這套用于培養(yǎng)酵母的自動化生物反應(yīng)器系統(tǒng)可以用來研究合成基因組——這是今年應(yīng)該會取得重大進(jìn)展的領(lǐng)域之一。

來源：Tim Llewellyn/Ginkgo Bioworks

Sarah Teichmann，英國維康桑格研究所細(xì)胞遺傳學(xué)主管

在過去的十年里，我們看到研究人員一次可以分類的單細(xì)胞數(shù)量有了大幅增長，并且該趨勢還會繼續(xù)下去，這主要是因?yàn)榧?xì)胞捕獲、細(xì)胞條形碼技術(shù)，以及整合現(xiàn)有技術(shù)的方法都越來越先進(jìn)了。

雖然聽起來很普通，但正是數(shù)量的增長才允許我們做越來越多樣的實(shí)驗(yàn)，并以越來越高的分辨率研究越來越復(fù)雜的樣本。例如，以前我們只能關(guān)注一個(gè)人，而現(xiàn)在就可以同時(shí)分析 20-100 個(gè)人身上取到的樣本了。也就是說，我們可以更好地理解群體多樣性。我們還可以為更多的發(fā)育時(shí)間點(diǎn)、組織和個(gè)體進(jìn)行細(xì)胞分類，從而提高研究的統(tǒng)計(jì)顯著性。

我們實(shí)驗(yàn)室現(xiàn)在參與了一個(gè)項(xiàng)目，為橫跨 6 個(gè)物種的 25 萬個(gè)細(xì)胞進(jìn)行分類。這個(gè)項(xiàng)目的結(jié)果表明，負(fù)責(zé)先天免疫反應(yīng)的基因進(jìn)化得很快，并且在不同物種之間有著很高的細(xì)胞間差異——這兩個(gè)特性都能幫助免疫系統(tǒng)產(chǎn)生有效且精細(xì)調(diào)節(jié)過的免疫反應(yīng)。

同時(shí)研究單細(xì)胞內(nèi)不同基因組模塊的技術(shù)也會有所發(fā)展。例如，我們不需要局限在 RNA 上，而是可以觀察被稱為染色質(zhì)的蛋白質(zhì)-DNA 復(fù)合物是開放還是閉合的。這可以幫助我們理解細(xì)胞分化時(shí)的表觀遺傳學(xué)狀態(tài)，以及免疫與神經(jīng)系統(tǒng)中的表觀遺傳學(xué)記憶。

將單細(xì)胞基因組和表型聯(lián)系起來，例如將細(xì)胞的轉(zhuǎn)錄組和蛋白質(zhì)表達(dá)或形態(tài)聯(lián)系起來，也會在方法上有所突破。我認(rèn)為我們在 2019 年會看到更多這類發(fā)展，可能是完全通過測序也可能是結(jié)合了測序和影像的方式。事實(shí)上，我們已經(jīng)看到了這兩種技術(shù)在某種意義上正在趨同演變：測序的分辨率越來越高，而成像技術(shù)則向多重檢測發(fā)展。

Jin-Soo Kim，韓國國立首爾大學(xué)基礎(chǔ)科學(xué)研究所基因工程中心主任、化學(xué)教授

蛋白質(zhì)工程現(xiàn)在能推動基因工程發(fā)展了。第一代 CRISPR 基因編輯系統(tǒng)使用了 Cas9 核酸酶，它可以在指定的位置切開 DNA。這兩者的組合仍被廣泛使用，但是很多經(jīng)過改造的 CRISPR 系統(tǒng)把這種自然產(chǎn)生的核酸酶換成了其他變體，例如 xCas9 和 SpCas9-NG。這就擴(kuò)大了靶標(biāo)空間——也就是基因組里可以被編輯的區(qū)域。還有些變體比第一代酶的靶向性更強(qiáng)，可以最大程度減小或避免脫靶效應(yīng)。

去年，研究人員報(bào)告了 CRISPR 基因編輯技術(shù)進(jìn)入臨床應(yīng)用會遇到的最新障礙。其中包括 p53 基因的啟動（與癌癥風(fēng)險(xiǎn)有關(guān)）；意外的“中靶”現(xiàn)象，例如大范圍刪除；以及對 CRISPR 系統(tǒng)的免疫源性。為了在臨床應(yīng)用中使用基因編輯技術(shù)，必須首先處理這些限制性問題。其中有一些是因?yàn)?DNA 雙鏈斷裂。但不是所有的基因編輯酶都會造成雙鏈斷裂——“堿基編輯器”可以直接將一個(gè) DNA 堿基變成另一個(gè)。因此，堿基編輯比傳統(tǒng)的基因編輯更直接，也更高效。去年，瑞士的研究人員使用堿基編輯器修正了小鼠體內(nèi)會引起苯丙酮尿癥（毒素積累所致疾?。┑幕蛲蛔?。

