2018年，新的生物技術將帶給我們哪些驚喜？
轉載請註明：解螺旋·臨床醫生科研成長平台
這些年，一項項新的生物科研成果噴薄而出，讓人目不暇接，又充滿期待。不知它們是否已準備好走進應用？Nature對幾位話題中心的學者進行了訪談，讓我們看看他們對潮流的解讀！
基因組重編碼
George Church：馬薩諸塞州波士頓哈佛大學醫學院遺傳學家。
儘管基因編輯工具CRISPR令人十足興奮，但它其實沒那麼高效或精準。要一次性改變這些問題也很難。我的實驗室目前已經達成了重編碼——在單細胞基因組中做了62個修飾——但我們有強烈的應用目的，這需要更大量的改變。現在，我們有了實現它的技術。
「密碼子重編碼」是一套完全的遺傳學方法，來使任何有機體能抵抗大多數或所有病毒，而且要求在每個細胞中做出成千上萬的精準改變。
每個密碼子，即三個鹼基為一組的DNA，例如TTG，對應一個特定的氨基酸，如亮氨酸，或一個翻譯信號（如起始、終止等）。而亮氨酸有六個密碼子，這麼多的餘量，任一個都可以用另一個替換。做好這些交換之後，我們就刪除與被換掉的密碼子相匹配的亮氨酸轉移RNA (tRNA)，於是這個細胞再也不認識這段序列了。
現在，當病毒感染了那些密碼子全被重編碼的細胞時，它由於缺乏相應的tRNA，就無法從mRNA中翻譯出蛋白來，病毒便死掉了。病毒也不是打不死的小強，把它們扔出局也不花多少力氣。
為了一次性做出多項精確的改變，我們用了多元自動化基因組工程（MAGE）技術。含有精確鹼基對改變的遺傳物質的短片段被引入到細胞中，這些細胞被阻止進行DNA錯配修復。幾輪細胞複製之後，這些改變便全部被整合到細菌基因組中。
理論上，這個過程可以在各種有病毒問題困擾的生命體中進行。此外，研究者們還能造出抗病毒豬，其器官可用於移植；還有抗病毒的人類細胞，用於生產藥物和疫苗。
這裡真正結棍的地方是，咱有潛力讓一個生物對所有病毒都有抵抗力——甚至對我們從未研究過的病毒。但重編碼還有許多其他的用武之地。哈佛醫學院的Pamela Silver和加州拉霍亞研究所合成基因組學的Daniel Gibson合作，開發另一個重編碼技術來改善傷寒沙門菌（Salmonella typhimurium）的疫苗菌株。
研究者們也可以將一個生命體重編程，把非標準氨基酸整合到蛋白質中，來製造該生物體內本來沒有的化合物：熒光氨基酸、類核酸或形成不尋常的結合方式。當你不再被習以為常的20種氨基酸所束縛後，便打開了生化的新世界。
英國劍橋MRC分子生物學實驗室的Jason Chin正在使用這個方法，在果蠅中從分子水平對蛋白質進行精確改變。
最後，也很重要的一點是，重編碼為生物污染埋下了隱患。如果一種抗病毒生物逃了出去，哪怕它們對環境無「害」，還會有可能通過優勢佔領自然棲息地而「勝出」。利用這些非標準氨基酸之一，你可以讓一種生物只有在提供該種養份的情況下才能存活，這便是一種阻止它們逃出實驗室的策略。
繪製轉錄組圖譜
庄小威：馬薩諸塞州哈佛大學高級影像學中心主任
一項新的國際項目剛剛啟動——人類細胞圖譜（Human Cell Atlas, HCA），旨在鑒定人體內的所有細胞類型，並測繪出它們的空間組織結構。這是一個大目標，這種規模的項目會需要許多綜合技術的支持。
單細胞RNA測序是一種很強大的方法，能鑒定不同的細胞類型，也是HCA的一種重要工具，但它要求把組織樣本拆成一個個細胞，再分離RNA。這就沒法保留細胞在樣本中的空間定位信息——它們是如何組織並交互的。
我們希望有一種技術能夠繪製出細胞在完整組織中的轉錄譜，並提供其空間文脈信息。我的實驗室正在研發MERFISH (multiplexed error-robust fluorescence in situ hybridization)，這是一種基於圖像的單細胞轉錄組學方法。
MERFISH通過error-robust條碼來鑒定細胞中各種不同的RNA類型，而這些條碼又是通過一套龐大的多重化方法的組合標籤及系列圖像檢測的。
來源：庄小威
我們已經看到，它可以對單細胞中的1000個不同的mRNA進行顯像。再繼續研發，MERFISH有潛力檢測完整組織的細胞中的整個轉錄組。
