7位專家預(yù)測了2019年將推動他們各自所在的領(lǐng)域向前發(fā)展的技術(shù)進(jìn)展，包括高分辨率成像和從頭構(gòu)建基因組大小的DNA分子等。對生命科學(xué)技術(shù)來說，2019年看起來非常令人期待。
1.Sarah Teichmann：擴(kuò)展單細(xì)胞生物學(xué)
Sarah Teichmann是英國韋爾科姆基金會桑格研究所細(xì)胞遺傳學(xué)負(fù)責(zé)人。
在過去十年中，我們已觀察到研究人員一次能夠分析的單細(xì)胞數(shù)量大幅增加。這將繼續(xù)增加下去，這主要?dú)w因于細(xì)胞捕獲技術(shù)的改進(jìn)、使用條形碼對細(xì)胞進(jìn)行標(biāo)記的方法以及將現(xiàn)有技術(shù)結(jié)合在一起的更智能方法。
這種增加可能聽起來很平凡，但是它允許我們進(jìn)行不同類型的實(shí)驗(yàn)和在更高的分辨率下研究更復(fù)雜的樣品。比如，研究人員將能夠同時研究20或100個人的樣本，而不是僅能分析一個人的樣本。這意味著我們將能夠更好地控制人群多樣性。
我們還將能夠分析更多的發(fā)育時間點(diǎn)、組織和個體，從而能夠增加我們的分析的統(tǒng)計(jì)學(xué)意義。 我們的實(shí)驗(yàn)室剛剛參與了一項(xiàng)分析來自6個物種的25萬個細(xì)胞的研究工作，結(jié)果表明負(fù)責(zé)先天免疫反應(yīng)的基因快速地進(jìn)化，而且在不同物種之間存在著較大的細(xì)胞間差異---這兩種特征有助于免疫系統(tǒng)產(chǎn)生有效的和微調(diào)的反應(yīng)。
我們還將看到我們在單細(xì)胞水平中同時觀察不同基因組模式的能力取得進(jìn)展。比如，我們將能夠觀察到稱為染色質(zhì)的蛋白-DNA復(fù)合物是開放的還是封閉的，而不是僅局限于RNA。這有助于了解細(xì)胞分化時的表觀遺傳狀態(tài)，以及免疫系統(tǒng)和神經(jīng)系統(tǒng)中的表觀遺傳記憶。
將單細(xì)胞基因組學(xué)與表型關(guān)聯(lián)在一起---比如將蛋白表達(dá)或形態(tài)與給定細(xì)胞的轉(zhuǎn)錄組關(guān)聯(lián)在一起---的方法也將取得進(jìn)展。我們可能會在2019年看到更多的這類東西，無論是僅通過測序還是將成像和測序結(jié)合在一起。實(shí)際上，我們一直在見證這兩種技術(shù)的趨同進(jìn)化（convergent evolution）：測序在分辨率上越來越高，成像越來越多樣化。
2.Jin-Soo Kim：改進(jìn)基因編輯器
Jin-Soo Kim是韓國首爾國立大學(xué)基礎(chǔ)科學(xué)研究所基因組工程中心主任、化學(xué)教授。
蛋白質(zhì)工程正在推動基因組工程的發(fā)展。第一代CRISPR基因編輯系統(tǒng)使用核酸酶Cas9，即一種在特定位點(diǎn)切割DNA的酶。
CRISPR/Cas9仍然被廣泛使用，但是許多經(jīng)過基因改造的CRISPR系統(tǒng)正在用新的Cas9變體替代這種天然存在的核酸酶，比如xCas9和SpCas9-NG。這些變體擴(kuò)大了靶向空間---能夠進(jìn)行編輯的基因組區(qū)域。有些變體還比第一代的Cas9更具特異性，從而能夠最大限度地減少或避免脫靶效應(yīng)。
去年，研究人員報(bào)道了將CRISPR基因組編輯用于臨床治療的新障礙。這些障礙包括p53基因的激活（與癌癥風(fēng)險(xiǎn)有關(guān)）；出于意料之外的“在靶（on-target）”效應(yīng)，比如大片段DNA缺失；對CRISPR系統(tǒng)存在的免疫原性。
因此，想要讓基因組編輯具有臨床應(yīng)用價(jià)值，就必須解決這些限制。其中的一些問題是由DNA雙鏈斷裂引起的。但是并非所有基因組編輯酶都會產(chǎn)生雙鏈斷裂---“堿基編輯器（base editor）”將單個DNA堿基直接轉(zhuǎn)換為另一個堿基。因此，堿基編輯既比傳統(tǒng)的基因組編輯更干凈，也更有效。去年，瑞士研究人員在小鼠中利用堿基編輯器校正了一種導(dǎo)致苯丙酮尿癥的基因突變。
