科技快讯
来源:图书馆   作者:图书馆   点击数:   日期:2018年04月18日 00:00   字体:【


1. 华人学者研究等《CELL》封面,AI诊断疾病新突破

2018年2月的《CELL》杂志封面刊登了华人学者张康教授《Identifying Medical Diagnoses and Treatable Diseases by Image-Based Deep Learning》[1]的最新研究。张教授是加州大学圣地亚哥分校(UCSD)的眼科教授,也是眼科遗传学的首席医师(Chief,Ophthalmic Genetics)。他在带领下其团队建立了一种基于深度学习框架的诊断工具,用于筛查常见可治疗的致盲性视网膜疾病患者。

图1.文章研究框架图

OCT利用光来捕获视网膜上的高分辨率光学截面,可以将其组装成三维活体视网膜组织图像,它已经成为最常见的医学成像程序之一。每年大约有3000万次OCT扫描在世界各地进行,它也成为指导诊断全球主要失明疾病的依据,例如与年龄有关的黄斑变性(AMD)和糖尿病黄斑水肿。抗血管内皮生长因子药物的出现和广泛应用改变了对渗出型视网膜疾病的治疗,OCT对于指导该治疗的管理至关重要,它提供了在这些条件下的视网膜病变的清晰的横断面表示,允许对单个视网膜层进行可视化,这是不可能通过肉眼或彩色眼底摄影来进行临床检查的。

基于OCT技术的普遍性,研究人员对近10万张患者OCT图像使用基于人工智能的卷积神经网络(convolutional neural network),训练了一款深度学习算法,通过大量模拟训练该算法的精准度达到了峰值。该研究通过强调神经网络识别的区域,为其提供更加透明和可解释的诊断。在训练过程中研究人员采用了迁移学习(transfer learning)和闭塞测试(occlusion testing),前者的作用在于解决一个问题所获得的知识被储存在计算机中并应用于不同但相关的问题,后者则可以使计算机鉴定出每幅图像中最感兴趣的区域,从而使得这种系统更加透明,并增加诊断的可信度。

随后研究人员们运用不同类型的OCT图像对这款算法进行校验,发现该AI工具的总体准确度达到了96.6%,灵敏度为97.8%,特异性为97.4%,AUC值(可反映算法的优劣)更是高达99.9%。随后,研究人员们将AI工具的诊断结果与医学专家诊断结果进行比对发现该算法在特异性和灵敏度上,与医学专家判断结果一致。为进一步证明该研究团队的人工智能系统,研究人员运用该工具对诊断小儿肺炎时使用的胸部x光图像进行了识别,结果表明在判断该类疾病上此工具同样具有适用性。这款AI工具将有助于加速诊断和转诊这些可治疗的条件,从而促进早期治疗,从而改善临床结果。


2.无啤酒花生产啤酒:酵母改良新技艺

近日,《Nature Communications》[2]发表了一篇加州大学伯克利分校Denby 等人关于啤酒酿造技术改进的文章:《Industrial brewing yeast engineered for the production of primary flavor determinants in hopped beer》。研究人员通过对啤酒酵母进行改造,使之生成两种能够产生啤酒花特殊味道的分子,使啤酒即便不使用啤酒花仍能具有一致的酒花味,该发现或有助于降低啤酒行业对啤酒花的依赖性。

图2.改造后的啤酒酵母株酿造的试验规模啤酒的特征

啤酒花作为啤酒酿造的重要原料,为啤酒提供了苦味和“啤酒花”味道。然而啤酒花既是水和能源密集型作物,其精油含量也有很大差异,难以在啤酒中实现一致的啤酒味道。美国劳伦斯伯克利国家实验室的Jay Keasling、加州大学伯克利分校的Charles Denby等研究人员,借鉴了在葡萄酒酵母中通过生物合成产生单萜化合物的可行性,发现了可以通过重组薄荷和罗勒的DNA方式对酵母进行改造。改造后的啤酒酵母增加了芳樟醇和香叶醇的含量,使啤酒花的味道得以重现。其原理在于芳樟醇和香叶醇是酒花精油中所含有的物质,更是决定酒花基本风味原因。改造后的酵母所酿出的啤酒通过了40名被试的双盲口味测试,且其其酒花风味比按照冷泡法制造的啤酒更浓。

然而,在任何工业食品加工剂产业中,保证基因工程的稳定性、可控性,并实现精确生产特定风味剂的仍然是一项艰巨的挑战。同时研究人员也表示,虽然改造的啤酒酵母仍具有啤酒味道,但要获得传统酒花工艺产生的全部风味,则需更加多样化的分子组合。

