是什么使糙米变得健康？科学家们揭开了其丰富营养的秘密

是什么使糙米变得健康？科学家们揭开了其丰富营养的秘密虽然以前的研究已经证明，糙米中的抗氧化化合物可以防范氧化压力，但负责这些有益影响的具体化合物长期以来一直是个谜。糙米中存在的几种脂溶性化合物具有抗氧化能力，但数量不多。阿魏酸环烯酯是一种相对丰富的分子，已被发现是导致糙米的几种健康益处的主要化合物。在冈山大学环境和生命科学研究生院的中村宜督教授领导的一项最新研究中，来自日本的研究人员已经确定阿魏酸环酯（CAF）是糙米中主要的"细胞保护"或细胞保护化合物。由于其混合结构，CAF是一种独特的化合物。正如中村教授所解释的，"CAF是一种多酚和植物甾醇的混合化合物，有望成为具有各种药理特性的强效生物活性物质，如抗氧化作用和降血脂作用。"这项研究最近发表在《国际分子科学杂志》上，由大连理工大学的吴红艳和冈山大学环境与生命科学研究生院的中村宜督共同撰写。在报告中，研究人员通过证明CAF可以保护细胞免受过氧化氢的压力，提供了CAF的抗氧化特性的证据。尽管过氧化氢是细胞代谢过程的副产品，但不正常数量的化合物会对细胞产生毒性，并造成不可逆的损害。用CAF处理细胞可以增加它们对过氧化氢引起的毒性压力的抵抗力。此外，与α-生育酚和γ-生育酚相比，CAF对过氧化氢诱导的压力提供了更大的保护，α-生育酚和γ-生育酚是另外两种突出的抗氧化化合物，早先被推测为是糙米抗氧化能力的主要贡献者。根据该研究的估计，糙米全粒中的CAF含量比糙米中发现的其他抗氧化化合物的含量高五倍。此外，CAF增加了血红素加氧酶-1或HO-1的浓度，这是一种促进产生抗氧化剂的酶。中村教授解释说："我们能够证明，CAF明显增加了HO-1的mRNA水平，这是一种小分子量的抗氧化剂生产酶，其浓度与抵抗氧化损伤的细胞保护作用所需的浓度相似。"研究人员通过实验进一步探索了这一作用机制，在实验中，使用抑制剂阻断HO-1的活性大大降低了CAF的抗氧化作用。高丰度和独特的作用机制证明了CAF是糙米中主要的抗氧化剂。通过这项研究，研究人员不仅发现了糙米对健康有益的秘密，而且还锁定了对这些益处有关的成分。这将使CAF能够被用于开发更好的新型补充剂和食品，重点关注消费者的健康。正如乐观的中村教授所观察到的，"我们的研究可以帮助开发基于CAF功能的新功能食品和补充剂，如基于CAF的营养品"。...PC版：https://www.cnbeta.com.tw/articles/soft/1348699.htm手机版：https://m.cnbeta.com.tw/view/1348699.htm

大自然的秘密口令：植物如何与空气“对话”