但是，堿基編輯器在它們能夠編輯的由前間隔序列鄰近基序（protospacer adjacent motif, PAM）確定的序列上存在著限制。蛋白質(zhì)工程可用于重新設(shè)計(jì)和改進(jìn)現(xiàn)有的堿基編輯器，甚至可能構(gòu)建出新的編輯器，比如與滅活的Cas9融合在一起的重組酶。與堿基編輯器一樣，重組酶不會誘導(dǎo)雙鏈斷裂，但是能夠在用戶事先確定的位點(diǎn)上插入所需的序列。
RNA引導(dǎo)的重組酶肯定會在新的維度上擴(kuò)展基因組編輯。 基因編輯技術(shù)在臨床上的常規(guī)使用可能還需要幾年的時間。但是我們將在未來一兩年內(nèi)看到新一代的基因編輯工具：有很多研究人員對這項(xiàng)技術(shù)感興趣，每天都在使用它。新問題層出不窮，但創(chuàng)新的解決方案也層出不窮。我期待著驚喜的出現(xiàn)。
3.莊小威（Xiaowei Zhuang）：提高顯微鏡分辨率
莊小威是美國哈佛大學(xué)化學(xué)與化學(xué)生物學(xué)教授；2019年突破獎獲得者。
超分辨率顯微鏡的原理驗(yàn)證演示僅在10年或20年前發(fā)生，但是如今，這種技術(shù)相對來說比較普遍，可供生物學(xué)家使用---并且導(dǎo)致了大量的新知識。
圖片來自Bogdan Bintu, The Xiaowei Zhuang Laboratory, The Alistair Boettiger Laboratory, Science 362, eaau1783 (2018)
一個特別令人興奮的研究領(lǐng)域是確定基因組的三維結(jié)構(gòu)和組裝。越來越明顯的是，基因組的三維結(jié)構(gòu)在調(diào)節(jié)基因表達(dá)中起著重要作用。
在過去的一年中，我們報(bào)道了對染色質(zhì)（形成染色體）進(jìn)行納米級精度成像的研究工作，將它與數(shù)千個不同類型細(xì)胞的序列信息相關(guān)聯(lián)在一起。這種空間分辨率要比我們之前的研究提高一到兩個數(shù)量級，這就讓我們能夠觀察到單個細(xì)胞將染色質(zhì)組裝成在不同細(xì)胞間差異很大的區(qū)域。我們還提供了關(guān)于這些區(qū)域如何形成的證據(jù)，這讓我們更好地理解染色質(zhì)調(diào)節(jié)的機(jī)制。
除了染色質(zhì)之外，預(yù)計(jì)在超分辨率成像領(lǐng)域的空間分辨率會有很大改善。大多數(shù)實(shí)驗(yàn)的分辨率僅有幾十納米，但仍然無法與成像的分子相比，尤其是當(dāng)我們想要分析分子間的相互作用時。不過，我們看到熒光分子和成像方法的改進(jìn)顯著地提高了分辨率，而且預(yù)計(jì)在1納米分辨率下的成像將變得常見。
與此同時，時間分辨率將越來越好。目前，研究人員必須在空間分辨率和成像速度之間做出妥協(xié)。但是，通過更好的照明策略和更快的圖像采集，這些限制是可能被克服的。成千上萬的基因和其他類型的分子共同起作用來塑造細(xì)胞的行為。能夠在基因組水平上同時觀察這些分子發(fā)揮作用將為成像提供巨大的機(jī)會。
4.曾紅葵（Hongkui Zeng）：繪制大腦連接圖譜
曾紅葵是美國艾倫腦科學(xué)研究所結(jié)構(gòu)科學(xué)執(zhí)行主任。
單個細(xì)胞和各種細(xì)胞類型之間的連接是如此復(fù)雜以至于在全局和群體水平上繪制它們之間的連接圖譜已不再足以理解它們。因此，我們在單細(xì)胞水平下繪制基于細(xì)胞類型的連接圖譜。 我們能夠通過“順行”和“逆行”追蹤來實(shí)現(xiàn)這一目標(biāo)。
這些追蹤方法揭示了由特定細(xì)胞延伸出來的稱為軸突投射（axon projection）的結(jié)構(gòu)。我們還使用更多的基于單神經(jīng)元形態(tài)學(xué)的方法來觀察單個神經(jīng)元的軸突投射在哪里產(chǎn)生和終止。
