清华大学交叉信息研究院段路明研究组近日在量子模拟计算领域取得重要突破，首次实现512离子二维阵列的稳定囚禁冷却以及300离子量子比特的量子模拟计算。该工作实现了国际上最大规模具有单比特分辨率的多离子量子模拟计算，将原来的离子量子比特数国际纪录（61离子）往前推进了一大步，并首次实现基于二维离子阵列的大规模量子模拟。离子阱系统被认为是最有希望实现大规模量子模拟和量子计算的物理系统之一。多个实验验证了离子量子比特的高精密相干操控，该系统的规模化被认为是主要挑战。此前研究人员在Paul Trap（保罗型离子阱）中实现了最多61个离子一维阵列的量子模拟。虽然基于Penning Trap（彭宁型离子阱）可实现更大规模约两百离子的量子模拟，但因缺乏单比特分辨探测能力而难以提取量子比特空间关联等重要信息，无法用于量子计算和精密的量子模拟。研究中，研究人员利用低温一体化离子阱技术和二维离子阵列方案，大规模扩展离子量子比特数并提高离子阵列稳定性，首次实现512离子的稳定囚禁和边带冷却，并首次对300离子实现可单比特分辨的量子态测量。研究人员进而利用300个离子量子比特实现可调耦合的长程横场伊辛模型的量子模拟计算。一方面，研究人员通过准绝热演化制备阻挫伊辛模型的基态，测量其量子比特空间关联，从而获取离子的集体振动模式信息，并与理论结果对比验证；另一方面，研究人员对该模型的动力学演化进行量子模拟计算，并对末态分布进行量子采样，通过粗粒化分析验证其给出非平庸的概率分布，超越经典计算机的直接模拟能力。该实验系统为进一步研究多体非平衡态量子动力学这一重要难题提供了强大的工具。5月29日，相关研究成果以“一个具有数百个被困离子的位置分辨二维量子模拟器”（A Site-Resolved Two-Dimensional Quantum Simulator with Hundreds of Trapped Ions）为题，发表于《自然》（Nature）杂志。《自然》审稿人称为量子模拟领域的“巨大进步”，“值得关注的里程碑”。清华大学交叉信息研究院2020级博士生郭世安为论文第一作者，交叉信息研究院教授段路明为论文通讯作者。其他作者包括交叉信息研究院助理教授吴宇恺，博士生叶京、张霖、王也、严若宇、易雨瑾、许煜麟、侯云瀚，博士后许钰梓、张弛，助理研究员祁宾祥，副研究员周子超、何丽，以及华翊量子公司连文倩、姚睿、李博文、郭伟轩。研究得到科技创新2030—“量子通信与量子计算机”重大项目、新基石研究员项目、清华大学自主科研计划、教育部、清华大学笃实专项和启动经费的资助与支持。 查看详细>>

全脑跨模态分析已经成为理解大脑运转机制和神经系统疾病发病机理的前沿研究手段。近年来，荧光显微光学断层成像（fMOST）与光片荧光显微镜（LSFM）结合各种组织透明化技术，已经成为广泛使用的全脑三维荧光成像技术，尤其在神经环路研究中。然而，这些技术在大尺寸样本成像、高通量全脑三维成像以及整合多组学分析等应用场景下存在一定的局限性。为解决上述问题，清华大学电子工程系、北京智源人工智能研究院与清华大学生命学院IDG麦戈文脑研究院合作设计搭建了一种全新的基于光声断层成像技术的全脑三维成像平台（PATTERN），能够实现大视野、快速及高灵敏度的全脑荧光成像，且能完好保持成像样本的原始物化特征和生物活性。该设计以PATTERN作为高兼容技术桥梁，研究者实现了对单一个体的跨模态全脑三维分析，包括与功能核磁共振成像（fMRI）、高精度全脑荧光成像以及空间转录组相结合，实现了个性化的全脑跨模态数据整合与联合分析，为其他脑分析技术提供了一种兼容性极强的三维荧光分析策略。该研究提出一系列创新，包括：利用光声信号漂白的时域特征进行高灵敏度荧光蛋白识别；采用多视角融合的成像策略获得三维各向同性分辨率；利用神经网络去除伪影提升信号的可靠性。