNA，就无法从mRNA中翻译出蛋白来，病毒便死掉了。病毒也不是打不死的小强，把它们扔出局也不花多少力气。

为了一次性做出多项精确的改变，我们用了多元自动化基因组工程（MAGE）技术。含有精确碱基对改变的遗传物质的短片段被引入到细胞中，这些细胞被阻止进行DNA错配修复。几轮细胞复制之后，这些改变便全部被整合到细菌基因组中。

理论上，这个过程可以在各种有病毒问题困扰的生命体中进行。此外，研究者们还能造出抗病毒猪，其器官可用于移植；还有抗病毒的人类细胞，用于生产药物和疫苗。

这里真正结棍的地方是，咱有潜力让一个生物对所有病毒都有抵抗力——甚至对我们从未研究过的病毒。但重编码还有许多其他的用武之地。哈佛医学院的Pamela Silver和加州拉霍亚研究所合成基因组学的Daniel Gibson合作，开发另一个重编码技术来改善伤寒沙门菌（Salmonella typhimurium）的疫苗菌株。

研究者们也可以将一个生命体重编程，把非标准氨基酸整合到蛋白质中，来制造该生物体内本来没有的化合物：荧光氨基酸、类核酸或形成不寻常的结合方式。当你不再被习以为常的20种氨基酸所束缚后，便打开了生化的新世界。

英国剑桥MRC分子生物学实验室的Jason Chin正在使用这个方法，在果蝇中从分子水平对蛋白质进行精确改变。

最后，也很重要的一点是，重编码为生物污染埋下了隐患。如果一种抗病毒生物逃了出去，哪怕它们对环境无“害”，还会有可能通过优势占领自然栖息地而“胜出”。利用这些非标准氨基酸之一，你可以让一种生物只有在提供该种养份的情况下才能存活，这便是一种阻止它们逃出实验室的策略。

绘制转录组图谱

庄小威：

马萨诸塞州哈佛大学高级影像学中心主任

一项新的国际项目刚刚启动——人类细胞图谱（Human Cell Atlas, HCA），旨在鉴定人体内的所有细胞类型，并测绘出它们的空间组织结构。这是一个大目标，这种规模的项目会需要许多综合技术的支持。

单细胞RNA测序是一种很强大的方法，能鉴定不同的细胞类型，也是HCA的一种重要工具，但它要求把组织样本拆成一个个细胞，再分离RNA。这就没法保留细胞在样本中的空间定位信息——它们是如何组织并交互的。

我们希望有一种技术能够绘制出细胞在完整组织中的转录谱，并提供其空间文脉信息。我的实验室正在研发MERFISH (multiplexed error-robust fluorescence in situ hybridization)，这是一种基于图像的单细胞转录组学方法。

MERFISH通过error-robust条码来鉴定细胞中各种不同的RNA类型，而这些条码又是通过一套庞大的多重化方法的组合标签及系列图像检测的。

来源：庄小威

我们已经看到，它可以对单细胞中的1000个不同的mRNA进行显像。再继续研发，MERFISH有潜力检测完整组织的细胞中的整个转录组。

这个具有空间分辨力的RNA谱数据能给我们一个对HCA的直观印象，我们能绘制单个细胞，将它们按基因表达谱分类，并测绘出它们的空间组织形态。此外还可能联合形态学数据，以及其他成像技术所描述的细胞功能，来进一步丰富这个图景。

而此时此刻，我们的细胞图谱仍远远不完整。如果你不是胸有成竹，则可能连错过了什么都不知道，更别说在疾病研究中如何设计有效的疗法。

癌症疫苗的兴起

Elaine Mardis：

俄亥俄州哥伦比亚国家儿童医院医学遗传学中心联合执行官。

在癌症的免疫基因组学领域，研究者们想知道在某个特定的人身上，哪个癌症基因组编码的蛋白的突变会引起免疫应答。这类蛋白称为“新抗原（neo-antigens）”，可利用来研究个体化的癌症疫苗，或提示其他治疗方法。