電鏡數(shù)據(jù)集的產(chǎn)生取得了很大的進(jìn)展，這些數(shù)據(jù)集的覆蓋范圍比以前大得多。比如，在美國霍華德休斯醫(yī)學(xué)研究所珍妮莉亞研究學(xué)院，研究人員正在努力繪制果蠅中的每個神經(jīng)元和突觸。 圖像采集和樣品處理的改進(jìn)是這些進(jìn)展取得的關(guān)鍵；因此，計(jì)算方面的改進(jìn)也是如此。
在艾倫腦科學(xué)研究所，我們參與了借助機(jī)器學(xué)習(xí)算法構(gòu)建小鼠大腦神經(jīng)連接的虛擬圖譜。 巨大的特異性編碼在大腦的這些連接中。但是，如果不了解全局和局部水平下的特異性，那么我們理解行為或功能的能力基本上建立在一個黑匣子---我們?nèi)狈斫馍窠?jīng)元活動和行為的物理基礎(chǔ)---的基礎(chǔ)上。連接組學(xué)（connectomics）將填補(bǔ)這方面缺失的真實(shí)信息。
5.Jef Boeke：推進(jìn)合成基因組研究
紐約大學(xué)朗格尼醫(yī)學(xué)中心系統(tǒng)遺傳學(xué)研究所主任。
當(dāng)我意識到能夠從頭開始編寫一個完整的基因組時，我想這將是一個從新的視角研究基因組功能的好機(jī)會。
從純科學(xué)的角度來看，一些研究團(tuán)隊(duì)在合成簡單的細(xì)菌和酵母基因組方面取得了進(jìn)展。但是在合成完整基因組方面仍然存在著技術(shù)挑戰(zhàn)，特別是哺乳動物基因組。
一項(xiàng)有助于降低DNA合成成本的技術(shù)將會有所幫助，但尚未投入市場。如今發(fā)生的大多數(shù)DNA合成都是基于一種稱為亞磷酰胺三酯合成（phosphoramidite chemistry）的方法。由此產(chǎn)生的核酸聚合物在它們的最大長度和保真度方面都存在著限制。迄今為止，這種合成方法取得如此較好的作用，這本身就是一種奇跡。
許多公司和實(shí)驗(yàn)室正在尋求酶促DNA合成---這種方法有可能比化學(xué)合成更快、更準(zhǔn)確和更便宜。迄今為止，還沒有公司在商業(yè)上提供這樣的酶。但去年10月，一家位于法國巴黎的名為DNA Script的公司宣布，它已經(jīng)合成了長150個堿基的寡核苷酸，這幾乎與化學(xué)DNA合成的實(shí)際長度限制相匹配。
我們都在等待著更多地了解這一點(diǎn)。 作為一個團(tuán)隊(duì)，我們還研究了如何組裝較大的人類染色體DNA片段，而且我們能夠使用這種方法構(gòu)建出長1萬個堿基或以上的DNA片段。如今我們將使用這種方法來分析已知在確定疾病易感性方面起著重要作用的大型基因組區(qū)域，或者導(dǎo)致其他表型特征出現(xiàn)的大型基因組區(qū)域。
我們能夠在酵母細(xì)胞中快速合成這些基因組區(qū)域，因此我們應(yīng)當(dāng)能夠構(gòu)建出數(shù)十到數(shù)百種以前無法測試的基因組變體。通過使用它們，我們將能夠檢查在全基因組關(guān)聯(lián)研究中涉及的在疾病易感性方面具有一定意義的數(shù)千個基因組位點(diǎn)。這種分析策略可能讓我們最終能夠確定這些基因組變體發(fā)揮的作用。
6.Venki Ramakrishnan：揭示分子結(jié)構(gòu)
Venki Ramakrishnan是英國劍橋MRC分子生物學(xué)實(shí)驗(yàn)室結(jié)構(gòu)生物學(xué)家。
理解結(jié)構(gòu)是理解功能的關(guān)鍵步驟。冷凍電鏡（cryo-EM）技術(shù)讓研究人員能夠使用比以往更少和更低純度的樣品來解析出高分辨率結(jié)構(gòu)。這意味著我們不僅能夠觀察到以前從未觀察到的結(jié)構(gòu)，而且我們還能夠研究更具挑戰(zhàn)性的問題，比如蛋白復(fù)合物的動態(tài)變化或生化途徑中的不同狀態(tài)。
就目前而言，cryo-EM作為一個領(lǐng)域所處的水平大致是晶體學(xué)在20世紀(jì)60年代或70年代時的水平。第一波技術(shù)已出現(xiàn)了，但是這個領(lǐng)域仍然在取得巨大的進(jìn)展。下一代檢測器，比如由英國科學(xué)與技術(shù)設(shè)施委員會設(shè)計(jì)工程師Nicola Guerrini和她的同事們開發(fā)出的檢測器，將提供更好的信號并允許我們觀察到更小的分子。 我們已觀察到許多令人興奮的結(jié)構(gòu)。
