如何让细胞进行计算?国内四高校提出生物计算元器件设计全新方法,登Cell
编辑 | 萝卜皮
细胞犹如一台计算机,每时每秒都在接收、分析和处理来自环境中的不同信息:外界信息通过细胞内高度并行的信号转导途径进行分析和处理,进而以预定义的方式从「存储设备」(即 DNA)中读取信息(基因的表达)或写入指令(DNA 修饰和编辑),指导自身或周围细胞对环境信息做出响应。
一直以来,如何有效利用生物体本身的计算能力,通过对生物体进行改造使之能够执行人类给定的计算任务,并由此开发出基于生物系统的新概念计算机都是计算机科学与生物技术领域交叉融合的热点问题。
近期,来自国防科技大学、西湖大学、浙江大学和之江实验室的研究人员合作提出了名为 TriLoS 的设计方法,通过多层基因表达调控网络在细胞内实现了组合逻辑线路的高效设计与构建,使得以模块化的方式开发执行组合逻辑运算的生物计算元器件成为了可能。
该研究以「Multi-layered computational gene networks by engineered tristate logics」为题,于 2024 年 7 月 31 日在《Cell》杂志在线发表。
向细胞自身学习设计细胞的逻辑单元
细胞内单个基因的表达可以被理解为处于活跃(即被表达)或非活跃(即不表达)两种状态之一,这使得我们可以从基因表达中抽象出「开/关」或者「0/1」的概念。
从这种角度来看,细胞可以被理解为一个由组合逻辑和时序逻辑构成的数字电路,而设计和改造这一电路的基础自然就是创造出适用于细胞的「晶体管」、「逻辑门」。
自本世纪初起,合成生物学家一直在尝试通过设计控制基因表达的人工基因线路来开发具有逻辑计算功能的生物元器件。
但由于缺乏理论体系指导、细胞基因调控本身的复杂性和可用基因调控手段的不足,现有的元器件设计很大程度上仍然依赖于设计者的经验和反复试错,严重制约了该领域的发展。
该研究通过分析细胞内基因表达调控的层次结构发现,细胞内基因表达受到转录、翻译等不同层次调控,这一调控过程的基本单元可以被抽象为类似于电子电路中三态门的结构。
例如,在 DNA 经转录、翻译到最终生成蛋白的过程中,转录调控(B)可以视作翻译调控(A)的上游控制通路。转录调控的开或关将会使得翻译调控系统最终的产生三种状态:0(关)、1(开) 或者 Z(高阻态,即翻译系统相关调控元件不发生转录)。
研究人员意识到,这样的三态门结构可以作为构建多层基因表达调控网络的基本逻辑单元,通过多层三态门单元的组装实现对细胞内 DNA 编辑、转录、翻译等不同层次调控过程的充分利用,从而构建更加复杂和鲁棒的组合逻辑器件(图 1)。
在这一思想的指导下,研究人员开始尝试在哺乳动物细胞中利用转录和翻译过程实现「三态门」基因电路。
通过将 Vanillic acid(VA,输入 B)调控的转录调控开关作为「上游」基因开关控制 Grazoprevir(Gra,输入 A)调控的蛋白质翻译开关,研究人员成功构建出了 BUFIF1、NOTIF1、BUFIF0 和 NOTIF0 四种基本逻辑单元,并在细胞中展现出了良好的性能(图 2)。
与传统的逻辑基因线路设计方式相比,以「三态门」为基础逻辑单元的设计方式展现出了更强的模块化特征和更好的可拓展性,例如,对于一直困扰合成生物学家的异或逻辑(XOR),研究人员通过简单组合 NOTIF1 和 BUFIF0 便可高效实现(图 3)。
这一被命名为 TriLoS 的思想显着提高了哺乳动物细胞的「可编辑空间」,为更高效的设计生物计算元器件、突破细胞计算极限打下了坚实的基础。
基于标准逻辑单元设计和组装生物计算元器件
在构建标准逻辑单元的基础上,该研究进一步阐明了利用标准逻辑单元构建复杂组合逻辑器件的工程原则。
