开山之作造假！Science 大曝 Nature 重磅论文学术不端，恐误导全球 16 年

开山之作造假！Science 大曝 Nature 重磅论文学术不端，恐误导全球 16 年 开山之作造假！Science 大曝 Nature 重磅论文学术不端，恐误导全球 16 年 Science 最新专题报告披露，论文实验结果存在篡改痕迹。其最坏的影响是，它将误导本世纪以来该领域研究长达 16 年。 这篇论文直接证明了阿尔兹海默症研究一个重要假说，时至今日，被引用数已超过 2300 次。 而它的直接受益者 第一作者，之后更是获得巨额支持：4 年间获 77.4 万美元经费，以及 700 万美元的补助，累计 5200 多万元经费。 [震撼全 Science ] Science 和 Nature 打起来呀！ 此次涉及到的核心论文，2006 年在 Nature 上发表。 论文提出，一种特定的 β-淀粉样蛋白寡聚体 Aβ*56 会损伤大脑记忆，或许会是诱导阿尔兹海默症的关键物质。 研究人员表示，他们在转基因小鼠身上发现了这种物质，并将它提取纯化、注射到了年轻健康小鼠体内，结果显示小鼠记忆力功能出现下降。 当年，这一物质的发现，为淀粉样蛋白假说提供了有力证据。 该假说提出，在阿尔兹海默症患者的大脑内，淀粉样蛋白（Aβ）聚集后形成的寡聚体会形成斑块，从而导致神经元纤维缠结、神经元丢失等。 目前，西尔万还没有对外界进行任何回复，相关调查还在继续 参考链接： [1] [2] [3] [4]

开山之作造假！Science 大曝 Nature 重磅论文学术不端，恐误导全球 年

开山之作造假！Science 大曝 Nature 重磅论文学术不端，恐误导全球 年 开山之作造假！Science 大曝 Nature 重磅论文学术不端，恐误导全球 年 Science 最新专题报告披露，论文实验结果存在篡改痕迹。其最坏的影响是，它将误导本世纪以来该领域研究长达 年。 这篇论文直接证明了阿尔兹海默症研究一个重要假说，时至今日，被引用数已超过 次。 而它的直接受益者 第一作者，之后更是获得巨额支持： 年间获 . 万美元经费，以及 万美元的补助，累计 多万元经费。 [震撼全 Science ] Science 和 Nature 打起来呀！ 此次涉及到的核心论文， 年在 Nature 上发表。 论文提出，一种特定的 β-淀粉样蛋白寡聚体 Aβ* 会损伤大脑记忆，或许会是诱导阿尔兹海默症的关键物质。 研究人员表示，他们在转基因小鼠身上发现了这种物质，并将它提取纯化、注射到了年轻健康小鼠体内，结果显示小鼠记忆力功能出现下降。 当年，这一物质的发现，为淀粉样蛋白假说提供了有力证据。 该假说提出，在阿尔兹海默症患者的大脑内，淀粉样蛋白（Aβ）聚集后形成的寡聚体会形成斑块，从而导致神经元纤维缠结、神经元丢失等。 目前，西尔万还没有对外界进行任何回复，相关调查还在继续 参考链接： [] [] [] []

日本发现所有Covid 变体都是实验室制造大阪医科大学和京都的田中惇贵和宫沢孝幸在他们的研究中追踪SARS-CoV2，

日本发现所有Covid 变体都是实验室制造日本大阪医科大学和京都大学的田中惇贵和宫沢孝幸在他们的研究中追踪SARS-CoV2， Omicron变体的历史演变。 这些变体的存在，似乎为大规模实验室制造和释放新冠病毒提供了确凿的证据。 #牛津视觉

