《Nature》十年努力,“合成”胚胎与大脑和跳动的心脏

27ab08a01942d42cafb20432fb6d4268.jpeg

来源:生物通

研究人员已经用小鼠干细胞创造出了模型胚胎,这些干细胞形成了大脑、跳动的心脏和身体所有其他器官的基础——这是重建生命第一阶段的新途径。

7cf0d791b2c481ae9219b6e479918963.jpeg

小鼠胚胎的小脑

由Magdalena Zernicka-Goetz教授领导的研究小组在没有卵子或精子的情况下开发了胚胎模型,而是使用了干细胞——人体的主细胞,它可以发育成体内几乎任何类型的细胞。

研究人员在实验室中模拟了自然过程,通过引导在早期哺乳动物发育过程中发现的三种类型的干细胞,使它们开始相互作用。通过诱导一组特定基因的表达,并为它们的相互作用建立一个独特的环境,研究人员能够让干细胞彼此“交谈”。

干细胞自我组织形成结构,经过连续的发育阶段发展,直到它们有了跳动的心脏和大脑的基础,以及胚胎在最初几周发育和获取营养的卵黄囊。与其他合成胚胎不同,剑桥大学开发的模型达到了包括大脑前部在内的整个大脑开始发育的阶段。这是比任何其他干细胞衍生模型取得的进一步发展。

该团队表示,他们的研究结果可以帮助研究人员理解为什么一些胚胎会失败,而另一些胚胎会继续发育成健康的妊娠。十多年的研究逐步导致了越来越复杂的类胚胎结构,并在《Nature》杂志上发表了报告。此外,研究结果可用于指导人工器官移植的修复和开发。

人类胚胎要想成功发育,需要形成胚胎的组织与将胚胎与母体连接起来的组织之间进行“对话”。在受精后的第一周,会发育出三种类型的干细胞:一种最终将成为身体组织,另外两种支持胚胎的发育。其中一种胚胎外干细胞类型将成为胎盘,连接胎儿和母亲,并提供氧气和营养;第二个是卵黄囊,胚胎在这里生长,在早期发育中从这里获得营养。当三种类型的干细胞开始相互发送机械和化学信号,告诉胚胎如何正常发育时,许多怀孕失败了。

剑桥大学生理、发育和神经科学系哺乳动物发育和干细胞生物学教授Zernicka-Goetz说:“我们的小鼠胚胎模型不仅发育出了大脑,还发育出了跳动的心脏,这些都是构成身体的所有成分。我们能走到这一步真是难以置信。这是我们社区多年来的梦想,也是我们十年来工作的重点,最终我们做到了。很多女性在意识到自己怀孕之前,就在这个时候怀孕失败了。这段时期是怀孕后其他一切的基础。如果出了问题,怀孕就会失败。”

在过去的十年里,剑桥大学的Zernicka-Goetz教授的团队一直在研究怀孕的早期阶段,以了解为什么有些人怀孕失败,有些人怀孕成功。

Zernicka-Goetz说:“干细胞胚胎模型很重要,因为它让我们能够了解发育中的结构,而由于微小的胚胎植入到母亲的子宫中,这个阶段通常对我们是隐藏的。这种可访问性使我们能够操纵基因,了解它们在模型实验系统中的发展角色。”

为了指导合成胚胎的发育,研究人员将代表三种组织的干细胞按照正确的比例和环境组合在一起,促进它们的生长和相互交流,最终自我组装成胚胎。研究人员发现,胚胎外细胞通过化学信号向胚胎细胞发出信号,但也通过机械或触觉来指导胚胎的发育。

Zernicka-Goetz说:“人类生命的这段时期是如此神秘,所以能够在培养皿中看到它是如何发生的——能够接触到这些单独的干细胞,理解为什么这么多怀孕失败,以及我们可能如何能够防止这种情况发生——是相当特殊的。我们研究了当时不同类型的干细胞之间必须发生的对话——我们已经展示了它是如何发生的,以及它会如何出错。”

这项研究的一项重大进展是能够生成整个大脑,尤其是大脑前部,这一直是合成胚胎发展的一个主要目标。这在Zernicka-Goetz的系统中起作用,因为大脑的这部分需要来自胚胎外组织的信号才能发育。该团队认为,这可能会发生在他们2018年和2021年的研究中,他们使用相同的成分细胞在稍早的阶段发育成胚胎。现在,通过将大脑发育进一步推进一天,他们可以确定地说,他们的模型是第一个显示整个大脑发育的模型。