有种令人振奋的技术可用于研究这类新抗源，叫CyTOF，质谱流式细胞术，用来鉴定表达某种特定蛋白的细胞。

在典型的流式细胞术中，研究者们将标记有荧光分子的抗体与细胞混合，从而标记感兴趣的蛋白。然后细胞们一个个被分析，测定那些蛋白的相对丰度。但其局限性在于荧光标签屈指可数，而CyTOF则采用金属标签，在质谱仪中检测——一次可检测上百种不同的标签，而同样条件下流式细胞可能只有十来个标签。

这项技术可能会改变癌症免疫基因组学领域，让研究者们能找到一个人的癌细胞中，哪种新抗原的丰度最高，最可能激起免疫系统的强烈反应。于是研究者便可利用这些信息来制造个体化的抗癌症“疫苗”。新的免疫检查点抑制剂联合应用，可让癌症患者自己战胜病魔。

但对于任何由基因组预测到的新抗原，它是否真的会起显著的免疫反应仍是个推测性的工作。CyTOF则让我们得以定量检测多种预测的多肽与个人T细胞的结合强度，从而进一步确认其可能性。

此外，它也并不仅仅是用于癌症基因组学研究。CyTOF可用来检测细胞中各种蛋白的丰度，只要你能找到抗体来跟你的目标蛋白结合。它让我们得以从蛋白质层面讨论问题，比过去的方法维度更多，精度更高。

连接基因型和表型

Ruedi Aebersold：

瑞士苏黎世分子系统生物学研究所，系统生物学家。

显然，我们生活在一个更有趣的时代，有大量关于基因变异的高质量基因组信息。同时，我们可以收集大量人群的健康数据，从一天走了多少步到血压、临床影像等不一而足。难点在于把这些信息跟基因组对接起来。尤其是在医学上，如果我们想把一种基因变异转化成治疗方法，就需要了解那些被疾病所扰乱的生物进程。

这种对接的关键点是分析蛋白复合物，它们是细胞的功能单元。我们怎么才能从大数据中——比如卵巢癌的基因组数据——研究出哪个蛋白复合物在其中出现了异常，又是如何异常？

有一种办法是融合了计算和定量蛋白组学，在几组肿瘤和对照样本中对几千种蛋白质进行持续且精确的定量测定。现在这类数据可通过质谱流式细胞术产生，例如SWATH-MS（sequential window acquisition of all theoretical mass spectra）。

复合的蛋白质一般来说会有更高程度的共变异——就是说，同时发生丰度的增高或减少。但如果复合物是由于突变或结构改变而发生的异常或失去亚单位，则亚单位的共变异特征会有所不同。这是癌症中找到蛋白复合物异常的一种方法。

这种发生变异的复合物后续可通过低温电子扫描术（CET）来从结构层面进行研究，它能以5-10 ?的分辨率对分子进行成像。这个分辨率足够看清突变对蛋白质复合物的组份、形态、结构造成了什么影响，干扰了什么功能。

CET还能让人看到这些复合物的结构是怎样跟其他模块一起发生改变，如一组磷酸基团与整个分子的互动。2018年一个真正有影响的进展将会是聚焦离子束铣削的改进。这个技术通过获取薄薄的哺乳动物的细胞或组织切片，来在细胞环境中观察某个特定蛋白复合物的结构。

总的来说，这些技术将会从分子层面增进我们对疾病中蛋白复合物如何发生变异的理解，也能提示我们如何制造一种药物去清除它、让它失活，或恢复它的正常活动。

基因组序列分析的延续

Rebecca Calisi Rodríguez：

加州大学戴维斯分校，生殖生物学家

我研究生刚入学那会，对2000年发现的一种全新的激素深深地着迷，那是促性腺激素抑制激素（GnIH），当动物处在应激状态时，会对生殖轴产生抑制作用。对GnIH的研究完全颠覆了我们对大脑如何调控生殖的认识。

我曾经以为：“唉，我们还有啥是不知道的呢？下一个完全改变我们对生殖的理解的大发现会在啥时候到来呢？”

现在，要感谢基因组和转录组的高通量测序，发现的速度得以飙升。15年前，测人类基因组序列要花大约30亿美元，现在只要几千元，而这成本还在下降。这使得我们可以研究更多实验室中不常见的动物，在它们赖以生存的生态栖息地中，这将更有潜力获得一些切合生理状态的数据。