PATTERN提供了一种新的光学方法来可视化全脑的荧光表达模式与神经投射结构，具有样品制备与成像过程无损、成像速度快、成像视野大的特点。利用PATTERN技术，研究人员实现了对小鼠、大鼠、雪貂和狨猴等多种动物的脑样本进行三维全脑成像与脑区结构的定量形态分析。进一步地，利用PATTERN成像视野大的优势，研究者可以对完整的小鼠中枢神经系统进行直接成像，在取出样品的30分钟内即可完成成像的全过程，获得全神经系统的结构信息与荧光信号分布。如图1所示，研究者展示了不同颜色荧光蛋白在大脑中的分布，清晰观测到从运动皮层向脊髓的对向投射的结构特征，并通过对样本进行切片，在常规光学显微镜下验证了结果的正确性。对单一个体的个性化多模态联合分析对各模态之间的兼容性以及最小化样品的损伤提出很高要求。PATTERN成像能够完整保留样品的生物生理特征，在获得三维光声图像之后，样品可以按照常规流程进行后续的生理生化分析。研究者展示了利用PATTERN成像结合空间转录分析的案例：利用外源表达AVV病毒载体，对小鼠海马体局部神经元敲低了对长期记忆形成非常重要的早期即刻基因c-fos的表达，进而联合PATTERN提供的三维荧光信息，和空间转录组分析获得的不同海马体亚区的基因表达特征，可以更轻松地对操纵区域与未操纵区域在学习前后的基因表达水平进行可视化。这一方面验证了与相关研究的高度一致性，另一方面还可以分析三维空间距离对不同亚区记忆相关基因表达的影响。通过结合不同生物分子的荧光指示物，可以利用PATTERN在三维空间中探究特定分子和不同位置神经元基因表达模式的关系，为多尺度、个性化理解大脑的功能与疾病提供全新的视角。 查看详细>>

烯烃氢甲酰化反应是当前化工行业最大的均相催化过程，需要使用均相金属配合物作为催化剂。为了避免使用昂贵的配体以及简化催化剂的回收流程，使用固体催化剂替代传统的金属配合物催化剂催化长链烯烃（C6-C12烯烃）的氢甲酰化反应一直是化学家追求的目标。近日，清华大学化学系刘礼晨副教授、清华大学燃烧能源中心/车辆与运载学院张亮副教授领衔的研究团队与中科院山西煤化所/中科合成油曹直研究员合作，成功破解了烯烃多相氢甲酰化反应中选择性的关键难题。通过使用分子筛作为“无机配体”，实现了长链烯烃氢甲酰化反应中超高的区域选择性，超越了几乎目前已报道的所有均相和多相催化剂。该研究不仅突破了多相长链烯烃氢甲酰化反应的选择性瓶颈，还提出了一种新的固体催化剂设计理念，即使用分子筛作为无机配体，实现对金属活性中心配位环境的调控。烯烃氢甲酰化反应是目前化工行业中体量最大的均相催化过程，通过将烯烃转化为醛类的物质，为下游诸多过程提供原料。据统计，全球每年氢甲酰化反应的产量超过1000万吨，连带下游产品的市场体量超过3000亿美金。市场对直链醛和其下游直链醇产品的需求日益增长，促使科学家们不断寻求能够提高直链/支链醛比例（l/b比）的催化剂。尽管多相催化剂在催化剂循环利用方面具有一定优势，但其在线性α-烯烃反应中的区域选择性远低于传统的均相催化体系，即使经过了全世界学术界和工业界几十年的研发，依然无法实现商业化应用。开发出纯无机固体催化剂实现长链烯烃的氢甲酰化，不仅具有重要的应用价值，也是一项基础研究上的巨大挑战。一般认为，固体催化剂的结构复杂性导致其无法获得超过均相配合物催化剂的性能。清华大学化学系和燃烧能源中心/车辆学院组成的联合研究团队通过理性设计MFI沸石结构，成功将亚纳米Rh簇精确限域在沸石的正弦型10MR通道内。实验结果表明，Rh-MFI沸石催化剂在处理线性α-烯烃（C6-C12烯烃）时展现出了前所未有的线性醛生成选择性，l/b比高达400以上。该纯无机固体催化剂的区域选择性超过了目前文献报道的所有的多相催化剂，甚至远超传统均相催化剂的性能指标。