David Baker团队又一突破：首次利用生成式AI设计出全新抗体

David Baker团队又一突破：首次利用生成式AI设计出全新抗体 据 Nature 报道，这一工作提出了将人工智能驱动的蛋白质设计带入价值数千亿美元的治疗性抗体市场的可能性。抗体与流感病毒蛋白结合（来源：Juan Gaertner/Science Photo Library）相关研究论文以“Atomically accurate de novo design of single-domain antibodies”为题，已发表在预印本网站 bioRxiv 上。英国牛津大学免疫信息学家 Charlotte Deane 评价道：“这是一项非常有前景的研究，它代表了将人工智能蛋白质设计工具应用于制造新抗体的重要一步。”让抗体设计更快、更容易抗体是一种免疫分子，能强力附着在与疾病相关的蛋白质上，传统的制造方法包括对动物进行免疫实验或对大量分子进行筛选，昂贵且费时。该论文的共同第一作者、华盛顿大学计算生物化学家 Nathaniel Bennett 认为，能够缩短这些昂贵的人工智能工具有可能“使设计抗体的能力民主化”。在这项工作中，研究团队利用 RFdiffusion 和 RoseTTAFold2 网络，通过计算机模拟和实验验证，成功设计出了全新的抗体 VHH（单域抗体；Variable Heavy-chain of Heavy-chain antibodies）。在整个设计过程中，研究团队充分考虑了抗体与靶标之间的相互作用，力求达到最优的结合效果。据论文描述，RFdiffusion 和 RoseTTAFold2 网络在抗体设计中扮演了至关重要的角色，实现了抗体结构的设计和预测，为全新抗体的生成提供了基础。其中，RFdiffusion 网络主要用于设计全新的抗体结构，特别是针对特定的抗原表位。它可以根据用户指定的抗原表位，设计出具有结合能力的抗体结构。基于 AlphaFold2/RF2 的蛋白质骨架，RFdiffusion 网络使用一系列训练过程来进行蛋白质结构的预测和优化。在训练过程中，该网络通过一系列步骤对蛋白质结构进行噪声处理，并预测去噪后的结构。这些步骤使网络能够学习并优化抗体结构，从而适应特定的抗原表位。通过训练和优化过程，该网络能够生成具有高结合亲和力的抗体结构，从而实现对特定抗原的识别和结合。用于抗体设计的RFdiffusion概述（来源：该论文）RoseTTAFold2 网络则主要用于预测抗体结构，特别是在抗体-抗原复合物中的抗体结构。它能够帮助验证设计的抗体结构与抗原的结合模式是否符合预期。基于 Transformer 神经网络架构，RoseTTAFold2 网络使用大量的蛋白质结构数据进行训练。它通过对蛋白质序列进行序列到序列的预测，从而得到全新的蛋白质 3D 结构。经过微调的RoseTTAFold2能够区分真正的复合物和诱饵复合物（来源：该论文）微调后的RoseTTAFold2与IgFold在抗体单体预测方面的比较（来源：该论文）通过对设计的抗体结构进行预测，研究团队可以更好地了解抗体与抗原之间的相互作用，并验证设计的合理性和有效性。