Zernicka-Goetz说:“这为在实验模型中研究神经发育机制提供了新的可能性。事实上,我们在论文中通过敲除一个已知对神经管形成、神经系统的前体以及大脑和眼睛发育至关重要的基因来证明这一原理。在缺乏这种基因的情况下,合成胚胎与携带这种突变的动物一样,完全显示出大脑发育中的已知缺陷。这意味着我们可以开始将这种方法应用于大脑发育中许多功能未知的基因。”

虽然目前的研究是在小鼠模型上进行的,但研究人员正在开发类似的人类模型,有可能直接产生特定的器官类型,以了解关键过程背后的机制,否则就不可能在真正的胚胎中研究。目前,英国法律只允许人类胚胎在发育的第14天内在实验室进行研究。

如果Zernicka-Goetz的团队开发的方法在未来的人类干细胞上被证明是成功的,它们也可以被用来指导为等待移植的患者开发合成器官。Zernicka-Goetz说:“世界上有很多人等待器官移植。让我们的工作如此令人兴奋的是,从中获得的知识可以用来培育正确的人造人体器官,以拯救目前失去的生命。利用我们所掌握的有关成人器官形成的知识,应该也有可能影响和治愈成人器官。这是向前迈出的不可思议的一步,我的许多团队成员花了10年的努力工作——我从来没有想过我们会走到这个地步。你从不认为你的梦想会实现,但它们已经实现了。”

参考文献

Synthetic embryos complete gastrulation to neurulation and organogenesis

未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)大脑研究计划,构建互联网(城市)大脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。每日推荐范围未来科技发展趋势的学习型文章。目前线上平台已收藏上千篇精华前沿科技文章和报告。

  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”

55421122f6706c899fc960c0849656b7.jpeg

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/481680.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

tensorflow3 非线性回归、mnist、简单神经网络

mnist数据集 手写数字的数据集。60000行训练数据集,10000行测试数据集下载地址:http://yann.lecun.com/exdb/mnist/index.html mnist数据集是形状为[60000,784]的张量,60000张图片,每个图片有784个像素点,这些个像素点…

【院士思维】张钹:我们正处在AI算法不可控的危险状态

来源:清华大学人工智能国际治理研究院8月19日,2022世界机器人大会主论坛正式开幕,期间,有三位院士到场,就“未来机器人:目标、路径和挑战”的主题进行了一场深刻的谈话。三位院士分别为中国科学院院士&…

tensorflow4 代价函数、dropout、优化器

这次扔使用上次的mnist数据集分类的简单版本程序,使用不同的代价函数做计算 二次代价函数 激活函数 使用二次代价函数的运行结果 # 使用二次代价函数的结果-精度 # losstf.reduce_mean(tf.square(y-prediction)) # 0.8322 # 0.8698 # 0.8818 # 0.8882 # 0.8935 #…

强化学习先驱Richard Sutton:将开发新型计算智能体

来源:机器之心编辑:陈萍、小舟DeepMind 和阿尔伯塔大学联合成立的人工智能实验室未来几年要研究什么?2017 年,DeepMind 在加拿大的 Edmonton 成立了其首个英国之外的人工智能研究实验室,并和阿尔伯塔大学大学紧密合作&…

不隐身的“隐身战斗机”

7月19日,韩国KF-21战斗机原型机完成首飞,韩国国防部将该机定位为4代半战斗机。凭借该机,韩国将成为第9个能够研制超音速战斗机的国家。 所谓4代半战斗机,即部分采用隐身技术,同时无法完全达到5代机性能标准的战斗机。…

国科大高级人工智能笔记1-搜索

1.搜索问题 搜索问题——对原问题的建模 构成: 状态空间 包含环境中每一个细节搜索状态:只保留行动需要的细节 后继函数 行动,消耗 初始状态和目标测试 解: 一个行动序列,将初始状态–>目标状态 表示 状态空间图 搜…

自学成才的人工智能显示出与大脑工作方式的相似之处

来源:ScienceAI编译:白菜叶十年来,许多最令人印象深刻的人工智能系统都是使用大量标记数据进行教学的。例如,可以将图像标记为「虎斑猫」或「虎猫」,以「训练」人工神经网络以正确区分虎斑和虎。该战略既取得了惊人的成…

