热门资讯

科研速递丨西湖大学研究团队发表五项最新研究成果

大学作者：西湖大学 2022-01-07 16:21:45

科研速递

近期，西湖大学有哪些科研新成果？

“科研速递”栏目带大家一睹为快。

西湖大学生命科学学院PI邹贻龙与博德研究所PI Stuart Schreiber合作，在《细胞化学生物学》（Cell Chemical Biology）上发表题为“PALP: a rapid imaging technique for stratifying ferroptosis sensitivity in normal and tumor tissues in situ”的论文。该论文报道了一种原位检测肿瘤组织对铁死亡敏感性的成像技术（photochemical activation of membrane lipid peroxidation，PALP），有望对癌症患者进行铁死亡敏感性的快速分级，加快铁死亡靶向抗癌治疗的发展，促进脂质代谢的前沿研究及相关疾病的代谢基础表征。
论文链接：
https://authors.elsevier.com/a/1e7P58jWWJlw7n
西湖大学工学院李子青实验室近日在图神经网络方向关于图自监督学习的最新综述“Self-supervised on graphs: Contrastive, generative, or predictive”被数据挖掘顶级期刊 IEEE Transactions on Knowledge and Data Engineering（TKDE）接收。
论文链接：
https://arxiv.org/abs/2105.07342
西湖大学工学院Sergio Galindo-Torres实验室近期在计算力学领域顶刊Computer Methods in Applied Mechanics and Engineering以及地球科学领域顶刊Geophysical Research Letters发表最新研究成果，利用数值模型增进对复杂物理过程的理解：“Coupled material point Lattice Boltzmann method for modeling fluid–structure interactions with large deformations”一文，构建了适用于高雷诺数(Reynolds number, Re)大变形流固耦合(fluid-solid interaction)模拟的连续介质数值模型；“Finite-Size Analysis of the Collapse of Dry Granular Columns”一文，利用颗粒尺度的计算方法增进我们对颗粒材料(granular materials)这一自然界中常见材料的理解。
论文链接：
https://doi.org/10.1016/j.cma.2021.114040
https://doi.org/10.1029/2021GL096054
西湖大学郭天南实验室和合作团队一起在Cell Reports 发表了题为“Proteomic and metabolomic profiling of urine uncovers immune responses in patients with COVID-19”的研究论文，发现新冠患者尿液中的蛋白可以用来对新冠轻重型进行分类，并成功实现了对新冠患者进行分类预测的目的；该研究同时针对性地提出了新冠患者存在潜在肾损伤的证据。
论文链接：
https://www.cell.com/cell-reports/fulltext/S2211-1247(21)01783-6?rss=yes

西湖大学邹贻龙团队开发出有望对癌症患者进行铁死亡敏感性快速分级的成像技术

铁死亡是一种由细胞膜内多不饱和磷脂的过度过氧化引起的非凋亡性细胞死亡程序。近期研究发现铁死亡参与了人体多种疾病与组织损伤过程，包括缺血/再灌注诱导的肝、肾、心、脑损伤等急性器官损伤和神经退行性病变等。

另一方面，也有研究表明，多种恶性肿瘤细胞对铁死亡高度敏感，包括肾癌和卵巢癌的透明细胞癌、胰腺癌、弥漫性大B细胞淋巴瘤、肝癌、结直肠癌和已获得耐药性的癌细胞。因此，诱导人类肿瘤细胞的多不饱和脂质过氧化和铁死亡是一种有潜力的癌症治疗策略。

靶向铁死亡通路的咪唑酮及重组半胱氨酸酶等药物已表现出肿瘤抑制作用，直接调节多不饱和脂肪酸水平也表现出良好的肿瘤抑制疗效。然而，目前仍然缺乏经过临床验证的可以指示体内铁死亡敏感性的生物标志物，也没有特定的基因型及原发肿瘤谱系可以预测铁死亡的反应性。快速鉴别铁死亡诱导剂对癌症患者是否有潜在治疗效果仍然是开发铁死亡靶向药物的主要挑战。因此，亟需一种快速筛查和无创评估患者细胞组织对铁死亡敏感性的技术，实现铁死亡药物的个体化高效治疗。

