Technical University of Denmark

The 2025 Novo Nordisk Foundation Challenge Programme awards DKK 479 million to nine innovative projects that advance health and sustainability through cooperation between researchers from all over the globe, including Denmark, Sweden, The Netherlands, Belgium, Germany, Australia, and the USA. COPENHAGEN, Denmark, June 27, 2025 /PRNewswire/ -- How can we improve the biomanufacturing processes that transform greenhouse gases into useful products? What does it take to unravel the complex links between cardiometabolic diseases (CMDs), fat tissue and infections? And how can we use artificial intelligence to advance both human health and the green transition? These are just some of the questions that nine new projects funded through the 2025 Novo Nordisk Foundation Challenge Programme will seek to answer. "Every year, the Novo Nordisk Foundation initiates the Challenge Programme to engage with the scientific community and encourage top-tier researchers to bring their most promising ideas to fruition with projects that are significant in both scale and vision and address societal challenges," says Lene Oddershede, Chief Scientific Officer for Planetary Science & Technology at the Novo Nordisk Foundation. Flemming Konradsen, Chief Scientific Officer for Health at the Novo Nordisk Foundation, adds: "We believe that the most effective way to address the immense challenges we face in areas such as human health and the green transition is through better research, brighter ideas and – not least – a far stronger scientific ecosystem for knowledge sharing and innovation. The Challenge Programme is one of our most important building blocks in achieving that mission." Four themes - nine projects The nine projects funded through the 2025 Challenge Programme are wide-ranging in scope, innovative in their methods and span four strategically important themes selected by the Novo Nordisk Foundation last year: 1) Heterogeneity in Biomanufacturing, 2) Ectopic Fat - meaning unwanted fat tissue in places like the heart - and Cardiometabolic Disease, 3) Interactions of Infectious Disease and CMD, and finally 4) The Novo Nordisk Foundation Grand AI Challenge. Although the projects supported by the 2025 Challenge Programme are anchored at Danish institutions, they facilitate collaboration with researchers across the globe, including partners in Sweden, the Netherlands, Belgium, Germany, Australia, and the United States. The nine selected projects, each funded by up to DKK 60 million, aim at achieving the following specific objectives: Creating more efficient gas fermentation processes for biomanufacturing, capable of converting greenhouse gases into valuable products such as proteins, alcohols, and acids. This will not only help reduce CO2 emissions but also create new