物聯網已經改變了我們生活的方方面面。事實上，物聯網和其它技術一起，也將會改變生命科學研究。
1. 重編碼基因組
George Church，美國麻薩諸塞州波士頓哈佛醫學院（Harvard Medical School）遺傳學家
儘管基因編輯工具 CRISPR 掀起了一波熱潮，但它並不是那麼高效和精確的，一次性編輯多個位點非常困難。我的實驗室已經創下了迄今為止的最高紀錄——一次對單個細胞的基因組進行了 62 次修改，但是有些研究需要同時進行更多的修改。現在，能同時完成多個基因位點修改的新技術問世了！
「密碼子重編碼」（Codon recoding）是一種完全通用的、使各種生物體對大部分或所有病毒產生抵抗，可一次精確改變每個細胞中成千上百個位點的基因編輯技術。每個密碼子——一段長度為三個鹼基的 DNA，如 TTG，對應於一個特定的胺基酸，如亮氨酸或翻譯信號（起始、終止等）。鑑於六個密碼子可以編碼成亮氨酸，我們可以利用遺傳密碼中的冗餘來替換任何一個密碼子。一旦完成這些交換，我們剔除了與切除的密碼子相對應的亮氨酸轉移 RNA（tRNA）的基因，所以細胞不能再識別該序列。
現在，當一種病毒感染一種具有所有這些密碼子的細胞時，由於缺少 tRNA，病毒不能將其信使 RNA 轉錄成蛋白質，病毒就會死亡。病毒並不頑強，殺死它們輕而易舉。
為了一次做出多個精確的改變，我們使用多重自動基因組工程（multiplexed automated genome engineering, MAGE）技術。包含想要的鹼基對的遺傳物質短片段被研究人員引入到防止 DNA 錯配修復的細胞中。經過幾輪細胞複製後，這些遺傳物質被完全整合到細菌基因組中。
從理論上講，這可以在任何一個細菌是有害的生物體——乳製品工業中使用的微生物和農業上重要的植物和動物——中完成。此外，研究人員還可以構建抗病毒的豬，用於產生可移植的器官；以及耐病毒的人類細胞，用於生產藥物和疫苗。
這個技術最棒的地方在於你可以讓一個生物體抵抗所有的病毒——甚至是從未被研究過的病毒。事實上，重編碼技術能做的事情遠不止於此。哈佛醫學院（Harvard Medical School）的 Pamela Silver 和加利福尼亞州 Synthetic Genomics 公司的 Daniel Gibson 合作開發了另一種重編碼技術來改進鼠傷寒沙門氏菌（Salmonella typhimurium）的疫苗株。
研究人員還可以重編碼一種生物體，將非標準的胺基酸引入蛋白質中，以便引入生物體中原先不存在的化學物質：發光或與核酸結合，或形成不尋常的鍵的胺基酸。生物體中存在 20 種胺基酸，當你引入新的胺基酸時，全新的生化問題就出現了。英國劍橋 MRC 分子生物學實驗室（MRC Laboratory of Molecular Biology）的 Jason Chin 團隊正在使用這種方法，從蛋白水平上對果蠅進行精確編輯。
最後，重編碼技術為生物防護（bio-containment）提供了強有力的策略。如果一個抗病毒的生物體逃離實驗室，進入自然環境，即使它們對環境無害，它們也會因為具有生存優勢，在自然選擇中勝出。使用這些非標準的胺基酸，你可以設計一個只有在被給予某種營養條件下才能生長的生物體。這就是一種新型的實驗生物體的「防逃脫」策略。
2. 轉錄組圖譜繪製
莊小威，美國麻薩諸塞州劍橋市哈佛大學高級成像中心（Center for Advanced Imaging，Harvard University）主任
最近推出的人類細胞圖譜（Human Cell Atlas, HCA）計劃旨在確定人體內所有的細胞類型，並繪製其空間分布，該計劃目標遠大。這個規模的項目將需要許多輔助技術。
單細胞 RNA 測序（Single-cell RNA sequencing）是識別不同細胞類型的有效方法，也是繪製 HCA 的重要工具，但它需要將組織分離成單個細胞，然後再分離出 RNA。這種處理方式去除了組織中細胞的空間環境信息——這些細胞是如何組織在一起並相互作用的相關信息。
我們希望通過對完整組織中細胞的轉錄譜進行成像來研究這種空間背景。我的實驗室正在開發多重抗誤差矯正螢光原位雜交技術（multiplexed error-robust fluorescence in situ hybridization, MERFISH）——一種基於圖像的單細胞轉錄組學方法。
MERFISH 使用出錯率低的條形碼識別細胞中的每種不同類型的 RNA，以大規模複合方式標記和連續成像來檢測這些條形碼（圖：轉錄組學圖譜繪製）。