2021年11月22日，西湖大学生命科学学院PI邹贻龙与博德研究所PI Stuart Schreiber合作，在《细胞化学生物学》（Cell Chemical Biology）上发表题为“PALP: a rapidimaging technique for stratifying ferroptosis sensitivity in normal and tumortissues in situ”的论文。西湖大学2020级博士研究生王凤翔，博德研究所Emily T. Graham，西湖大学博士后Nathchar Naowarojna及石振楠为本文第一作者，西湖大学PI邹贻龙和博德研究所PI Stuart Schreiber为本文通讯作者。

该论文报道了一种原位检测肿瘤组织对铁死亡敏感性的成像技术（photochemical activation of membrane lipid peroxidation，PALP）。该方法可以使用高功率激光诱导细胞或组织样本局部多不饱和脂肪酸酰基发生脂质过氧化，并在原位指示细胞或组织对铁死亡诱导剂的敏感性。这是一种成本经济，操作便捷的成像技术，有望对癌症患者进行铁死亡敏感性的快速分级，加快铁死亡靶向抗癌治疗的发展，促进脂质代谢的前沿研究及相关疾病的代谢基础表征。

PALP即激光诱导脂质过氧化技术的工作原理和在细胞水平的验证

PALP用于鉴别肿瘤组织对铁死亡诱导剂的敏感性差异

本研究成果可以快速预测和无创评估患者肿瘤细胞或组织对铁死亡的敏感性，从而快速鉴别铁死亡诱导剂对癌症患者是否具有潜在治疗效果，有利于推进靶向铁死亡通路的抗癌药物开发及应用。另外，本成果亦可辅助研究多不饱和脂类生物学功能和脂质过氧化等问题，为开发针对肿瘤铁死亡的临床治疗方案提供有力支撑。

本研究的合作者包括西湖生物信息学与基因组学核心实验室王曦老师，西湖大学生命科学学院贾洁敏老师和清华大学生命科学学院俞立老师实验室博士后黄雨薇。

>>>

西湖大学李子青实验室进展：从图像到图，挖掘自监督学习在图神经网络的潜力

西湖大学工学院讲席教授李子青实验室在人工智能基础研究层面，核心关注问题之一为图数据的深度网络建模。相对于图像，图是更加广泛的数据结构，其在社交网络、分子药物、时空动力学系统等诸多领域都有所应用。

实验室在近日关于图自监督学习（Graphself-supervised learning）的前沿工作被数据挖掘顶级期刊 IEEETransactions on Knowledge and Data Engineering（TKDE）接收。西湖大学博士生吴立荣是本文第一作者，西湖大学讲席教授李子青为通讯作者。

近年来，图深度学习已经成为人工智能领域的一个热门课题，然而大多数工作都集中在有监督或半监督学习的设置下，即通过特定的下游任务和丰富的标记数据来训练模型，而这些数据往往是有限的、昂贵的和不可获取的。由于严重依赖标签的数量和质量，这些监督或半监督方法很难适用于现实世界，特别是那些需要专家知识进行注释的场景。

自监督学习的发展，为减少对标签的过度依赖，实现在大量无标注数据上的训练提供了新的见解。自监督学习的主要目标是通过精心设计的代理任务，从丰富的无标签数据中学习可迁移的知识，然后将学到的知识迁移到具有特定监督信号的下游任务中。

然而图上的自监督学习还没有得到充分的探索，许多重要的问题仍有待进一步解决。

在本综述中，我们对现有的图数据自监督学习技术进行了及时和全面的回顾。具体来说，我们将现有方法分为三类，如下图所示:

对比式方法，即对数据增广产生的不同视图进行对比学习，将数据-数据对（inter-data）之间的共性和差异信息作为监督信号。

生成式方法，即关注图数据内部（intra-data）的信息，一般基于特征或结构重构等代理任务，利用图本身的特征和结构作为监督信号。

预测式方法，即通过一些简单的统计分析或专家知识self-generate伪标签，然后根据生成的伪标签设计基于预测的代理任务来处理数据-标签（data-label）关系。

进一步，本综述对图自监督领域目前的许多挑战进行了总结，包括复杂类型图的代理任务设计、理论基础薄弱、增广策略研究不足、缺乏可解释性及预训练与下游任务之间的分歧。

毋庸置疑，自监督学习必将在深度学习的各个领域大放异彩——图自监督学习通过精心设计的代理任务，从丰富的无标签数据中学习可迁移的知识，这极大地减少了图算法对标签的过度依赖。本综述对现有的图自监督学习技术进行了及时且全面的回顾，为图自监督学习的未来发展及其在其它图相关领域中的应用打下了一个良好的基础。