整体上，通过设计和预测抗体结构，RFdiffusion 和 RoseTTAFold2 网络为全新抗体的创新和验证提供了重要支持。人工智能设计的抗体，能用吗？利用这种方法，研究团队设计出了数千种抗体，这些抗体能识别几种细菌和病毒蛋白质（比如流感病毒用来入侵细胞的蛋白质）的特定区域以及一种抗癌药物靶标。然后，他们在实验室中制作了这些设计的一个子集，并测试了这些分子是否能与正确的靶点结合，进而验证了抗体卓越的有效性。例如，表面等离子共振（SPR）等技术，可以验证 VHH 与目标抗原的结合能力。实验结果显示，设计的 VHH 能够与目标抗原特异性结合，并表现出一定的结合亲和力。另外，X 射线晶体学或/和冷冻电镜技术，可以解析 VHH 与目标抗原的复合物结构。结构解析结果显示，设计的 VHH 与目标抗原形成特定的结合模式，VHH 的关键残基与抗原表位发生特异性相互作用，进一步证明了设计的抗体具有与目标抗原结合的能力。最后，通过 SPR 等技术，研究团队对 VHH 与目标抗原的结合亲和力进行了验证。结果显示，设计的 VHH 与目标抗原之间存在一定的结合亲和力，其亲和力值反映了两者之间的结合强度和稳定性。以上这些结果，为设计的抗体的进一步应用和开发提供了重要的实验基础和支持。然而，该研究也存在一些局限性。首先，设计的 VHH 在结合亲和力和特异性方面仍有待进一步优化和提高；其次，设计的 VHH 主要针对单一抗原进行了验证，对于多种抗原或复杂疾病的治疗效果尚待验证；另外，抗体的免疫原性、稳定性和生产成本等方面也需要进一步研究和解决。蛋白质设计，充满无限可能近年来，David Baker 团队一直致力于蛋白质设计研究，且成果显著。图｜David Baker2021 年 8 月，团队研发出了一款完全免费的、新的深度学习工具 RoseTTAFold，不仅拥有媲美 AlphaFold2 的蛋白质结构预测超高准确度，而且更快、所需计算机处理能力更低。2021 年 11 月，团队进一步将 AlphaFold 2 与 RoseTTAFold 相结合，成功用于蛋白质-蛋白质复合物结构的预测。去年 4 月，他们在一篇发表在 Science 上的论文中，介绍了如何利用强化学习设计新型蛋白质设计软件，由该方法合成的蛋白质能更有效地在小鼠体内产生有用抗体。他们称，这一突破将会在疫苗领域有所贡献。去年 7 月，他们开发了一个人工智能蛋白质结构预测系统 RoseTTAFold，称可与 AlphaFold 媲美，不仅可以预测蛋白质结构，还能预测蛋白复合物结构。随后，他们也公开了 RFdiffusion 的云版本，将定制蛋白质带入了主流科研界。去年 12 月，团队在 Nature 上发表论文，展示了人工智能技术能够从头设计高亲和力的蛋白，这让科学家们更有可能创造出更便宜的抗体替代品，用于疾病检测和治疗。一项好的科学研究，不仅需要过硬的技术，也同样需要丰富的想象力。未来，抗体及蛋白质设计领域或将充满着无限可能，为人类健康和医学治疗带来新的希望。参考链接： ... PC版： 手机版：