opportunities for industry. Understanding how unwanted fat tissue deposits contribute to atherosclerosis and other heart diseases, with the aim of improving prevention of cardiometabolic diseases. Exploring the well-established, yet still poorly understood, links between infectious diseases such as infections in the oral cavity and hepatitis B, and cardiometabolic diseases like obesity, diabetes, and heart disease. This research will enhance diagnostics, prevention and treatment strategies. Harnessing the immense power of artificial intelligence to a) utilise large radiotherapy imaging datasets and self-supervised learning to develop advanced methodologies for personalised cancer treatment; b) optimise thin-film solar cell technology for the green transition through AI-driven material discovery; and c) develop early warning alerts for ice-free summers in the Arctic and predict their broader climate impact under various warming scenarios. Projects funded by the 2025 Challenge Programme. Theme 1: Heterogeneity in Biomanufacturing Alfred Spormann, Aarhus University: "Towards Implementing Resilience: Identification and Mitigation of Chemical, Physical, and Biological Heterogeneity in Microbial Gas Fermenting Bioreactors: RECIPE" (DKK 59,9 million over 6 years) Krist V. Gernaey, Technical University of Denmark: "Model-based Heterogeneity Assessment in Gas Fermentation: MORE-GAS" (DKK 59,8 million over 6 years) Theme 2: Ectopic Fat and Cardiometabolic Disease Jacob Fog Bentzon, Aarhus University: "The adipocyte-smooth muscle cell connection: a lipid-centric approach to understanding ectopic fat deposition in atherosclerotic arteries" (DKK 50 million over 6 years) Thomas Jespersen, University of Copenhagen: "Impact of Cardiac Adiposity on Structural and Electrical Diseases of the Heart" (DKK 56,4 million over 6 years) Theme 3: Interactions of Infectious Disease and CMD Torben Hansen, University of Copenhagen: "Cardiometabolic diseases, Periodontitis and Dental Caries: Deciphering the role of Intrinsic and Extrinsic regulatory Mechanisms: CARPE DIEM" (DKK 60 million over 6 years) Nina Weis, Hvidovre Hospital: "The HEP-META study: hepatitis B virus and cardiometabolic disease - from biomarkers to clinical practice" (DKK 60 million over 6 years) Theme 4: The Novo Nordisk Foundation Grand AI Challenge Stine Sofia Korreman, Aarhus University: "AI-driven trustworthy foundation models for personalized and effective cancer radiotherapy" (DKK 53 million over 6 years) Mikkel Schmidt, Technical University of Denmark: "AI-driven materials optimization for light trapping in thin-film solar cells" (DKK 40 million over 6 years) Tian Tian, Danish Meteorological Institute: "IcyAlert - Intelligent Climate Early Warning Alert for Arctic Ice-Free Summers" (DKK 39 million over 6 years) About the Novo Nordisk