科研团队利用球差矫正透射电子显微镜和原位X-射线吸收谱和红外光谱等一系列先进的表征技术，揭示了Rh簇在沸石孔道内均匀分布的精细结构及精准尺寸控制。通过第一性原理计算对反应路径的模拟，揭示了Rh簇尺寸对催化活性与选择性的决定性影响，与实验观测结果高度吻合。进一步的，电子结构计算分析揭示了Rh簇与沸石骨架间独特的协同效应，阐明了其对线性产物选择性产生定向促进作用的内在机理。该研究不仅为长链α-烯烃的高效、高选择性氢甲酰化提供了一种创新性的多相催化方案，展示了其在实际工业化生产中的潜在应用前景，也为其他复杂反应体系中金属簇在多孔材料内的精准制备和催化应用提供了崭新的思路与技术范例。 查看详细>>

DNA拓扑结构变化可调控R-loop的动态平衡，与基因组稳定性密切相关。DNA拓扑异构酶1（TOP1）作为真核生物高度保守的拓扑异构酶，其特异性抑制剂CPT（camptothecin）可诱导基因组R-loop的积累，并导致基因组不稳定。然而，目前对于基因组拓扑结构变化如何影响R-loop水平进而调控基因组稳态的机制仍然未知。11月27日，清华大学生命学院孙前文实验室在《自然·通讯》（Nature Communications）期刊上发表了题为“DNA聚合酶ε协调基因组拓扑状态和R-loop的形成以保持拟南芥基因组的完整性”（DNA polymeraseεharmonizes topological states and R-loops formation to maintain genome integrity in Arabidopsis）的研究论文，揭示了拟南芥中DNA聚合酶ε参与调控topoR-loop动态变化和DNA复制进程，进而维持基因组完整性的分子机制。作者首先在拟南芥中应用TOP1抑制剂（TOP1i,TOP1 inhibitor）建立了一个反映R-loop水平与基因组拓扑状态的监测系统，发现CPT处理可显著促进根尖组织中基因组R-loop（拓扑结构发生改变导致的R-loop变化，简称为topoR-loop）水平和DNA断裂标记γH2AX水平的升高，并最终抑制根生长。利用CPT进行反向遗传筛选发现DNA损伤修复激酶ATM的突变对CPT尤其敏感，基因组R-loop水平积累尤为显著，根的生长受到严重抑制。在ATM突变体基础上利用该系统筛选鉴定出负责先导链合成的DNA聚合酶ε催化亚基POL2A的突变，可恢复ATM中TOP1i诱导的topoR-loop积累和DNA损伤。深入研究发现POL2A可抑制DNA复制起始位点附近topoR-loop的积累，并降低CPT处理后正在进行DNA复制的细胞中的DNA损伤水平。该研究表明，DNA聚合酶ε可响应基因组拓扑结构变化，协同调控R-loop动态变化和DNA复制进程，从而维持基因组的完整性。该发现对深入理解人类癌症化疗过程中ATM缺陷导致TOP1i靶向药物耐药性的机制提供了重要信息，同时为联合使用DNA损伤药物和分层治疗提供可能的新策略。清华大学生命学院2016级博士李沁为论文第一作者，孙前文副教授为论文通讯作者。该研究得到实验室成员周劲聪博士、李帅博士、张卫峰博士、李宽博士，2017级博士生杜盈雪，以及复旦大学王应祥教授的帮助。研究得到国家自然科学基金、国家科技部基金、清华-北大生命科学联合中心的资助。论文链接：https://www.nature.com/articles/s41467-023-43680-7#Sec2 查看详细>>