英國MRC分子生物學(xué)實(shí)驗(yàn)室的神經(jīng)科學(xué)家Michel Goedert和結(jié)構(gòu)生物學(xué)家Sjors Scheres及其團(tuán)隊(duì)對一種稱為tau的蛋白的細(xì)絲進(jìn)行成像，意外地發(fā)現(xiàn)它在不同類型的癡呆癥（包括阿爾茨海默?。┲斜憩F(xiàn)出明顯不同的蛋白折疊。 第二個取得進(jìn)展的領(lǐng)域是樣品制備。
在cryo-EM中，溶液中的少量分子進(jìn)入細(xì)金屬絲網(wǎng)，多余的分子將被清除，并將剩下的薄薄的一層分子被冷凍。但是，空氣-水界面處的分子可能發(fā)生變性或裂解。此外，撞擊樣品的電子可能讓這些分子攜帶電荷，從而導(dǎo)致它們移動并變得模糊。許多人正在努力將這些影響降至最低，以便提供更能夠進(jìn)行準(zhǔn)確測量的穩(wěn)定樣品。
有了這些進(jìn)展，我們應(yīng)該能夠觀察到細(xì)胞中及其表面發(fā)生的分子事件。我們或許能夠觀察DNA復(fù)制或剪接等過程中構(gòu)象變化的復(fù)雜循環(huán)，從而了解整個分子過程。
7.Casey Greene：應(yīng)用人工智能（artificial intelligence, AI）和深度學(xué)習(xí)
Casey Greene是賓夕法尼亞大學(xué)佩雷爾曼醫(yī)學(xué)院系統(tǒng)藥理學(xué)與轉(zhuǎn)化療法助理教授。他對于人工智能的應(yīng)用發(fā)表了自己的意見。
生命科學(xué)家已熟練地使用深度學(xué)習(xí)軟件和人工智能來構(gòu)建預(yù)測模型，這些預(yù)測模型告訴我們很多東西，比如在哪里能夠找到基因調(diào)控元件結(jié)合的基序。但是，如今，科學(xué)家們想要揭示更深層真相----比如，基因調(diào)控本身的細(xì)節(jié)以及為何某些遺傳特征是重要的---的模型。
在接下來的一年里，我們最為興奮的是計(jì)算方法，它們足夠強(qiáng)大，可用于人們在發(fā)表論文時上傳的大量隨機(jī)基因組數(shù)據(jù)中。一種令人興奮的技術(shù)就是遷移學(xué)習(xí)（transfer learning）。
通過使用這種方法，用戶能夠使用僅與一種問題直接相關(guān)的數(shù)據(jù)集來了解該問題的廣泛特征，然后利用這種算法了解到的信息來分析用戶所關(guān)心的數(shù)據(jù)集。比如，在去年發(fā)表的一項(xiàng)研究中，科學(xué)家團(tuán)隊(duì)想要使用針對一種稱為抗中性粒細(xì)胞胞質(zhì)抗體相關(guān)性血管炎（anti-neutrophil cytoplasmic antibody-associated vasculitis）的罕見疾病的數(shù)據(jù)集來訓(xùn)練一種模型。但是沒有足夠的數(shù)據(jù)來做到這一點(diǎn)。
因此，他們利用來自1400多項(xiàng)其他研究的RNA測序數(shù)據(jù)來訓(xùn)練相關(guān)模型，并將這種模型應(yīng)用于疾病治療，從而揭示出與免疫和代謝功能相關(guān)的導(dǎo)致這種疾病癥狀的基因網(wǎng)絡(luò)。希望不久之后，可以觀察到更多的論文發(fā)表，在這些論文中，轉(zhuǎn)移模型能夠產(chǎn)生新的科學(xué)。
希望有朝一日，這些方法將不僅可以為特定情景和解答特定問題的答案提供預(yù)測模型，還可從生物學(xué)角度揭示發(fā)生了什么來產(chǎn)生我們所看到的數(shù)據(jù)。也希望在未來一年內(nèi)，這些方面將會取得一定的進(jìn)步，但這也將需要投入大量的技術(shù)和資源來協(xié)助進(jìn)行模型解釋。如果五年后在這方面取得成功，必定是令人激動的。
參考文獻(xiàn)：
Technologies to watch in 2019
https://www.nature.com/articles/d41586-019-00218-6
浙公網(wǎng)安備33010802007965號