MERFISH 技術可以在單細胞中對 1000 種不同的 mRNA 進行成像。隨著進一步發展，MERFISH 有可能檢測完整組織的細胞中的全部轉錄組。
這種空間分辨的 RNA 分析數據將為我們提供 HCA 的物理圖像——我們可以對單個細胞進行成像，通過其基因表達譜對其進行分類，並映射其空間組織。它還可以與其它成像技術獲得的細胞形態和功能數據相結合，進一步豐富這些圖像。
目前，我們對細胞圖譜的描述大多不完整。如果你沒有一個整體性的圖片，你很難知道遺失了哪些信息——更不用說怎樣設計有效的治療方法來治療疾病了。
3. 促進癌症疫苗的應用
Elaine Mardis，俄亥俄州哥倫布市全國兒童醫院基因組醫學研究所（Institute for Genomic Medicine，Nationwide Children’s Hospital）聯合執行主任
在癌症免疫基因組學領域，研究人員想知道哪些由癌症基因組編碼的突變蛋白能夠在給定的個體中引發免疫應答。這種稱為新抗原的蛋白質可用於開發個性化癌症疫苗或其它藥物。
一種可用於研究這些新抗原的技術是 CyTOF，它是一種用於鑑定表達特定蛋白的細胞的大規模細胞計數方法。
在典型的流式細胞術中，研究人員用螢光分子標記的抗體與細胞混合以標記感興趣的蛋白質。然後逐個分析細胞，以這些蛋白質為基礎測量它們的相對豐度。而 CyTOF 用質譜儀中檢測到的金屬標籤取代了有限數量的螢光標籤——與流式細胞儀相比，CyTOF 的標籤有 100 種，甚至更多。
這項技術可以改變癌症免疫基因組學領域，從而幫助研究人員確定癌症細胞中表達最多的、最能引起免疫系統應答的新抗原。然後研究人員可以使用這些信息來創建個性化的抗癌「疫苗」。這些疫苗與新型的、打開免疫系統開關的癌症藥物結合使用，從而使癌症患者依靠自身免疫擊敗癌症。
但對於基因組預測的任何給定的新抗原，它是否會引起顯著的免疫應答需要深入研究。CyTOF 將通過量化多個預測肽與人類 T 細胞的結合強度，來幫助我們深入了解這個問題。
這不僅僅是癌症基因組學。只要能找到與你感興趣的蛋白結合的抗體，你就可以用 CyTOF 追蹤由細胞產生的該蛋白質的豐度和組成。這使我們能夠以前所未有的精準度和多維度來追蹤蛋白。
4. 連接基因型和表型
Ruedi Aebersold，瑞士蘇黎世聯邦理工學院分子系統生物學研究所（Institute of Molecular Systems Biology, ETH Zurich）系統生物學家
很明顯，我們生活在一個非常有趣的時代——我們擁有海量的關於遺傳變異的高質量基因組信息。與此同時，我們可以收集到大量與人口有關的健康相關數據：從日常體檢數據到臨床成像數據。訣竅是把兩者聯繫起來，特別是在醫學方面，如果我們想將遺傳變異轉化為治療，那麼我們就需要了解疾病發生、發展的機制。
這個環節的關鍵是分析蛋白質複合物，這是細胞的功能單位。我們如何從大數據——例如卵巢癌的基因組——找出哪些蛋白質複合物受到幹擾以及這些幹擾如何發生？
其中一種方法是把計算和定量蛋白質組學結合在一起，然後對腫瘤和對照樣本中的數千種蛋白質進行準確地定量。現在我們可以使用 SWATH-MS（sequential window acquisition of all theoretical mass spectra）等技術來產生這樣的數據組。複雜的蛋白質將具有高度的共變——即豐度同時增加或減少。但如果複合體由於突變或結構變化而受到幹擾，失去亞基，那麼亞基的協方差（co-variance）就會有差異。這是鑑定在癌症中受到幹擾的蛋白質複合物的一種方法。
然後我們可以使用低溫電子顯微鏡單粒子分析（cryo-electron microscopy single-particle analysis）或低溫電子斷層掃描（cryo-electron tomography, CET）在結構水平上研究這種發生變化的蛋白複合物，兩者對分子進行成像的解析度可以高達 5 -10 埃。這足以顯示突變如何改變蛋白質的組成、拓撲、結構和功能了。
CET 還能夠揭示蛋白結構如何隨其它條件改變而發生變化，例如蛋白磷酸化對其結構的改變。2018 年的重大進展將會是聚焦離子束刻蝕技術的改進。這種技術對哺乳動物的細胞或組織進行切片，得到一層非常薄的樣本（CET 對樣本厚度有嚴格要求），從而可以在細胞背景下觀察到特定蛋白質複合物的結構。
總之，這些技術將幫助我們了解在疾病情況下，蛋白質複合物如何在分子水平上受到幹擾。這將有助於設計靶向性藥物來清除、滅活或激活該蛋白。
5. 擴展基因組序列分析
Rebecca CalisiRodríguez，加州大學戴維斯分校（University of California, Davis）生殖生物學家
