科学家用最先进的成像技术揭开细胞结构的神秘面纱

科学家用最先进的成像技术揭开细胞结构的神秘面纱 沿纵轴切开并从上方观察的人类中心粒模型。图片来源：© CentrioleLab这种细胞器对细胞骨架的组织至关重要，在功能障碍的情况下与某些癌症、脑部疾病或视网膜疾病有关。这项发表在《细胞》（Cell）杂志上 的研究成果阐明了中心粒组装的复杂性。它还为研究其他细胞器开辟了许多新途径。细胞器的形成是按照连续的蛋白质招募事件的精确序列进行的。通过实时观察这种组装过程，可以更好地了解这些蛋白质在细胞器结构或功能中的作用。然而，要获得具有足够分辨率的视频序列来分辨如此复杂的显微元件，却面临着许多技术限制。为更好地观察细胞而充气中心粒尤其如此，这个尺寸不到 500 纳米（千分之五毫米）的细胞器由大约 100 种不同的蛋白质组成，分为六个亚结构域。直到几年前，人们还无法看到中心粒结构的细节。联合国大学理学院分子和细胞生物学系联合研究主任保罗-吉夏尔（Paul Guichard）和维吉妮-哈梅尔（Virginie Hamel）的实验室利用膨胀显微镜技术改变了这一局面。这项尖端技术可以使细胞及其成分在不变形的情况下逐渐膨胀，这样就可以使用传统显微镜以极高的分辨率对它们进行观察。以如此高的分辨率获取中心粒图像可以确定蛋白质在特定时间的确切位置，但却无法提供关于亚结构域或单个蛋白质出现顺序的信息。该研究的第一作者、前联合国工程师学会研究和教学人员 Marine Laporte 利用膨胀显微镜分析了一千多个中心粒在不同生长阶段的六个结构域中 24 种蛋白质的位置。重组图片，让它们运转起来"在这项非常繁琐的工作之后，我们进行了伪时间运动学重建。换句话说，我们能够将中心粒生物发生过程中随机拍摄的数千张图像按时间顺序排列起来，利用我们开发的计算机分析方法重建中心粒亚结构形成的各个阶段，"这项研究的共同负责人维吉妮-哈梅尔解释说。这种独特的方法结合了极高分辨率的膨胀显微镜和运动学重建，使我们能够首次建立人类中心粒的 4D 组装模型。保罗-吉夏尔总结说："我们的工作不仅加深了我们对中心粒形成的理解，还为细胞和分子生物学开辟了令人难以置信的前景，因为这种方法可以应用于其他大分子和细胞结构，研究它们在空间和时间维度上的组装。"编译自/scitechdaily ... PC版： 手机版：

科学家发现自然界最大细胞中神秘漩涡运动的起源

科学家发现自然界最大细胞中神秘漩涡运动的起源 最新研究揭示了卵细胞中"漩涡状"流动背后的自然机制，这种流动对营养物质的高效分配至关重要。这些发现是通过先进的建模和实验方法实现的，为细胞运输提供了新的见解，并可能影响更广泛的生物学研究。模拟微管如何弯曲并引导成熟卵细胞中的物质形成旋涡状流动的快照。图片来源：S. Dutta 等人科学家们早就知道，成熟的卵细胞（称为卵母细胞）会在内部产生类似旋涡的液流来运输营养物质，但这些液流是如何产生的一直是个谜。现在，Flatiron 研究所的计算科学家与普林斯顿大学和西北大学的合作者共同领导的研究揭示了这些流动看起来就像微型龙卷风是由一些细胞成分的相互作用有机产生的。他们的研究成果发表在四月号的《自然-物理》（Nature Physics）杂志上，他们利用理论、先进的计算机建模和果蝇卵细胞实验揭示了龙卷风的力学原理。这些成果有助于科学家们更好地理解有关卵细胞发育和细胞运输的基础问题。"我们的发现代表了这一领域的一大飞跃，"共同作者、Flatiron 研究所计算生物学中心（CCB）主任迈克尔-谢利（Michael Shelley）说。"