1965年，英特尔创始人之一戈登·摩尔提出影响芯片行业半个多世纪的“摩尔定律”：预言每隔约两年，集成电路可容纳的晶体管数目便增加一倍。半导体领域按摩尔定律繁荣发展了数十年，“芯片”，成为人类迈入智能时代的重要引擎。然而随着晶体管尺寸接近物理极限，近十年内摩尔定律已放缓甚至面临失效。如何构建新一代计算架构，建立人工智能时代的芯片“新”秩序，成为国际社会高度关注的前沿热点。针对这一难题，清华大学自动化系戴琼海院士、吴嘉敏助理教授与电子工程系方璐副教授、乔飞副研究员联合攻关，提出了一种“挣脱”摩尔定律的全新计算架构：光电模拟芯片，算力达到目前高性能商用芯片的3000余倍。相关成果以“高速视觉任务中的纯模拟光电芯片”（All-analog photo-electronic chip for high-speed vision tasks）为题，以长文（article）形式发表在《自然》（Nature）期刊上。如果用交通工具的运行时间来类比芯片中信息流计算的时间，那么这枚芯片的出现，相当于将京广高铁8小时的运行时间缩短到8秒钟。2023年诺贝尔物理学奖授予了阿秒激光技术。作为人类已知的宇宙中最快速度之一，许多超高速物理领域都少不了光的身影。然而科学家们用光来做计算，并不是一件容易的事。当计算载体从电变为光，就需要利用光传播中携带的信息进行计算。数年来海内外知名团队相继提出多种设计，但要替代现有电子器件实现系统级应用，仍面临许多国际难题：一是如何在一枚芯片上集成大规模的计算单元，并且约束误差累计程度；二是如何实现高速高效的片上非线性；三是为兼容目前以电子信号为主体的信息社会，如何提供光计算与电子信号计算的高效接口。如果不能解决这几个问题，光计算就难以真正替代当前的电子芯片，在信息社会大展身手。在这枚小小的芯片中，清华大学攻关团队创造性地提出了光电深度融合的计算框架。从最本质的物理原理出发，结合了基于电磁波空间传播的光计算，与基于基尔霍夫定律的纯模拟电子计算，“挣脱”传统芯片架构中数据转换速度、精度与功耗相互制约的物理瓶颈，在一枚芯片上突破大规模计算单元集成、高效非线性、高速光电接口三个国际难题。实测表现下，光电融合芯片的系统级算力较现有的高性能芯片架构提升了数千倍。然而，如此惊人的算力，还只是这枚芯片诸多优势的其中之一。在研发团队演示的智能视觉任务和交通场景计算中，光电融合芯片的系统级能效（单位能量可进行的运算数）实测达到了74.8 Peta-OPS/W，是现有高性能芯片的400万余倍。形象地说，原本供现有芯片工作一小时的电量，可供它工作500多年。目前限制芯片集成极限的一个关键因素，就是过高密度带来的散热难题。而在超低功耗下运行的光电融合芯片将有助于大幅度改善芯片发热问题，为芯片的未来设计带来全方位突破。更进一步，该芯片光学部分的加工最小线宽仅采用百纳米级，而电路部分仅采用180nm CMOS工艺，已取得比7纳米制程的高性能芯片多个数量级的性能提升。与此同时，其所使用的材料简单易得，造价仅为后者的几十分之一。科幻电影《流浪地球》中，人工智能系统Moss仅几秒钟便可遍历所有拯救地球的方案。在清华大学团队提出的超高性能光电芯片下，“未来计算机”的诞生似乎已不再遥远。光电融合的新型架构，不仅开辟出这项未来技术通往日常生活的一条新路径，还对量子计算、存内计算等其他未来高效能技术与当前电子信息系统的融合深有启发。论文通讯作者之一戴琼海院士介绍道：“开发出人工智能时代的全新计算架构是一座高峰，而将新架构真正落地到现实生活，解决国计民生的重大需求，是更重要的攻关，也是我们的责任。”《自然》期刊特邀发表的该研究专题评述也指出，“或许这枚芯片的出现，会让新一代计算架构，比预想中早得多地进入日常生活。”清华大学戴琼海院士、方璐副教授、乔飞副研究员、吴嘉敏助理教授为本文的共同通讯作者，博士生陈一彤、博士生麦麦提·那扎买提、许晗博士为共同第一作者，孟瑶博士、周天贶助理研究员、博士生李广普、范静涛研究员、魏琦副研究员共同参与研究。该课题得到科技部2030“新一代人工智能”重大项目、国家自然科学基金委基础科学中心项目等的支持。论文链接：https://doi.org/10.1038/s41586-023-06558-8 查看详细>>