与电子电路设计中不同的电子线路之间严格绝缘所不同的是,细胞内的调控过程存在着各类复杂的相互作用,存在着各类绝缘性问题,明确各逻辑单元之间的正交性约束是设计生物计算元器件的特别之处。
针对这一问题,该研究从拓展输出信号数量和拓展输入信号数量两个角度出发对多层基因计算网络设计过程中的正交性约束进行了详细讨论。
在输出信号数量拓展方面,研究人员分析提出,控制不同输出信号的多层基因调控网络必须选择相互正交/绝缘的最底层调控元件,而较高层的调控过程则可以共享调控元件。
为满足这一约束,研究人员设计了另一组完全正交的 Grazoprevir 调控开关。该设计将受 Grazoprevir 诱导的二聚或互斥的基因元件 NS3a(H1)/GNCR1(二聚) 或者 ANR/GNCR1(互斥) 接入到人工合成的GEMS基因调控框架中。 Gra 的存在会促使作为受体的膜外信号接收部分相互亲和或者排斥,从而通过胞内 JAK/STAT3 信号通路,控制外源基因开关的开或者关。
数据表明,将这一开关与Vanillic acid 调控的转录调控开关组合同样可以构建出在细胞中稳定运行的基本逻辑单元,并可通过TriLoS 设计和构建具有两个输出的半加器和半减器逻辑器件(图4)。
在输入信号数量的拓展方面,研究人员则将视线转向了在转录调控上游的基因表达调控方式,提出了利用与下游信号正交的输入信号调控基因编辑、染色质可及性等方法拓展输入信号的数量。
为展示这一思想的可行性,研究人员利用控制基因重组过程的 Cre 重组酶作为第三个输入,构建了具有基因序列调控、转录调控和翻译调控三层调控结构的基因调控网络,便捷地实现了具有3 输入2 输出的全加器和全减器(图5)。
这一结果成功突破了单细胞全加器和全减器构建这一逻辑基因线路设计的「天花板」,进一步体现了 TriLoS 在构建复杂逻辑计算网络过程中的高效性和有效性。
探索生物计算的无限可能
自生物计算的概念被提出以来,科学家们致力于寻找展现生物计算系统优势的应用场景, 「生物计算究竟有什么用?」值得思考。
在本研究中,研究人员针对这一问题给出了自己的答案,即在疾病精准治疗等场景下利用细胞计算开发集诊断、治疗为一身的「智能细胞」,使其自主判断疾病的发病类型,从而指导产生合适的治疗蛋白,更加精准的实现疾病的分阶段、分层次、定制化治疗。
该研究以糖尿病为例展示了一种潜在的生物计算应用场景。为简单起见,研究人员将糖尿病根据其严重程度和发病机制人为区分成了肥胖、2 型糖尿病和1 型糖尿病三种状态/类型,并根据每一类型的特点制定了使用两种治疗药物胰高血糖素样肽1(GLP-1)或胰岛素(INS)的治疗方案。
研究人员借助TriLoS 开发了可针对不同输入给出不同治疗药物组合的「智能细胞」,可以在不更换植入细胞的情况下根据疾病状态调整生产治疗药物,在细胞和小鼠体内都实现了疾病的自适应精准治疗(图6)。
该研究首次提出了以基因电路「三态门」为基础逻辑单元的多层细胞计算网络设计策略(TriLoS),为更复杂的细胞计算器件设计提供了基础性理论,一定程度上解决了现有研究中只能通过经验来盲目设计和反复试错的设计模式,也为开发自动化设计工具打下了坚实基础。
本研究由国防科技大学与西湖大学、浙江大学、之江实验室合作完成,其中浙江大学邵佳伟研究员,国防科技大学邱鑫源助理研究员,西湖大学博士研究生/前之江实验室工程专员张力航为该论文的共同第一作者;浙江大学邵佳伟研究员、国防科技大学朱凌云教授、之江实验室王慧研究专家和西湖大学解明岐研究员为共同通讯作者。
注:封面由 Midjourney 生成。
以上是如何让细胞进行计算?国内四高校提出生物计算元器件设计全新方法,登Cell的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