但是堿基編輯器在可以編輯的序列上有限制，必須由原間隔序列臨近基序的基因序列定義。蛋白質(zhì)工程可以用來重新設(shè)計(jì)并改進(jìn)現(xiàn)有的堿基編輯器，甚至可能創(chuàng)造出新的編輯器，例如將重組酶結(jié)合到滅活的 Cas9上。和堿基編輯器一樣，重組酶不會引發(fā) DNA 雙鏈斷裂，但是可以將需要的序列插入到用戶定義的位點(diǎn)。RNA 引導(dǎo)的重組酶一定可以將基因編輯技術(shù)擴(kuò)展到新的次元。

可能還要好幾年才能看到基因編輯技術(shù)作為一種常規(guī)技術(shù)在臨床上使用。但我們會在接下來的一兩年里看到新一代的工具：畢竟對這項(xiàng)技術(shù)感興趣的研究者很多，而且每天都在用。新的問題會不斷出現(xiàn)，但嶄新的解決方案也是一樣，一定會給我?guī)眢@喜。

莊小威，哈佛大學(xué)化學(xué)與化學(xué)生物學(xué)教授，2019 年科學(xué)突破獎（Breakthrough Prize）獲得者

超高分辨率顯微鏡的概念驗(yàn)證在一二十年前剛剛出現(xiàn)，但到了今天，這項(xiàng)技術(shù)對生物學(xué)家而言已經(jīng)相當(dāng)常見又常用，并帶來了知識的爆發(fā)。

研究中一個(gè)特別激動人心的領(lǐng)域就是確定基因組的三維結(jié)構(gòu)和組織。越來越明顯的一點(diǎn)是，基因組的三維結(jié)構(gòu)在調(diào)控基因表達(dá)方面起著至關(guān)重要的作用。

在過去的一年里，我們報(bào)告了以納米精度為染色質(zhì)（構(gòu)成染色體的結(jié)構(gòu)）成像的工作，并將它和數(shù)千個(gè)不同種類細(xì)胞的序列信息關(guān)聯(lián)起來。這項(xiàng)工作的空間分辨率比我們此前的工作要高一到兩個(gè)數(shù)量級，因此我們能夠觀察到各個(gè)細(xì)胞將染色質(zhì)組織成結(jié)構(gòu)域——在不同細(xì)胞間有著相當(dāng)大的差別。我們還提供了證明結(jié)構(gòu)域是如何形成的證據(jù)，從而可以更好地理解染色質(zhì)調(diào)控的機(jī)制。

超高分辨率顯微鏡下的染色質(zhì)。

來源：Bogdan Bintu, The Xiaowei Zhuang Laboratory, The Alistair Boettiger Laboratory, Science 362, eaau1783 (2018)

在超高分辨率成像的領(lǐng)域里，我預(yù)測在染色質(zhì)之外還會有顯著的空間分辨率提升。大多數(shù)實(shí)驗(yàn)都在幾十納米的尺度下進(jìn)行——很小，但是和觀察的分子相比還不夠小，特別是當(dāng)我們要處理分子間反應(yīng)的時(shí)候。但我們同時(shí)也能看到，熒光分子和成像技術(shù)的發(fā)展可以顯著提高分辨率。我預(yù)計(jì)1納米尺度的成像會成為日常。

與此同時(shí)，時(shí)間分辨率也越來越高了。現(xiàn)在，研究人員仍然需要在空間分辨率和成像速度之間取舍。但是有了更好的光照條件和更快的圖像獲取技術(shù)之后，就可以克服這些限制了。數(shù)萬種基因和其他種類的分子共同塑造了細(xì)胞的行為?？梢酝瑫r(shí)在基因組尺度觀察到這些分子的行為為成像技術(shù)創(chuàng)造了強(qiáng)大的機(jī)會。

曾紅葵，美國艾倫腦科學(xué)研究所結(jié)構(gòu)化科學(xué)執(zhí)行主任

單個(gè)細(xì)胞之間的連接和不同種類的細(xì)胞之間的連接是非常復(fù)雜的。我們僅靠全局和群體尺度下的連接圖譜已經(jīng)不足以理解它了。所以，我們正在基于細(xì)胞種類，在單細(xì)胞尺度下繪制連接圖譜。

