麻省理工科技评论评选的14大医疗领域突破科技(上)
《麻省理工科技评论》从2001年开始,每年都会公布"10大突破技术",即TR10(Technology Review 10),并预测其大规模商业化的潜力,以及对人类生活和社会的重大影响。
这些技术代表了当前世界科技的发展前沿和未来发展方向,集中反映了近年来世界科技发展的新特点和新趋势,将引领面向未来的研究方向。其中许多技术已经走向市场,主导着产业技术的发展,极大地推动了经济社会发展和科技创新。
正如《麻省理工科技评论》主编JasonPonTIn所说,突破性技术的定义非常简单,那就是能够给人们带来高质量运用科技的解决方案。有些技术是工程师们天才创意的结晶;而有的则是科学家们对长期困扰他们的问题所采取的诸多尝试的集大成者(比如深度学习)。评选"10大突破技术"的目的不仅仅是向人们展示新创新成果,同时也是为了强调是人类的聪明才智促生了这些创新技术。
因此动脉网将为你筛选从2012年~2016年的医学领域的科技突破。由于技术更迭快,因此只梳理最近5年之内的。鉴于文章篇幅太长,将分为上下两篇,每篇介绍七种技术。本文为上篇。这些技术是为解决问题而生,将会极大地扩展人类的潜能,也有可能改变世界的面貌,值得在未来给予特别关注。
1.纳米孔测序(2012)
纳米孔测序的流程图
它能读取较长的基因片段,这有助于理解基因组的复杂区域
成熟期:至少10年后
突破点:将单链DNA拉过蛋白孔,检测碱基穿过时电导的微小改变
重要性:基因组测序更快,更便宜,更方便,开启个性医疗时代
该领域主要参与者:Oxford Nanopore
纵观测序技术的发展历程,没有哪一个技术像纳米孔测序那样慢热。1996年哈佛大学的Daniel Branton、加州大学的David Deamer及其同事,在美国国家科学院院刊PNAS杂志上首次发表文章指出,可以用膜通道检测多核苷酸序列。利用纳米孔进行测序的理念是非常直观的:让DNA碱基一个个穿过纳米孔,同时快速鉴定每一个碱基。和其他DNA测序方法相比,它不需要使用荧光试剂来鉴定碱基或敲除DNA分子或者扩增片段,能快速发现基因易位等情况。
2005年,Bayley、Gordon Sanghera和Spike Wilcocks创立的Oxford Nanopore公司,验证了纳米孔测序的商业能力。 该技术提供了一种方法,使基因组测序更快,更便宜,并且足够方便,让医生作为最常规的测序方法,开创了个性化医学的时代,不过准确率方面还有待提高。
尤其是2012年,Oxford Nanopore 公司推出了一种掌上纳米孔测序仪MinION,方便携带也很便宜。它能读取较长的基因片段,这个平台的平均读长大约在5kb左右,最长能达到20kb,这有助于理解基因组的复杂区域。MinION还可以插入笔记本电脑的USB接口,在屏幕上显示数据生成的过程。最近发表的研究显示MinION相当实用,能准确测序小基因组(比如细菌和酵母基因组),区分亲缘关系很近的细菌和病毒,读取人类基因组的复杂区域等。
今年,哥伦比亚大学的车靖岳(Jingyue Ju)和哈佛大学的George Church教授合作开发了基于纳米孔的单分子边合成边测序(SBS)系统,对这一测序技术进行升级,打造了高通量的单分子纳米孔测序平台。但目前科学家正在通过减缓DNA序列通过纳米孔速度的方式提高此项测序的准确度,毕竟目前来看,该技术尚不成熟。
2.卵原干细胞(2012)
哈佛大学生殖生物学家乔纳森·蒂利
人类也有一种类似老鼠等动物的卵原干细胞,或可成为无尽的卵子来源
成熟期:受质疑
突破点:精确细胞分选技术,从成人卵巢内分离出了卵原干细胞
重要性:在实验室中大量培育卵原干细胞,治疗女性不孕不育,甚至延迟卵巢早衰
该领域主要参与者:马萨诸塞总医院、OvaScience、Jonathan TIlly
哈佛大学生殖生物学家乔纳森·蒂利(Jonathan TIlly,同时在马萨诸塞总医院指导了一个生殖生物学中心)研究团队,证明了人类也有一种类似老鼠等动物的卵原干细胞,或可成为无尽的卵子来源。因为对于一个女性来说,到了40岁之后,卵子的数量和质量就会下降,"卵原干细胞"的发现有望为治疗女性不孕不育,甚至延迟卵巢早衰提供新方法。
这些卵原干细胞来自于成年女性的卵巢,说明女性成年后仍然有可能形成新的卵子。如果能在实验室中大量培育这种卵原干细胞,也意味着医疗上拥有了无尽的卵子来源。这一发现对女性卵子数量在出生时就已被限定的传统观点形成挑战。
蒂利团队曾在2004年首次证明,雌性老鼠在进入成年后还能持续制造出卵母细胞。后来蒂利团队研发出一个更加精确的细胞分选技术,并使用该技术从
- 机器学习算法盘点:人工神经网络、深度学习(07-02)
- 2016年人工智能与深度学习领域的十大收购(07-26)
- AI/机器学习/深度学习三者的区别是什么?(09-10)
- 深度学习的硬件架构解析(10-18)
- 探秘机器人是如何进行深度学习的(09-18)
- 干货:深度学习 vs 机器学习 vs 模式识别三种技术对比(02-16)