2019年最值得关注的技术

1单细胞生物学

SARAH TEICHMANN（剑桥大学韦尔科姆基金会桑格学院，细胞遗传学负责人）

过去的十年里，研究人员一次性可以分析的单细胞数量有了巨大的增长。由于捕获细胞技术的智能化改进，这个增长趋势将会继续保持下去。随着测序的分辨率和成像技术的提高，我们能以更高的分辨率研究更复杂的样本，并且进行不同种类的实验。这意味着，我们将能够更好地控制人口多样性，也将能够描绘更多的发育时间点、组织和个体，以此增加分析的统计意义。

2改进基因编辑技术

KIM JIN-SOO（首尔国立大学基础科学研究所基因组工程中心主任）

第一代CRISPR基因编辑技术使用了核酸酶Cas9，在特定位点切割DNA。但许多CRISPR系统正在尝试用新变体取代自然产生的核酸酶，例如xCas9和SpCas9-NG。这样可以扩大基因组中可以编辑的区域，有些酶也比第一代酶更具有特异性，可以减少或避免靶外效应。

不过，基因编辑技术在临床的常规应用可能还需要时间，该技术尚存在许多限制，例如DNA双链断裂引起的问题等。不过，新问题层出不穷，但创新的解决方案也层出不穷。未来一两年内让我们期待新一代的技术！

3提高显微镜分辨率

庄小威（哈佛大学化学和化学生物学教授，2019年生命科学突破奖得主）

10-20年前，超分辨率显微镜的原理验证实验成功。今天，生物学家利用这种技术带来了知识的繁荣。未来，显微镜技术的发展也必然会加快科学的进步。

基因组的三维结构在调控基因表达中起着重要作用，因此，确定基因组的三维结构和组织是一个热门的研究领域。2018年，庄小威研究组用纳米级的精度对染色质进行了成像，将其与数千个不同类型细胞的序列信息联系起来。空间分辨率提高了一到两个数量级，使我们能观察到单个细胞将染色质组织成不同细胞之间的区域，更好地理解染色质调控的机制。据预计，除染色质外，超分辨率成像领域的空间分辨率将有显著提高，1纳米分辨率的成像将成为常规。

4绘制大脑连接图谱

曾红葵（美国艾伦脑科学研究所执行官）

大脑有着巨大的特异性编码，我们尚缺乏理解神经活动和行为的物理基础。单个细胞和各种细胞类型之间的联系非常复杂，在全球和人口层面上绘制他们的连通性完全不够。

因此，基于单元类型和单细胞级别进行映射连接，通过“顺行”和“逆行”追踪，能揭示特定细胞的结构，即轴突投射。同时，尝试更多基于单个神经元形态的方法，能够帮助我们观察单个神经元的投射在哪里产生？在哪里终止？

依托电子显微镜数据的进步，这些数据采集的覆盖范围已经比从前广泛了很多。在未来，绘制大脑图谱还是一个相当艰巨和重要的研究任务。

5合成基因组

JEF BOEKE（纽约大学朗格尼医学中心系统遗传学研究所所长）

从纯科学的角度来看，合成简单的细菌和酵母基因组已经获得成功。然而，合成整个基因组，尤其是哺乳动物基因组，尚存在降低DNA合成成本等技术挑战。

如今，大多数DNA合成都是建立在磷胺化学的基础上，所得到的核酸聚合物在最大长度和保真度方面都是有限的。许多公司和实验室都在追求酶促DNA合成，比化学合成更快、更准确、更便宜。

2018年，位于巴黎的DNA Script公司宣布，已经合成了一种150碱基的寡核苷酸，几乎达到了化学DNA合成的实际极限。同时，对如何组装大部分人类染色体DNA的研究也正在进行。构建数十到数百种以前无法测试的基因组变体，能够帮助检查涉及全基因组关联研究的数千个基因组位点，在疾病易感性方面具有发展意义。

6揭示分子结构

VENKI RAMAKRISHNAN（结构生物学家，诺贝尔化学奖得主）

理解结构是理解功能的关键。低温电子显微学使研究人员能够使用更小和纯度低的样本来确定高分辨率的结构，还可以研究如蛋白质复合物的动力学或生物化学过程中的不同状态等难题。

7人工智能和深度学习技术

CASEY GREENE（宾夕法尼亚大学佩雷尔曼医学院系统药理学和转化治疗学助理教授）

如今，科学家已经在使用深度学习软件和AI来建立预测模型，寻找基因调控元件之间的结合位点。将来，它们也会被用于探索基因调控本身以及某些基因特征。另外，计算方法也将充分运用到发表论文，上传基因数据等方面。

2018年，CASEY GREENE小组使用了1400多项其他研究的RNA测序数据，搭建模型并应用于抗中性粒细胞胞浆抗体相关血管炎的研究，以此揭示与免疫和代谢功能相关的基因网络，从而分析导致该疾病症状的原因。

2019及将来，人工智能和深度学习技术将大有所为，可以为我们提供特定情景的预测模型，从生物学角度生成并解释我们所看到的数据情况。这是我们共同的发展愿景！