大自然的秘密口令：植物如何与空气“对话”研究人员通过空气传播的化合物实现了植物与植物之间交流的可视化，确定了激活植物防御威胁的特定信号和细胞反应。植物在受到机械损伤或昆虫攻击时会向大气中释放挥发性有机化合物（VOC）。未受损的邻近植物会感知到释放的挥发性有机化合物，并将其视为危险线索，从而激活防御反应，抵御即将到来的威胁（图1）。植物之间通过挥发性有机化合物进行空气传播的这一现象于1983年首次被记录下来，此后在30多种不同的植物物种中都观察到了这一现象。然而，从感知挥发性有机化合物到诱导防御的分子机制仍不清楚。图1：植物在受到昆虫破坏时会向大气释放挥发性有机化合物。完好的邻近植物会感知挥发性有机化合物，并启动先发制人的防御反应来对付昆虫。资料来源：MasatsuguToyota/琦玉大学植物对话的突破性可视化由MasatsuguToyota教授（日本埼玉大学）领导的研究小组通过VOCs对植物与植物之间的交流进行了实时可视化，并揭示了VOCs如何被植物吸收，从而启动依赖Ca2+的防御反应，抵御未来的威胁。这项突破性研究将于2023年10月17日发表在《自然通讯》（NatureCommunications）杂志上。YuriAratani和TakuyaUemura分别作为丰田实验室的博士生和博士后研究员领导了这项工作，并与日本山口大学的KenjiMatsui教授进行了合作。视频1：虫害植物释放的挥发性有机化合物诱导Ca2+信号（箭头）。资料来源：MasatsuguToyota/琦玉大学丰田说："我们建造了一种设备，将毛虫喂养的植物释放的挥发性有机化合物泵送到未受损的邻近植物上，并将其与野外实时荧光成像系统相结合。这种创新装置可以观察到芥属植物拟南芥在接触到虫害植物释放的挥发性有机化合物后荧光的爆发性扩散（图2；视频1）。这种植物产生了细胞内Ca2+的荧光蛋白传感器，因此可以通过观察荧光的变化来监测细胞内Ca2+浓度的变化。"丰田说："除了昆虫的攻击外，人工击碎的叶片释放的挥发性有机化合物也会诱导未受损害的邻近植物产生Ca2+信号，"（视频2）。图2：左图：将完整的拟南芥暴露于虫害植物释放的挥发性有机化合物的设备（虚线箭头）。右图：虫害植物释放的挥发性有机化合物（虚线箭头）诱导Ca2+信号（黄色箭头，600和1200秒）。资料来源：MasatsuguToyota/琦玉大学识别关键挥发性有机化合物及其影响为了确定哪种类型的挥发性有机化合物会诱导植物产生Ca2+信号，丰田的科学家团队研究了各种已知会诱导植物防御反应的挥发性有机化合物。他们发现，(Z)-3-己烯醛（Z-3-HAL）和(E)-2-己烯醛（E-2-HAL）这两种六碳醛类挥发性有机化合物能诱导拟南芥中的Ca2+信号（图3；视频3）。Z-3-HAL和E-2-HAL是空气中带有青草气味的化学物质，被称为绿叶挥发物（GLVs），是从机械损伤和食草动物损伤的植物中释放出来的。视频2：人工粉碎的植物释放的挥发性有机化合物诱导Ca2+信号。资料来源：MasatsuguToyota/琦玉大学将拟南芥暴露于Z-3-HAL和E-2-HAL会导致防御相关基因上调。为了了解Ca2+信号与防御反应之间的关系，他们用Ca2+通道抑制剂LaCl3和Ca2+螯合剂EGTA处理拟南芥。这些化学物质抑制了Ca2+信号和防御相关基因的诱导，从而证明拟南芥能感知GLV并以Ca2+依赖性方式激活防御反应。图3：空气中的Z-3-HAL（橙色折线）诱导拟南芥叶片中的Ca2+信号（黄色箭头，120秒和370秒）。资料来源：MasatsuguToyota/琦玉大学保卫细胞：植物的认知门户他们还通过在保卫细胞、叶肉细胞或表皮细胞中设计专门表达荧光蛋白传感器的转基因植物，确定了哪些特定细胞会对GLV产生Ca2+信号。暴露于Z-3-HAL后，保卫细胞在大约1分钟内产生Ca2+信号，随后叶肉细胞也产生了Ca2+信号，而表皮细胞产生Ca2+信号的速度较慢（视频4）。保卫细胞是植物表面的豆状细胞，形成气孔，是连接内部组织和大气的小孔。视频3：空气中的Z-3-HAL（右侧管中）诱导拟南芥叶片中的Ca2+信号。资料来源：MasatsuguToyota/琦玉大学丰田说："植物没有'鼻子'，但气孔是植物的门户，它介导GLV快速进入叶组织间隙。"事实上，他们发现用脱落酸（ABA）（一种以关闭气孔而闻名的植物激素）进行预处理会降低野生型叶片的Ca2+反应。另一方面，ABA诱导的气孔关闭功能受损的突变体，即使用ABA处理，叶片中的Ca2+信号也能保持正常。他说："我们终于揭开了植物何时、何地以及如何对来自其受到威胁的邻居的空气传播'警告信息'做出反应的复杂故事。这种通信网络隐藏在我们的视线之外，在及时保护邻近植物免受迫在眉睫的威胁方面发挥着关键作用。"视频4：空气传播的Z-3-HAL在拟南芥叶片的保卫细胞（左侧视频）、叶肉细胞（中央视频）和表皮细胞（右侧视频）中诱导Ca2+信号。资料来源：MasatsuguToyota/琦玉大学这项开创性的研究不仅加深了我们对植物这个令人惊叹的世界的了解，还强调了大自然赋予植物在逆境中茁壮成长和适应环境的非凡方式。这些发现的深远影响远远超出了植物科学的界限，让我们得以一窥地球上错综复杂的生命织锦。...PC版：https://www.cnbeta.com.tw/articles/soft/1390547.htm手机版：https://m.cnbeta.com.tw/view/1390547.htm