這個具有空間分辨力的RNA譜數據能給我們一個對HCA的直觀印象，我們能繪製單個細胞，將它們按基因表達譜分類，並測繪出它們的空間組織形態。此外還可能聯合形態學數據，以及其他成像技術所描述的細胞功能，來進一步豐富這個圖景。
而此時此刻，我們的細胞圖譜仍遠遠不完整。如果你不是胸有成竹，則可能連錯過了什麼都不知道，更別說在疾病研究中如何設計有效的療法。
癌症疫苗的興起
Elaine Mardis：俄亥俄州哥倫比亞國家兒童醫院醫學遺傳學中心聯合執行官。
在癌症的免疫基因組學領域，研究者們想知道在某個特定的人身上，哪個癌症基因組編碼的蛋白的突變會引起免疫應答。這類蛋白稱為「新抗原（neo-antigens）」，可利用來研究個體化的癌症疫苗，或提示其他治療方法。
有種令人振奮的技術可用於研究這類新抗源，叫CyTOF，質譜流式細胞術，用來鑒定表達某種特定蛋白的細胞。
在典型的流式細胞術中，研究者們將標記有熒光分子的抗體與細胞混合，從而標記感興趣的蛋白。然後細胞們一個個被分析，測定那些蛋白的相對丰度。但其局限性在於熒游標簽屈指可數，而CyTOF則採用金屬標籤，在質譜儀中檢測——一次可檢測上百種不同的標籤，而同樣條件下流式細胞可能只有十來個標籤。
這項技術可能會改變癌症免疫基因組學領域，讓研究者們能找到一個人的癌細胞中，哪種新抗原的丰度最高，最可能激起免疫系統的強烈反應。於是研究者便可利用這些信息來製造個體化的抗癌症「疫苗」。新的免疫檢查點抑製劑聯合應用，可讓癌症患者自己戰勝病魔。
但對於任何由基因組預測到的新抗原，它是否真的會起顯著的免疫反應仍是個推測性的工作。CyTOF則讓我們得以定量檢測多種預測的多肽與個人T細胞的結合強度，從而進一步確認其可能性。
此外，它也並不僅僅是用於癌症基因組學研究。CyTOF可用來檢測細胞中各種蛋白的丰度，只要你能找到抗體來跟你的目標蛋白結合。它讓我們得以從蛋白質層面討論問題，比過去的方法維度更多，精度更高。
連接基因型和表型
Ruedi Aebersold：瑞士蘇黎世分子系統生物學研究所，系統生物學家。
顯然，我們生活在一個更有趣的時代，有大量關於基因變異的高質量基因組信息。同時，我們可以收集大量人群的健康數據，從一天走了多少步到血壓、臨床影像等不一而足。難點在於把這些信息跟基因組對接起來。尤其是在醫學上，如果我們想把一種基因變異轉化成治療方法，就需要了解那些被疾病所擾亂的生物進程。
這種對接的關鍵點是分析蛋白複合物，它們是細胞的功能單元。我們怎麼才能從大數據中——比如卵巢癌的基因組數據——研究出哪個蛋白複合物在其中出現了異常，又是如何異常？
有一種辦法是融合了計算和定量蛋白組學，在幾組腫瘤和對照樣本中對幾千種蛋白質進行持續且精確的定量測定。現在這類數據可通過質譜流式細胞術產生，例如SWATH-MS（sequential window acquisition of all theoretical mass spectra）。
複合的蛋白質一般來說會有更高程度的共變異——就是說，同時發生丰度的增高或減少。但如果複合物是由於突變或結構改變而發生的異常或失去亞單位，則亞單位的共變異特徵會有所不同。這是癌症中找到蛋白複合物異常的一種方法。
這種發生變異的複合物後續可通過低溫電子掃描術（CET）來從結構層面進行研究，它能以5-10 ?的解析度對分子進行成像。這個解析度足夠看清突變對蛋白質複合物的組份、形態、結構造成了什麼影響，干擾了什麼功能。
CET還能讓人看到這些複合物的結構是怎樣跟其他模塊一起發生改變，如一組磷酸基團與整個分子的互動。2018年一個真正有影響的進展將會是聚焦離子束銑削的改進。這個技術通過獲取薄薄的哺乳動物的細胞或組織切片，來在細胞環境中觀察某個特定蛋白複合物的結構。
總的來說，這些技術將會從分子層面增進我們對疾病中蛋白複合物如何發生變異的理解，也能提示我們如何製造一種藥物去清除它、讓它失活，或恢復它的正常活動。
基因組序列分析的延續
Rebecca Calisi Rodríguez：加州大學戴維斯分校，生殖生物學家
我研究生剛入學那會，對2000年發現的一種全新的激素深深地著迷，那是促性腺激素抑制激素（GnIH），當動物處在應激狀態時，會對生殖軸產生抑制作用。對GnIH的研究完全顛覆了我們對大腦如何調控生殖的認識。
我曾經以為：「唉，我們還有啥是不知道的呢？下一個完全改變我們對生殖的理解的大發現會在啥時候到來呢？」
