生命科学近年来有哪些新技术？

NO1
SARAH TEICHMANN: Expand single-cell biology（扩展单细胞生物学）
Head of cellular genetics, Wellcome Trust Sanger Institute, Hinxton, UK
在过去的十年里，我们看到研究人员可以分析的单细胞数量大幅增加，随着细胞捕获技术的发展，结合条形码标记细胞和智能化技术等方法，在未来数量还将继续增加，对此，大家可能不以为然，但这可以让我们以更高的分辨率来研究更为复杂的样品，我们可以做各种各样的实验。比如说，研究人员不再只关注一个人的样本，而是能够同时观察20到100个人的样本，这意味我们能够更好的掌握人的多样性，我们可以分析出更多的发展时间点，组织和个体，从而提高分析的统计学意义。
我们的实验室最近参与了一项研究，对6个物种的250000个细胞进行了分析，结果表明，控制先天免疫反应的基因进化速度快，并且在不同物种间具有较高的细胞间变异性，这两个特征都有助于免疫系统产生有效的微调反应。
我们还将看到在单个细胞中同时观察不同基因组模式的能力发展。例如，我们不局限于RNA，而是能够看到染色质的蛋白质-DNA复合物是开放还是封闭。这对理解细胞分化时的表观遗传状态以及免疫系统和神经系统中的表观遗传记忆具有重要意义。
将单细胞基因组学与表型关联的方法将会发生演变，例如，将蛋白质表达或形态学与既定细胞的转录组相关联。我认为我们将在2019年看到更多这种类型的东西，无论是通过纯测序还是通过成像和测序相结合的方法。事实上，我们已经见证了这两种技术的一种融合发展：测序在分辨率上越来越高，成像也越来越多元化。
NO2
JIN-SOO KIM: Improve gene editors(改进基因编辑)
Director of the Center for Genome Engineering, Institute for Basic Science, and professor of chemistry, Seoul National University（首尔国立大学基因学研究所基因组工程中心主任、化学教授。）
现如今，蛋白质工程推动基因组工程的发展。第一代CRISPR基因编辑系统使用核酸酶Cas9，这是一种在特定位点剪切DNA的酶。到目前为止，这种方法仍然被广泛使用，但是许多工程化的CRISPR系统正在用新变体取代天然核酸酶，例如xCas9和SpCas9-NG，这拓宽了靶向空间——基因组中可以被编辑的区域。有一些酶比第一代酶更具特异性，可以将脱靶效应最小化或避免脱靶效应。
去年，研究人员报告了阻碍CRISPR基因组编辑引入临床的新障碍。其中包括激活p53基因 (此基因与癌症风险相关)；不可预料的“靶向”效应；以及对CRISPR系统的免疫原性。想要将基因组编辑用于临床应用，就必须解决这些限制。其中一些问题是由DNA双链断裂引起的，但并非所有基因组编辑酶都会产生双链断裂——“碱基编辑”会将单个DNA碱基直接转换成另一个碱基。因此，碱基编辑比传统的基因组编辑更干净利索。去年，瑞士的研究人员使用碱基编辑的方式来纠正小鼠中导致苯丙酮尿症的突变基因，苯丙酮尿症是一种先天性代谢异常疾病，患者体内会不断累积毒素。
值得注意的是，碱基编辑在它们可以编辑的序列中受到了限制，这些序列被称为原间隔相邻基序。然而蛋白质工程可以用来重新设计和改进现有的碱基编辑，甚至可以创建新的编辑，例如融合到失活Cas9的重组酶。就像碱基编辑一样，重组酶不会诱导双链断裂，但可以在用户定义的位置插入所期望的序列。此外，RNA引导的重组酶将会在新的维度上扩展基因组编辑。
基因编辑技术在临床上的常规应用可能还需要几年的时间。但是我们将在未来一两年看到新一代的工具，将会有很多的研究人员对这项技术感兴趣，到时候他们每天都会使用这些技术。届时必然会出现新的问题，但创新的解决方案也会随之出现。
NO3
