动态沾弹谱仪

复旦大学冯建峰教授团队首次绘制大脑功能网络动态图谱近日，复旦大学类脑智能科学与技术研究院冯建峰教授团队在BRAIN上在线发表了题为《脑功能网络动态特性的神经、电生理和解剖关联及其在精神疾病中的改变》（“Neural， electrophysiological and anatomical basis of brain-network variability and its characteristic changes in mental disorders”）的论文，该研究通过核磁共振扫描技术定量刻画人类大脑各区域的动态相互作用模式，揭示了大脑产生动态变化机制，首次绘制了动态脑功能网络图谱。研究发现，大脑功能网络的动态变化程度与人类的智能高度相关。根据这一发现，未来将有可能通过赋予人工智能系统内部各部件动态相互作用的模式，使机器人真正产生人类的思维方式，这一重大成果或将对人工智能的发展带来革命性的影响。该论文被选为Brain编辑推荐和当期封面论文，《英国每日邮报》等海外几十家媒体给予焦点报道。2014年美国麦克阿瑟天才奖得主，宾夕法尼亚大学Skirkanich讲座教授Danielle Bassett专门为此研究撰写了题为“The flexible brain”的评论，该评论认为“这项工作是我们在理解大脑网络动态变化道路上的一块重要基石 （an important stepping-stone）”。“传统智商测试因无法准确反映一个人的真实智力而受到诸多质疑。随着脑成像技术，特别是近年来功能核磁共振技术的发展，为我们定量化人类的大脑，并在此基础上充分洞悉人类智力提供了重大契机。我们的研究工作最初是从理解精神疾病如精神分裂症、抑郁症等疾病的大脑动态变化机制和疾病诊断出发，但却意外的通过这一工作，在解析人类智力上有惊人的发现，相信这将对目前如火如荼的人工智能技术发展带来更大的推动。”近年来，冯建峰教授与其带领的复旦大学团队和英国华威大学团队，一直致力于利用来自世界各地的数以千计被试者的大脑静息态磁共振数据，定量刻化人脑的动态变化，识别人脑不同区域之间动态相互作用的机制以及其在精神疾病中的改变。这项研究发现，人脑中与学习、记忆紧密关联的脑区表现出高度的“可变性”。这意味着这些区域同大脑其他部分之间的连接模式变动更加频繁，可发生在短短几分钟甚至数秒之间。另一方面，人脑中与智力相关性小的区域，包括视觉区、听觉区和感觉运动区，皆表现出了低“可变性”和低“适应性”。一个人的大脑“可变性”越强或越灵活，个体的智力以及其创造力也就越高。目前，人工智能系统并不具备“可变性”和“适应性”。而这两种人类独特的智能特性，已被该研究证实对于人类大脑的学习能力至关重要的。大脑网络动态图谱的绘制，未来可被应用于构造更先进的人工神经网络，使计算机具备学习、成长和自适应的能力。这一研究成果还在脑重大疾病的诊疗上带来重大发现，在精神分裂症患者、自闭症患者以及多动症患者的大脑默认网络中，都可以观察到“可变性”的状态变异。这也意味着，大多数精神疾病的根源来自于大脑可变性或可塑性方面的改变，这一认识可使科学家们能够更有效的治疗甚至是预防精神疾病的发生。据悉，冯建峰教授是上海国家数学中心的首席科学家，2015年受聘为复旦大学新成立的类脑智能科学与技术研究院首任院长。该研究院成立一年多以来，致力于开展脑科学与人工智能交叉前沿研究，在智能算法的发展及其对脑疾病的精准诊断上取得了多项重大突破，其中包括：利用多达数千例的脑疾病数据，开发了大数据驱动的全脑关联性分析方法（BWAS）的统计学方法，利用这一方法可实现在全脑数10亿的功能联接中寻找出病根：发现了精神分裂症病人中以丘脑为中心的脑功能异变网络（2015年Nature子刊Nature Partner Journal Schizophrenia），发现了自闭症儿童与人脸识别、社交相关的神经功能环路的显着变化（2015年Brain）；研究发现了抑郁症病人大脑中憎恨环路的减弱和消失（2013年Nature子刊Molecular Psychiatry）；同时，团队还发现了与纹状体相关的奖励预期行为受到VPS4A和RAC1基因的调控（2015、2016年PNAS）等，揭示了精神分裂症的脑结构具有“自愈”功能（2016 Psychological Medicine）。这些突破性成果被CNN、福布斯等媒体给予集中报道，被誉为“在脑疾病的寻根和靶向治疗上找到了前所未有的新途径”。目前，研究院正在积极开展国际脑科学研究合作计划。2016年7月，在瑞士召开的人类脑图谱年会美、中、英、法、德等六国闭门会议上，冯建峰教授发起了国际脑科学研究数据字典合作计划，建立了重大脑疾病多尺度数据（遗传、神经、影像、行为和环境等）标准化采集规范，与世界最大的多尺度数据库ADNI， IMAGEN， IMAGEMEND， BIOBANK开展数据共享。“我们正在利用全维度、多中心的生物大数据，发展一系列新型智能算法，期望在脑重大疾病寻根和大脑的定量化研究中，取得更大的突破。”