北京时间10月24日，美国物理学会在其官网上宣布，中国科学院院士、清华大学教授、南方科技大学校长薛其坤获得2024年度巴克利奖。这是该奖项自设立以来首次颁发给中国籍物理学家。巴克利奖被公认为国际凝聚态物理领域的最高奖，旨在表彰在凝聚态物理领域作出卓越贡献的科学家。清华大学24日下午发布消息称，薛其坤凭借拓扑绝缘体研究和在拓扑绝缘体中发现量子反常霍尔效应的创新突破而获此殊荣。巴克利奖的授予，是国际物理学界对薛其坤和他所率领的研究团队多年来在拓扑绝缘体及量子反常霍尔效应相关领域持续深耕的高度认可。量子反常霍尔效应是凝聚态物理中的一个重要量子效应。长期以来，使其“现身”并实现实验观测难度极大，是各国研究者奋力追寻的科学目标。2009年起，薛其坤联合来自清华大学物理系、中国科学院物理研究所、美国斯坦福大学的多个研究组，组成攻关团队，从拓扑绝缘体研究方向尝试攀登这座科学高峰。2012年底，薛其坤和团队终于从实验上首次成功观测到量子反常霍尔效应。该成果于2013年3月在《科学》杂志发表，被审稿人称为“凝聚态物理界一项里程碑式的工作”。“科研成果的取得，得益于改革开放以来国家科技实力持续壮大和基础科学研究的长期深厚积累。这一荣誉，属于团队当中的每一位研究者，更属于所有的中国科学家。”薛其坤在获奖后表示，相信未来中国会有越来越多引领国际发展的科学发现和成果涌现。 查看详细>>

清华大学机械系温鹏副教授团队近日提出了一种基于生成式设计-多目标主动学习循环（GAD-MALL）算法的超材料设计方法，成功用于3D打印多孔金属骨植入物的结构设计和性能优化，为突破超材料设计时面临的高维度、少样本难题提供了通用的可行途径。多孔结构超材料广泛存在于自然界中，如蝴蝶翅膀和人体骨骼，展现出优于基质材料的力学和生物学性能，被广泛应用于轻质结构、组织工程、声学和电学等领域。3D打印使得高精度复杂多孔结构的低成本高效制造成为了可能，然而，超材料的结构设计空间十分庞大，结构与性能的映射关系复杂，如何发挥3D打印的结构功能化优势成为科学难题。基于机器学习的设计方法能够实现无先验知识条件下的高效设计，但目前发表的工作多集中于二维结构，仅适用于低维或单目标优化问题。工程中广泛应用的三维结构通常涉及高维多目标优化，具有数据稀疏性、庞大搜索空间和严格外部约束等特点。例如，用于骨缺损填充修复的多孔骨植入物需要具有和骨组织匹配的变形响应和足够的压缩强度，同时具有良好的生物活性和促成骨特性；而对于一个具有3*3*3个结构单元的多孔结构，如果每个单元的孔隙率有7个变量，那么理论上就有727种设计可能，因此需要一种高效的优化设计方法实现多目标性能优化和精准治疗目的。研究团队创新地提出了一种生成模型、三维卷积神经网络和数值模拟相融合的主动学习循环（GAD-MALL）算法用于超材料多孔结构设计。首先，基于生成式模型中的自编码器对18000余个多孔结构进行无监督学习，通过编码器-解码器神经网络学习高维数据中的有效信息，将高维设计空间转换至低维并展示在模型的潜在空间中；接着，通过高斯混合模型在潜在空间中进行采样，利用解码器对采样信息进行解码得到采样结构；进一步，利用三维卷积神经网络对采样结构的性能进行预测，利用数值模拟方法对预测性能最优的结构进行物理分析，校准预测结果并更新采样数据库；然后，基于更新后的三维卷积神经网络对新一轮采样结构进行预测，并迭代优化多目标性能；最终，将优化后的结构进行3D打印和物理测试，并与传统方案进行对比，直至实现预期的优化效果。这种学习方法能够在数据稀疏场景下有效解决高维多目标优化难题，为AI赋能材料和结构设计提供了一种高效范式。