我们能够应用多年来从其他研究中获得的先进数值技术，这让我们能够比以往更好地看待这个问题。"在一个典型的人体细胞中，一个典型的蛋白质分子通过扩散从细胞的一侧蜿蜒到另一侧只需要 10 到 15 秒；而在一个小型细菌细胞中，这一过程只需要一秒钟。但在本文研究的果蝇卵细胞中，单是扩散就需要一整天的时间这对细胞的正常功能来说时间太长了。相反，这些卵细胞发展出了"旋风流"，它在卵细胞内部盘旋，迅速分配蛋白质和营养物质，就像龙卷风能把物质卷起并移动到比风更远更快的地方一样。在这段循环播放的卵母细胞视频中，可以看到物质在整个生长细胞中循环并帮助分配养分。图片来源：S. Dutta 等人"受精后，卵母细胞将成为未来的动物，"该研究的合著者、普林斯顿大学和中央研究院的研究员萨扬坦-杜塔（Sayantan Dutta）说。"如果破坏了卵母细胞中的流动，所产生的胚胎就不会发育"。研究人员使用了 Flatiron 研究所研究人员开发的一款名为SkellySim 的先进开源生物物理学软件包。通过SkellySim，他们模拟了参与制造细胞的成分。其中包括微管细胞内部的柔性细丝和分子马达，分子马达是作为细胞工作母机的特化蛋白质，携带着被称为有效载荷的特殊分子组。科学家还不太清楚这些有效载荷是由什么组成的，但它们在产生气流中起着关键作用。研究人员模拟了数以千计的微管在载荷分子马达的作用力下的运动。通过在实验和模拟之间来回切换，研究人员得以了解旋流的结构，以及它们是如何从细胞液和微管之间的相互作用中产生的。"我们的理论工作使我们能够放大并以三维方式实际测量和可视化这些旋涡，"该研究的合著者、CCB 研究科学家 Reza Farhadifar 说。"我们看到了这些微管如何在没有任何外部线索的情况下，通过自组织产生大规模流动。"在这段循环播放的卵母细胞视频中，可以看到物质在整个生长细胞中循环并帮助分配养分。图片来源：S. Dutta 等人模型显示，在卵母细胞内部，微管在分子马达的作用下发生弯曲。当微管在这种负荷下屈曲或弯曲时，会导致周围液体移动，从而使其他微管重新定向。在一个足够大的弯曲微管群中，所有微管都朝同一方向弯曲，流体流动就会变得"合作"。随着微管的集体弯曲，移动的有效载荷在整个卵子中形成漩涡或漩涡状流动，帮助分子分散到细胞周围。有了漩涡，分子可以在 20 分钟而不是 20 小时内穿过细胞。谢利说："该模型显示，该系统具有令人难以置信的自我组织能力，能够创造出这种功能性流动。而只需要一些成分只有微管、细胞的几何形状和携带有效载荷的分子马达。"这些新发现为更好地了解卵细胞的发育奠定了基础。这些结果还有助于揭开其他细胞类型中物质运输的神秘面纱。"既然我们知道了这些漩涡是如何形成的，我们就可以提出更深层次的问题，比如它们是如何混合细胞内的分子的？这开启了理论与实验之间的新对话。"法哈迪法尔说。"这项新研究让人们对微管有了全新的认识。微管在植物和动物等几乎所有真核生物的各种细胞类型和细胞功能（如细胞分裂）中发挥着核心作用。这使它们成为"细胞工具箱中非常重要的一部分"，Dutta 说。"通过更好地理解它们的机制，我认为我们的模型将有助于推动细胞生物物理学中许多其他非常有趣的问题的发展"。编译来源：ScitechDaily ... PC版： 手机版：

解码癌症：研究人员揭示细胞是如何"叛变"的

