《Nature》盤點2024年7項值得關注創新科技 ChatGPT不在其中?!

撰文記者 吳培安
日期2024-01-31
EnglishFrenchGermanItalianPortugueseRussianSpanish
(本圖截自Nature期刊官方網站)
 
日前(22日),《Nature》發表了2024年值得關注的7項科技創新領域,包括:用於設計全新蛋白質的深度學習、揪出深度偽造(deep fake)的偵測工具、讓失能病人重獲溝通或運動能力的腦機介面(brain-computer interface)、擴展基因療法可能性的大片段基因插入技術、分子級的超高解析度顯微術、描繪組織或器官內轉錄體或蛋白質分布的細胞輿圖(cell atlas)、適用於創新奈米材料的3D列印等。
 

技術1:將深度學習用於蛋白質設計

 
隨著蛋白質從「序列」(sequence)組裝成「結構」(structure)的資料庫越來越龐大,深度學習的複雜方法,也被導入到全新蛋白質的設計當中,透過以「序列」或是「結構」為基礎的兩大策略,讓科學家可以量身訂做可實際應用的蛋白質。
 
以序列為基礎的設計策略,是利用大型語言模型(LLM),將多肽序列當成文字、將蛋白質結構當成劇本,來學習蘊含在真實世界蛋白質結構之中潛藏的「文法」,再開發出用於蛋白質設計的演算法工具。
 
例如,生成在實驗室製造時也能夠穩定折疊的合成蛋白質,或是依賴序列及功能資料,設計出可能會自然發生(nature occurring)的特定酵素家族成員。這些技術能夠應用在藥物傳遞和疫苗製備等。
 
而以結構為基礎的設計策略,則有像是去(2023)年獲得進展的擴散式模型(diffusion model)。這種方法參考大量真實世界蛋白質的結構,學習辨別現實存在和電腦生成的蛋白質結構差異,進而消除電腦運算過程中產生的雜訊,得到在合成上更合理、又符合使用者要求的蛋白質結構。這種技術能夠應用在多功能的工程化酵素、轉錄調節劑、具備功能的生物材料等。
 

技術2:揪出深度偽造的媒體偵測技術

 
隨著生成式AI (Generative AI)走進大眾生活,製作出吸睛的全人工合成圖像、聲音或影片已非難事。然而這些真假難辨的媒體材料,卻可能被應用在假消息、媒體操弄、甚至是增加地緣政治衝突上,例如在美國總統大選和以色列哈瑪斯軍事衝突皆出現過案例,因此許多科學家和媒體驗證專家投入檢測與攔截的方法。
 
從源頭的作法,例如讓AI開發者在模型輸出時嵌入隱藏訊號,為其AI生成內容加上一個數位「浮水印」;或是針對AI換臉的生成內容,開發可識別臉部特徵邊界的AI偵測工具,或是從牙齒的不規則性或是口形變化,察覺是數位工具在背後操作,讓特定人士在媒體上說出他未曾說過的發言。
 

技術3:基因編輯的長片段DNA插入

 
2023年底,美國和英國的法規監管機構批准了首項CRISPR基因編輯療法Casgevy (exa-cel),用於鐮刀型貧血症(SCD)或輸血依賴型β海洋性貧血(TDT)治療,為CRISPR基因編輯進入臨床帶來莫大振奮。
 
然而,目前CRISPR這類基因編輯技術,能夠插入的基因序列長度依然受限,科學家至今還在尋找能夠插入長度達數千個核苷酸大片段的解決方案,例如美國麻省理工學院(MIT)開發的先導編輯(prime editing)和史丹佛大學開發的單股黏合蛋白(SSAP)系統。
 
倘若能在此技術上取得突破,不僅對人類醫學及健康有重大影響,也對未來的農作物影響甚鉅,因為人們需要能夠克服未來氣候變化、具備疾病和病原體耐受性的農產品。
 

技術4:腦機介面幫助患者重拾語言、運動能力

 
腦機介面是一種在大腦中植入電極,透過追蹤神經元活動及深度學習演算法,將訊號轉變成語音,讓患者重拾語言能力、得以和外界溝通,或是轉換成操控機械手臂的訊號,讓四肢癱瘓者能夠再次行走,可謂運動神經元疾病患者的福音。
 