Foundation Challenge Programme The Novo Nordisk Foundation Challenge Programme was established in 2014. The themes for next year's Challenge Programme were announced in April 2025. With the 2026 call, the Challenge Programme is now open to primary applicants from Europe-based research institutions, and the size of the grants has been significantly expanded. About the Novo Nordisk Foundation Established in Denmark in 1924, the Novo Nordisk Foundation is an enterprise foundation with philanthropic objectives. The vision of the Foundation is to improve people's health and the sustainability of society and the planet. The Foundation's mission is to progress research and innovation in the prevention and treatment of cardiometabolic and infectious diseases as well as to advance knowledge and solutions to support a green transformation of society. SOURCE Novo Nordisk Foundation WANT YOUR COMPANY'S NEWS FEATURED ON PRNEWSWIRE.COM? 440k+ Newsrooms & Influencers 9k+ Digital Media Outlets 270k+ Journalists Opted In GET STARTED

基因测序仪是生命科学研究和产业发展的重要工具。它能够读取和分析基因信息，为基因检测、基因编辑、基因合成等应用提供底层支撑，被称为生命科学领域“光刻机”。近期，由于国际基因测序巨头因美纳（Illumina, Inc.）被商务部列入“不可靠实体清单”，一时引发“行业地震”，国产测序平台有关的议题也被推到风口浪尖。 国内相关科研机构和行业中下游企业用户也面临一个亟待解决的问题：谁能够真正“替代”因美纳？滴水穿石,非一日之工。基因测序仪因其极度复杂、极度集成的结构，从生产出一台“能用”的测序仪到生产出多台稳定“好用”的测序仪，并不是一蹴而就的过程。个中种种，尚需时间以及用户的反复验证。 然而，更换测序平台极有可能对研究工作以及检测工作产生较大影响，因而平台的选择需要综合考量，比对因美纳的成立时间、全线产品线布局以及市场占有率等多种因素，当前国内虽有数十家企业投身基因测序技术研发与设备生产赛道。但从目前来看，总部位于深圳盐田的华大智造作为国内龙头，无论从测序平台的全面性及稳定性、客户群体数量（超过 3000 家）、平台支撑的文章数（超过 10000 篇）、全流程解决方案等多种角度来看，都无疑是最具竞争力的公司。 另外，据华大智造官网介绍公司是“全球唯一同时拥有‘激发光’、‘自发光’和‘不发光’三大测序技术路线的企业”。笔者亦留意到华大智造近期动作频频，在刚刚落幕的 AGBT（基因组生物学技术进展大会）上，华大智造又推出了名为 DNBSEQ-T1+ 的测序仪，24 小时可完成 Tb 级测序，一次可运行一个人的 WGS、WGBS、RNA+meta 及肿瘤 ctDNA 多组学检测。另外，全面拥抱 AI 算法，推出 E25 Flash 生成式 AI 闪速测序仪，最快 2 小时完成 SE50 测序。也侧面能够看到华大智造在激烈竞争格局下，在测序布局上不断审视客户需求、审视产品布局的应对。 本文罗列了部分对因美纳测序平台与华大智造测序平台综合性能进行比对的文章数据，涵盖测序的基础性能、宏基因组测序、古基因组测序、甲基化测序等方向，在这个时间节点，希望能够给各位读者提供参考。 基础性能评价 由生物分子资源设施协会（Association of Biomolecular Resource Facilities，ARBF）主导的 ABRF NGS II 期研究成果发表于 Nature Biotechnology（图1A）(Foox et al., 2021)。研究团队基于多个商业化公司的多款测序平台，在多个实验室对同一人类基因组家族、三个单独菌株和十种细菌的宏基因组混合物进行测序，并将各平台数据进行全方位、系统性比较，分析各个测序平台的性能差异和测序质量，以提供真实全面的参考证据。该研究发现在高通量测序仪中，华大智造的多款 DNBSEQ 测序平台（MGISEQ-2000等）提供了最低的测序错误率（图1B）(Jeon et al., 2021)。 详细解读相关链接：Nature Biotechnology丨多款测序平台性能评估成果发布，华大智造测序仪可提供高质量WGS 而来自韩国大田的个性化基因组医学研究中心（KRIBB）的研究团队则综合性地比较了华大智造的多款 DNBSEQ 测序平台（MGISEQ-2000/DNBSEQ-T7）与因美纳的 NovaSeq 6000 平台在全基因组测序层面的性能，相关研究成果发表于 Genes & Genomics（图1C）(Jeon et al., 2021)。 该研究利用此三平台对来自韩国肺癌患者的正常和肿瘤组织进行测序，并对产生的数据做了平行比较后发现各测序平台在全基因组测序（WGS）中的片段大小分布、基因覆盖率和表达变异检测方面的表现都很相似（图1D,1E），表明了 MGISEQ-2000 和 DNBSEQ-T7 平台的性能表现已经达到了国际领先水平 (Jeon et al., 2021)。 详细解读相关链接：华大智造与Illumina测序平台比较：全基因组测序性能具有高度一致性 图1A. 生物分子资源设施协会ARBF所开展研究的发文封面； 图1B. 基于包含DNBSEQ测序平台在内的多款测序仪的测序数据性能表现； 图1C. 韩国某科研团队开展肺癌研究的发文封面； 图1D,1E. 多款测序平台的原始测序数据质量的比较。 