西湖大学Sergio Galindo-Torres实验室，用数值模型增进对复杂物理过程的理解

2021年度的诺贝尔物理学奖聚焦于真锅淑郎和克劳斯·哈塞尔曼对地球气候的物理建模以及乔治·帕里西对不同尺度物理系统中无序和波动的相互作用的研究在一定程度上揭示了利用数值计算方法拓宽我们对物理系统理解的重要意义。西湖大学工学院Sergio Galindo-Torres教授的“跨尺度多物理场仿真（M3）”实验室致力于开发从颗粒尺度到连续介质尺度的多种数值计算方法，并将其应用于不同物理场景中，试图建立土木工程、环境工程、采矿工程以及自然灾害防治等领域复杂物理过程的预测模型和解决方案；其实验室近期在计算力学领域顶刊Computer Methods in Applied Mechanics and Engineering以及地球科学领域顶刊Geophysical Research Letters发表最新研究成果（两篇成果的作者信息分别为：通讯作者为Galindo-Torres教授，第一作者为副研究员张沛博士；通讯作者为Galindo-Torres教授，第一作者为满腾博士）。

一方面，流体和固体的相互作用在自然界和工程应用中极为常见，鹰击长空、鱼翔浅底，更不用说人类创造出的飞机和轮船均需要对固体力学、流体力学以及流固耦合的深刻理解；在微观的生物力学层面，对血液输运、红细胞变形、肿瘤的生长于变形等建模均离不开流固耦合模拟技术的开发和应用。然而，大多数现有流固耦合方法在应用于高雷诺数、固体大变形以及复杂固体几何形态等情况时仍有一定的局限性[1]。

Galindo-Torres教授团队中的副研究员张沛博士为解决这一问题，应用格子玻尔兹曼法( Lattice-Boltzmann Method, LBM)描述流体动力学特性[2]，利用物质点法(Material Point Method, MPM)描述固体材料的变形[3]，进而得到兼有二者之长的耦合计算格式，提供了大量生动形象的校验算例，并将该方法应用于对鱼类在水中运动的模拟。


(a) 雷诺数Re = 1	(b) 雷诺数Re = 1000
柔性杆在不同雷诺数流体中动力学响应的计算模拟


(a) 模型鱼	(b) 不同流场的模拟
模型鱼的建模以及其在不同流场中的阻力的计算模拟

另一方面，自然界中的岩土材料以及土木工程和化学工程中的各类粒料均可以被视为颗粒材料。颗粒材料由固体颗粒组成，在密实条件下表现出类似固体的特性，然而在颗粒稀疏时则表现出类似流体的快速流动的特性[4]。颗粒材料在类固态和类液态之间无缝衔接的特性使得准确描述颗粒材料的物理力学特性极具挑战。

颗粒塌落过程中颗粒速度的空间分布情况，以及固相体积分数的空间分布。

Galindo-Torres教授课题组将不规则形状颗粒之间的摩擦系数作为重要的研究对象，定量探究了摩擦系数的改变对于塌落堆积形态以及扩散距离的影响[5]，并进一步将统计物理中常见的有限尺度标度理论(Finite-size Scaling, FSS)应用于颗粒柱塌落的尺寸效应的分析中，得到具有普遍性的描述颗粒材料相对堆积距离的理论计算公式，分析了颗粒柱塌落与火山碎屑流在流动性研究方面的相似性。

参考文献及扩展阅读

[1] Zhang, P., Sun, S., Chen, Y., Galindo-Torres, S. A., & Cui, W. (2021). Coupled material point Lattice Boltzmann method for modeling fluid–structure interactions with large deformations. Computer Methods in Applied Mechanics and Engineering, 385, 114040. https://doi.org/10.1016/j.cma.2021.114040

[2] Galindo-Torres, S. A. (2013). A coupled Discrete Element Lattice Boltzmann Method for the simulation of fluid–solid interaction with particles of general shapes. Computer Methods in Applied Mechanics and Engineering, 265, 107-119. https://doi.org/10.1016/j.cma.2013.06.004