解码癌症：研究人员揭示细胞是如何"叛变"的 访问：NordVPN 立减 75% + 外加 3 个月时长 另有NordPass密码管理器 约翰斯-霍普金斯大学医学院的科学家们绘制了人类乳腺和肺细胞中的一条分子途径，它可能导致基因组过度复制，而这正是癌细胞的一个特征。这些发现最近发表在《科学》杂志上，揭示了当一组分子和酶触发并调节所谓的"细胞周期"（用细胞的遗传物质制造新细胞的重复过程）时，会出现什么问题。研究人员认为，这些发现可用于开发中断细胞周期障碍的疗法，并有可能阻止癌症的生长。为了复制，细胞会遵循一个有序的程序，首先复制整个基因组，然后分离基因组副本，最后将复制的DNA平均分成两个"子"细胞。人类细胞的每对染色体有 23 对一半来自母亲，一半来自父亲，包括性染色体 X 和 Y即总共 46 对，但已知癌细胞会经历一个中间状态，即拥有双倍的数量92 条染色体。这是如何发生的是一个谜。约翰霍普金斯大学医学院分子生物学和遗传学副教授塞尔吉-雷戈特（Sergi Regot）博士说："癌症领域科学家们的一个永恒问题是：癌细胞基因组是如何变得如此糟糕的？我们的研究对细胞周期的基础知识提出了挑战，让我们重新评估了关于细胞周期如何调节的想法"。细胞周期调控面临的挑战雷戈特说，复制基因组后受到压力的细胞会进入休眠或衰老阶段，并错误地冒着再次复制基因组的风险。一般来说，这些休眠细胞在被免疫系统"识别"为有问题的细胞后，最终会被清除。但有时，尤其是随着年龄的增长，免疫系统无法清除这些细胞。如果任由这些异常细胞在体内游荡，它们就会再次复制基因组，在下一次分裂时对染色体进行洗牌，从而引发癌症。为了确定细胞周期中出现问题的分子途径的细节，雷戈特和研究生研究助理康纳-麦肯尼（Connor McKenney）领导约翰-霍普金斯大学的研究小组，重点研究了乳腺导管和肺组织中的人类细胞。原因何在？这些细胞的分裂速度通常比体内其他细胞更快，从而增加了观察细胞周期的机会。观看这段视频，了解细胞在不分裂的情况下经历两次复制基因组的细胞周期阶段。细胞核中出现的亮点表明 DNA 正在复制的位置。资料来源：约翰-霍普金斯大学医学院塞尔吉-雷戈特实验室雷戈特的实验室擅长对单个细胞进行成像，因此特别适合发现极少数没有进入休眠期、继续复制基因组的细胞。在这项新研究中，研究小组仔细观察了数千张单细胞在细胞分裂过程中的图像。研究人员开发了发光生物传感器，用于标记细胞周期蛋白依赖性激酶（CDKs）。他们发现，各种 CDK 在细胞周期的不同时期激活。在细胞受到环境压力（如干扰蛋白质生产的药物、紫外线辐射或所谓的渗透压（细胞周围水压的突然变化））后，研究人员发现 CDK 4 和 CDK 6 的活性降低了。细胞周期破坏的研究结果五到六小时后，当细胞开始准备分裂时，CDK 2 也受到了抑制。此时，一种名为无丝分裂促进复合物（APC）的蛋白质复合物在细胞分裂前的阶段被激活，这一步骤被称为有丝分裂。Regot说："在研究中的受压环境中，APC激活发生在有丝分裂之前，而通常人们只知道它在有丝分裂过程中激活。"当暴露在任何环境压力下时，约 90% 的乳腺细胞和肺细胞会离开细胞周期，进入安静状态。在他们的实验细胞中，并非所有细胞都安静了下来。研究小组发现，约有 5%-10%的乳腺细胞和肺细胞重返细胞周期，再次分裂染色体。通过另一系列实验，研究小组发现，所谓的应激活化蛋白激酶活性的增加与一小部分细胞脱离安静阶段并继续将基因组翻倍有关。雷戈特说，目前正在进行一些临床试验，测试DNA损伤剂与阻断CDK的药物。联合用药有可能促使一些癌细胞将基因组复制两次，产生异质性，最终产生抗药性。也许有药物可以阻止 APC 在有丝分裂前激活，从而防止癌细胞二次复制基因组，防止肿瘤阶段性进展。编译来源：ScitechDaily ... PC版： 手机版：