由于篇幅因素，在此两项较为详细介绍的案例之外，仍有多项研究表明：华大智造的 DNBSEQ 测序平台在测序质量、覆盖均匀性、GC 覆盖率百分比和变异准确度等方面与因美纳测序平台无明显区别，且可以以更低的成本用于广泛的基因组学研究领域(Chen et al., 2019; Jeon et al., 2023; Kim et al., 2021)。 宏基因组测序 宏基因组高通量测序技术（mNGS）凭借其显著优势，在传染性病原体检测领域的应用日益广泛，正快速从实验室理论研究阶段迈向临床实验室实际应用。 来自天津医科大学总医院呼吸与危重症医学科的研究团队基于不同高通量测序平台开展肺部传染病的诊断工作，相关成果发表于 Frontiers in Pharmacology （图2A）(Han et al., 2023)。该前瞻性研究系统性比较了华大智造 DNBSEQ 测序需平台与因美纳测序平台在检测肺部病原体方面的表现 (Han et al., 2023)。研究结果表明这两种测序的诊断灵敏度均明显高于常规检查（分别为82.1% vs. 38.5%，p < 0.001；76.9% vs. 38.5%，p < 0.001）(图2B) (Han et al., 2023)。两平台的灵敏度和特异性无明显差异，且病原体检出率也无明显差异，诊断性能相似，均优于常规检查 (Han et al., 2023)。 而来自中国人民解放军疾病预防控制中心研究团队则将将宏基因组测序应用于鹦鹉热衣原体的人类致命感染诊断中，相关成果发表于 BMC Genomics（图2C）(Wang et al., 2021)。该研究同样使用了华大智造 DNBSEQ 测序平台与因美纳测序平台，发现两平台均可快速识别未知感染（图2D）并提供关于抗生素敏感性的信息，但 DNBSEQ 测序平台可产生更多数据，从而提高测序深度和提供更多抗生素敏感性信息 (Wang et al., 2021)。 详细解读相关链接：一键get：猴痘、结核、鹦鹉热、新冠、流感....多种病原微生物测序研究与应用 在宏基因组的组装上，目前主流方法是第二代短读测序，但第三代长读技术的进步提供了克服短读测序局限性的机会。多篇系统性研究表明混合组装是一种整合短读和长读优势的策略，而短读长数据来源于华大智造 DNBSEQ 测序平台或因美纳测序平台并不会产生显著差异 (Meslier et al., 2022; Zhang et al., 2023)。 最近，中国疾病预防控制中心性病艾滋病预防控制中心病毒免疫室使用华大智造 MGISEQ-2000 高通量测序仪和华大序风 CycloneSEQ-WT02 纳米孔测序仪，对HIV病毒近全长扩增子进行了测序分析，鉴定出新的 HIV-1CRF 分枝 CRF172 0755，并提供了该重组型的详细信息（图2E，2F）(Li et al., 2024)。 详细解读相关链接：华大“全读长”测序仪系列助力中国疾控中心预防控制艾滋病 图2A.肺部传染病诊断研究的文章信息； 图2B.基于两种测序平台的宏基因组测序诊断结果与常规检查结果对比； 图2C.鹦鹉热诊断研究的文章信息； 图2D.基于DNBSEQ测序平台对鹦鹉热感染患者样本开展mNGS研究检测到的前十大物种； 图2E. 基于DNBSEQ和CycloneSEQ测序平台开展HIV全长测序文章信息； 图2F. HIV-1CRF分枝CRF172 0755近全长基因组示意图。 古基因组测序 随着测序成本的下降和准确度的提高，高通量测序技术在古基因组研究中的应用愈发普及。目前，该技术已被广泛用于构建古人、类人动物、其他动植物以及真菌的基因组。与此同时，群体基因组和宏基因组研究也在古基因组领域兴起，部分研究更是拓展至转录组和表观遗传领域。 由于长时间的水解、氧化及环境微生物降解作用，古 DNA 经常处于严重降解状态，且往往存在于复杂的富含外源 DNA 污染的环境中，给研究带来了巨大挑战。 华大基因联合丹麦哥本哈根大学、丹麦技术大学等组成的研究团队综合性比较了华大智造 DNBSEQ 测序平台和因美纳测序平台在古基因组研究中的性能表现，相关成果发表于 GIGA Science（图3A）(Mak et al., 2017)。在这项研究中，研究人员分别使用华大智造 DNBSEQ 和因美纳 HiSeq 2500 平台，对 91-14000 年前的 8 个古老大型犬科动物的 DNA 样本进行测序并对测序性能和数据质量进行比较 (Mak et al., 2017)。研究结果表明，两个测序平台的数据表现基本相当（图3B），DNBSEQ 测序平台在古基因组测序领域极具潜力，是一种行之有效且价值颇高的潜在替代平台，值得利用它对降解 DNA 展开进一步探索 (Mak et al., 2017)。 详细解读相关链接：玩转14000年前古基因组丨BGISEQ-500 WGS版盗墓笔记 另一项研究中，复旦大学的研究团队联合厦门大学的研究团队首次使用了公元前 1750 年到公元 60 年左右的四个古代中国人骨骼样本，系统性比较了华大智造 MGISEQ-2000 和 Illumina X-Ten 平台在古代人类 DNA 测序中的性能，相关成果发表于 Frontiers in Genetics（图3C）(Zhu et al., 2021)。研究成果表明，MGISEQ-2000 和 X-Ten 具有相当的性能，均可以作为古基因组学研究的潜在选择测序平台（图3D）(Zhu et al., 2021)。 详细解读相关链接：破译4000年前古人基因组，华大智造MGISEQ-2000与Illumina X-Ten大比拼 图3A.评估DNBNSEQ测序平台在考古研究中的性能的文章信息； 图3B.考古样本利用两种测序平台所获数据总结； 图3C.文少卿团队相关研究的文章信息； 图3D.MGISEQ-2000与X-Ten在100kb阅读框中测序覆盖率。 甲基化测序 高通量测序技术凭借输出量高、准确度高的优势，已被大规模用于识别与恶性肿瘤相关的异常 DNA 甲基化，在辅助诊断、预后预测和病情监测等临床应用方面发挥重要作用。 来自鹍远生物的研究团队对比了华大智造 MGISEQ-2000 测序平台和因美纳 NovaSeq 6000 测序平台用于亚硫酸氢盐靶向测序的性能，相关研究成果发表于 Clinical Epigenetics（图4A）(Sun et al., 2023)。结果表明，MGISEQ-2000 展现出与 NovaSeq6000 相似的测序质量、一致的甲基化水平、相当的癌症信号检测能力和准确的临床诊断结果，说明 MGISEQ-2000 可应用于临床检测 DNA 甲基化变化，特别是 cfDNA 甲基化检测（图4B）(Sun et al., 2023)。 