光诱导分子振动，让癌细胞破裂！｜Science日报

2024-04-08 16:08 来源：绯娱网点击：

光诱导分子振动，让癌细胞破裂！｜Science日报

消灭抗生素耐药性“超级细菌”

来自阿默斯特大学的研究团队及其合作者发现了如何阻止病原体感染宿主细胞的一个关键机制，并开发出了一种测试方法来确定针对这种脆弱细胞机制的下一代药物。研究论文已发表在 ACS Infectious Diseases 上。

治疗微生物感染的典型策略是用抗生素药物轰击病原体，这种药物的作用是进入有害细胞并杀死它，但是很难设计出同时具备水溶性和油性的药物。另外，病原细胞可以发展发出更多“外排泵”，将抗生素安全地排出细胞，并对这种特定的抗生素产生抗药性。

为了穿透宿主细胞的细胞壁，病原体需要分泌 PopD 和 PopB 这两种蛋白质，并将其结合形成一个“转译接头”，从而形成穿过细胞膜的细胞隧道。一旦隧道建立起来，致病细胞就能注入其他蛋白质，完成感染宿主的工作。整个过程被称为 3 型分泌系统。研究人员试图破坏这一过程防止病原体感染宿主细胞，而不杀死病原体以防止其产生抗药性。

为找到能够阻止“转译接头”形成的分子，研究者开发出一种测试方法，即将一种荧光酶用作示踪剂。研究人员把这种酶分成两半，一半被植入 PopD/PopB 蛋白中，另一半被植入宿主细胞中。如果宿主细胞突然亮了起来，这就意味着 PopD/PopB 成功地突破了细胞壁，将两半荧光素酶重新结合在一起。如果细胞一直处于黑暗状态就可以知道是哪些分子破坏了“转译接头”。

研究结果可以用于鉴定能使病原体失效的新药，从而真正改善公共卫生状况。

论文链接：

https://pubs.acs.org/doi/10.1021/acsinfecdis.3c00482

研究发现：

睡觉也在学习，呼吸巩固记忆

一项来自慕尼黑大学团队的研究发现，呼吸是一个潜在的起搏器，呼吸会影响记忆在睡眠中的巩固过程。研究论文发表在 Nature Communications 上。

研究人员分两次向 20 名参与者展示了 120 张图片。所有图片都与特定词语相关联。然后参与者在睡眠实验室里睡了大约两个小时醒来后，研究人员会询问他们的联想。在整个学习和睡眠过程中，参与者的大脑活动和呼吸都被脑电图记录下来。研究人员发现，在出现所谓的慢振荡和睡眠棘（大脑活动增强的短暂阶段）时，睡眠中的大脑会自发地重新激活之前学习的内容。研究还发现呼吸与特征性慢振荡和纺锤形模式的出现是相关联的，呼吸对于睡眠时的记忆处理也很重要。

论文链接：

https://www.nature.com/articles/s41467-023-43450-5

“死星”异构位点被全面鉴定，

或有助于癌症药物开发

一项来自西班牙和英国的研究全面鉴定了蛋白质 KRAS 中的异构位点，首次提出了完整的 KRAS 控制图谱，有助于癌症药物开发。研究发表在 Nature 上。

KRAS 是多种类型癌症中最常见的突变基因之一，因为它呈球形，缺乏药物靶点，所以被称为“死星”（"Death Star"）蛋白。控制 KRAS 的唯一有效策略是靶向其异位通讯系统。要控制蛋白质，需要一把能打开锁（活性位点, active site）的钥匙（化合物或药物）。蛋白质还可以受到位于其表面其他部位的辅助锁（异构位点, allosteric site）的影响。当分子与异构位点结合时，会导致蛋白质的形状发生变化，从而改变蛋白质的活性或与其他分子结合的能力。异构位点通常是药物开发的首选，因为它们具有更强的特异性，降低了产生副作用的可能性。它们还能更巧妙地改变蛋白质的活性，为微调其功能提供了可能。与针对活性位点的药物相比，针对异构位点的药物通常更安全、更有效。然而，异构位点非常难以捉摸，四十年的研究只有两种药物被批准用于临床。

这项研究利用一种叫做深度突变扫描（deep mutational scanning）的技术绘制了这些异构位点，并发现 KRAS 具有比预期更多的强异构位点。研究还发现了位于蛋白质表面容易到达的四个不同口袋（pocket）中一部分位点，是未来有希望的药物靶点，有助于设计更安全、更有效的药物。

论文链接：

https://www.nature.com/articles/s41586-023-06954-0

光诱导分子振动，让癌细胞破裂！

一项来自莱斯大学的研究发现了一种利用某些分子在受到光刺激时强烈振动的能力来摧毁癌细胞的方法。研究发表在 Nature Chemistry 上。

研究人员发现，一种用于医学成像的小染料分子的原子在受到近红外线的刺激时会发生一致振动——形成所谓的等离子体——从而导致癌细胞的细胞膜破裂。这种分子是氨基菁分子，是一类用于医学成像的荧光合成染料。

论文链接：

https://www.nature.com/articles/s41557-023-01383-y

Science：世界首个高温超导二极管的候选材料

几十年来，能让电子完美无损流动的超导体材料通常只能在绝对零度以上几度的低温下才能表现出这种量子力学特性，以至于无法实用。

一项来自哈佛大学的研究利用一种独特的低温设备制造方法，制造和操纵一类被广泛研究的高温超导体——铜氧化物，发现了世界上首个高温超导二极管的候选材料——本质上，它是一个能使电流单向流动的开关——由薄杯状晶体制成。研究论文发表在 Science 上。