作为一个生殖生物学家，我尤其感到兴奋的是它可能让我们更深地了解驱使动物性行为和生殖的各种机制的大和谐——也许不和谐。我们最近用RNA测序的方法进一步研究了普通鸽子的生殖轴如何应对刺激。慢性应激可能扰乱生殖功能，而我们想知道这其中的来龙去脉。

我们在观察生殖轴中转录着的各个基因在应激状况下的活动——下丘脑、垂体和性腺。这些海量数据也产生了上百种假设，也许可以成为新发现的生殖应激反应的机制。这也可能为广大不孕不育男女带来新的基因干预手段或疗法。

退一步讲我们也能受益，还可以在真实世界中检验所有动物。比如，鸽子可以成为一种有力的模式生物，观察暴露于环境中的危险物质（或称“暴露组”）对生殖轴可能产生的影响。

我们发现，野生鸽子与邻近区域内人类豢养的鸽子会暴露于相似的环境威胁。我们可以像煤矿业中利用金丝雀那样利用鸽子，将其作为环境危险物质的指示生物。测序技术则让我们得以探知这些暴露因素如何影响高度保守的生殖轴。

我们可以将现代的崭新技术跟“老学究”们使用的研究工具结合起来，做一些前所未有的探索。我们可以在鸽子的栖息地中实时观测它们，提取它们基因组和蛋白组的变化的特征，观察其对生殖的影响。

我们是这个时代基因层面上的自然史学家。

科学物联网的组建

Vivienne Ming：

加州伯克利Socos实验室执行主席，理论神经科学家

物联网，所有互联网赋予其功能的设备已成为居家必备——Alexa，Google家居，Nest恒温器，智能手机——它们是一个庞大的智能网络的感受器和效应器。

比如，说到Alexa，我们通常只觉得它是亚马逊开发的连网的个人智能辅助设备，但或许这样看它会更准确：即一个广泛分布的多元传感芯片的一部分，延伸向千家万户，它们成就了一个巨大的试验网络，这才是真实的Alexa。并不像成百上千的单体机器人，它是一个能够持续学习、了解世界的人工智能（AI），一个家庭对它的使用会影响它对另一个家庭的探索。

这些分布式的人工智能正在改变我们的生活，它们也可以改头换面进入科研界。我相信我们已准备好，让研究者们着手合作研发一个分布式科研物联网（Internet of Scientific Things, IoST）——一个开放的系统，可将分布在各处的感受器和效应器与强大的机器学习平台连接起来，驱动全球规模的实验。

Apple Watch之类的设备为科学物联网的开发提供灵感。摄影：David Paul Morris/Bloomberg/Getty

这样的系统，即便规模尚小，也有无穷的力量。Google发现，它们的智能手机上的加速计和回转仪可以探测到帕金森病早期的步态改变。我的组用了扩展版的智能手机感受器，可预测到双相障碍患者的躁狂发作期。但现阶段，这类实验的效率尚不能被广大研究者接受。

设想研究者们若能从智能手机、智能手表及各种设备上运转的科学物联网APP上获取数据，加上全球各种传统的传感器收集到的信息，再加上AI系统对已发表的相关数据的挖掘，会有什么样的作为呢？

有点像现在的商用AI为销售人员探测到的隐藏商机，IoST的AI也能为科研人员猎取他们所在领域的数据。如果我的神经成像软件直接就是IoST平台的插件，可以实时获取数据，且不仅是我的实验室可以获取，而是我的领域内外的每个人，这会怎样呢？或者我们也可以借助这个平台，发现5个新同行们正在干些什么。想一想吧。

也得承认，这些广泛分布的系统也有其可怕的一面。是否会有某个组织对这些数据有限制管控的权力？从这些新平台上而来的发现是否还会走传统的科研发表途径？还是通过阿里巴巴、亚马逊之类的公司，或者通过开放平台如GitHub或arXiv？关于获取和伦理，必定还有很多严肃的事务需要商榷，但改变已悄然发生。

一些实验室和研究者已经在发力推动这种可能性。科学共同体必须占据主导地位。如果我们科学家自己建立了这套系统，我们可以让发表更平等，数据更共享，科研更透明。要不然，定会有其他人为我们建好它。科学的惊艳传统不该糊在少数人手里。

本文编译自：

http://www.nature.com/articles/d41586-018-01021-5