下棋下哭柯洁的DeepMind 这次要让生物界地震？

下棋下哭柯洁的DeepMind 这次要让生物界地震？ 生物体内几乎所有的分子结构，它都可以预测。这意味着生物医学研究从此开了真 · 上帝视角，任何生物分子作用机理都将从黑盒中打开，变成透视模式。不少媒体和网友开始欢呼， 21 世纪，这下真要成生物的世纪了……要看懂这次新发布的 AlphaFold 3 有多牛，咱们就得先知道， DeepMind 和它的 AlphaFold ，曾给了分子生物圈多大的震撼……我们在九年义务教育里都学过，生物体内最多的物质就是蛋白质，而要搞清楚生物分子的底层原理，就必须知道每个蛋白质具体长啥样。这么说吧，在 AlphaFold 之前，大伙们预测蛋白质结构主要两种办法，一是用 X 光照蛋白质晶体，也就是先拍片子再分析片子，再来搞懂它长啥样。二是核磁共振 ( NMR ) 光谱，拍出大体形状轮廓，再推测它的结构。这些传统办法不仅慢，适用范围小，需要不断试错，还费钱，每拍一次片子就花好几万美金，抵一辆小米 su7 。这也是为啥蛋白质研究方向生物学家，费钱且需要大量经验……只有那些经验的老师傅，蛋白质仙人，才能更快猜到蛋白质的准确形状，少拍点片子。所以人们就琢磨，这种需要经验总结的工作能不能靠 AI 解决呢？DeepMind 就来干这事了，为了克服传统拍片子的问题，第一代 AlphaFold 选择技术路线的时候就摊牌了：不拍片子！蛋白质既然由氨基酸构成，初代 AlphaFold 用的方法就是，利用来自各处公开的已知蛋白质结构，把这些蛋白质中每一对氨基酸的距离，链接角度，汇总起来做成一张图， AI 用神经网络消化完他们，再让 AI 做出自己的预测。而 2018 年第一代 AlphaFold 一经发布，就技惊四座，力压一众实验室老师傅，获得第 13 届蛋白质结构预测大赛 ( CASP ) 冠军。AI ，很神奇吧。不过，初代 AlphaFold 有个问题，它更依赖局部数据的特征来训练，它不太能提取到较远元素之间的关系。就好像一个只会写短文，但学不会写长篇小说的作家。问题是，很多蛋白质分子有长距离的依赖性，这让初代 AlphaFold 的实力就有点捉襟见肘了。好在 2020 年发布的 AlphaFold2.0 ，用上后来在 ChatGPT 上大火的 Transformer 模型。Transformer 模型的注意力机制，则完美解决了长距离氨基酸的问题，进步有多大呢？2018 年蛋白质结构预测大赛里 1.0 版本准确度得分不到 60 分，但是 2020 年大赛里 2.0 版本拿到了惊人的 92.4 分，它能生成的范围已经涵盖了人类已知蛋白质的 98% ，更重要的是它完全开源。可以说， 2.0 版本已经基本解决了单链蛋白质的预测问题，到 2021 年，基于 2.0 改版的 AlphaFold-Multimer 发布，也支持上了多链，准确度上也取得了突破，蛋白质之间作用的预测准确率超过 70% 。所以现在很多公司也用上了它们，甚至助力了国外一些新冠疫苗研发。但在 DeepMind 看来，蛋白质结构预测上的胜利，还远远没发挥完 AI 的潜力，因为生物体内的复杂分子结构不止有蛋白质，还有核酸，小分子配体等等，这就好比你花了十年时间学刻钥匙开锁技术，结果一出师，发现大家用的都是指纹锁密码锁，用传统钥匙的人太少了！