XIAOWEI ZHUANG（庄小威）: Boost microscopy resolution （提高显微镜分辨率）
Professor of chemistry and chemical biology, Harvard University, Cambridge, Massachusetts; and 2019 Breakthrough Prize winner
超分辨率显微镜的原理验证仅仅发生在十几年前，但今天这项技术相对来说再平常不过，生物学家可以接触到并丰富知识。
一个特别令人兴奋的研究领域是确定基因组的三维结构和组织。值得一提的是，基因组的三维结构在调节基因表达中起到的作用越来越大。
在过去的一年里，我们报道了一项工作，在这项工作中，我们对染色质进行了纳米级的精准成像，将它与数千个不同类型细胞的序列信息联系起来。这种空间分辨率比我们以前的工作好一到两个数量级，使我们能够观察到各个细胞将染色质组织成不同细胞之间差异很大的结构域。我们还提供了这些结构域是如何形成的证据，这使我们更好地理解染色质调节的机制。
除了染色质，我们预见到在超分辨率成像领域空间分辨率有了实质性的提高。大多数实验的分辨率只有几十纳米，虽然很小，但与被成像的分子相比却没有什么差别，特别是当我们想解决分子间的相互作用时。我们看到荧光分子和成像方法的改进，大大提高了分辨率，我们预计1纳米分辨率的成像将成为常规。
同时，瞬时分辨率变得越来越好。目前，研究人员必须在空间分辨率和成像速度之间做出妥协。但是通过更好的照明策略和更快的图像采集，这些限制可以被克服。成千上万的基因和其他类型的分子共同作用来塑造细胞的行为。能够在基因组范围内同时观察这些分子的活动，将为成像创造强有力的机会。
NO4
JEF BOEKE: Advance synthetic genomes （先进的合成基因组）
Director of the Institute for Systems Genetics, New York University Langone Medical Center, New York City
当我意识到从头开始写一个完整的基因组变成可能的时候，我认为这将是一个对基因组功能获得新观点的绝佳机会。
从纯科学的角度来看，研究小组在合成简单的细菌和酵母基因组方面取得了进展。但是在合成整个基因组，特别是哺乳动物基因组方面仍然存在技术挑战。
有一项降低DNA合成成本的技术将会对行业产生帮助，但是目前还没有上市。今天发生的大多数DNA合成都是基于亚磷酰胺化学过程。所得核酸聚合物的最大长度和保真度都受到限制。
许多公司和实验室都在研究酶促DNA合成——这种方法有可能比化学合成更快、更准确、更便宜。目前，还没有一家公司在商业上提供这种分子。但是去年10月，一家总部位于巴黎的叫做DNA Script的公司宣布，它已经合成了一种150碱基的寡核苷酸，几乎符合化学DNA合成的实际限制。
作为一个群体，我们还研究了如何组装人类染色体DNA的大片段，并且我们可以使用这种方法构建100千碱基或更多的区域。现在，我们将使用这种方法来解剖大的基因组区域，这些区域对于识别疾病易感性非常重要，或者是其他表型特征的基础。
我们可以在酵母细胞中快速合成这些区域，因此我们应该能够制造数十到数百种以前不可能检测到的基因组变体。使用它们，我们将能够检查全基因组关联研究中涉及的数千个基因组基因座，它们在疾病易感性方面具有一定意义。这种解剖策略可能使我们最终能够确定这些变体的作用。
NO5
CASEY GREENE: Apply AI and deep learning（应用人工智能和深度学习）
Assistant professor of systems pharmacology and translational therapeutics, Perelman School of Medicine, University of Pennsylvania, Philadelphia