研究人员通过在超纯氩气中使用无空气低温晶体操作方法，在两层极薄的铜氧化物铋锶钙（“BSCCO”）之间设计出了一个干净的界面。BSCCO 被认为是一种高温超导体。研究人员首先将 BSCCO 分成两层，每层只有头发丝的千分之一宽。然后，在零下 130 度时，他们将这两层以 45 度扭曲的方式堆叠在一起，就像用歪斜的晶片做冰激凌三明治一样，在脆弱的界面上保留了超导性。研究人员发现，无阻力通过界面的最大超电流因电流方向不同而不同。最重要的是，研究人员还通过扭转这种极性证明了对界面量子态的电子控制。正是这种控制使研究人员有效地制造出了一个可切换的高温超导二极管。

论文链接：

https://www.science.org/doi/10.1126/science.abl8371

新型超导材料，可开可闭

一项来自华盛顿大学的研究发现了一种超导材料，它对外界刺激具有独特的敏感性，能够随意增强或抑制超导特性。该研究发表在 Science Advances 上。

超导是一种量子力学物质相，在这种物质相中，电流可以零电阻流过材料。该研究发现的材料由夹在铁、钴和砷原子超导层之间的铁磁性铕原子平板构成。该材料多相之间存在着密切的竞争关系，通过施加微小的应变或磁场，就能使其中一相超过另一相，从而开启或关闭超导功能。

这种材料可以带来更高效的大规模计算，也可用于下一代工业电子产品的超导电路中。

论文链接：

https://www.science.org/doi/10.1126/sciadv.adj5200

心脏背心能预测心脏性猝死风险

一项来自伦敦大学学院的研究表明，一种能详细绘制心脏电活动图的背心有可能用来更好地识别心脏性猝死高危人群。研究发表在 Journal of Cardiovascular Magnetic Resonance 上。

心电图成像（ECGI）背心上 256 个传感器的电数据可与核磁共振成像（MRI）拍摄的心脏结构详细图像相结合，生成心脏的三维数字模型和流经心脏的电活动波。这种背心可重复使用且省时省力，只需五分钟，因此有望用于标准护理。该研究评估了这种背心在 77 名患者中的可行性，发现它可靠耐用。此后，该背心已成功用于 800 名患者。目前，该背心正被用于绘制肥厚型心肌病和扩张型心肌病等疾病患者的心脏图谱。

该背心可以成为一种快速、经济有效的筛查工具，帮助人们在未来更好地识别危及生命的心律的风险，并且有助于评估药物、新型心脏设备和生活方式干预对心脏健康的影响。

论文链接：

https://www.ucl.ac.uk/news/2023/dec/heart-vest-could-help-predict-sudden-cardiac-death-risk

研究发现：

AI可以预测人的死亡时间

一项来自丹麦的研究发现人工智能可以分析有关人们居住地、教育、收入、健康和工作条件的登记数据，并高精度地预测生活事件，甚至估计死亡时间。研究发表在 Nature Computational Science 上。

研究人员在一个被称为 life2vec 的模型中分析了 600 万丹麦人的健康数据和劳动力市场依附情况。Life2vec 将数据编码成一个庞大的向量系统，这是一种组织不同数据的数学结构。该模型决定将有关出生时间、就学、教育、工资、住房和健康的数据置于何处。在对模型进行初始阶段的训练后，该模型的表现优于其他先进的神经网络，并能高精度地预测性格和死亡时间等结果。

当然，围绕 life2vec 模型也存在一些伦理问题，如保护敏感数据、隐私和数据中的偏差，必须更深入地了解这些挑战。研究人员认为，下一步将是纳入其他类型的信息，如文本和图像或有关我们社会关系的信息。数据的使用为社会科学和健康科学之间开辟了全新的互动途径。

论文链接：

https://www.nature.com/articles/s43588-023-00573-5

Nature：人工智能生成具有超强结合力的蛋白质

一项来自华盛顿大学医学院的研究利用软件创造出了蛋白质分子，这些分子能以极高的亲和力和特异性与包括人类激素在内的各种具有挑战性的生物标志物结合。研究发表在 Nature 上。

这项研究介绍了一种使用先进深度学习方法的新型蛋白质设计方法，即将 RFdiffusion（一种用于创建新蛋白质形状的生成模型）与 ProteinMPNN（序列设计工具）结合使用。通过以新的方式结合这些工具，研究人员利用有限的目标信息，如肽的氨基酸序列，生成了结合蛋白。

这一进展可使科学家们开发出更廉价的抗体替代品，用于疾病检测和治疗。

论文链接：

https://www.nature.com/articles/s41586-023-06953-1

人工智能揭开多晶材料的神秘面纱

多晶材料（polycrystalline materials）广泛用于信息设备、太阳能电池和电子设备。在工业中使用多晶体的一个主要问题是，应力和温度变化会形成微小的晶体缺陷。这些缺陷被称为位错（dislocations），会破坏晶格中原子的规则排列，影响电导和整体性能。

来自日本名古屋大学的研究团队利用人工智能发现了一种了解多晶材料中位错的新方法。研究发表在 Advanced Materials 上。

研究团队利用一种新型人工智能分析了一种广泛用于太阳能电池板的材料（多晶硅）的图像数据。人工智能在虚拟空间中创建了一个三维模型，帮助研究人员确定了影响材料性能的位错群区域。在确定了位错簇的区域后，研究人员利用电子显微镜和理论计算来了解这些区域是如何形成的。他们揭示了晶格中的应力分布，并在晶粒之间的边界发现了阶梯状结构。这些结构似乎是晶体生长过程中产生位错的原因。

这项研究为建立高性能材料的通用准则指明了道路，有望为创新多晶材料的创造做出贡献，甚至有可能给社会带来革命性的变化。