图4A.评估DNBNSEQ测序平台在靶向甲基化测序中的性能的文章信息； 图4B. 跨平台甲基化测序对PDAC患者的预测分数。 详细解读相关链接：亚硫酸氢盐靶向测序的跨平台对比：华大智造MGISEQ-2000 VS 因美纳 NovaSeq 6000 总结 整体来看，来自全球各地的多个研究团队，基于不同的应用场景发表的高水平同行评审研究论文表明：华大智造 DNBSEQ 测序平台在 10 年的迭代升级中，经过反复验证，其 DNBSEQ 测序平台性能与因美纳测序平台具备可比性，在部分指标有所领先。 论文也集中提及了一个观点，华大智造错误率更低的原因，是由于华大智造 DNBSEQ 测序技术测序原理的优势——即具有高准确性，低重复序列率以及低标签跳跃等重要特性。另外，“长读长+短读长”平台结合也是华大智造现有测序平台的差异优势点。 参考文献： Chen, J., Li, X., Zhong, H., Meng, Y., and Du, H. (2019). Systematic comparison of germline variant calling pipelines cross multiple next-generation sequencers. Scientific Reports 9. Foox, J., Tighe, S.W., Nicolet, C.M., Zook, J.M., Byrska-Bishop, M., Clarke, W.E., Khayat, M.M., Mahmoud, M., Laaguiby, P.K., Herbert, Z.T., et al. (2021). Performance assessment of DNA sequencing platforms in the ABRF Next-Generation Sequencing Study. Nature Biotechnology 39, 1129-1140. Han, S., Zhao, Z., Yang, L., Huang, J., Wang, Y., and Feng, J. (2023). The performance of metagenomic next-generation sequencing in diagnosing pulmonary infectious diseases using authentic clinical specimens: The Illumina platform versus the Beijing Genomics Institute platform. Frontiers in Pharmacology 14. Jeon, M.-S., Jeong, D.M., Doh, H., Kang, H.A., Jung, H., and Eyun, S.-i. (2023). A practical comparison of the next-generation sequencing platform and assemblers using yeast genome. Life Science Alliance 6. Jeon, S.A., Park, J.L., Park, S.-J., Kim, J.H., Goh, S.-H., Han, J.-Y., and Kim, S.-Y. (2021). Comparison between MGI and Illumina sequencing platforms for whole genome sequencing. Genes & Genomics 43, 713-724. Kim, H.-M., Jeon, S., Chung, O., Jun, J.H., Kim, H.-S., Blazyte, A., Lee, H.-Y., Yu, Y., Cho, Y.S., Bolser, D.M., et al. (2021). Comparative analysis of 7 short-read sequencing platforms using the Korean Reference Genome: MGI and Illumina sequencing benchmark for whole-genome sequencing. GigaScience 10. Li, H., Feng, Y., Xu, Y., Li, T., Li, Q., Lin, W., Ni, W., Yang, J., Mao, W., Wang, Z., et al. (2024). Characterization of a novel HIV-1 second-generation circulating recombinant form (CRF172_0755) among men who have sex with men in China. Journal of Infection 89. Mak, S.S.T., Gopalakrishnan, S., Carøe, C., Geng, C., Liu, S., Sinding, M.-H.S., Kuderna, L.F.K., Zhang, W., Fu, S., Vieira, F.G., et al. (2017). Comparative performance of the BGISEQ-500 vs Illumina HiSeq2500 sequencing platforms for palaeogenomic sequencing. GigaScience 6. Meslier, V., Quinquis, B., Da Silva, K., Plaza Oñate, F., Pons, N., Roume, H., Podar, M., and Almeida, M. (2022). Benchmarking second and third-generation sequencing platforms for microbial metagenomics. Scientific Data 9. Sun, J., Su, M., Ma, J., Xu, M., Ma, C., Li, W., Liu, R., He, Q., and Su, Z. (2023). Cross-platform comparisons for targeted bisulfite sequencing of MGISEQ-2000 and