近日，《自然》期刊公布了“2025年值得關注的全球七大突破性技術”，其中生命科學領域占據了四席。這些技術不僅有望顯著改善人類健康福祉，還將為環境治理和保護提供創新解決方案，從而對我們的生活產生深遠影響。

圖片來源：123RF

CAR-T細胞療法：自身免疫疾病的治愈希望

經過數年發展，嵌合抗原受體（CAR）-T細胞療法已成為許多血液癌癥的標準治療方案。自首款CAR-T細胞療法獲批以來的七年間，全球已有數萬人接受了這種治療。對于某些類型的血液腫瘤，其臨床療效非常顯著，最早接受CAR-T治療的急性淋巴細胞白血病兒童患者Emily Whitehead已經超過，讓血液腫瘤患者看到了治愈的希望。

在過去幾年中，CAR-T細胞療法在實體瘤治療方面也取得了顯著進展。例如，麻省總醫院的腫瘤學家Marcela Maus博士領導的研究團隊設計了一種靶向表皮生長因子受體III型突變體（EGFRvIII）的CAR-T療法，用于治療復發性膠質母細胞瘤（GBM）。該療法通過分泌T細胞結合抗體分子（TEAM），還可同時靶向野生型EGFR蛋白。在臨床中，3名復發性GBM患者接受該療法后，大腦腫瘤在1-5天內迅速縮小，其中一名患者的腫瘤在第5天幾乎完全消失，另一名患者的病情緩解時間超過5個月。其他研究在兒童腦癌和胃腸道腫瘤中也顯示出令人鼓舞的結果。Maus博士認為，如果研究人員能夠識別出適當的腫瘤特異性靶點，CAR-T療法有望廣泛應用于更多癌癥類型的治療。

值得注意的是，CAR-T細胞療法在自身免疫疾病領域同樣展現出巨大潛力。研究表明，靶向B細胞的CAR-T細胞療法能夠有效遏制某些自身免疫疾病的進展。這類疾病通常源于產生有害“自身抗體”的缺陷型B細胞，這些抗體會攻擊人體正常組織。例如，早在2021年，德國風濕病學家Georg Schett博士領導的研究團隊利用自體CD19 CAR-T細胞成功治療了一名嚴重系統性紅斑狼瘡（SLE）患者。經過CAR-T治療后，患者實現了血清學及臨床雙重緩解。此后，Schett博士的團隊在約二十名患有狼瘡和其他自身免疫疾病的患者中成功控制了病情，迄今僅有一例復發。他認為，這種方法有望改善其他與B細胞相關的自身免疫疾病（包括多發性硬化）的預后。

盡管CAR-T細胞的生產與治療費用高昂，且對患者身體可能造成一定損害，但對于那些在傳統治療中艱難求生的自身免疫疾病患者而言，這仍不失為一種有效的治療選擇。Schett博士指出：“這類患者的長期治療費用本就十分龐大，而CAR-T療法的進展表明，理論上患者有可能在數年內無需進一步治療，從而擺脫自身免疫疾病的困擾。”

生物治理技術：解決微塑料污染問題的新途徑

微生物擁有在極端環境中繁衍生息的非凡能力，甚至能利用最不可思議的食物來源，比如塑料。塑料在自然環境中的長期暴露會逐漸降解成微塑料顆粒，這些顆粒對環境有害且具有毒性。然而，令人矚目的是，某些細菌正逐步適應這些人工材料，它們不僅能夠耐受微塑料的存在，還能將其作為自身的營養來源。這一發現為利用微生物解決微塑料污染問題開辟了新的可能性。

自然界中存在多種酶具備降解塑料的潛力，但其效率尚待提升。塑料活性酶數據庫（Plastics-Active Enzymes Database）已收錄超過230種此類酶，而科研人員正積極開發策略以增強這些酶的性能。例如，倫敦布魯內爾大學（Brunel University of London）的微生物學家Ronan McCarthy博士的團隊正在探索誘導具備塑料降解能力的細菌在塑料碎片上形成密集生物膜的方法。McCarthy博士指出，這些生物膜能使細菌直接將酶釋放到目標底物上，同時防止酶被沖刷流失。