达摩院（DAMO Academy）是阿里巴巴于2017年10月11日宣布成立的全球研究院。 达摩院是一家致力于 探索 科技 未知，以人类愿景为驱动力的研究院，是阿里在全球多点设立的科研机构，立足基础科学、颠覆性技术和应用技术的研究。

一：以氮化镓、碳化硅为代表的第三代半导体，迎来应用大爆发。

第三代半导体氮化镓、碳化硅经，主要用于工业充电、5G高频器件、可再生能源和储能领域的电源。随着新能源产业的逐步爆发，第三代半导体也会迎来爆发式增长。

二：后“量子霸权”时代，量子纠错和实用优势成为核心命题。

中国科学家构建世界首台光量子计算机“九章”，开启量子计算新时代。这是继去年谷歌发布其量子计算机后，该领域的一大突破。

达摩院量子实验室完成第一个可控量子比特研发工作，实现从0到1「量子芯片」的制备突破。让量子芯片拥有实在的物理载体。达摩院量子实验室将聚焦高精度量子比特的研发工作，这是通往通用量子计算机的关键一步

三：碳基技术突破，加速柔性电子发展。

碳基材料，包括零维的富勒烯、一维的碳纳米管、二维的石墨烯、三维的石墨及金刚石等，其中，碳纳米管和石墨烯凭借优异的电性能、透光性和延展性，被认为是柔性电子的“天选”材料。部分厂家已声明开发出柔性屏幕，相信不久柔性屏将成为手机的下一个爆发口。

四：AI提升药物及疫苗研发效率。

AI（Artificial Intelligence）就是人工智能，它是研究人的智能的，并且进行模拟和延伸的新兴科学技术。AI技术的研究领域包括机器人、语言识别、图像识别、自然语言处理和专家系统等。AI的目的就是希望让计算机能像人类一样进行学习和思考。AI与疫苗、药物临床研究进行结合，可以减少重复劳动与时间消耗，提升研发效率，极大地推动医疗服务和药物的普惠化。

五：脑机接口，帮助人类超越生物学极限。

今年马斯克的脑机接口公司Neuralink展示了一头植入Neuralink设备的猪，名为Gertrude。它在两个月前被植入Neuralink设备，目前状态良好。这一事件将脑机接口推上了风口，脑机接口虽然离实用化还有很远，但作为新一代人机交互和人机混合智能的关键核心技术，脑机接口对神经工程的发展起到了重要的制程推动作用。

六：数据处理实现“自治与自我进化”。

目前已经进入大数据时代，越来越多的人加入大数据分析这个行业，对大数据进行分析，通过分析获取很多智能的，深入的，有价值的信息。大数据的属性，数量，速度，多样性等呈现出不断增长的复杂性，所以大数据的分析方法在大数据领域就显得尤为重要。以智能化方法，实现数据管理系统自动优化，是未来数据处理发展的必然选择。人工智能和机器学习手段，正逐渐被广泛应用于智能化的冷热数据分层、异常检测、智能建模、资源调动、参数调优、压测生成、索引推荐等领域。实现数据处理的“自治与自我进化”，将有效降低数据计算、处理、存储、运维的管理成本。

七：云原生重塑IT技术体系。

云计算已经进入下半场，如何把云计算与不同的业务场景深度结合？如何让技术真正作用于企业？如何节省企业IT部署成本？

突破传统IT的开发环境，云原生架构充分利用云计算的分布式、可扩展和灵活的特性，更高效地应用和管理异构硬件和环境下的各类云计算资源。阿里巴巴已成立专门的云原生部门来研究和发展这项技术。

八：农业迈入数据智能时代。

以物联网、人工智能、云计算等为代表的数字技术，正与农业产业深度融合，打通农业产业的全链路流程。农业将告别“靠天”吃饭，进入智慧农业时代。

九：工业互联网，从单点智能走向全局智能。

目前的工业智能仍以解决碎片化需求为主， 汽车 、消费电子、品牌服饰、钢铁、水泥、化工等具备良好信息化基础的制造业，工业互联网将贯穿供应链、生产、资产、物流、销售等各环节，实现企业生产决策闭环的全局智能化应用。