日本千叶县一人工河道检测出有机氟化合物超标

日本千叶县一人工河道检测出有机氟化合物超标据《东京新闻》17日报道，日本千叶县和该县柏市于16日公布了对人工河道“金山落”的水样检测追加调查结果。调查显示，在11个调查点的水样检测中，7个地点的有机氟化合物超过了日本政府的临时指南值（50纳克/升），最高值为指南值的36倍，达到1800纳克/升。调查于3月11日进行，在超标的7个地点中，位于柏市的海上自卫队航空基地东北侧水渠检测到1800纳克/升，东南侧水渠的两个地点分别检测到约1000纳克/升。

迈向更绿色的未来的巨大飞跃：可持续合成氨和化肥生产的突破性进展

迈向更绿色的未来的巨大飞跃：可持续合成氨和化肥生产的突破性进展穿过多孔金属有机框架的横截面，显示出铜原子（橙色）被含有氧（红色）和碳（灰色）的有机连接分子（环己烷二甲酸酯）限制在一个刚性结构里。氨裂解了这个三维框架中的铜氧键，使其转变为一维的聚合物。当氨被赶走时，这个多孔的三维框架就会重新组装起来。资料来源：加州大学伯克利分校JeffreyLong实验室以较少的能源投入制造氨的一个主要绊脚石是将氨与反应物--主要是氮和氢分离，而不需要哈伯-波什工艺所要求的巨大温度和压力波动。该反应发生在大约300至500摄氏度之间，但氨是通过将气体冷却到大约-20ºC来去除的，在这一点上，气态氨会凝结成液体。该过程还需要将反应物加压至约150-300倍大气压。所有这些都需要来自化石燃料的能量。氨分离的替代方法可以为在不太极端的条件下运行的替代工艺打开大门。为了解决这个问题，加州大学伯克利分校的化学家们设计并合成了多孔材料--金属有机框架，或称MOF--能够在中等压力和175℃左右的温度下结合并释放氨。由于MOF不与任何反应物结合，氨的捕获和释放可以在较小的温度波动下完成，从而节省能源。领导这项研究的加州大学伯克利分校博士后本杰明-斯奈德（BenjaminSnyder）说："化肥生产脱碳的一个巨大挑战是找到一种材料，可以捕获并释放非常大量的氨，最好是以最小的能源投入。也就是说，人们不希望在材料中投入大量的热量来迫使氨分离，同样，当氨被吸收时，也不希望产生大量的废热。"在较低温度和压力下运行的工艺的一个关键优势是，氨以及肥料可以在离农民更近的小型设施中生产，甚至在农场现场生产，而不是在大型的集中化工厂中生产。斯奈德和该论文的资深作者、加州大学伯克利分校化学和生物分子工程系教授杰弗里-朗将于本周在《自然》杂志上发表他们的MOF研究细节。本月，斯奈德加入了伊利诺伊大学厄巴纳-香槟分校的化学系，担任助理教授。据斯奈德说，许多研究人员正在研究如何使哈伯-波斯工艺--它可以追溯到20世纪初--更加可持续。这包括利用太阳能将水分成氢气和氧气来生产一种主要的反应物--氢气。今天，氢气通常从天然气中获得，其中大部分是甲烷，在反应中会释放出二氧化碳，这是主要的温室气体。其他绿色改造包括在较低温度和压力下操作的新型催化剂，使氢气与氮气（通常从空气中获取）反应，形成氨气，即NH3。但在反应后从混合物中去除氨仍然很困难，多孔材料如沸石无法吸收和释放大量的氨。而人们尝试过的其他MOFs往往在氨的存在下解体，而氨具有高度腐蚀性。斯奈德的创新是尝试一种相对较新的MOF品种，它采用了由称为环己烷二甲酸酯的有机分子连接的铜原子来创造刚性和高度多孔的MOF结构。令他惊讶的是，氨气并没有破坏这种MOF，而是将其转化为含铜和氨的聚合物链，这种聚合物具有极高的储存氨的密度。此外，这些聚合物链在相对较低的温度下很容易释放它们所结合的氨，在这个过程中把材料恢复到其最初的刚性、多孔的MOF结构。当把这个框架暴露在氨气中时，它完全改变了其结构，开始时是一种多孔的三维材料，而在暴露于氨气后，它实际上解开了自己，形成了一种聚合物，可以把它想象成一捆绳子。这种真正不寻常的吸附机制使其能够吸收大量的氨。在相反的过程中，当移除氨时，聚合物会以某种方式将自己编织成一个三维框架，这是这种材料最引人注目的特征之一。斯奈德发现，MOF可以被调整为在很大的压力范围内吸收和释放氨，使其更能适应任何反应条件，以最有效地从可持续的反应物中生产氨。氨捕获只是工艺升级的一部分，制造更绿色的氨仍然是一项正在进行的工作。...PC版：https://www.cnbeta.com.tw/articles/soft/1338757.htm手机版：https://m.cnbeta.com.tw/view/1338757.htm