所以这次 AlphaFold 3 ，他们更新了一个更牛逼的全方位模型，不仅能预测蛋白质 DNA RNA 等各种小分子，还能揭示他们之间的互相作用。那这是怎么干的呢？答案是，他们用了 Diffusion 。对，就是大名鼎鼎的扩散模型，在 AI 绘画大火的时候，想必大家就听说过。它的原理就是把原图像不断打码，再让 AI 学会预测这些马赛克的生成过程，然后反过来实现从马赛克到图像的生成。不过，就像 AI 画画生成不好手指， Sora 椅子视频会穿模一样， Diffusion 加持下的 AlphaFold 3 也会预测错误，特别是在一些长得相似难以区分的结构上，比如各位高中有机化学里学过的手性分子。所以在这些容易出错的地方， DeepMind 用了一个叫做交叉蒸馏的操作，说白了就是让有 Transform 模型的 2 代版本先预测，再把预测数据添加到 AlphaFold 3 的训练中，也就是相当于让 2 代扮演教师，领着 3 代去做，这样就能减少预测失误。生成的效果有多好？直接看官方图吧AlphaFold 3 对 7BBV - 酶 ( 存在于一种土壤真菌体内 ) 的预测，其中酶蛋白（ 蓝色 ）、离子（ 黄色球体 ）和单糖（ 黄色 ）与真实结构（ 灰色 ）几乎重合AlphaFold 3 对感冒病毒刺突蛋白（ 蓝色 ）与抗体（ 绿松石色 ）和单糖（ 黄色 ）相互作用时的结构预测，与真实结构准确匹配（ 灰色的）AlphaFold 3 对蛋白复合物的预测，其中蛋白质（ 蓝色 ）与 DNA （ 粉色 ）结合，预测模型与实验测定的真实分子结构（ 灰色 ）近乎完美匹配除了生成质量相当哇塞，精度也是遥遥领先的原子级。在蛋白质与核酸配体的模拟上全面优于其他产品，抗原抗体的模拟也同样优秀。而操作 AlphaFold3 就更容易了。用 ChatGPT ，咱还得想办法提个好问题、写好提示词，而在 AlphaFold 3 ，你只需要输入一些分子列表，它就能预测出它们是如何组合在一起的。试想一下，原先需要花大量时间精力和资金才能观察到的现象，现在只需要在网站输入参数再单击，几分钟后就能产生极高清晰度和准确度的生物大分子模型。甚至细胞系统内部的生化过程，现象， DNA 如何发挥作用，药物和激素的反应如何进行，也全都能在极短时间内被整明白。这些遥遥领先的数据，和大家的热情好像都在说：这次发布已经不是跨越式进步了，而是革命性的突破，整个传统生物医疗的科研方式，似乎都要被改变了。不过世超觉得，乐观是好的，但是科学这玩意儿除了乐观，要的还得是中肯和严谨。在各路媒体和网友都在 “ 炸裂 ” “ 颠覆 ” “ 改变世界 ” 的时候，圈内对的不少大佬，也发表了些对 AlphaFold 3 的评价。比如颜宁教授团队就发现， 3.0 版本在一个糖蛋白预测中就翻车了，表现甚至不如前代版本。也有不少科学家吐槽 3.0 相比 2.0 它还不开源了，使用次数也有限制。甚至，还有人质疑 DeepMind 的老板 Hassabis ，他自己就创立过一家 “ 专注人工智能的药物公司 ” ，号称要 “ 利用人工智能重新定义药物发现 ” ，但从 2021 年到，今天他们还没有推出任何药物。当然这就有点在尬黑了，毕竟药物研发过程中，蛋白质结构问题只是其中一小部分，这并不能对药物研发进度产生决定性影响……总之，世超觉得 AlphaFold 的三代产品确实喜人，但在生命科学的漫漫实践长路上，它依旧有着不少难题需要去突破。不过说到底，进步总还是好事，希望 DeepMind 能再多搞点，搞快点吧。 ... PC版： 手机版：