研究团队成功地将这种方法应用于钛合金和可降解锌金属骨缺损修复多孔植入物的优化设计和3D打印，生成的多孔植入物在快速匹配骨骼解剖形态和弹性模量的同时，保持良好的孔隙连通性和可制造性，展现出比均质结构和拓扑优化结构更高的屈服强度和更均匀的应力分布。目前团队和北医三院骨科合作，在国际上率先实现了3D打印可降解金属多孔植入物的临床应用，成功完成围关节骨折骨缺损修复30余例，未来将会采用AI赋能的定制化方法，对3D打印多孔植入物的材料和结构进一步优化，实现骨缺损修复的精准治疗。上述研究成果近日以“机器学习多目标超材料设计”（Machine learning-enabled constrained multi-objective design of architected materials）为题，发表于《自然·通讯》（Nature Communications）期刊。清华大学机械系2021级博士生彭勃、交叉信息研究院博士后韦业（现为洛桑联邦理工学院博士后）和机械系2017级博士生秦瑜（现为北京大学博士后）为文章的共同第一作者，韦业、秦瑜和温鹏为文章共同通讯作者。北医三院田耘教授，北京大学郑玉峰教授，德国马普钢铁研究所韩六六博士、李跃博士等参加了论文讨论。该研究得到国家重点研发计划、国家自然科学基金、清华大学-丰田联合研究基金、清华大学精准医学科研计划、水木学者等项目的资助。论文链接：https://www.nature.com/articles/s41467-023-42415-y 查看详细>>

人工神经网络（ANN）在过去十几年中发展迅猛。ANN范式最初的主要任务是通过调整固定拓扑结构的神经网络中的连接权重来实现（局部）最优的任务表现。但最近，如何使网络拓扑结构也能进化和自适应重构这一问题受到了领域里研究者更多的关注，因为网络拓扑结构的可进化能力被认为是人工通用智能的一个基础，这是人工智能技术的长远目标。效率和可重构性之间的冲突成为人工神经网络技术实现网络结构可进化目标的一个主要障碍。忆阻器是具有记忆功能的可变电阻器，具有丰富的内在动力学行为，和生物神经单元的行为有可类比之处，作为一种新型的神经形态硬件给脑启发计算范式的发展注入了巨大的活力。忆阻器通常被集成到交叉阵列中以用作神经网络中神经元层之间的突触连接。受经典深度学习算法的影响，忆阻器主要用于构建固定结构ANN的加速器。这要求忆阻器克服内在动力学所固有的随机性，以保持稳定的静态电阻和较高的循环耐受性。然而，为了满足这些需求，往往需要花费大量的器件级和电路级优化精力。受ANN技术发展趋势的引导和忆阻器在ANN应用中存在的问题启发，清华大学精密仪器系类脑计算团队提出逆向利用忆阻器动力学的内在随机性实现复杂网络的按需生成的方法。在该方法中，通过时间复用创建多个虚拟节点，并利用器件动力学所具有的周期到周期（cycle to cycle，C2C）可变性生成不平凡的网络拓扑特征，例如小世界特征。当用于储备池计算时，与传统的全连接网络储备池相比，忆阻器复杂网络可以显著增加储备池记忆容量并提高性能。这项工作拓展了基于忆阻器的神经形态计算范式，并有望启发对忆阻器的内在物理性质（例如动力学和随机性）进行更多研究和应用。该成果近日以“具有内在可变性的动态忆阻器内的生成复杂网络”（Generative complex networks within adynamic memristor with intrinsic variability）为题发表在《自然·通讯》（Nature Communications）上。该研究所用到的Pd/HfO2/Ta2O5/Ta忆阻器（图1所示）被电激发后的自发电阻衰减时间常数具有C2C可变性，以此作为时域虚拟节点连接的随机性来源。依据C2C随机性的统计规律设计了“probabilistic border and all-or-none connection”（PBAONC）连接生成机制用于创建复杂网络（图2所示）。