Video Face Swap
使用我们完全免费的人工智能换脸工具轻松在任何视频中换脸!

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

在现代制造业中,精准的缺陷检测不仅是保证产品质量的关键,更是提升生产效率的核心。然而,现有的缺陷检测数据集常常缺乏实际应用所需的精确度和语义丰富性,导致模型无法识别具体的缺陷类别或位置。为了解决这一难题,由香港科技大学广州和思谋科技组成的顶尖研究团队,创新性地开发出了“DefectSpectrum”数据集,为工业缺陷提供了详尽、语义丰富的大规模标注。如表一所示,相比其他工业数据集,“DefectSpectrum”数据集提供了最多的缺陷标注(5438张缺陷样本),最细致的缺陷分类(125种缺陷类别

开放LLM社区正是百花齐放、竞相争鸣的时代,你能看到Llama-3-70B-Instruct、QWen2-72B-Instruct、Nemotron-4-340B-Instruct、Mixtral-8x22BInstruct-v0.1等许多表现优良的模型。但是,相比于以GPT-4-Turbo为代表的专有大模型,开放模型在很多领域依然还有明显差距。在通用模型之外,也有一些专精关键领域的开放模型已被开发出来,比如用于编程和数学的DeepSeek-Coder-V2、用于视觉-语言任务的InternVL

编辑|KX时至今日,晶体学所测定的结构细节和精度,从简单的金属到大型膜蛋白,是任何其他方法都无法比拟的。然而,最大的挑战——所谓的相位问题,仍然是从实验确定的振幅中检索相位信息。丹麦哥本哈根大学研究人员,开发了一种解决晶体相问题的深度学习方法PhAI,利用数百万人工晶体结构及其相应的合成衍射数据训练的深度学习神经网络,可以生成准确的电子密度图。研究表明,这种基于深度学习的从头算结构解决方案方法,可以以仅2埃的分辨率解决相位问题,该分辨率仅相当于原子分辨率可用数据的10%到20%,而传统的从头算方

对于AI来说,奥数不再是问题了。本周四,谷歌DeepMind的人工智能完成了一项壮举:用AI做出了今年国际数学奥林匹克竞赛IMO的真题,并且距拿金牌仅一步之遥。上周刚刚结束的IMO竞赛共有六道赛题,涉及代数、组合学、几何和数论。谷歌提出的混合AI系统做对了四道,获得28分,达到了银牌水平。本月初,UCLA终身教授陶哲轩刚刚宣传了百万美元奖金的AI数学奥林匹克竞赛(AIMO进步奖),没想到7月还没过,AI的做题水平就进步到了这种水平。IMO上同步做题,做对了最难题IMO是历史最悠久、规模最大、最负

2023年,几乎AI的每个领域都在以前所未有的速度进化,同时,AI也在不断地推动着具身智能、自动驾驶等关键赛道的技术边界。多模态趋势下,Transformer作为AI大模型主流架构的局面是否会撼动?为何探索基于MoE(专家混合)架构的大模型成为业内新趋势?大型视觉模型(LVM)能否成为通用视觉的新突破?...我们从过去的半年发布的2023年本站PRO会员通讯中,挑选了10份针对以上领域技术趋势、产业变革进行深入剖析的专题解读,助您在新的一年里为大展宏图做好准备。本篇解读来自2023年Week50

编辑|ScienceAI问答(QA)数据集在推动自然语言处理(NLP)研究发挥着至关重要的作用。高质量QA数据集不仅可以用于微调模型,也可以有效评估大语言模型(LLM)的能力,尤其是针对科学知识的理解和推理能力。尽管当前已有许多科学QA数据集,涵盖了医学、化学、生物等领域,但这些数据集仍存在一些不足。其一,数据形式较为单一,大多数为多项选择题(multiple-choicequestions),它们易于进行评估,但限制了模型的答案选择范围,无法充分测试模型的科学问题解答能力。相比之下,开放式问答

编辑|KX逆合成是药物发现和有机合成中的一项关键任务,AI越来越多地用于加快这一过程。现有AI方法性能不尽人意,多样性有限。在实践中,化学反应通常会引起局部分子变化,反应物和产物之间存在很大重叠。受此启发,浙江大学侯廷军团队提出将单步逆合成预测重新定义为分子串编辑任务,迭代细化目标分子串以生成前体化合物。并提出了基于编辑的逆合成模型EditRetro,该模型可以实现高质量和多样化的预测。大量实验表明,模型在标准基准数据集USPTO-50 K上取得了出色的性能,top-1准确率达到60.8%。

编辑|ScienceAI基于有限的临床数据,数百种医疗算法已被批准。科学家们正在讨论由谁来测试这些工具,以及如何最好地进行测试。DevinSingh在急诊室目睹了一名儿科患者因长时间等待救治而心脏骤停,这促使他探索AI在缩短等待时间中的应用。Singh利用了SickKids急诊室的分诊数据,与同事们建立了一系列AI模型,用于提供潜在诊断和推荐测试。一项研究表明,这些模型可以加快22.3%的就诊速度,将每位需要进行医学检查的患者的结果处理速度加快近3小时。然而,人工智能算法在研究中的成功只是验证此