NovaSeq6000. Clinical Epigenetics 15. Wang, K., Liu, X., Liu, H., Li, P., Lin, Y., Yin, D., Yang, L., Li, J., Li, S., Jia, L., et al. (2021). Metagenomic diagnosis of severe psittacosis using multiple sequencing platforms. BMC Genomics 22. Zhang, Z., Yang, C., Veldsman, W.P., Fang, X., and Zhang, L. (2023). Benchmarking genome assembly methods on metagenomic sequencing data. Briefings in Bioinformatics 24. Zhu, K., Du, P., Xiong, J., Ren, X., Sun, C., Tao, Y., Ding, Y., Xu, Y., Meng, H., Wang, C.-C., et al. (2021). Comparative Performance of the MGISEQ-2000 and Illumina X-Ten Sequencing Platforms for Paleogenomics. Frontiers in Genetics 12. 设置星标，不错过精彩推文 开放转载 欢迎转发到朋友圈和微信群  微信加群  为促进前沿研究的传播和交流，我们组建了多个专业交流群，长按下方二维码，即可添加小编微信进群，由于申请人数较多，添加微信时请备注：学校/专业/姓名，如果是PI/教授，还请注明。 点在看，传递你的品味

本文中，小编整理了多篇重要研究成果，共同解读科学家们如何利用人工智能来改善人类疾病的诊疗及研究，分享给大家！ 本文中，小编整理了多篇重要研究成果，共同解读科学家们如何利用人工智能来改善人类疾病的诊疗及研究，分享给大家！ 【1】Nature：利用人工智能设计的新型蛋白可有效中和蛇毒中的毒素 doi：10.1038/s41586-024-08393-x 根据世界卫生组织的数据，毒蛇咬伤每年影响180万至270万人，每年导致大约10万人死亡，并导致大约30万人永久性残疾，包括失去肢体。大多数毒蛇咬伤发生在非洲、亚洲和拉丁美洲，这些地区薄弱的卫生系统加剧了这一问题。目前，用于治疗毒蛇咬伤患者的唯一抗蛇毒血清来自动物血浆，通常成本高、疗效有限、副作用严重。不同种类的蛇的毒液也存在很大差异，因此需要在世界不同地区进行定制治疗。 一项新的研究表明，对毒蛇咬伤的治疗可能会出现新的变革。来自华盛顿大学和丹麦技术大学的研究人员利用人工智能技术开发出可以中和蛇毒中致命毒素的新型蛋白，这可能为传统抗蛇毒血清提供一种更安全、更有效的替代品。相关研究结果于2025年1月15日在线发表在Nature期刊上，论文标题为“De novo designed proteins neutralize lethal snake venom toxins”。 三指毒素的作用靶标 具体而言，华盛顿大学医学院的David Baker团队和丹麦技术大学的Timothy Patrick Jenkins团队利用深度学习工具设计了一种新的蛋白，它可以结合并中和致命眼镜蛇的毒素。这项研究的重点是一类重要的称为三指毒素（three-finger toxin）的蛇蛋白，这通常是基于免疫动物的抗蛇毒血清失败的原因。 虽然还不能完全抵御蛇毒——每种蛇特有的不同毒素的复杂混合物——但是利用人工智能设计出的蛋白分子可以完全保护小鼠免受致命剂量的三指毒素的侵害：80%-100%的存活率，取决于确切的剂量、毒素和设计出的蛋白分子。 【2】PNAS：新型人工智能技术或能识别出更好的抗体疗法 doi：10.1073/pnas.2410529121 从缓解癌症到减缓COVID-19的症状，免疫疗法能提供革命性的疾病疗法，其能利用抗体（能结合体内称之为抗原的细胞标志物的特殊蛋白质）来靶向作用并消除抗原，然而，尽管免疫疗法非常有效，但其并未得到广泛应用，因为寻找合适的抗体来开发新型疗法对于科学家们而言是一项具有挑战性且耗时的工作。 近日，一篇发表在国际杂志Proceedings of the National Academy of Sciences上题为“Improved deep learning prediction of antigen–antibody interactions”的研究报告中，来自佐治亚理工学院等机构的科学家们通过研究开发了一种名为AF2Complex的新工具，其能利用深度学习来预测哪些抗体能与COVID-19中臭名昭著的刺突蛋白结合，他们利用已知抗原结合物的序列为深度学习模型创建了输入数据。 这种方法能在利用1000种抗体的一次测试中就准确预测90%的最佳抗体，而治疗COVID-19只是其潜力的开始；研究者Mu Gao博士说道，AF2Complex能改善治疗的发展，如果你拥有一个高质量的模型，那么你就能修补蛋白序列并优化抗体，从而使其更适合药物的开发。本文研究者并不是第一个使用深度学习来预测蛋白结构的科学家，但他们的确扩大了该模型的能力，2020年，获得诺贝尔奖的DeepMind AlphaFold（Alphabet计划的一个项目）就在利用深入学习预测单一蛋白结构上取得了重大突破，为此，这项研究中，研究人员将该模型用于预测蛋白复合体的结构。 【3】肠道微生物中的“双面特工”？Cell：利用人工智能确定对人体健康至关重要的一组肠道微生物 doi：10.1016/j.cell.2024.09.019 近日，一篇发表在国际杂志Cell上题为“A core microbiome signature as an indicator of health”的研究报告中，来自中国上海交通大学等机构的科学家们通过研究推出了一种新方法，用于鉴定人类常见的、对健康至关重要的一组肠道微生物。这一发现为精准营养和旨在控制与肠道微生物组失衡有关的慢性疾病（包括糖尿病、炎症性肠病和癌症）的个性化疗法提供了新机会。 核心微生物组（core microbiome）是指消化道中的一组在维持消化、免疫防御和心理健康等功能方面发挥着关键作用的微生物。当核心微生物组减少或丧失时，这会导致一种称为菌群失调（dysbiosis）的疾病，即肠道中有益微生物和有害微生物之间的失衡。菌群失调与许多慢性疾病有关，包括炎症性肠病、代谢紊乱、神经系统疾病、慢性肾病和某些癌症。 