该设计使得仅在单个忆阻器内通过调节时间复用时隙就可以便捷地调节复杂网络的拓扑结构，提高了忆阻器应用于ANN时的效率和可重构性。该方法利用动态忆阻器电阻衰减的内在C2C可变性来生成复杂的网络连接模式。生成的PBAONC复杂网络具有一定程度的小世界特性，这是生物（例如大脑）、互联网和社交网络中普遍存在的特征，实现了信息整合和分化的更优平衡。该工作展示了忆阻器PBAONC复杂网络在类脑储备池计算任务中的优势。实验结果表明，基于PBAONC拓扑的储备池网络具有更优的谱半径（图3所示）。忆阻器复杂网络储备池的记忆容量增加到传统忆阻器全连接储备池网络的209.8%并且在语音识别任务中展现出更佳的性能。该研究的第一完成单位为清华大学精密仪器系、清华大学类脑计算研究中心。清华大学精密仪器系2020级博士研究生郭云鹏、北京信息科技大学段文睿讲师和清华大学类脑计算中心刘学工程师为该论文共同第一作者，李黄龙副教授、马骋副研究员、刘学工程师和段文睿讲师为该论文的共同通讯作者。精密仪器系博士生王昕鑫、西南大学段书凯教授和王丽丹教授为研究作出了重要贡献。该研究得到了国家自然科学基金、科技创新2030-“脑科学与类脑研究”重大项目、北京市脑科学与类脑研究中心等的资助。论文链接：https://www.nature.com/articles/s41467-023-41921-3 查看详细>>

实验教学装备是工程人才培养思想和理论的实践载体。清华大学“反应工程基础”（团队成员：程易教授、王铁峰教授、颜彬航副教授）是国家级一流本科课程、清华大学标杆课程、清华大学精品课程。针对创新人才培养的新要求，以实验技术装备创新为载体，让学生在实验中体验多学科交叉和集成。近期，该团队开发了一个基于树莓派Pico的低成本、研究级、模块化热导池检测器，结合模块化气路系统和反应系统，可以实现程序升温表征、催化反应动力学测量和停留时间分布测量等分析测试，学生通过搭建和运行该实验系统，既加深了对“反应工程基础”课程的全局性理解，又体会到工程技术的多学科交叉特性，提高了学生掌握现代科学工具的意识和能力。该模块化检测器由热导气体传感器元件、树莓派Pico微控制器和3D打印流动池部件组成，基于开源的Thonny软件（Python集成开发环境）进行设备编程及软件开发。该设备以Cu/ZnO/Al2O3甲醇合成催化剂的程序升温还原测试为实验内容，训练学生通过实验学习和掌握2D/3D建模、3D打印、编程和硬件组装、仪器分析原理等知识，建立软硬件结合的多模块系统构建的工程思维，提高学生运用多学科知识、创新性地解决复杂工程问题的能力。该成果以“一个用于化学实验室分析的基于树莓派Pico的低成本、研究级、开源热导池检测器”（A Raspberry Pi Pico Based Low-Cost,Research-Grade,Open-Source Thermal Conductivity Cell Detector for Chemical Laboratory Analysis）为题在线发表在国际权威化学教育期刊《化学教育》（Journal of Chemical Education）上。论文通讯作者为清华大学化工系实验教学中心主任颜彬航副教授、“反应工程基础”课程负责人程易教授，第一作者为化工系2019级博士生陈雨鑫。论文共同作者包括清华大学化工系2020级博士生巫雨婷、2019级博士生李正稳和实验教学中心教师郑妍妍。研究得到清华大学本科教学改革项目“反应工程模块实验教学改革”及“模块知识融合‘反应工程基础’课程大作业设计”的资助。论文链接：https://doi.org/10.1021/acs.jchemed.3c00488 查看详细>>