十：智慧运营中心成为未来城市标配。

城市化进程的加快，使城市被赋予了前所未有的经济、政治和技术的权利，城市被无可避免地推到了世界舞台的中心，发挥着主导作用。与此同时，城市也面临着环境污染、交通堵塞、能源紧缺、住房不足、失业、疾病等方面的挑战。在新环境下，如何解决城市发展所带来的诸多问题，实现可持续发展成为城市规划建设的重要命题。在此背景下，“智慧城市”成为解决城市问题的一条可行道路，智慧城市是指利用各种信息技术或创新概念，将城市的系统和服务打通、集成，以提升资源运用的效率，优化城市管理和服务，以及改善市民生活质量。 其利用信息和通信技术手段感测、分析、整合城市运行核心系统的关键信息，对民生等需求做出智能的响应，为人类创造更美好的城市生活。智慧城市建设的大提速将带动地方经济的快速发展，也将带动卫星导航、物联网、智能交通、智能电网、云计算、软件服务等多行业的快速发展，为相关行业带来新的发展契机。我国智慧城市发展进入规模推广阶段，国家鼓励开展应用模式创新，推进智慧城市建设。

随着各地智慧城市的建设与推进，智慧城市的数据管理分析等成为一大难题，智慧运营中心将统一城市系统、并提供整体智慧治理能力，进而成为未来城市的数字基础设施。

和概念来源于网络

物联网、链接、云、多媒体都偏向于网络方面（多媒体的主要是智能影视、类），其中物联网、链接、多媒体应该都算是新词，云是以前有，但改变的意思的（云指的是上传到一个可储存分享的一个网络空间）。不过新词旧词得看时间段，如果再细分，那链接、多媒体都是旧词，就物联网算新词了。
克隆、生态农业、转基因、纳米、黑洞，偏向于科学方面，其中克隆、生态农业、转基因为生物方面的知识，生态农业大致就是生物多样性，转基因偏向分子一块，和克隆技术有点关联。克隆应该知道吧，就是生物复制。算起来，转基因和生态农业应该算新词，不过生态农业早就有，就是现在提法不一样，转基因也是上个世纪末期就有的，近期才受到关注。黑洞，额~~早就有说法了，如何形成的大致说法是恒星寿命结束，从内部开始坍塌，极速坍塌导致空间破坏，从中间开始形成引力，不断吸收物品，不断压缩。
纳米、托福，一个是大小的单位，一个是英语考核机构。算起来都是有些年份的东西了。

物联网是继计算机、互联网与移动通信网之后的世界信息产业的又一次革命。2005年11月国际电信联盟（ITU）发布了《国际电信联盟互联网报告2005：物联网》，将物联网定义为“把任何物品通过信息传感设备（如RFID）与互联网连接起来，进行信息交换和通信，可实现智能化识别、定位、跟踪、监控和管理。”
物联网将作为物理世界与虚拟世界的桥梁，实现物物相连、物人相连，使人力得以解放，管理更加智能。为了达成这样的效果，物联网须具备3大功能：全面感知、可靠传递、智能处理。
RFID是一种非接触式的自动识别技术，它通过射频信号自动识别目标对象并获取相关数据。集体积小、安装方便、读取无须接触、无须人工干预、可识别高速物体可识别多个标签等优点于一身。
相比传统的条形码、二维码，RFID具有明显优势。国际电信联盟已经将射频识别技术（RFID）、传感器技术、纳米技术、智能嵌入技术列为物联网关键技术行列。

IT168 评测如今在手机圈，一年能发布各种品牌上千款手机，但手机最核心的处理器、尤其是旗舰处理器，一年也只有那么寥寥数款。当下每代处理器的升级，不仅意味着性能的提升，在一定程度上还代表了未来产品技术演进的方向，并且影响着各品牌期间产品的发布规划。在2017年CES大会前夕，北京时间1月4日，高通在CES大会前夕正式揭晓了今年最顶级的处理器：骁龙835，而谁能成为这款芯片的首发产品也成了时下手机圈的一大趣谈。究竟是怎样一款芯片能让各家厂商趋之若鹜，我们今天就来看看此次骁龙835是一款怎样的产品。