科学家重振百年前的有机合成技术 实现更安全、可持续的生产

科学家重振百年前的有机合成技术实现更安全、可持续的生产我们可以把它想象成微观层面上的乐高游戏--化学家把简单的积木连接起来，创造出复杂的分子，就像把乐高积木拼接在一起，形成错综复杂的结构一样。拼图中的一个关键步骤就是在两个碳原子之间建立一个键。就像乐高积木的钉子和反钉子一样，碳原子必须相互配合才能轻松组合在一起。然而，有一个问题：有机化合物中活性最强的碳原子通常带有正电荷，这使得它们彼此不相容。试想一下，用钉子连接两块乐高积木，它们根本无法粘在一起。研究人员的导师指明了方向，却被忽视了早在19世纪有机化学发展初期，研究人员就发现了解决这一问题的巧妙办法，即使用所谓的有机金属化合物。通过将碳与锌或镁等金属结合，他们可以将碳原子的电荷从正极转换为负极。这种"极性开关"可以与其他有机分子形成合适的组合，为化学创造开辟了广阔的天地。镁最有影响力的发现之一是法国化学家维克多-格里尼亚尔（VictorGrignard）的发现，他发现了一种利用唾手可得的镁制造有机衍生物的方法。这项技术意义重大，为他赢得了1912年的诺贝尔奖。格里尼亚尔的方法彻底改变了这一领域，但也有其缺点。研究Barbier机械化学反应的作者（J.V.Nallaparaju、T.Nikonovich、T.Jarg、D.Merzhyievskyi、R.Aav、D.G.Kananovich）和他们研究中使用的关键设备--振动磨。资料来源：塔林理工大学（TalTech）高活性的含金属分子不稳定，暴露在湿气或空气中很容易分解，因此难以进行工业规模的应用。解决这一问题的办法是只生成有机金属化合物的短寿命中间体，这些中间体在相同的环境中不断发生反应，生成稳定的化合物。格里尼亚尔的科学老师菲利普-巴比耶最初尝试用这种方法连接碳原子，但结果并不令人满意--所需产物的产量很低。故事在这里出现了一个具有讽刺意味的转折：他责成格里尼亚尔改进他的方法，从而催生了这一诺贝尔获奖发现。然而，菲利普-巴比耶本人尽管是有机金属化学的先驱，却从未获得过同样的赞誉。TalTech的化学家们化腐朽为神奇一个多世纪后，由RiinaAav教授和高级研究员DzmitryKananovich博士领导的TalTech超分子化学研究小组的化学家们为被遗弃的Barbier法注入了新的活力。他们发现，在一种名为振动磨的设备中，不使用溶剂将化学品与金属镁混合在一起，无论是在效率还是在环保方面，都会有非凡的改进，而不是像化学家们多年来的传统做法那样在有机溶剂中混合化学品。这一令人兴奋的进展使Barbier方法再次成为关注的焦点，使其与著名的格氏方法一样有效。研究成果最近发表在化学领域的权威科学期刊之一《AngewandteChemieInternationalEdition》上。研究人员使用的技术被称为机械化学，尽管这种方法自古以来就广为人知，但长期以来一直被有机合成科学界所摒弃，转而使用更为传统的基于溶液的化学方法。想象一下用研磨机研磨咖啡豆的情景。这就是许多机械化学装置的外观和功能。它们通过快速混合、研磨固体物质，而不是混合溶液来进行化学反应。一个世纪前的环保解决方案为什么这种古老的技术会再次受到欢迎？答案在于它对环境和安全标准的益处。机械化学避免了使用危险的有机溶剂，而有机溶剂对人类和地球都构成了严重威胁。有机金属化合物的制备是化学中一个特别令人兴奋的重点领域，许多受人尊敬的研究小组都在探索这一方向。在他们的研究中，来自TalTech的团队重新审视了Barbier最初的想法，使有机金属化合物的使用更加直接和方便。这种新方法的一个令人兴奋之处在于它对空气甚至某些弱酸的耐受性，而这些物质与传统方法并不兼容。由于有机金属化合物仅作为中间体短暂存在，并能继续反应生成最终产物，因此这一发现有望彻底改变许多有价值物质的生产方式。想想这将如何改变我们的生产方式。它可以带来更简单、更安全、更环保的工艺，尤其是在生产具有重大影响的物质的行业，如制药业。TalTech团队现在希望进一步推进这一创新，旨在通过机械化学生产方法改变制药行业。他们正与来自其他11个欧洲国家的研究人员合作开展IMPACTIVE项目，致力于将这些优势变为现实。机械化学的重新发现和进步可能是开启化学工业新机遇的钥匙，使化学工业更安全、更可持续，造福子孙后代。这堪称是新与旧的融合，有望带来更加光明的未来。...PC版：https://www.cnbeta.com.tw/articles/soft/1399899.htm手机版：https://m.cnbeta.com.tw/view/1399899.htm