3.癌症疗法有新突破,分子磁铁提高疗效

根据《CELL》杂志2月一项研究提出了一项提升癌症患者免疫疗法疗效的研究,即将特定的免疫细胞吸引到肿瘤中。该研究由英国弗朗西斯-克里克研究所(Francis Crick Institute)的研究人员进行,其论文标题为《NK Cells Stimulate Recruitment of cDC1 into the Tumor Microenvironment Promoting Cancer Immune Control》[3]。

常规1型树突状细胞(cDC1)对于抗肿瘤免疫力至关重要,并且其在肿瘤内的丰度与免疫介导的排斥和免疫疗法的成功相关。研究人员发现小鼠肿瘤中的cDC1积累通常取决于产生cDC1化学引诱物CCL5和XCL1的自然杀伤(NK)细胞。类似地,在人类癌症中,肿瘤内CCL5,XCL1和XCL2转录物与两个NK的基因标记密切相关,且与提升整体患者生存率有关。研究人员还发现,前列腺素E2(PGE2)能抑制自然杀伤细胞的活性,并降低cDC1对化学引诱剂作出的反应性,其被肿瘤衍生的PGE2靶向可用于癌症治疗。

4.可穿戴能源设备新突破:透明可伸缩的超级电容

可穿戴设备一直是科学家研究的热点,而2月刊登在《NATURE》旗下的《Scientific Reports》杂志上一篇名为《Ag/Au/Polypyrrole Core-shell Nanowire Network for Transparent, Stretchable and Flexible Supercapacitor in Wearable Energy Devices》[4]的研究中,则展现了一种新型可穿戴能源设备材料:透明可伸缩的超级电容。该项研究的人员来自由首尔国立大学机械工学系、庆北国立大学物理系和汉阳大学机械工程系的人员组成。

图3.该材料的网状网膜的微米和纳米级结构和制备步骤

透明和可拉伸的能源设备由于其具备生物相容性和可穿戴性的潜力而引起了科研人员的极大兴趣。与双电层电容器相比,使用导电聚合物的可逆法拉第氧化还原反应的超级电容器具有更高的比电容。导电聚合物一般通过在集电器上的直接电聚合来制造。然而,目前还没有关于金属纳米线作为直接电聚合的集电器的研究,即便已有研究证明“金属纳米线网络结构”作为透明、柔性且可拉伸的电极平台优于目前已广泛研究的金属纳米线如银和铜,因为导电聚合物的聚合氧化还原电位高于金属纳米线。

在这项研究中,研究人员向我们展示了一种高度透明和可拉伸的超级电容器,通过在银纳米颗粒表面镀上一层薄薄的金,将银/金/聚吡咯核壳纳米线网络作为电极进行开发,可提供比电可聚合单体更高的氧化还原电位。银/金/聚吡咯核壳纳米线网络在各种机械弯曲和拉伸下表现出优异的机械稳定性。此外,与原始的超级电容器相比,研究所提出的超级电容器更具有良好的透光率以及5倍于单纯银/金核壳纳米线网状超级电容的面积比电容。

在这项研究中,研究人员使用聚吡咯(PPy)作为活性聚合物层,这是因为它具有优异的热稳定性,快速充放电机理和轻度的电聚合条件。其中图3示出了基于Ag / Au / PPy核壳型NW网络的透明导电膜的整个制造过程。这个过程包括三个简单的步骤。首先,直径为30nm的原始银纳米线涂覆有薄金层。该合成过程通过用注射泵缓慢地将金前体注入含有封端剂,还原剂和pH增加剂的Ag NW溶液中来进行。详细的实验条件,包括每种化学品的注射速率和摩尔浓度。随后,通过真空过滤方法将分散在乙醇中的金/银核壳NWs转移到聚对苯二甲酸乙二醇酯(PET)基底上,这使得纳米线渗滤网络具有高导电性和透光性的稳定的连接性。

5. 钻石不止耀眼,更能变废为宝

钻石一直以来被视为高贵的象征,是人们展现财力魅力的首选,而《Scientific Reports》杂志3月发表的“Fabrication of Hierarchical Layer-by-Layer Assembled Diamond-based Core-Shell Nanocomposites as Highly Efficient Dye Absorbents for Wastewater Treatment”[5]文章中,来自燕山大学的研究人员发现钻石更能变废为宝,在处理废水上同样可以展现其独特魅力。