[3] Mast, C. M., Arduino, P., Mackenzie-Helnwein, P., & Miller, G. R. (2015). Simulating granular column collapse using the material point method. Acta Geotechnica, 10(1), 101-116. https://doi.org/10.1007/s11440-014-0309-0

[4] Guyon, E., Delenne, J. Y., & Radjaï, F. (2020). Built on Sand: The Science of Granular Materials. MIT Press. https://doi.org/10.7551/mitpress/12202.001.0001

[5] Man, T., Huppert, H. E., Li, L., & Galindo-Torres, S. A. (2021). Deposition morphology of granular column collapses. Granular Matter, 23(3), 1-12. https://doi.org/10.1007/s10035-021-01112-7

西湖大学郭天南实验室最新发现尿液中的蛋白可作为新冠轻重型分类标准

过去两年来，新冠的爆发让全人类措手不及。截至今天，新冠病毒仍然在地球上大部分地区肆虐。随着新的突变株奥密克戎 (Omicron) 的出现，全球人类需要加强共同协作，以应对多变的疫情。

2021年12月27日，西湖大学生命科学学院郭天南实验室和合作团队一起在Cell Reports发表了题为Proteomic and metabolomicprofiling of urine uncovers immune responses in patients with COVID-19 的研究论文。

该研究表明新冠肺炎（COVID-19）患者的尿液作为一种完全无创的生物样本，从尿液中获取的生物分子可以灵敏地反映机体的病理状态。这项研究从COVID-19患者的尿液中筛选出20个蛋白质标志物并建立模型，成功实现了对COVID-19患者进行分类预测的目的；该研究同时针对性地提出了COVID-19患者存在潜在肾损伤的证据。

血清和尿液蛋白质组学和代谢组学数据汇总分析

尿液来源于外周循环，无需专业采集手段即可获得（相比较血清、组织等），完全可以满足日常实时健康监测的要求。利用尿液中的生物分子对人体健康状态进行监测，对于未来精准医学、精准抗疫具有重要的实用价值和现实意义。

该研究对COVID-19患者组以及健康对照组的共计115例尿液、血清样本进行了系统研究。运用蛋白组学和代谢组学的分析手段，对各组进行了研究对比。从蛋白层面分析，单位体积的尿液蛋白含量在轻、重型COVID-19患者组中与健康组相比明显升高，这个结果提示尿液可能会更灵敏地反应机体疾病水平的变化。机器学习结果显示，尿液蛋白对于轻重型COVID-19的区分能力与血清蛋白基本一致。

在蛋白质组学水平上区分轻型和重型COVID-19患者

不受控制的先天性炎症反应引起的细胞因子风暴，是导致COVID-19患者高死亡率的主要原因，因此该研究还着重关注了细胞因子在血清和尿液中的变化情况。该研究在血清中定量到了 124 个细胞因子及相关蛋白，在尿液中定量到了 197 个。在尿液中，细胞趋化因子CXCL14 与 COVID-19患者的血液淋巴细胞计数具有显著的相关性，或可能用于指示COVID-19的严重程度。

同时，该研究通过通路富集分析，得到了许多在异常变化的通路中频繁出现的蛋白。其中Rho GTP 酶家族的 CDC42、RAC1/RAC2 和 RHOA 出现的频率最高。这些蛋白的失调可能会导致肾小球硬化和肾脏损伤。此外，肾脏足细胞-肌动蛋白的动态调节需要消耗大量ATP。代谢组学数据显示，腺苷（ATP 代谢的产物）含量在重型 COVID-19 患者的尿液中明显降低，这进一步表明COVID-19患者体内可能存在足细胞运动障碍和潜在的肾脏损伤。

重型新冠患者免疫失调和 ROS 激活诱导肾损伤的模型

该研究全面解读了COVID-19患者尿液及血清的多组学数据中异常改变的分子和信号通路，并对COVID-19患者体内新冠病毒引起的分子通路水平的改变和调节机制进行推测：免疫紊乱触发的炎症反应、凝血反应以及细胞纤维化会最终损伤肾组织。临床数据也显示，重型COVID-19患者的各型肾损伤指标虽然仍在正常范围内，但是相对于健康对照组，已经发生了显著的改变。上述结果都表明 SARS-COV-2 可能造成肾损伤。该研究最终提出，要密切关注新冠患者肾损伤的临床指征，并在COVID-19患者康复后保持对肾脏功能的跟踪观察。

唯美可爱烟花动图分割线