国科大高级人工智能2-人工神经网络(MLP、Hopfield)

常见组合函数 常见激活函数 结构 前馈神经网络(单向)反馈/循环神经网络 学习方法 学习模型 增量迭代 类型 监督无监督 学习策略 Hebbrian Learning 若两端的神经元同时激活,增强联接权重Unsupervised Learning循环?ωij(t1)ω…

Nature:AI的瓶颈突破在于「实体人工智能(PAI)」

来源:公众号机器之能作者:AslanMiriyev 、 Mirko Kovač翻译:Panda近些年人工智能领域已经取得了突飞猛进的进步,但这些进步大都集中于数字人工智能领域,对于能和我们这种生物体一样执行日常任务的实体人工智能&#x…

国科大高级人工智能3-DNN(BM/RBM/DBN/DBM)

1.深层、浅层、BP 出现背景优点缺点浅层神经网络为了解决非线性问题可以拟合任何函数参数多,神经元多,需要更多的计算资源和数据BP算法(对p(labelinput)建模为了计算神经网络损失回传深度神经网络(>5)(时代背景数据…

世界元宇宙大会—李伯虎院士主旨报告:工业元宇宙模式、技术与应用初探

来源:北京物联网智能技术应用协会未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)大脑研究计划,构建互联网(城市)…

国科大高级人工智能+prml4-CNN

文章目录CNN卷积paddingpoolingBP其他CNNResNets残差网络——图像数据应用CNN Hebb学习律(无监督 如果两个神经元在同一时刻被激发,则他们之间的联系应该被强化对神经元的重复刺激,使得神经元之间的突触强度增加 Delta学习律(有监…

​Science:灵长类前额叶皮质进化图谱

来源:brainnews相比其它物种,包括亲缘关系非常近的灵长类,我们人类进化出了高级的认知和复杂的社会行为。毋庸置疑,人类大脑是这一切独特变化的中心,而其中的前额叶皮质又格外的引人注目。灵长类的前额叶皮质跟其他物种…

基于深度学习的机器人目标识别和跟踪

如今,深度学习算法的发展越来越迅速,并且在图像处理以及目标对象识别方面已经得到了较为显著的突破,无论是对检测对象的类型判断,亦或者对检测对象所处方位的检测,深度学习算法都取得了远超过传统机器学习算法的准确率…

国科大高级人工智能5-RNN/LSTM/GRU/集束搜索/attention

文章目录BPTTBPTT前向传播长序列循环神经网络LSTM序列到序列的模型集束搜索——近似搜索改进的集束搜索集束搜索的误差分析图到文本注意力模型序列数据建模 输入序列–>输出序列预测序列的下一项(监督) 模糊了监督和非监督 有的cnn对序列不适用&…

揭秘虚拟电厂,它究竟是如何运行的?

来源:新浪科技(ID:techsina)作者:刘丽丽编辑 :韩大鹏与电力调度相关的虚拟电厂再次引发市场关注。日前,国内首家虚拟电厂管理中心深圳虚拟电厂管理中心揭牌,国内虚拟电厂迈入了快速发展新阶段。…

国科大高级人工智能6-GAN

文章目录生成式模型的基础:极大似然估计GANs最终版本问题非饱和博弈DCGAN不同类型的GANconditional GAN无监督条件GAN--cycle GAN对抗学习https://blog.csdn.net/suyebiubiu/category_9372769.html生成式模型的基础:极大似然估计 θ∗argmaxθExpdatalog…

为什么量子力学总是让人感到疑惑?

来源:中科院物理所作者:Paul Austin Murphy翻译:Nothing审校:藏痴我们认为量子粒子很奇怪的主要问题是将量子粒子视为经典粒子而它们的行为却表现得非常非经典。(或者,问题是将量子粒子视为“物体”&#x…

国科大高级人工智能7-命题逻辑

文章目录命题逻辑(语法Syntax)由枚举推理(inference by enumeration区别deduction(形式推演,演绎)作业(定理证明)logics:逻辑,表达信息的形式语言 语法syntax 语义semantics 逻辑…

费爱国院士:中国城市大脑已走在世界前沿,但仍需努力

信息来源:网易科技2022年9月1日,中国指挥与控制学会在京召开《城市大脑首批标准新闻发布会》正式发布《城市大脑 术语》、《城市大脑顶层规划和总体架构》;《城市大脑数字神经元基本规定》等三项团体标准,学会理事长,工…