圖片來源：123RF

與此同時，美國密蘇里大學哥倫比亞分校（University of Missouri Columbia）的化學家Susie Dai博士正專注于研究白腐菌降解致癌性“永久性化學品”（如全氟烷基和多氟烷基物質）的天然能力。她的團隊開發了一個名為RAPIMER的平臺，該平臺利用天然纖維構建類似植物的人工支架，用以培養這種真菌。Dai博士解釋說：“這些纖維作為吸附劑，能夠從環境中有效富集污染物，隨后由真菌進行降解。”她認為，該系統在污水處理廠或污泥處理設施中具有潛在應用價值。

研究人員正致力于優化現有酶，旨在開發出具有更強污染物處理能力的微生物。與此同時，McCarthy博士呼吁應加強對如何智能且安全地運用工程化生物環境治理系統的討論。他強調：“只要微生物具備分解污染物的能力，生物治理系統幾乎可以應對任何環境挑戰。”

人工智能基礎模型：解密錯綜復雜的生物體系

所謂基礎模型，是指一類在預訓練階段被輸入大量未標記數據的人工智能算法。例如，ChatGPT便是基于互聯網上龐大的文本語料庫進行訓練的，而同樣的訓練方法同樣適用于生物體DNA序列、基因表達數據或DNA修飾模式等領域。這些算法通過學習數據中復雜微妙的模式，生成一個可執行多種任務的通用模型，從解析新獲取的生物學數據到設計定制蛋白質或代謝途徑等，不一而足。瑞士洛桑聯邦理工學院的計算機科學家Charlotte Bunne博士預測，隨著這些基礎模型的不斷完善，它們有望為揭示基本的生物學過程和原理提供前所未有的深刻見解。

早期研究已經取得了有力的概念驗證成果。2024年，研究人員構建了一種名為scGPT的基礎模型，該模型基于約3300萬個人類細胞的單細胞轉錄組數據進行訓練，能夠準確地對多種組織中的細胞類型進行分類，識別協同驅動不同生物學過程的基因網絡，并預測破壞性突變對基因表達模式的影響——這一能力在藥物發現領域具有極其重要的價值。

而更為巨大的機遇則在于整合多個基礎模型。例如，在2024年12月發表于《細胞》雜志的一篇文章中，科學家們提出了一項開發“虛擬細胞”的路線圖。“虛擬細胞”是一個由基于RNA、蛋白質、DNA及其他數據層的多個基礎模型構建而成的復雜模型。它能夠捕捉細胞或組織中更為完整的生物學活動譜系，從而在功能上極大地超越第一代工具（如scGPT），為人類疾病研究、合成生物學及其他相關學科提供強有力的資源支持。這一進展預示著AI技術在生物學研究領域的應用前景將更加廣闊。

單細胞微生物分析：揭示微生物生態與進化奧秘

微生物群落具有顯著的多樣性，這種多樣性不僅存在于實驗室培養的菌落中，也廣泛存在于腸道微生物菌群中，并影響著腸道微生物之間的相互作用。單細胞測序是解析單個細胞特性的重要工具，但微生物單細胞測序面臨諸多挑戰，如細胞壁難以破壞、DNA和RNA含量有限等。然而，近年來微生物單細胞研究的工具庫不斷豐富，為這一領域的研究帶來了新的希望。

其中，轉錄組學方面的研究進展尤為顯著——目前至少有六種技術可供選擇。例如，由德國亥姆霍茲研究所（Helmholtz Institute）的生物化學家J?rg Vogel博士領導的研究團隊開發的細菌MATQ-seq技術，能夠分析數千個微生物細胞中每個細胞的數百個基因的表達情況，為表征那些罕見的“耐受性”細菌（即能夠耐受抗生素治療的細菌）對藥物的反應提供了有力支持，這對于抗生素耐藥性研究和新型抗菌藥物的開發具有重要意義。而其他方法則通過權衡每個細胞中捕獲的基因數量和測序通量，力求在兩者之間找到最佳的平衡點。

此外，由Venturelli博士和多倫多大學Freeman Lan博士共同領導的研究團隊還開發了一種名為DoTA-seq的新方法。該方法通過將單個細胞捕獲在微小的液滴中，選擇性地對每個細胞基因組中的數十個位點進行測序，從而實現了對微生物DNA的有效分析。Venturelli博士表示，DoTA-seq在多種細菌細胞類型和物種中都展現出了廣泛的適用性，她目前正在將其應用于研究人類腸道及其他生態系統中環境條件如何塑造微生物遺傳物質的研究之中，以期揭示更多關于微生物生態和進化的奧秘。