近日，大连化学物理研究所生物技术研究部生物分子高效分离与表征研究组(1810组)赵群研究员和张丽华研究员等人与中国科学院精密测量科学技术创新研究院龚洲副研究员合作，提出了利用原位化学交联—质谱技术(in vivo XL-MS)，解码细胞中蛋白质动态结构的策略。该策略将AlphaFold2的结构作为先验信息，结合in vivo XL-MS数据与多种结构计算方法评估结构与交联信息的匹配度，重构了细胞内多种蛋白质，尤其是多结构域蛋白质和固有无序蛋白质(intrinsically disordered protein，IDP)的原位动态结构。为深入研究蛋白质在细胞微环境中发挥功能的分子机制提供技术支撑。活细胞内蛋白质的原位动态结构对于揭示其生物学功能至关重要。随着深度学习算法助力蛋白质结构预测的发展迭代，AlphaFold2实现了对蛋白质结构的全面预测，然而该方法对柔性区域的结构预测仍面临挑战。近年来，in vivo XL-MS以高通量、高灵敏，且对蛋白质纯度要求低等优势，在解析活细胞内蛋白质的原位动态结构方面展示出重要潜力。张丽华团队一直致力于in vivo XL-MS新技术研究，实现了蛋白质原位构象和相互作用的规模化解析(Anal. Chem.，2020；Anal. Chem.，2022；Anal. Chem.，2022；Anal. Chem.，2022；Anal. Chem.，2023；Angew. Chem. Int. Ed.，2023；Nat. Commun.，2023)。 　　本工作中，针对多结构域蛋白质，研究团队提出了将结构域作为整体，利用结构域间的XL-MS数据对细胞内蛋白质动态结构建模，实现了三种多结构域蛋白质——钙调蛋白、hnRNP A1和hnRNP D0在细胞内的动态结构表征。此外，针对IDP，研究团队提出了两种互补的结构表征策略：一是将XL-MS信息直接转换为距离约束用于IDP的结构计算，二是首先使用全原子分子动力学模拟进行无偏采样，然后基于XL-MS数据对采样结构进行评估和筛选。利用这两种策略，研究团队解码了高迁移率组蛋白HMG-I/Y和HMG-17在细胞内的动态系综构象。 　　上述成果以“Decoding Protein Dynamics in Cells Using Chemical Cross-Linking and Hierarchical Analysis”为题，于近日发表在《德国应用化学》(Angewandte Chemie International Edition)。该工作的第一作者是1810组博士研究生张蓓蓉。该工作得到了国家重点研发计划、国家自然科学基金、中国科学院青促会等项目的资助。

现场快速检测具有样本数量大、成分种类多、操作人员杂、分布地点远的特点，因此要求分析技术分析速度快、检测范围广、操作方法简、便携性能好，对仪器的要求是仪器小型化、操作简便化、软件智能化。而分子光谱技术可以很好的满足上述要求，因此在快速检测中扮演了重要角色。　　在CCATM&rsquo 2014过程/环境/气体分会上，清华大学孙素琴教授为我们介绍了分子光谱现场快速检测仪器的发展动态。清华大学孙素琴教授　　目前，用于现场快速检测的分子光谱仪器有手持式/便携式红外光谱仪、手持式/便携式近红外光谱仪、手持式/便携式拉曼光谱仪、便携式紫外光谱仪、小型分子荧光光谱仪等。小型仪器的尺寸可与常用的电压电流表相类似，稍大的仪器也可用拉杆箱等携带，非常方便。　　而分子光谱仪器具有的扫描方式简单灵活、无需制备样品，直接测量等特点更是很好的满足了操作简便化的要求。与智能化的软件相结合，检测完毕能很快出结果，实现了快速识别即快速响应，扫描结果真正实现了快速定性的目的。　　另外，孙教授还提到，分子光谱具有极强的指纹特征性，物质在结构或含量上的变化都会在其分子光谱上表现出来。混合物的分子光谱与其所含成分密切相关，当混合物的组成有所变化时，其分子光谱必然也会随之发生相应的改变。以奶粉为例，利用红外光谱，可同时定性分析出奶粉中蛋白质、脂肪、糖类等组分，可以实现不同产地奶粉中各含量的差异对比，也可以实现奶粉组分含量大小的对比，与化学计量学相结合，还可以实现异常成分的解析。因此分子光谱可以实现正常产品常量指标成分定性检测、定量指标成分定量检测和异常产品异常成分初步分析。　　孙教授相信，分子光谱技术是一种绿色、环保、速度快的分析技术，加上与化学计量学的结合，分子光谱技术一定会在现场快速检测中扮演重要的角色。