先进的 RNA 测序技术揭示了 COVID-19 新变异的驱动因素

先进的 RNA 测序技术揭示了 COVID-19 新变异的驱动因素 了解助长 SARS-CoV-2 产生变异能力的遗传机制对遏制 COVID 有很大帮助。在今天（4月22日）发表在《自然-微生物学》（Nature Microbiology）上的这项研究中，贝勒医学院和合作机构的研究人员开发了一种名为tARC-seq的新技术，它揭示了影响SARS-CoV-2分化的遗传机制，并使研究小组能够计算出SARS-CoV-2的变异率。利用tARC-seq，研究人员还在实验室中捕捉到了受感染细胞中SARS-CoV-2的新突变，再现了全球大流行病毒测序数据所揭示的观察结果。这些发现有助于监测病毒在人类群体中的进化。"SARS-CoV-2 病毒使用RNA 而不是DNA 来存储其遗传信息。我们实验室长期以来一直对研究 RNA 生物学感兴趣，当 SARS-CoV-2 出现时，我们决定研究它的 RNA 复制过程，RNA 病毒的复制过程通常容易出错，"通讯作者、贝勒大学分子与人类遗传学教授、分子病毒学与微生物学教授 Christophe Herman 博士说。研究人员希望跟踪 RNA 复制错误，因为这些错误对于了解病毒如何进化、如何在人类群体中传播时发生变化和适应至关重要，但目前的方法缺乏精确性，无法检测到罕见的新 SARS-CoV-2 变异，尤其是在病毒数量较少的样本中，如来自患者的样本。Dan L Duncan 综合癌症中心成员赫尔曼说："由于患者样本中的 SARS-CoV-2 RNA 副本非常少，因此很难区分 SARS-CoV-2 RNA 依赖性 RNA 聚合酶（RdRp）（复制这种病毒 RNA 的酶）产生的错误和序列分析中使用的其他酶产生的错误。我们开发了一种技术，称为靶向精确RNA共识测序（tARC-seq），它使我们能够测量复制极低量特定RNA时的真实误差。"最初的想法是，由于 SARS-CoV-2 有一种内部机制来修复 RdRp 所犯的错误，因此病毒应该不会很快进化或变异。赫尔曼说："这种想法与大流行期间世界各地经常出现新的 COVID 变种这一事实形成了鲜明对比。自大流行开始以来，我们已经看到了一些突出的变种，包括 Alpha、Beta、Delta 和 Omicron，以及这些群体中的变种"。有了改进后的分析工具，研究人员准确测定了实验室细胞培养物和临床样本中SARS-CoV-2的变异频率和变异类型。赫尔曼说："我们发现变异率高于最初的预期，这有助于解释COVID变体频繁出现的原因他们还发现，SARS-CoV-2 RNA 中存在一些热点，这些位置比其他位置更容易发生变异。"例如，我们在与尖峰蛋白相对应的 RNA 区域发现了一个热点，尖峰蛋白是一种能让病毒侵入细胞的蛋白质。此外，尖峰蛋白的RNA也构成了许多疫苗，"赫尔曼说。tARC-seq 方法还发现，新变体的产生涉及模板切换。"RdRp 在复制一个 RNA 模板或序列时，会跳转到附近病毒上的另一个模板，然后继续复制 RNA，因此产生的新 RNA 副本是两个 RNA 模板的混合物，"赫尔曼说。"这种模板切换会导致序列插入或缺失，从而产生病毒变异。我们还观察到了复杂的突变。SARS-CoV-2利用模板切换和复杂突变这两种强大的生物机制，使其能够快速进化，产生变种，以适应并在人类种群中存活。""tARC-seq 使我们能够在实验室细胞培养物中捕捉到新突变的出现，这些新突变再现了全球大流行测序数据中观察到的突变，这既有趣又令人兴奋。我们的新技术捕捉到了个体患者临床样本中新突变的快照，可用于监测人类群体中的病毒进化。"编译来源：ScitechDaily ... PC版： 手机版：