2000 年，我開始讀研究生時，發現了一種全新的激素——促性腺激素抑制激素（gonadotropin inhibitory hormone, GnIH）。當動物情緒壓抑時，該激素會抑制生殖。 GnIH 的研究徹底改變了我們對大腦如何調節生殖的理解。我想，「還有什麼是我們不知道的？什麼時候下一個發現會徹底改變我們對生殖的理解？」
現在，多虧基因組和轉錄組的高通量 DNA 測序技術，新發現層出不窮。15 年前，對人類全基因組進行測序需要花費大約 30 億美元。現在只需要幾千美元，而且價格還在下降。這很重要，因為它使我們能夠調查那些在生態系統和生境中的、通常不能在實驗室研究的動物，這些動物有可能產生更多重要的生理數據。
作為一名生殖生物學家，我感到特別興奮的是，這使我們能更加了解性行為和生殖的調控是複雜，甚至不協調的。
我們最近使用 RNA 測序來更深入地了解鴿子的生殖系統如何對壓力做出反應。慢性壓力會破壞生殖，我們想知道其完整機制。
我們正在研究在生殖軸——大腦中的下丘腦、腦下垂體和生殖腺——中轉錄活躍的每一個基因的活性。這個龐大的數據集已經產生了數百個關於壓力如何影響生殖的猜想。這些將有助於開發新的基因療法或藥物來治療成千上萬的不孕不育男女。
除此之外，我們也可以對現實世界裡的所有動物進行測序。例如，野鴿可以作為評估暴露於環境中有害物質對生殖軸的影響的有力模型。我們的研究結果顯示，自由放養的鴿子在環境中經歷的有害物質暴露，與居住在同一社區的人類相同。過去金絲雀被用於評估礦坑中的化境指示，現在我們也可以把鴿子作為環境中有害物質的生物指示劑。測序技術可以讓我們確定這些暴露如何影響正常的生殖系統。
我們可以把新技術與「老派」的科學工具結合起來，以前所未有的方式擴大發現。我們可以在自然環境中實時觀察鴿子，描繪它們基因組和蛋白質組的變化，並觀察對繁殖的影響。我們是當代基因水平的自然歷史學家。
6. 建立科學的物聯網
Vivienne Ming，加州大學伯克利分校 Socos Labs 實驗室理論神經科學家兼執行主席
物聯網包括所有那些在家庭中變得常見的網際網路設備——Google Home、Nest 恆溫器和智慧型手機。它們是大規模群體智能的傳感器和執行器。我們把一個單一的 Alexa 設備——亞馬遜開發的網際網路連接的智能助手視為一個單獨的個人助理，但由於數以百萬計的家庭在使用 Alexa，因此形成了一個分布式多傳感器陣列，並產生海量數據。然而，與其將其視為數以百萬計的個人機器人，不如將其看成一個不斷學習的單一人工智慧（artificial intelligence, AI），每一個家庭的行為都會影響其學習。
這些分布式的智能正在改變我們的生活，同時也可能在科學上產生變革。我希望並相信我們已經做好準備，研究人員展開分布式科學物聯網（Internet of Scientific Things, IoST）合作——這是一個將分布式傳感器和執行器連接到一個強大的機器學習平臺的開放式系統，它可推動全球範圍的實驗。即使這個系統的簡單版本也有巨大的能力。Google 發現，它的智慧型手機可以從手機加速度計和陀螺儀檢測到的步態變化中發現帕金森病的早期症狀。使用擴展的智慧型手機傳感器，我的團隊能夠預測雙相情感障礙患者的躁狂發作。但是現在，大多數科學家無法獲得這種實驗性的力量。
試想一下，如果研究人員能夠訪問運行 IoST 應用的智慧型手機、智能手錶和應用程式以及世界各地實驗室傳感器的數據，世界會怎樣？同時，AI 系統可以挖掘你的研究領域已知的數據和研究。這與目前識別銷售人員隱藏的商業關係的商業智能類似，物聯網的智能交易將增加科學家尋找與其領域相關數據的能力。如果我的神經影像軟體直接插入 IoST 平臺，並實時訪問數據。那麼不僅是我的實驗室，而是我的領域內外的每個人，都能夠登錄平臺來訪問這些數據。或者你也可以關注你的領域五個大牛的最新活動。
不可否認，這些大規模分布式系統中存在著可怕的因素。某些組織是否會對數據進行限制性控制？這些新平臺的研究結果是否會通過傳統的科學出版商，通過阿里巴巴或亞馬遜這樣的公司，或者像 GitHub 和 arXiv 這樣的開放獲取平臺來發布？嚴重的獲取和研究倫理問題必須被解決，而轉型迫在眉睫。
各個實驗室和研究人員已經在充分利用這些可能性。但科學界必須起到領頭羊的作用。如果科學家自己建立這些系統，就可以使出版更加平等、數據收集更可共享，以及科學更透明。否則，其它組織會搭建這個平臺。但是科學這把雙刃劍不應該被少數人握在手裡，科學成果應該屬於全人類！