　　三星10nm FinFET LPE工艺

此次骁龙835采用三星10nm FinFET LPE工艺，也是目前业界能量产最先进的工艺。对于FinFET工艺相信大家并不感到陌生，FinFET工艺主要是通过改造删栏形态来降低CPU漏电率，减小芯片功耗。我们都知道，半导体工艺的水准直接影响着处理器的性能。简单来说，更先进的工艺能够提升单位面积下的晶体管数量，而从运算能力的角度来讲，CPU的晶体管数量取决于CPU尚运算逻辑部件面积的大小。反之，CPU上晶体管数量越多，运算逻辑部件面积就越大，这也就意味着处理器的单位性能越高，这也就是为什么每代处理器都在不断的致力于工艺的精进。

▲骁龙835体积

从高通发布的数据来看，每颗骁龙835上都集成了30亿个晶体管，逼近iPhone7上采用的A10 Fusion 33亿的数量，因而才实现了骁龙835对比骁龙820降低了25%的功耗。在高通的介绍中，骁龙835采用第二代FinFTF工艺，能将芯片封装面积进一步减小35%，大约为153mm2，与A10 Fusion的125mm2比较接近。不过需要注意的是，骁龙835还集成了基带，因此骁龙835的封装面积还是非常不错的，而进一步降低封装面积，则能够使厂商在做内部结构设计时更加留有余地。另外，从之前看到的消息，骁龙835采用的是LPE(Low Power Early)工艺，因此笔者推测之后可能还会有一个LPP(Low Power Plus)的升级版。

　　Kryo 280架构：

骁龙835仍然延续kryo 架构，基于ARMv8设计，采用八核(4大核+4小核)的设计。对于现阶段的移动处理器，一般分为自研架构和公版架构(ARM标准架构)，主要在于对于公版架构的二次开发，比如精简公版指令、增加处理器的各种新特性。而经过Scorpion架构、Krait架构以及骁龙820采用的Kryo架构，高通对于自研架构的技术已经比较得心应手，这也是高通对比其它还采用公版架构的处理器厂商能够实现差异化竞争的地方。

骁龙835采用4x245GHz+4x19GHz的八核心设计，在平时使用中，80%的场景下使用四颗小核工作，而在诸如APP加载、VR场景下时则开启四颗大核工作。并且根据官方介绍，骁龙835在四颗大核的L2二级缓存设计为2MB，四颗小核的L2二级缓存为1MB，相比骁龙820整整提升了一倍。我们知道，CPU中缓存的调用速度比内存快得多，而更大的缓存则可以帮助我们在平时使用中可以快速调用更多的数据。

X16 LTE Modem：

关于高通处理器，一直有一句玩笑话：高通的产品就是买基带送CPU。虽是玩笑，但也体现出高通处理器在连接性的地位。骁龙835内存X16千兆级LTE调制解调器，支持高达1Gbps的Cat16下载速度，以及150Mbps的Cat13 LTE上传速度，并且支持80211ad多千兆比特Wi-Fi，能够达到46Gbps的峰值速度。而高通在基带的连接性中，除了速度，还有加入了一些创新性的特性以带来更好的体验。

X16 LTE Modem还支持4x20MHz载波聚合以及4x4 MIMO的天线配置。载波聚合简单来说，就是同时利用多频段的资源，把一些不连续的频谱碎片聚合到一起，增加系统传输带宽，从而获得更高的数据传输速率。我们在日常使用中，当遇到一个频段上用户太多时，就可以通过利用多频段载波聚合来达到提升带宽的效果，提升使用的网速。除此之外，X16 LTE Modem还是首款支持5G蓝牙标准。蓝牙50将运用于无线可穿戴、工业、智能家庭和企业市场领域，由于蓝牙50拥有4倍与上版本的覆盖面积、2倍的传输速度以及8倍的广播信息容量，其可以显著加速物联网的构建。