我們可以靠“順行”和“逆行”追蹤法做到這一點(diǎn)，它們可以揭示從特定細(xì)胞延伸出去的結(jié)構(gòu)，也就是軸突投射。我們還使用了其它基于單神經(jīng)元形態(tài)學(xué)的研究方法，觀察單個(gè)神經(jīng)元的投射從哪里開始到哪里結(jié)束。

電子顯微鏡數(shù)據(jù)集的生成有了很大的進(jìn)步，現(xiàn)在這些數(shù)據(jù)集比我們以前能得到的要大很多。例如，在霍華德·休斯醫(yī)學(xué)研究所的珍利亞農(nóng)場研究園區(qū)，研究人員正在繪制果蠅的所有神經(jīng)元和突觸的圖譜。

獲取圖像和處理樣本方面的提升是取得這些進(jìn)步的關(guān)鍵；此外，計(jì)算力的發(fā)展也很重要。在艾倫腦科學(xué)研究所，我們正在借助機(jī)器學(xué)習(xí)算法構(gòu)建小鼠大腦神經(jīng)連接的虛擬圖譜。

大腦中包含了極多的連接特異性。在還沒有在全局和局部尺度下理解這些特異性之前，我們就只能把大腦當(dāng)成一個(gè)黑匣子來理解它的行為或功能：此時(shí)我們?nèi)狈斫馍窠?jīng)活動和行為的物理基礎(chǔ)。連接組學(xué)會填補(bǔ)這部分缺失的基礎(chǔ)事實(shí)。

Jef Boeke，美國紐約大學(xué)朗格尼醫(yī)學(xué)中心系統(tǒng)遺傳學(xué)研究所主任

當(dāng)我發(fā)現(xiàn)從零開始合成一整套基因組已經(jīng)成為可能的時(shí)候，我就想，這是個(gè)很好的機(jī)會，讓我們可以從一個(gè)嶄新的角度觀察基因組的功能。

從純科學(xué)的角度講，很多小組都在合成簡單的細(xì)菌和酵母菌的基因組上取得了進(jìn)展。但是合成整個(gè)基因組仍然有著技術(shù)上的挑戰(zhàn)，特別是哺乳動物的基因組。

減少 DNA 合成成本的技術(shù)會對此有所幫助，不過這項(xiàng)技術(shù)尚未投入市場?，F(xiàn)在大多數(shù) DNA 合成都是基于亞磷酰胺法進(jìn)行的。它所能產(chǎn)生的核酸聚合物無論在最大長度上還是準(zhǔn)確性上都有其極限。這個(gè)方法能像現(xiàn)在這樣成功本身就是個(gè)奇跡。

大量公司和實(shí)驗(yàn)室正在探索酶催化 DNA 合成；和化學(xué)合成相比，這種方法可能會更快，更準(zhǔn)確，更便宜。至今還沒有公司提供這類商用分子。但是去年十月，巴黎的 DNA Script 公司宣布它合成了一段包含 150 個(gè)堿基的寡核苷酸，這和 DNA 合成的化學(xué)法所能實(shí)際做到的極限幾乎相當(dāng)了。我們都在等著聽這個(gè)方向的后續(xù)報(bào)道。

此外，我們還研究出了如何組裝人類染色體 DNA 的大型片段。通過這種方法，我們可以構(gòu)造出包含 10 萬或更多堿基的區(qū)域。現(xiàn)在我們會使用這種方法切割一些已知可以用來識別疾病易感性或其他表型特征的大型基因組區(qū)域。

我們可以很快地在酵母細(xì)胞中合成這些區(qū)域，這樣就可以構(gòu)造幾十到上百種基因組變體用來測試——這是以前做不到的。我們也將能夠?qū)θ蚪M關(guān)聯(lián)研究所分析出的和疾病易感性可能有關(guān)的上千個(gè)基因位點(diǎn)進(jìn)行更精確的調(diào)查。這種切割策略最終可能讓我們得以開始確認(rèn)這些變體到底產(chǎn)生了什么影響。 

Venki Ramakrishnan，英國醫(yī)學(xué)研究委員會分子生物學(xué)實(shí)驗(yàn)室結(jié)構(gòu)生物學(xué)家

理解結(jié)構(gòu)是理解功能的關(guān)鍵一步。冷凍電子顯微鏡（cryo-EM）讓研究人員使用比原先更少、純度更低的樣本就可以確定高分辨率的結(jié)構(gòu)。這意味著我們不僅能看到原先不可能看到的結(jié)構(gòu)，還可以著手研究更難的問題，比如蛋白質(zhì)復(fù)合體的動態(tài)變化或是生物化學(xué)路徑里的不同狀態(tài)。