图4.钻石基纳米复合材料制备示意图

基于钻石即金刚石的分层复合材料具有高效化学改性和自组装性,这对于广泛的金刚石应用至关重要。研究人员通过逐层(LbL)组装策略制备了一种新型核壳结构钻石基纳米复合材料,其能用于废水处理过程中的染料吸附。如图4所示,制造这种复合材料的基础是进行微米金刚石的羧基官能化,通过金刚石进行石墨氧化产生石墨烯复合物进行化学改性。然后,将羧基封端的微米金刚石交替地浸入含胺的聚乙烯亚胺和含羧基的聚丙烯酸的水溶液中,这使得金刚石表面上能形成一层吸附层。在含胺和含羧基聚合物的溶液中交替(自限制)浸渍直到在微米金刚石周围形成所需数量的壳层。所获得的钻石基纳米复合材料能通过形态学和光谱技术表征,并表现出比非多孔固体金刚石颗粒更高的表面积和中孔结构,因此以具有更好的染料吸附能力。

此外,所制备的复合材料可以很容易地从废水染料溶液中分离出来,并且具有出色的可重复使用性,且在进行污水处理时具有巨大的吸附容量。这项研究有望为钻石功能化和自组装核壳复合材料的设计和制备开辟新的途径。

6.机器学习在晶体形成中的新应用

Science Advances》4月份刊登了牛津大学材料系与俄罗斯斯科尔科沃科学技术研究所共同研究的文章,《Crystal nucleation in metallic alloys using x-ray radiography and machine learning》[6]。该研究通过同步辐射X射线照相法,研究了在各种条件下固化的Al-Cu合金的结晶,并通过使用机器学习的算法分析相关数据,研究自动测量冷却速率和溶质浓度对于成核过冷、结晶形成速率和晶体生长速率的影响。由于使用了机器学习的方式,使得对于数千个单独的晶体自动测量成为可能,这是手动无法实现的。成核过冷分布证实了外部晶粒细化剂的效率,并支持了广泛假定的异质成核自由生长模型。研究展示了,结晶的形成过程和发生在与溶质抑制成核区有关的空间爆发。

图5.晶体密度示意图

在冷却液态金属合金期间,首先在接近合金的熔化温度对固体晶体的成核进行固化;其次这些晶体的生长会随着熔化潜热而被去除,直至材料逐渐地转化为固体。对于凝固过程中晶体生长的科学研究和技术相对比较好理解,但在短时间条件下发生在纳米至微米尺度下的成核行为的实验则难以操作。因此对于成核的前期阶段的研究较少。实验室和制造经验表明成核在许多重要产品如镍合金涡轮机的最终结构和性能的控制方面起着关键作用。在铝工业中,在铸造之前将微米尺寸的晶粒细化不溶颗粒加入到合金中能促进精炼和各向同性的富铝晶体的易成核,并能提升最终机械性能和材料稠度。

同步辐射X射线成像技术,如放射成像和断层成像技术,常用于研究技术上重要的系统,如钢、镍、铝和其他合金系统中晶体生长的基本原理。最新的第三代同步加速器具有较高的光子能量和通量,可以穿透毫米级合金,并产生高分辨率的图像,以跟踪晶体生长的二维或三维动态。这种类型的研究已被用于等轴和柱状树突成像,并将其行为与晶体形状、粗化和形态稳定性的理论进行比较。然而,由于形成的晶体的尺寸这类方法难以直接对晶体成核时成像。

7.机器学习探索材料学新革命

在元素周期表中有一百多个元素,存在大量潜在的新材料来解决我们今天面临的技术和社会挑战。但是如果没有一定的指导,想要在如此多的元素中寻找一个可行的组合则是个漫长且艰难的过程,特别事那些受实验过程影响很大的材料。而斯坦福同步辐射光源和SLAC国家加速器实验室门洛帕克教授和西北大学、芝加哥大学等学者一起利用机器学习(ML)模型的训练开发了一种新型材料这也为日后科学家开发新材料提供了可能。该项研究现发表在《Science Advance》3月刊的《Accelerated discovery of metallic glasses through iteration of machine learning and high-throughput experiments》一文[7]。

图6.通过ML与HiTp实验的迭代组合示例性描述

研究人员利用过往实现所获取的观察结果、物理化学理论的各类参数以及合成方法,以高通量(HiTp)实验为指导,找到了Co-V-Zr中金属玻璃的新系统三元。在该项实验中,实验观察与模型的预测非常吻合,但是在预测的精确组合物的数量上的存在一定差异。研究人员使用这些差异来重新训练ML模型。精细模型对于Co-V-Zr系统和其他所有可用的验证数据都具显着的高精确度。研究人员使用精炼模型来发现了以前从未出现过的金属玻璃材料。

研究人员通过迭代使用ML和HiTp的方法快速发现了三种新的玻璃形成系统,它还提供了一种量化精确的且对合成方法敏感的金属玻璃预测器,因此有望大大加速许多新金属玻璃的发现。研究人员相信这种发现模式能广泛应用于新材料研究。