現在，要感謝基因組和轉錄組的高通量測序，發現的速度得以飆升。15年前，測人類基因組序列要花大約30億美元，現在只要幾千元，而這成本還在下降。這使得我們可以研究更多實驗室中不常見的動物，在它們賴以生存的生態棲息地中，這將更有潛力獲得一些切合生理狀態的數據。
作為一個生殖生物學家，我尤其感到興奮的是它可能讓我們更深地了解驅使動物性行為和生殖的各種機制的大和諧——也許不和諧。我們最近用RNA測序的方法進一步研究了普通鴿子的生殖軸如何應對刺激。慢性應激可能擾亂生殖功能，而我們想知道這其中的來龍去脈。
我們在觀察生殖軸中轉錄著的各個基因在應激狀況下的活動——下丘腦、垂體和性腺。這些海量數據也產生了上百種假設，也許可以成為新發現的生殖應激反應的機制。這也可能為廣大不孕不育男女帶來新的基因干預手段或療法。
退一步講我們也能受益，還可以在真實世界中檢驗所有動物。比如，鴿子可以成為一種有力的模式生物，觀察暴露於環境中的危險物質（或稱「暴露組」）對生殖軸可能產生的影響。
我們發現，野生鴿子與鄰近區域內人類豢養的鴿子會暴露於相似的環境威脅。我們可以像煤礦業中利用金絲雀那樣利用鴿子，將其作為環境危險物質的指示生物。測序技術則讓我們得以探知這些暴露因素如何影響高度保守的生殖軸。
我們可以將現代的嶄新技術跟「老學究」們使用的研究工具結合起來，做一些前所未有的探索。我們可以在鴿子的棲息地中實時觀測它們，提取它們基因組和蛋白組的變化的特徵，觀察其對生殖的影響。
我們是這個時代基因層面上的自然史學家。
科學物聯網的組建
Vivienne Ming：加州伯克利Socos實驗室執行主席，理論神經科學家
物聯網，所有互聯網賦予其功能的設備已成為居家必備——Alexa，Google家居，Nest恆溫器，智能手機——它們是一個龐大的智能網路的感受器和效應器。
比如，說到Alexa，我們通常只覺得它是亞馬遜開發的連網的個人智能輔助設備，但或許這樣看它會更準確：即一個廣泛分布的多元感測晶元的一部分，延伸向千家萬戶，它們成就了一個巨大的試驗網路，這才是真實的Alexa。並不像成百上千的單體機器人，它是一個能夠持續學習、了解世界的人工智慧（AI），一個家庭對它的使用會影響它對另一個家庭的探索。
這些分散式的人工智慧正在改變我們的生活，它們也可以改頭換面進入科研界。我相信我們已準備好，讓研究者們著手合作研發一個分散式科研物聯網（Internet of Scientific Things, IoST）——一個開放的系統，可將分布在各處的感受器和效應器與強大的機器學習平台連接起來，驅動全球規模的實驗。
Apple Watch之類的設備為科學物聯網的開發提供靈感。攝影：David Paul Morris/Bloomberg/Getty
這樣的系統，即便規模尚小，也有無窮的力量。Google發現，它們的智能手機上的加速計和迴轉儀可以探測到帕金森病早期的步態改變。我的組用了擴展版的智能手機感受器，可預測到雙相障礙患者的躁狂發作期。但現階段，這類實驗的效率尚不能被廣大研究者接受。
設想研究者們若能從智能手機、智能手錶及各種設備上運轉的科學物聯網APP上獲取數據，加上全球各種傳統的感測器收集到的信息，再加上AI系統對已發表的相關數據的挖掘，會有什麼樣的作為呢？
有點像現在的商用AI為銷售人員探測到的隱藏商機，IoST的AI也能為科研人員獵取他們所在領域的數據。如果我的神經成像軟體直接就是IoST平台的插件，可以實時獲取數據，且不僅是我的實驗室可以獲取，而是我的領域內外的每個人，這會怎樣呢？或者我們也可以藉助這個平台，發現5個新同行們正在幹些什麼。想一想吧。
也得承認，這些廣泛分布的系統也有其可怕的一面。是否會有某個組織對這些數據有限制管控的權力？從這些新平台上而來的發現是否還會走傳統的科研發表途徑？還是通過阿里巴巴、亞馬遜之類的公司，或者通過開放平台如GitHub或arXiv？關於獲取和倫理，必定還有很多嚴肅的事務需要商榷，但改變已悄然發生。
一些實驗室和研究者已經在發力推動這種可能性。科學共同體必須佔據主導地位。如果我們科學家自己建立了這套系統，我們可以讓發表更平等，數據更共享，科研更透明。要不然，定會有其他人為我們建好它。科學的驚艷傳統不該糊在少數人手裡。
本文編譯自：
TAG:解螺旋 |