從先進的免疫療法到自驅動實驗室，從生物修復到光子計算，英國《自然》網站在近日的報道中，列出了2025年值得關注的技術方向。這些技術圍繞可持續性和人工智能（AI）這兩大核心關鍵詞，將掀起新一輪創新浪潮。

自驅動實驗室成重要助力

2024年，一個國際團隊開發出一系列新材料，可用於打造有機固態激光器。這項研究主要由全球以人工智能（AI）為主導的五個“自驅動”實驗室完成。

加拿大多倫多大學計算化學家阿蘭·阿斯普如·古茲克是這項研究的主要作者之一。他表示，這些將現代機器人技術與AI算法相結合的自動化研究平台，能夠高效完成復雜的實驗任務，大幅加快新材料的發現與應用進程。

古茲克認為，下一代自驅動實驗室有望獲得更卓越的能力。去年11月，多倫多大學加速聯盟團隊推出了ORGANA系統。該系統將計算機視覺與大語言模型相結合，能夠自動化完成部分化學實驗室的任務，並可將科學家的口頭指令轉化為實驗流程。

古茲克也在積極探索步行機器人、計算機視覺等創新技術，以期進一步擴大自驅動實驗室的能力范疇，使其能夠應對氣候變化、流行病等重大挑戰。

CAR-T細胞療法日益“受寵”

嵌合抗原受體（CAR）T細胞療法是許多血癌的標准治療方法。這一療法的基本流程如下：醫生從病人身上提取T淋巴細胞后對其進行體外基因改造，以增強其腫瘤殺滅能力，隨后再注射回病人體內。對於某些類型的白血病、淋巴瘤和骨髓瘤，這一療法極為有用。

目前所有獲批的CAR-T細胞療法都靶向由B細胞表達的蛋白質。過去幾年，針對實體瘤的CAR-T細胞療法也取得了重要進展。例如，美國馬薩諸塞州總醫院團隊設計出靶向某些腦腫瘤的T細胞，能夠快速縮小復發性膠質母細胞腫瘤。

靶向B細胞的CAR-T細胞療法也有望治療某些自身免疫性疾病。德國埃爾蘭根-紐倫堡大學風濕病學家喬治·肖特領導的研究團隊，已經治療了20多名狼瘡和其他自身免疫性疾病患者，迄今隻有一例復發。

生物修復技術紛至沓來

英國倫敦布魯內爾大學微生物學家羅南·麥卡錫領導的團隊，一直致力於研究利用微生物遏制微塑料污染。他們正在誘導塑料降解細菌在塑料碎片表面形成致密的生物膜，從而提升降解性能。

美國密蘇裡大學化學家蘇西·戴則深入探究了白腐真菌降解致癌全氟和多氟烷基物質的能力。其團隊將真菌在由天然纖維組裝而成的人造植物狀支架中培養，纖維吸附環境中的污染物，真菌則對污染物進行降解。

也有科學家致力於利用蛋白質工程和其他進化方法，以增強現有酶的性能。不過，監管以及公眾對轉基因生物的擔憂值得科研人員深思。

生物基礎模型越來越強

基於大語言模型（LLM）的平台，如ChatGPT等為全球數億用戶提供了從獲取信息到起草論文、軟件代碼等“一站式服務”。現在，科學家希望借助生物學基礎模型獲得類似的能力。

這些生物學模型可以由基因組序列、基因表達等數據進行訓練。模型可執行各種任務，從解釋新獲得的數據到設計定制的蛋白質或通路。

2024年，多倫多大學計算生物學家推出了名為scGPT的基礎模型。它由約3300萬個人類細胞的單細胞轉錄組數據訓練而成，可以准確地對不同組織中的細胞類型進行分類，識別協同驅動不同生物過程的基因網絡，並可預測破壞性突變對基因表達模式的影響，從而助力新藥研發。

去年12月，瑞士洛桑聯邦理工學院計算機科學家夏洛特·布恩等人提出了開發“虛擬細胞”的路線圖。它本質上是一個基於RNA、DNA、蛋白質等多個基礎模型構建的復雜模型，或可為人類疾病研究、合成生物學和其他學科的發展提供強勁動力。

光芯片助力AI降耗增效

AI的快速發展對芯片的算力和能效提出了新的挑戰。與傳統電芯片相比，光芯片使用光子在波導中的傳輸特性執行運算，有望將算力和能效提升數個量級。

英國牛津大學材料學家哈裡什·巴斯卡蘭表示，光芯片具有更快的並行處理能力，能夠提高推理任務的效率。

去年，巴斯卡蘭及其同事展示了兩種光芯片，並應用於處理卷積神經網絡判別帕金森綜合征患者的步態信息和圖像分類。新型光芯片的算力不僅提升了兩個數量級，且能大幅降低系統能耗。

中國清華大學科研團隊也於去年推出了全球首款大規模通用智能光計算芯片——太極。它處理某些任務時的計算效率為最先進的英偉達圖形處理單元的100倍，有望為大模型訓練推理、通用AI、自主智能無人系統提供算力支撐。

分享讓更多人看到