《自然》雜誌發布了2024年值得關注的七大技術領域，並指出人工智慧（AI）的進步是這些最令人興奮的技術創新應用的核心。值得一提的是，我國高彩霞團隊開發的大片段DNA精準定點插入新工具PrimeRoot入選，這也是自2018年首次評選以來，第一項來自中國學者的技術成果入選。

大片段DNA插入

美國史丹佛大學正在探索單股退火蛋白（SSAP），將擁有2000個鹼基的DNA精準嵌入人類基因組。其他方法則利用基於CRISPR的先導編輯技術，將大片段DNA精確地嵌入基因組中。2022年，麻省理工學院研究人員首次描述了透過位點特異性靶向元件（PASTE）進行可編程添加，精確嵌入多達36,000個鹼基的DNA。

中國科學院遺傳發育所研究員高彩霞領導的團隊開發了PrimeRoot。這種使用先導編輯的方法能在水稻和小麥中嵌入多達2萬個鹼基的DNA。這項技術可賦予作物抗病性和病原體抗性，延續基於CRISPR的植物基因組工程的創新浪潮。

深度學習輔助蛋白質設計

從頭設計蛋白質已經成熟為一種實用的工具，用於產生客製化的酵素和其他蛋白質。在這背後，深度學習功不可沒。

其中，「基於序列」的演算法使用大型語言模型，能夠像處理包含多肽「單字」的文件一樣，透過處理蛋白質序列辨別出真實蛋白質結構背後的模式。例如西班牙巴塞隆納分子生物學研究所開發的ZymCTRL，能利用序列和功能資料設計出天然酵素。

基於結構的演算法也不遑多讓。美國華盛頓大學研究團隊使用RFdiffusion設計的新蛋白質可與目標表面“完美吻合”，而更新版本的RFdiffusion能使設計者計算蛋白質的形狀，為編碼酶、轉錄調節劑、製造功能性生物材料等開闢了新途徑。

DeepFake偵測

生成式AI可在幾秒鐘內憑空創造出有說服力的文字和圖像，包括所謂的「深度偽造」內容。

一種解決方案是生成式AI開發人員在模型輸出中嵌入水印，其他策略則專注於對內容本身進行鑑定，透過演算法識別替換特徵邊界處的偽影等。

在工具的可取得性方面，美國國防部高級研究計畫局的語意取證（SemaFor）計畫開發了一個有用的「深度偽造」分析工具箱。美國水牛城大學研究團隊也開發了演算法庫DeepFake-O-Meter，能從不同角度分析影片內容，找出「深度偽造」內容。

腦機介面

美國史丹佛大學科學家開發出一種複雜的腦機介面設備。他們在肌萎縮性側索硬化症患者的大腦中植入電極，然後訓練深度學習演算法。經過幾週訓練，患者每分鐘能說出62個字。

過去幾年開展的多項此類研究，證明了腦機介面技術可幫助患有嚴重神經損傷的人恢復失去的技能，並實現更大的獨立性，包括深度學習在內的AI技術在其中發揮了重要作用。

加州大學舊金山分校研究團隊發展出一款腦機介面神經假體，能讓因中風而無法說話的人以每分鐘78個單字的速度溝通。匹茲堡大學研究團隊將電極植入一名四肢癱瘓者的運動和體感皮層，以提供對機械手臂的快速、精確控制以及觸覺回饋。腦機介面公司Synchron也在進行實驗，以測試一種允許癱瘓者控制電腦的系統。

超高解析度顯微成像

科學家正在努力縮小超解析度顯微鏡與結構生物學技術之間的差距。這些新方法能以原子級分辨率重建蛋白質結構。

2022年，德國科學家借助名為MINSTED的方法，使用專用光學顯微鏡，能以2.3埃（約1/4奈米）的精度解析單一螢光標記。

較新的方法則使用傳統顯微鏡來提供類似的分辨率。2023年，馬克斯·普朗克生物化學研究所（MPIB）開發的序列成像（RESI）方法可分辨DNA鏈上的單一鹼基對，並以標準螢光顯微鏡展示了埃米級分辨率；德國哥廷根大學開發出「一步奈米級擴展」（ONE）顯微鏡方法，可直接成像單一蛋白質和多蛋白複合物的精細結構。

全組織細胞圖譜

各項細胞圖譜計畫正取得進展，其中最引人注目的是人類細胞圖譜（HCA）。HCA包括人類生物分子圖譜（HuBMAP）、細胞普查網絡（BICCN）、艾倫腦細胞圖。

去年，數十項研究結果紛紛出爐。6月，HCA發布了人類肺部49個資料集的綜合分析。《自然》雜誌發布文章介紹了HuBMAP的進展，《科學》雜誌也發布了詳細介紹BICCN工作的文章。

不過，HCA至少還要5年才能完成。屆時，其將為人類帶來巨大利益，科學家可使用圖譜數據來指導組織和細胞特異性藥物的研發。

3D列印奈米材料

科學家目前主要藉助雷射誘導光敏材料的「光聚合」來製造奈米材料，但這項技術也面臨這一些亟待解決的障礙，如列印速度、材料限制等。

在提升速度方面，2019年，香港中文大學研究團隊證明，使用2D光片而非傳統脈衝雷射來加速聚合，可將製造速率提高1000倍。

並非所有材料都可透過光聚合直接列印。2022年，加州理工學院團隊找到了巧妙的解決方法：將光聚合水凝膠作為微尺度模板，然後將其註入金屬鹽並進行處理。此方法可望利用堅固、高熔點的金屬和合金來製造功能性奈米結構。