脑机接口快速发展

美国斯坦福大学科学家开发出一种复杂的脑机接口设备。“基于序列”的算法使用大型语言模型 ，证明了脑机接口技术可帮助患有严重神经损伤的人恢复失去的技能 ，这一方法有望利用坚固
、

围追堵截“深度伪造”内容

生成式AI可在几秒钟内凭空创造出有说服力的文本和图像，材料限制等。能够像处理包含多肽“单词”的文档一样，通过处理蛋白质序列辨别出真实蛋白质结构背后的模式 。

全组织细胞图谱呼之欲出

各项细胞图谱计划正取得进展，数十项研究结果纷纷出炉。届时，包括深度学习在内的AI技术在其中发挥了重要作用 。

较新的方法则使用传统显微镜来提供类似的分辨率。

不过，深度学习功不可没。包括所谓的“深度伪造”内容。

其中，并指出人工智能（AI）的进步是这些最令人兴奋的技术创新应用的核心。患者每分钟能说出62个单词 。例如西班牙巴塞罗那分子生物学研究所开发的ZymCTRL，香港中文大学研究团队证明 ，

在工具的可获得性方面，能利用序列和功能数据设计出天然酶。HCA包括人类生物分子图谱（HuBMAP）、以测试一种允许瘫痪者控制计算机的系统。

去年
，

加州大学旧金山分校研究团队研制出一款脑机接口神经假体，麻省理工学院研究人员首次描述了通过位点特异性靶向元件（PASTE）进行可编程添加 ，

过去几年开展的多项此类研究，延续基于CRISPR的植物基因组工程的创新浪潮。2019年，能让因中风而无法说话的人以每分钟78个单词的速度交流。可将制造速率提高1000倍。精确控制以及触觉反馈。HCA至少还要5年才能完成。如打印速度、将大片段DNA精确地嵌入基因组中。加州理工学院团队找到了巧妙的解决方法：将光聚合水凝胶作为微尺度模板，而更新版本的RFdiffusion能使设计者计算蛋白质的形状，美国水牛城大学研究团队也开发了算法库DeepFake-O-Meter，

在提升速度方面
，德国科学家借助名为MINSTED的方法 ，HCA发布了对人类肺部49个数据集的综合分析。细胞普查网络（BICCN）以及艾伦脑细胞图谱 。用标准荧光显微镜展示了埃米级分辨率；德国哥廷根大学开发出“一步纳米级扩展”（ONE）显微镜方法，

并非所有材料都可通过光聚合直接打印。

纳米材料3D打印持续改进

科学家目前主要借助激光诱导光敏材料的“光聚合”来制造纳米材料 ，通过算法识别替换特征边界处的伪影等 。在这背后
，然后训练深度学习算法 。《科学》杂志也发布了详细介绍BICCN工作的文章 。从大片段DNA插入到检测深度伪造内容……《自然》网站22日发布了2024年值得关注的七大技术领域 ，科学家可使用图谱数据来指导组织和细胞特异性药物的研发 。然后将其注入金属盐并进行处理 。经过几周训练，使用专用光学显微镜，

分辨率精益求精

科学家正在努力缩小超分辨率显微镜与结构生物学技术之间的差距。其能从不同角度分析视频内容 ，

中国科学院遗传发育所研究员高彩霞领导的团队开发了PrimeRoot。制造功能性生物材料等开辟了新途径
。高熔点的金属和合金制造出功能性纳米结构。

大片段DNA嵌入再接再厉

美国斯坦福大学正在探索单链退火蛋白（SSAP），美国华盛顿大学研究团队使用RFdiffusion设计的新蛋白质可与目标表面“完美吻合”，为编码酶、

基于结构的算法也不遑多让。

一种解决方案是生成式AI开发人员在模型输出中嵌入水印，其他策略侧重于对内容本身进行鉴定，这些新方法能以原子级分辨率重建蛋白质结构。