由于“肿瘤-免疫循环”（Cancer-Immunity Cycle；CIC）的高度复杂性和异质性，其对免疫疗法的总体反应率总是有限。免疫治疗抵抗或无效的机制分为以下几类。第一，局部“肿瘤微环境”（Tumor Microenvironment；TME）和全身免疫反应的免疫抑制环境可能导致驻留或浸润的细胞毒性免疫细胞失活或衰竭，如“细胞毒性T淋巴细胞”（Cytotoxic TLymphocyte；CTL）。第二，局部TME的变形结构和血管高渗渗漏对治疗性细胞浸润或药剂输送构成了物理屏障。第三，由于TME和系统免疫反应的异质性，治疗性基因改造细胞上的特定分子结构总是导致反应的可变性和免疫抵抗。例如，实体瘤含有携带逃逸变体的细胞，可以逃避“嵌合抗原受体T细胞”（Chimeric Antigen Receptor Tcell；CAR Tcell）的定位。第四，有限的或不适当的给药方案导致疗效下降和过量的副作用增加。然而，解决所有这些挑战是传统的肿瘤模型系统，即二维共培养和动物模型所不能及的。机械工程系生物制造团队全面回顾了各种体外三维建模技术，包括支架（图1）、类器官（图2）、微流控（图3）和三维生物打印（图4），并强调这些技术如何应用于模拟和再现CIC，评估免疫治疗策略，探索优化免疫治疗的方案及个性化的肿瘤免疫治疗。此外，团队还评述和展望了该研究领域的挑战和重要发展机遇。在过去的十年中，体外三维模型作为先进的生物模型被开发出来，以克服过度简化的二维细胞共培养和代表性差的人源化小鼠模型的缺点。由于这些体外三维模型可以纳入各种患者来源的细胞和基质，并允许时空安排，它们经常被用来模拟CIC中的各种免疫龛，特别是侧重于局部TME。这使得人们可以深入了解细胞-细胞和细胞-环境的相互作用。此外，三维模型生成的均匀性控制和高通量格式对于在临床前或临床药物评估中获得可靠的结果是有利的。特别是，随着对癌症免疫治疗的空前关注，越来越多的工作已经开始使用三维模型来重建癌症中的局部或全身免疫环境。最近的进展表明了体外三维肿瘤免疫学模型的潜在作用，包括在基础研究中更好地定义CIC，评估和探索免疫疗法，以及开发人工龛位辅助的“药物递送系统”（Drug Delivery System；DDS）。从而为在三维体外系统中解决实体瘤免疫治疗耐药或无效的问题（包括免疫抑制微环境、瘤体物理屏障、治疗性基因改造免疫细胞特异性过强、药物递送方案有限或不当）提供了前所未有的机会，为理解细胞和分子机制、提高免疫治疗效果提供了多维的资源。近日，该工作以“利用三维体外系统建立实体瘤免疫反应模型：迈向改善和创造个性化免疫疗法的一步”（Harnessing 3D in vitro systems to model immune responses to solidtumours:a step towards improving and creating personalized immunotherapies）为题在线发表于国际杂志《自然?免疫学综述》（Nature Reviews Immunology）上。清华大学机械工程系2019级博士生周珍珍为文章第一作者，清华大学机械工程系生物制造团队庞媛副研究员和孙伟教授为文章的共同通讯作者。论文的重要合作者还包括2018级博士生季静远、2020级博士生何剑宇、博士后刘天坤、清华大学机械工程系副教授欧阳礼亮、国家癌症中心/中国医学科学院肿瘤医院教授张开泰和副研究员张文、上海交通大学医学院附属仁济医院上海市肿瘤研究所教授张志刚和副研究员张雪莉。该工作得到国家自然科学基金、国家重点研发计划、北京自然科学基金、北京科技新星计划、清华大学自主科研计划和高等学校学科创新引智计划的支持。论文链接：https://www.nature.com/articles/s41577-023-00896-4 查看详细>>