Một bài báo mới trên Nature từ Johns Hopkins (do GS. Lin @DingchangLin thực hiện) vừa giải quyết một trong những vấn đề khó nhất trong sinh học: làm thế nào để ghi lại những gì mỗi tế bào trong một mô đã trải qua theo thời gian, không chỉ là những gì nó trông như thế nào ngay bây giờ? Câu trả lời: GEMINI — Ký ức Mở Rộng Từng Phân Tử cho Tích Hợp Tường Thuật Nội Bào. Nó hoạt động giống như các vòng cây. Các tế bào được thiết kế gen để biểu hiện một cụm protein được thiết kế tính toán. Khi cụm này phát triển bên trong tế bào, nó ghi lại hoạt động tế bào dưới dạng các mẫu vòng huỳnh quang — mỗi vòng là một dấu thời gian, các thuộc tính của mỗi vòng mã hóa cường độ tín hiệu. Nhìn vào một mặt cắt dưới kính hiển vi, bạn có thể đọc lịch sử của tế bào theo chiều ngược lại, với độ phân giải khoảng 15 phút. Điều quan trọng: các tế bào tự xây dựng bộ ghi âm. GEMINI không can thiệp vào chức năng bình thường — nó chỉ lặng lẽ ghi lại. Những gì họ đã chứng minh: Trong một khối u xenograft hoàn chỉnh, GEMINI đã ghi lại lịch sử hoạt động của mọi tế bào ung thư trong toàn bộ khối u trong khi nó tiếp tục phát triển bình thường. Lần đầu tiên, các nhà nghiên cứu có thể nhìn lại và thấy các vùng khác nhau của cùng một khối u phản ứng khác nhau với liệu pháp theo thời gian — không phải là những bức ảnh tĩnh, mà là phim. Trong não chuột, GEMINI đã ghi lại động lực hoạt động thần kinh mà không làm gián đoạn hành vi, phối hợp hoặc trí nhớ. Nó có thể giải quyết tạm thời lịch sử của một cơn động kinh. Tại sao điều này quan trọng: Mọi công cụ mà chúng ta có trong sinh học đều cung cấp cho bạn trạng thái — những gì tế bào trông như thế nào bây giờ. Giải trình tự, hình ảnh, proteomics — tất cả đều là những bức ảnh tĩnh. GEMINI cung cấp cho bạn quỹ đạo. Đó là sự khác biệt giữa một bức ảnh và một video, áp dụng cho mọi tế bào trong một cơ quan đồng thời. Nhóm nghiên cứu đã rõ ràng rằng các công cụ giải mã dựa trên AI sẽ là trung tâm để đọc đầu ra của GEMINI ở quy mô toàn não. Đây là lớp dữ liệu giúp cho các atlas tế bào đơn lẻ theo thời gian trở nên khả thi. Bài báo: Chúc mừng @DingchangLin