8.用声控软机器鱼探索水下生活

《Science Robotic》三月刊登了麻省理工学院计算机科学和人工智能实验室的论文《Exploration of underwater life with an acoustically controlled soft robotic fish》[8],该文章详细介绍了该实验室今年进行的一项有趣的研究,即远程操控利用具有声控、摄像头和仿生物功能的机器鱼进行海底研究,而这个机器鱼有一个可爱的名字:Sofi。

图7.机器鱼Sofi组成图

在这项研究之前鲜少有能够研究在自然栖息地生活的海洋生物的机器人。这篇文章详细描述了机器鱼Sofi的设计、制作、控制和海洋测试等内容。机器鱼Sofi是一个完全嵌入式的水下系统,它可以独立地在三维空间中游泳,以持续记录它所跟踪或参与的水生生物的活动。

此外,Sofi拥有一条栩栩如生的运动尾巴,可以使机器鱼更自然的融入海洋环境。该机器鱼以一种循环的方式使它柔软的尾巴得以起伏波动,并进行调节或旋转。机器鱼的尾运动是由一个排量泵通过调节泵内液体的容量从而产生循环流动。液压系统可执行低至高频尾动,以达到一定的游泳速度,并可通过调整尾波的基线挠度来执行转弯。虽然大多数软机器人是气动和系绳的,但Sofi的液压驱动的软致动器能使实现长时间长距离的无拴系游泳。

其次,通过使用小型的声学通信模块,Sofi可以接收来自人类潜水员的高级命令,诸如速度、转角和动态垂直潜水等指令。而声学通信系统提供了一种紧凑的、软件定义的传输数据的调制方案,它能对复杂环境中的大量噪声和干扰进行有效的传输。在开放环境中,例如海洋的珊瑚群中包括障碍物、噪声源和多径效应,Sofi能够每秒传输16比特的单词,超过10米的距离。

而在Sofi的顶端则安装了一个摄像头,潜水员可以进行远程探索和捕捉海洋生物和环境的近距离记录。这成功地使潜水员能够发送高水平的命令和导航机器鱼,并观察探索海洋生物及其的生活环境。

Sofi的出现是建立在前几代机器鱼的基础上,之前的机器鱼被固定在浅水湾里的一架飞机上,并且缺乏远程控制。来自太平洋珊瑚礁的实验结果表明,Sofi可以在从0到18米的深度中成功地航行。研究人员认为,他们的研究超越了目前使用传统的基于推力器和系绳的自主水下机器人的研究成果,展示了在未来研究水生生物和海洋动力学相互作用的方法。


参考文献:

[1] Kermany D S, Goldbaum M, Cai W, et al. Identifying Medical Diagnoses and Treatable Diseases by Image-Based Deep Learning[J]. Cell, 2018, 172(5):1122–1131.e9.

[2] Denby C M, Li R A, Vu V T, et al. Industrial brewing yeast engineered for the production of primary flavor determinants in hopped beer.[J]. Nature Communications, 2018, 9(1).

[3] Bã¶Ttcher J P, Bonavita E, Chakravarty P, et al. NK Cells Stimulate Recruitment of cDC1 into the Tumor Microenvironment Promoting Cancer Immune Control[J]. Cell, 2018, 172(5).

[4] Moon H, Lee H, Kwon J, et al. Ag/Au/Polypyrrole Core-shell Nanowire Network for Transparent, Stretchable and Flexible Supercapacitor in Wearable Energy Devices[J]. Sci Rep, 2017, 7:41981.

[5] Zhao X, Ma K, Jiao T, et al. Fabrication of Hierarchical Layer-by-Layer Assembled Diamond-based Core-Shell Nanocomposites as Highly Efficient Dye Absorbents for Wastewater Treatment[J]. Sci Rep, 2017, 7:44076.

[6] Liotti E, Arteta C, Zisserman A, et al. Crystal nucleation in metallic alloys using x-ray radiography and machine learning[J]. Science Advances, 2018, 4(4): eaar4004.

[7] Ren F, Ward L, Williams T, et al. Accelerated discovery of metallic glasses through iteration of machine learning and high-throughput experiments[J]. Science Advances, 2018, 4(4): eaaq1566.

[8] Katzschmann R K, Delpreto J, Maccurdy R, et al. Exploration of underwater life with an acoustically controlled soft robotic fish[J].Science Robotics, 2018, 3(16):eaar3449.



Copyright©  2018 深圳技术大学 版权所有
地址:广东省深圳市坪山区兰田路3002号     邮政邮编:518118
粤ICP备16106131号