许多研究已表明，将有益的粪便微生物群从健康的结肠转移到患病的结肠可以缓解这些疾病，这有力地表明核心微生物组对维持人体的健康至关重要。核心微生物组的基本结构——两个不同的细菌群体，分别称为基础菌群（foundation guild）和病原菌群（pathobiont guild），它们进行着动态和稳定的相互作用，对维持人类健康至关重要。 利用人工智能模型，这种“两个相互竞争的细菌群体”方法将不同人群中的病例与对照组进行了分类，不受种族、地理或疾病类型的影响，并预测了四种不同疾病对免疫疗法的个性化反应。这个领域尚未就核心微生物组的确切构成要素或如何准确识别这些关键微生物参与者达成共识。 【4】AI揭示16万新病毒！Cell：我国科学家领衔利用人工智能技术发现161979种新的RNA病毒 doi：10.1016/j.cell.2024.09.027 人工智能（AI）正在帮助科学家们揭开生活在我们脚下和全球每个角落的多种多样的基本生命分支的神秘面纱。近日，一篇发表在国际杂志Cell上题为“Using artificial intelligence to document the hidden RNA virosphere”的研究报告中，来自中国中山大学等研究机构的研究人员利用一种机器学习工具发现了161，979种新的RNA病毒。他们认为这将极大地改善地球上的生命图谱，并有助于识别数百万种尚未表征的病毒。 文章中，研究者Edwards Holmes教授说：“我们看到了地球生命中原本不为人知的部分，揭示了非凡的生物多样性。这是单项研究中发现的数量最多的新病毒物种，极大地扩展了我们对生活在我们中间的病毒的了解。一下子就发现这么多新的病毒，真是令人震惊，而且这仅仅是触及了表面，为我们打开了一个发现的世界。还有数以百万计的病毒有待发现，我们可以用同样的方法来识别细菌和寄生虫。” 图片来源：Cell, 2024, doi:10.1016/j.cell.2024.09.027 虽然RNA病毒通常与人类疾病有关，但它们也存在于世界各地的极端环境中，甚至可能在全球生态系统中发挥关键作用。在这项研究中，作者发现它们生活在大气、温泉和热液喷口中。Holmes教授说：“极端环境中携带着如此多种类的RNA病毒，再次证明了它们惊人的多样性和在最恶劣环境中生存的顽强生命力，有可能为我们提供病毒和其他基本生命形式是如何形成的线索。” 【5】JAMA Netw Open：科学家利用人工智能有望帮助识别出未来会患乳腺癌的女性 doi：10.1001/jamanetworkopen.2024.37402 早期的乳腺癌检测与较低的发病率和死亡率有关。近日，一篇发表在国际杂志JAMA Network Open上题为“Artificial Intelligence Algorithm for Subclinical Breast Cancer Detection”的研究报告中，来自挪威国家公共卫生研究院等机构的科学家们通过研究发现，人工智能（AI）评分或能评估个体未来患乳腺癌的风险并进行早期诊断。 文章中，研究人员分析了用于进行乳腺癌检测的商用人工智能算法是否能评估未来个体癌症的发生；这项研究纳入了116，495名年龄在50岁至69岁的女性，其接受了至少连续三轮两年一次的乳腺X光检查。研究人员发现，在第一轮研究中，通过筛查发现癌症的女性乳腺的AI评分的平均绝对差异为21.3，第二轮研究则为30.7，第三轮研究为79.0，在间隔期癌症之前的平均差异分别为19.7、21.0和34.0。 对于未患乳腺癌的女性而言，第一轮研究的平均差异为9.9，第二轮为9.6，第三轮为9.3。对于筛查发现的癌症，受试者工作特征曲线下的绝对差异面积在第一轮研究中为0.63，在第二轮研究时为0.72，在第三轮研究时为0.96；对于间隔期癌症而言，受试者工作特征曲线下的面积分别为0.64、0.65和0.77。 【6】Nature：科学家成功结合人工智能技术和连接组的潜能来预测大脑细胞的活性 doi：10.1038/s41586-024-07939-3 如今研究人员能成功测定神经回路中每个神经元的连接性，但无法测定其它的生物学细节，包括每个神经元的动态变化特性，而对连接性测定在多大程度上能影响对大脑神经计算的理解，研究人员仍然并不清楚。近日，一篇发表在国际杂志Nature上题为“Connectome-constrained networks predict neural activity across the fly visual system”的研究报告中，来自图宾根大学等机构的科学家们通过研究成功利用人工智能（AI）和连接组的潜能来预测机体大脑细胞的活性。 科学家成功结合人工智能技术和连接组的潜能来预测大脑细胞的活性 有了神经元和AI方法之间的联系图谱，研究人员就能完成此前从未想过的研究，即预测单一神经元的活性，且并不需要在活体大脑中进行单一测量。几十年来，神经科学家们在实验室中花费了大量时间来测定活体动物大脑中神经元的活性，从而梳理出大脑如何促进机体行为的发生，这些实验能对研究大脑发挥作用的机制提供开创性的见解，但其仅仅触及到了研究表面，关于大脑研究的很多领域，目前研究人员还未进行。如今，研究人员利用AI和连接组（由大脑组织所产生的神经元及其连接的图谱）就能预测活体大脑中神经元发挥的作用。研究人员仅利用从果蝇视觉视同连接组中所收集到的有关神经回路连接性的信息，以及对该回路所发挥的作用进行相应推测，从而就创建了果蝇视觉系统的AI模拟，这就能帮助他们预测大脑回路中单个神经元的活性。 研究者Srini Turaga博士表示，如今我们有了一种计算方法，其能将连接组的测量结果转化为对神经回路和大脑功能的预测，且并不需要首先从难以获得的每个神经元的神经活动的测量开始。文章中，研究人员利用连接组创建了一个详细的深度机制性网络来模拟果蝇的视觉系统，其中模型中的每个神经元和突触都对应大脑中的真实神经元和突触。尽管研究人员并不知道每个神经元和突触的动态变化，但来自连接组中的数据就能促使他们利用深度学习方法来推断这些未知的参数，同时他们还能将这些信息与有关回路目标（运动检测）的知识结合起来。 【7】AI破冰癌症治疗！Cancer Res：牛津大学科学家利用人工智能技术开发更具个性化的癌症疗法策略，能显著延长患者复发的时间，最长可达两倍 doi：10.1158/0008-5472.CAN-23-2040 长期以来，癌症的标准治疗方案都旨在彻底清除癌细胞，然而，由于药物耐受性的出现，这些策略在应用到转移性癌症上时往往会失败。目前，适应性疗法策略已经发展成了一种可替代的方法，其能动态调整疗法以抑制耐药性肿瘤的增殖，从而减缓甚至阻止疾病进展，尤其在前列腺癌治疗领域显示出显著的临床价值。 