与病毒一起进化：更新COVID-19疫苗的反应会受到以前接种疫苗的影响

与病毒一起进化：更新COVID-19疫苗的反应会受到以前接种疫苗的影响 COVID-19大流行已经结束，但该病毒仍在继续流行，每周都有数千人住院治疗，并经常产生新的变种。由于该病毒具有极强的变异和免疫逃避能力，世界卫生组织（WHO）建议每年更新 COVID-19 疫苗。但一些科学家担心，首批 COVID-19 疫苗取得的巨大成功可能会对更新版本产生不利影响，从而削弱年度疫苗接种计划的效用。类似的问题也困扰着每年的流感疫苗接种活动；一年的流感疫苗接种所产生的免疫力可能会干扰随后几年的免疫反应，从而降低疫苗的效力。圣路易斯华盛顿大学医学院研究人员的一项新研究有助于解决这个问题。与对流感病毒的免疫不同，先前对导致 COVID-19 的SARS-CoV-2 病毒的免疫不会抑制后来的疫苗反应。研究人员报告说，它反而会促进广泛抑制性抗体的发展。重复接种疫苗的益处这项在线发表于《自然》（Nature）上的研究表明，反复接种 COVID-19 疫苗的人最初接种的是针对原始变种的疫苗，之后接种的是针对变种的强化疫苗和更新疫苗产生的抗体能够中和多种 SARS-CoV-2 变种，甚至是一些远缘冠状病毒。研究结果表明，定期重新接种 COVID-19 疫苗非但不会阻碍人体识别和应对新变种的能力，反而会使人们逐渐积累起广泛的中和抗体，从而保护他们免受新出现的 SARS-CoV-2 变种和其他一些冠状病毒的感染，甚至是那些尚未出现的感染人类的病毒。资深作者、赫伯特-S-加瑟医学教授、医学博士迈克尔-S-戴蒙德（Michael S. Diamond）说："一个人接种的第一种疫苗会诱发强烈的初级免疫反应，这种反应会影响对后续感染和疫苗接种的反应，这种效应被称为'印记'。原则上，印记可以是积极的、消极的或中性的。在这种情况下，我们看到的强烈印记是积极的，因为它与具有显著广泛活性的交叉反应中和抗体的发展相结合。"医护人员于 2020 年 12 月接种了第一剂 COVID-19 疫苗。圣路易斯华盛顿大学医学院研究人员的一项研究发现，重复接种更新版的 COVID-19 疫苗可促进抗体的发展，从而中和导致 COVID-19 以及相关冠状病毒的多种病毒变体。资料来源：马特-米勒/华盛顿大学印记是免疫记忆发挥作用的自然结果。第一次接种会触发记忆免疫细胞的发育。当人们接种第二次与第一次非常相似的疫苗时，第一次疫苗激发的记忆细胞就会被重新激活。这些记忆细胞主导并形成对后续疫苗的免疫反应。就流感疫苗而言，印记会产生负面影响。产生抗体的记忆细胞会排挤产生抗体的新细胞，人们针对新疫苗中的菌株产生的中和抗体相对较少。但在其他情况下，"印记"可能是积极的，因为它能促进交叉反应抗体的产生，从而中和最初疫苗和后续疫苗中的毒株。关于印记及其影响的研究为了了解印记如何影响对重复接种COVID-19疫苗的免疫反应，戴蒙德和包括第一作者、研究生梁洁玉在内的同事们研究了小鼠或接种过一系列COVID-19疫苗和增强剂的人的抗体，这些疫苗和增强剂首先针对的是原始变体，然后是奥米克变体。一些人类参与者也自然感染了导致COVID-19的病毒。第一个问题是印记效应的强度。研究人员测量了参与者体内有多少中和抗体是针对原始变体、奥米克隆变体或两者的。他们发现，只有极少数人产生了针对奥米克龙的特异性抗体，这种模式表明最初的疫苗接种产生了强烈的印记效应。但他们也发现，原始变体的抗体也很少。绝大多数中和抗体与这两种抗体都有交叉反应。下一个问题是交叉反应效应的范围有多大。根据定义，交叉反应抗体可识别两种或两种以上变体的共同特征。有些特征只有相似的变种才共享，有些特征则是所有 SARS-CoV-2 变种甚至所有冠状病毒共享。为了评估中和抗体的广泛性，研究人员用一组冠状病毒对抗体进行了测试，其中包括来自两个omicron支系的SARS-CoV-2病毒、一种来自穿山甲的冠状病毒、导致2002-03年SARS流行的SARS-1病毒以及中东呼吸综合征（MERS）病毒。这些抗体能中和除 MERS 病毒以外的所有病毒，因为 MERS 病毒与其他病毒来自不同的冠状病毒家族分支。进一步的实验表明，这种显著的广泛性是由于原始疫苗和变异疫苗的结合。只接种针对 SARS-CoV-2 原始变体疫苗的人产生了一些交叉反应抗体，这些抗体能中和穿山甲冠状病毒和 SARS-1 病毒，但水平较低。不过，在接种奥米克疫苗后，针对两种冠状病毒的交叉反应性中和抗体有所增加。综上所述，这些研究结果表明，定期重新接种针对变种的最新 COVID-19 疫苗不仅可以让人们抵御疫苗中的 SARS-CoV-2 变异株，还可以抵御其他 SARS-CoV-2 变异株和相关冠状病毒，可能包括尚未出现的变种。分子微生物学教授、病理学与免疫学教授戴蒙德说："在 COVID-19 大流行之初，世界人口的免疫系统还很幼稚，这也是病毒传播如此之快、造成如此之大破坏的部分原因。我们并不确定每年接种更新的 COVID-19 疫苗是否能保护人们免受新出现的冠状病毒的感染，但这是有可能的。这些数据表明，如果这些交叉反应抗体不会迅速减弱我们需要长期跟踪它们的水平才能确定它们可能会在相关冠状病毒引起的大流行中提供一定甚至是实质性的保护。"编译来源：ScitechDaily ... PC版： 手机版：