如今,隨著神經解剖學知識的累積和機器學習分析的演進,腦機介面的植入方式,以及在訊號的解讀上都變得更加精準。科學家期盼,這項技術不僅能夠提供給嚴重殘疾患者使用,由腦機介面提供的閉鎖式神經調節系統,也有機會為中度認知障礙或情緒障礙等心理健康帶來治療的希望。
 

技術5:超高解析度 視覺窺見細胞內分子結構

 
科學家所使用的顯微技術,正朝著足以直接窺視分子影像的奈米尺度解析度邁進,未來超高解析度的顯微影像技術,與冷凍電子顯微鏡的差距或許會愈來越小。
 
例如,德國馬克斯·普朗克生物化學研究所的奈米科學家Ralf Jungmann,在2023年發表了一種分辨率達埃級(10-10 m,Å)、可用標準螢光顯微鏡解析DNA長鏈上單一鹼基對的方法。
 
德國哥廷根大學醫學中心的Ali Shaib、Silvio Rizzoli團隊共同開發的一步驟奈米尺度擴增(ONE)顯微術,讓科學家能夠直接看見個別蛋白質和蛋白質複合結構,甚至能觀察它們在細胞內的模樣;這種技術也有機會實現直接以視覺診斷由蛋白質錯誤摺疊引起的疾病,例如帕金森氏症。
 

技術6:描繪分子複雜網絡的細胞輿圖

 
隨著各種大型細胞輿圖計畫的持續進展,加上單細胞分析、空間轉錄體學、抗體追蹤蛋白質等技術的進步,一張能讓科學家一次在單顆細胞中窺見多種類型分子輿圖,包括RNA的表現、染色質的結構、蛋白質的分布等,或許即將實現。
 
其中規模最大、野心也最龐大的,是由英國惠康桑格研究所與美國Genentech團隊在2016年共同發起的人類細胞輿圖計畫(Human Cell Atlas),招募了來自近百個國家、3千名科學家,使用1萬名捐贈者的組織投入研究。
 
其他大型計劃,還有像是人類生物分子輿圖計畫(HuBMAP)、先進創新奈米科技大腦研究之腦計劃細胞普查網絡(BRIAN Initiative Cell Census Network)、Allen腦細胞輿圖(Allen Brain Cell Atlas)。除了腦部,去年也有數十項器官專一性的輿圖研究成果產出,例如能夠揭示纖維化、腫瘤、新冠病毒感染的肺部輿圖。
 

技術7:3D列印奈米材料

 
以奈米尺度進行3D列印的技術,為材料科學上帶來許多新的可能性,不只是在於輕量化製造,這種技術更有機會改變材料的特性,例如讓材料的強度變得更高,能與光線或聲音產生交互作用,或是強化催化劑效果或是儲存能量等。
 
而在奈米材料工藝上,利用雷射光束處理光敏感材料的光聚合(photopolymerization),近年取得了多項優勢進展。它能比其他奈米級3D列印技術快三個數量級,加速進入大規模生產或工業製程的腳步。
 
它也克服了材料的限制,例如利用注入金屬鹽的光聚合水凝膠作為微型模板,製作出以微型金屬結構為基礎的3D列印模型;此外,更低價的光聚合雷射和材料正在推陳出新,使得光聚合3D列印技術的價格門檻逐漸下降。
 
至於2023年最火熱的話題之一——由深度學習技術誕生的ChatGPT,《Nature》則認為它還沒有迎來最後一步(final cut)。作者認為,雖然ChatGPT已經證明它在科研上的價值,帶來的節省勞力的效益,例如幫助母語非英語的研究人員改善他們的文章,但並未真正改變研究的流程;此外,ChatGPT產出誤導性或是捏造的答案,也還需要更多的監控並需要時間逐步完善,才能讓它在科學界發揮更廣的應用價值。
 
參考資料:
https://www.nature.com/articles/d41586-024-00173-x
 
(編譯 / 吳培安)