近日，一篇发表在国际杂志Cancer Research上题为“Mathematical Model-Driven Deep Learning Enables Personalized Adaptive Therapy”的研究报告中，来自牛津大学等机构的科学家们利用人工智能（AI）技术开发了个性化的癌症疗法，旨在有效预防癌症复发，应对当前治疗中的关键挑战。这项研究中，研究人员通过联合研究引入了一种新型框架，其能应用深度加强学习（DRL， deep reinforcement learning，一种人工智能形式）来为前列腺癌患者创建出一种适应性的治疗计划。 研究结果表明，相比依赖最大耐受剂量(MTD)或非个性化间歇治疗相比，该新型适应性方法能显著延长患者复发的时间，最长可达两倍。研究者Kit Gallagher表示，该框架利用了数学模型产生的合成数据训练DRL算法，模拟先前临床试验的观察结果，成功创造出大量“虚拟患者”数据，便于评估难以在实际临床环境中测试的治疗方案。 【8】智能手表变身“数字医生”！Cell揭示AI分析可穿戴设备数据如何表征精神疾病并识别遗传关联 doi：10.1016/j.cell.2024.11.012 近日，一篇发表在国际杂志Cell上题为“Digital phenotyping from wearables using AI characterizes psychiatric disorders and identifies genetic associations”的研究报告中，来自耶鲁大学等机构的科学家们通过研究发现，智能手表不仅能记录你的步数和心率，还可能成为了解脑部疾病和行为障碍的强大工具。 利用来自5000多名青少年的智能手表数据，该研究团队训练了人工智能模型来预测个体是否患有不同的精神疾病，并发现了与这些疾病相关的基因。Gerstein教授解释说，“在传统精神病学中，医生评估你的症状，然后做出诊断。但在我们的研究中，我们通过处理可穿戴传感器的数据，不仅能够更全面地预测疾病，还能更好地将其与潜在的遗传因素联系起来。” 在这项新研究中，研究人员使用了来自美国最大的大脑发育和儿童健康长期评估——青少年大脑认知发展研究（Adolescent Brain Cognitive Development Study）的数据。这些数据包括9-14岁青少年佩戴的智能手表记录的心率、卡路里消耗、身体活动强度、步数、睡眠水平和睡眠强度等信息。研究者Jason Liu表示，“如果处理得当，智能手表收集的数据可以用作‘数字表型’。”他补充道，“这种数字表型不仅可以作为诊断工具或生物标志物，还可以帮助弥合疾病与遗传学之间的差距。” 【9】Brief Bioinform：利用基因组测序和AI分析或能揭示隐藏在乳腺癌发病背后的特殊遗传标志物 doi：10.1093/bib/bbae346 乳腺癌是如今影响西方女性健康最常见的恶性肿瘤，据估计，有高达10%的乳腺癌病例的发生归因于种系突变（germline variants），然而大多数家族性乳腺癌病例的遗传基础研究人员并不确定，因此发现促进家族性乳腺癌的易感基因或具有一定的挑战性，因为其被认为是非常罕见的、较低的外显率和复杂的生物学机制。 近日，一篇发表在国际杂志Briefings in Bioinformatics上题为“Discovering predisposing genes for hereditary breast cancer using deep learning”的研究报告中，来自耶路撒冷希伯来大学等机构的科学家们通过研究开发了一种新方法来分析乳腺癌高发的家族个体机体的遗传突变，通过分析12个家庭的1218个遗传突变，研究人员识别出了80个基因与乳腺癌风险增加有关，同时他们还强调了过氧化物酶体和线粒体通路在乳腺癌易感性和患者生存中的重要作用，这在以前被研究人员完全忽视了。 本文研究结果或能为阐明家族性乳腺癌背后的遗传基础提供了新的见解，尤其是其在中东血统的家庭中普遍存在；文章中，研究人员利用一种创新性的分析方法专门用来分析有乳腺癌发病史的家庭个体机体的遗传突变，这种方法结合了先进的机器学习技术和对蛋白质结构的详细分析，旨在调查罕见的遗传突变。通过对12个家庭中发现的1218个突变进行仔细分析，研究人员识别出了80个基因或会明显影响机体的乳腺癌风险，这一研究发现包括了70个此前未知的与乳腺癌相关的基因，这或许就极大扩散了研究人员对这种疾病遗传背景的理解。 【10】基因编辑新突破！Cell：AI算法解锁精神疾病遗传密码，精准定位“书中的错乱章节” doi：10.1016/j.cell.2024.09.014 想象一下，人类基因组就像一本庞大的说明书，里面包含了30亿个碱基对。这不仅仅是一份关于如何构建人体的指南，它还记录了疾病的发生以及我们的进化历程。这些碱基对就像是书中的字母，有时候它们会跳来跳去，换换位置——这就是所谓的重排。有时，这种重排很简单，就像是两个字母互换了位子；但有时候，事情就变得复杂多了，比如一整段话被倒置过来，或者干脆有几行字消失了。现在我们有了读这本书的高科技工具，叫做全基因组测序（Whole Genome Sequencing， WGS），它可以很好地找到那些简单的错误，但是面对复杂的结构变异（structural variant， SV）时，就有点儿力不从心了。 不过别担心，斯坦福大学医学院的一群科学家们带来了好消息！他们开发了一种新方法，利用人工智能来识别WGS数据中的复杂SV。相关研究结果于2024年9月30日在线发表在Cell期刊上，论文标题为“Detection and analysis of complex structural variation in human genomes across populations and in brains of donors with psychiatric disorders”。研究人员通过分析来自全球4000多个个体的基因组，创建了一个复杂SV的目录，并发现这类变异通常出现在大脑相关基因中，而且与精神分裂症和躁郁症等精神疾病的基因表达方式有关。 利用ARC-SV算法分析复杂的结构变异 斯坦福大学的Alexander Urban博士说：“这是一项突破性的进展，意味着我们在理解精神疾病遗传基础方面迈出了重要一步。”他比喻说，如果只寻找简单的变异，就好比校稿时只找错别字，而忽略了整个句子或段落的混乱。新的算法，名为ARC-SV（自动重建复杂结构变异算法），可以捕捉到各种DNA重排，准确率高达95%。这个算法就像是一个超级编辑，能够在送印前找出所有问题，包括重复、缺失或顺序错乱的部分。（生物谷Bioon.com） 生物谷更多精彩盘点！敬请期待！