突破性人工智能方法以10倍的速度识别帕金森病新疗法

突破性人工智能方法以10倍的速度识别帕金森病新疗法研究人员利用人工智能方法大大加快了发现帕金森病治疗方法的速度。剑桥大学的研究人员设计并使用了一种基于人工智能的策略，以确定能够阻止α-突触核蛋白（帕金森病的特征蛋白）凝结或聚集的化合物。研究小组利用机器学习技术快速筛选了包含数百万个条目的化学库，并确定了五种高效力化合物供进一步研究。全世界有600多万人受到帕金森病的影响，预计到2040年，这一数字将增加两倍。目前还没有改变病情的治疗方法。筛选候选药物的大型化学文库--需要在对患者进行潜在治疗测试之前进行--耗费大量时间和金钱，而且往往不成功。利用机器学习提高筛选效率利用机器学习，研究人员能够将初步筛选过程加快十倍，成本降低一千倍，这意味着帕金森病的潜在治疗方法能够更快地到达患者手中。研究结果发表在《自然-化学生物学》（NatureChemicalBiology）杂志上。帕金森病是全球增长最快的神经系统疾病。在英国，现在每37个在世的人中就有一个会在一生中被诊断出患有帕金森病。除运动症状外，帕金森病还会影响胃肠道系统、神经系统、睡眠模式、情绪和认知能力，导致生活质量下降和严重残疾。蛋白质负责重要的细胞过程，但当人们患有帕金森病时，这些蛋白质就会失控，导致神经细胞死亡。当蛋白质折叠错误时，它们会形成称为路易体的异常团块，这些团块在脑细胞内堆积，使脑细胞无法正常运作。"寻找帕金森氏症潜在治疗方法的途径之一，需要确定能够抑制α-突触核蛋白聚集的小分子，而α-突触核蛋白是一种与该疾病密切相关的蛋白质，"领导这项研究的优素福-哈米德化学系米歇尔-文德斯科洛教授说。"但这是一个极其耗时的过程--仅仅确定一个用于进一步测试的候选先导物就可能需要几个月甚至几年的时间"。虽然目前正在进行治疗帕金森病的临床试验，但没有任何改变病情的药物获得批准，这反映出无法直接针对导致该疾病的分子种类。这一直是帕金森病研究的一大障碍，因为缺乏识别正确分子靶点并与之接触的方法。这一技术差距严重阻碍了有效治疗方法的开发。计算药物筛选的创新剑桥大学团队开发了一种机器学习方法，通过对包含数百万种化合物的化学库进行筛选，找出能与淀粉样蛋白聚集体结合并阻止其增殖的小分子。然后，对少数排名靠前的化合物进行实验测试，以筛选出最有效的聚集抑制剂。从这些实验测试中获得的信息以迭代的方式反馈到机器学习模型中，这样经过几次迭代后，就能确定高效力的化合物。错构疾病中心联合主任文德斯科洛说："我们不是通过实验进行筛选，而是通过计算进行筛选。"通过将我们从初步筛选中获得的知识与我们的机器学习模型相结合，我们能够对模型进行训练，以确定这些小分子上负责结合的特定区域，然后我们可以重新筛选，找到更有效的分子"。利用这种方法，剑桥大学团队开发出了针对聚集体表面口袋的化合物，这些口袋是聚集体本身指数级增殖的原因。这些化合物的效力是以前报道的化合物的数百倍，开发成本也低得多。文德斯科洛说："机器学习对药物发现过程产生了真正的影响--它加快了确定最有前途候选药物的整个过程。对我们来说，这意味着我们可以开始多个药物发现项目的工作，而不仅仅是一个。时间和成本的大幅降低使很多事情成为可能，这是一个令人兴奋的时刻。"编译来源：ScitechDaily...PC版：https://www.cnbeta.com.tw/articles/soft/1428165.htm手机版：https://m.cnbeta.com.tw/view/1428165.htm