　　Adreno 540 GPU与Hexagon DSP：

相比于CPU，GPU在某种程度上显得更加重要，而Adreno系列则是高通一直引以为豪的产品。骁龙835搭载Adreno 540 GPU，主频为670MHz，图形处理性能相比上一代提升25%，并且支持OpenGL ES 32、完整的OpenCL 20、Vulkan和DX12等各种图形标准。一直以来，大部分3D游戏都通过OpenGL标准交互，但由于其出生于90年代，如今的OpenGL已经显得廉颇老矣，对于目前市面上多核处理器的利用效率较低，在图形处理的效率上比较低，而骁龙835支持的Vulkan改善多线程性能，渲染性能更快，摆脱OpenGL依赖CPU运算的方式，使GPU与CPU之间无需事先拷贝数据，在同样的内存下同时进行读写，充分发挥多核处理器的并行计算能力。

而根据高通官方PPT我们可以看到，除了GPU之外，骁龙835依旧保持了从820以来的VPU(视频处理单元)和DPU(显示处理单元)。其中DPU支持10-bit 4k@60Fps显示，Q-Sync以及更宽色域;而VPU则支持4K HEVC 10-bit硬解码能力，还提供了视觉聚焦区域渲染。

在此之前，在骁龙820上，高通引入Hexagon 680 DSP处理器，应用在对综合手机上的许多单个传感器的数据，进行整合分析，完成数据集中处理。而在骁龙835上，升级为支持HVX特性的Hexagon 682 DSP，并且延续了680 DSP上HVX(向量扩展)以及低功率岛的特性。并且Hexagon 682 DSP还包含对Google TensorFlow的支持，包括了对定制神经网络层的支持，以及对骁龙异构核心的功耗与性能的优化。

另外，人工智能作为当前最火热的领域，作为手机“大脑”的处理器自然对这方面也有所涉及。在官方介绍中，我们惊喜的看到骁龙835还增加对TensorFlow和Halide框架的支持。TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统，主要用于语音和图像识别等多项机器深度学习领域，而Halide则是专门用来简化图像处理的程序语言。尽管在当前阶段在实际应用中可能还不明显，但我们也清楚的可以看到高通在人工智能和VR/AR领域已经正式布局。

Quick Charge 4：

如果评选2016年手机圈最流行的一句广告语的话，我相信“充电五分钟，通话两小时”一定为大家耳熟能详。随着骁龙835的亮相，新一代快充标准QC 4也已经与大家见面。相比于QC 30，QC 4增加了对USB Type-C和USB-PD的支持，并且包括USB供电。相比于QC 30，QC 4的充电速度提升了20%，效率提升30%。我们知道，相比于QC 20,QC 30采用最佳电压智能协商INOV算法，可以更精细的调节电压/电流的充电功率，而QC 4则将这一算法升级至第三版，创新性的加入了实时散热管理，能够在既定散热条件下，自主确定并选择最佳充电功率。伴随QC 4而来的还有高通推出最新的电源管理芯片SMB1380和SMB1381，具有低阻抗和95%的峰值转化效率。

在安全方面，QC 4能更准确的测得充电时的电压、电流和温度，保护电池以及充电器，并且增加了额外保护层，放置电池充电过度，在每个充电周期调节电流。

总结：先讲一件有趣的事：处理器对智能手机的重要性不言而喻，但到底有多重要呢？当你看到每年CES前后，手机圈都在纷纷猜测和盛传又有XXX款手机将首发骁龙处理器，然后在互联网上引起一阵热议，或许就能明白对于如今的智能手机，处理器不单单是一个元件，甚至从某个角度成为了一个象征。而从骁龙835主打的这些功能可以看到，高通整体的策略早已不在是单纯地提升运算性能，而是将处理器打造成智能手机的全面管家，覆盖到各个功能，通过更多差异化的功能来引领整个行业的发展。而关于骁龙835的实际性能表现，我们也会在之后继续密切关注。

---