現(xiàn)在的冷凍電鏡領(lǐng)域大致處于二十世紀(jì)六七十年代晶體學(xué)所處的情況。第一波技術(shù)已經(jīng)產(chǎn)生了，但整個(gè)領(lǐng)域仍然在快速前進(jìn)。下一代的監(jiān)測器——例如英國科技設(shè)施委員會的設(shè)計(jì)工程師 Nicola Guerrini 和她的同事們正在開發(fā)的那種——將會提供更好的信號，讓我們能夠觀察到更小的分子。

我們已經(jīng)看到了很多激動人心的結(jié)構(gòu)。例如，我們分子生物學(xué)實(shí)驗(yàn)室里的神經(jīng)科學(xué)家 Michel Goedert 和結(jié)構(gòu)生物學(xué)家 Sjors Scheres 所帶領(lǐng)的團(tuán)隊(duì)觀察了一種叫做 tau 的蛋白質(zhì)所構(gòu)成的絲，意外地發(fā)現(xiàn)它在阿爾茲海默癥等不同類型的失智癥下會顯示出不同的蛋白質(zhì)折疊方式。

另一個(gè)發(fā)展方向是樣本制備。在冷凍電鏡里，溶液中的一小部分分子會經(jīng)過一個(gè)很細(xì)的網(wǎng)格，多余的分子會被擦干凈，留下的一小薄層會被冷凍起來。但是在空氣-水界面上的分子會變性，或者說斷裂。此外，擊中樣本的電子可能會使分子帶電，導(dǎo)致分子移動并變模糊。很多人都在努力減小這些效應(yīng)以使樣本穩(wěn)定，讓測量更加準(zhǔn)確。

有了這些發(fā)展，我們就應(yīng)該可以觀察到細(xì)胞里和細(xì)胞表面正在進(jìn)行的分子事件。我們可能可以觀察到復(fù)雜的構(gòu)象改變循環(huán)，例如 DNA 復(fù)制和剪接，并由此窺見整個(gè)分子過程。

Casey Greene，美國賓夕法尼亞大學(xué)佩雷爾曼醫(yī)學(xué)院系統(tǒng)藥理學(xué)與轉(zhuǎn)化療法助理教授

生命科學(xué)家已經(jīng)很擅長使用深度學(xué)習(xí)軟件和人工智能（AI）來構(gòu)建預(yù)測性模型了。例如，一個(gè)模型可以告訴我們?nèi)绾握业交蛘{(diào)控元素所結(jié)合的位點(diǎn)。但是我們現(xiàn)在需要一些能夠揭示出更深一層知識的模型；例如，基因調(diào)控本身的細(xì)節(jié)，以及為什么某些基因特征特別重要。

接下來一年里，我最期待的是一些足夠穩(wěn)健，可以普遍應(yīng)用到各種論文發(fā)表時(shí)所附的隨機(jī)基因組數(shù)據(jù)集上的計(jì)算方法，例如遷移學(xué)習(xí)。

這種方法會首先使用和問題略微相關(guān)的數(shù)據(jù)集來學(xué)習(xí)問題的大致特征，然后再用學(xué)習(xí)到的算法來分析你真正關(guān)心的數(shù)據(jù)集。例如，在去年發(fā)表的一項(xiàng)研究里，我們希望利用一種罕見疾病——抗中性粒細(xì)胞胞漿抗體相關(guān)性血管炎——的數(shù)據(jù)集訓(xùn)練一個(gè)模型，但是并沒有足夠多的數(shù)據(jù)。因此，我們使用從 1400 多項(xiàng)其他研究中所獲得的 RNA 測序數(shù)據(jù)訓(xùn)練了我們的模型，然后將這個(gè)模型應(yīng)用到我們要研究的疾病上，并揭示出了促使疾病癥狀產(chǎn)生的免疫與代謝功能相關(guān)的基因網(wǎng)絡(luò)。我預(yù)計(jì)很快就會看到更多這種利用遷移學(xué)習(xí)來探索新問題的論文。

我希望有一天，這些算法不僅能夠?yàn)樘囟ǖ膱鼍昂吞囟ǖ膯栴}提供預(yù)測性模型和答案，還可以告訴我們生物學(xué)上到底發(fā)生了什么才會產(chǎn)生我們所看到的數(shù)據(jù)。我預(yù)計(jì)接下來的一年會朝著這個(gè)方向邁進(jìn)，但這需要投入大量技術(shù)和其他資源來幫助解讀模型。要是五年之內(nèi)能走到這一步的話，那就太好了。