12月2日外媒科學網站摘要：科學家希望從百歲老人幹細胞中找到長壽秘訣
12月2日（星期一）消息，國外知名科學網站的主要內容如下：
《自然》網站（www.nature.com）
科學家希望從百歲老人幹細胞中尋找長壽秘訣
美國波士頓大學的研究人員成功從百歲老人的血液中製備了重新編程的幹細胞。他們計劃將這些細胞分享給其他研究團隊，以進一步探究健康長壽的奧秘。
百歲老人爲研究長壽提供了寶貴的機會，但由於這類人羣數量稀少，他們的血液和皮膚樣本極爲珍貴。研究人員從約30名百歲老人中分離出血細胞，並將其重新編程爲誘導多能幹細胞（iPS）。這種細胞能夠回到多能狀態，可以轉化爲體內的任何細胞類型。在不改變遺傳信息的情況下，這些幹細胞通過逆轉過程“重返年輕”，爲研究衰老的遺傳機制提供了獨特的工具。
實驗已經利用這些幹細胞展開。例如，研究人員從百歲老人的iPS細胞中培養出神經元。研究表明，細胞老化的一個標誌是蛋白質質量控制機制的下降，這可能引發疾病。初步研究結果顯示，百歲老人神經元在常規條件下活動較低，但在應激條件下能迅速啓動蛋白質質量控制機制，以高效分離錯誤摺疊的蛋白質。
另一個研究團隊利用百歲老人的腦細胞建立了阿爾茨海默病的3D大腦模型，並與60多歲人羣的細胞模型進行了對比。研究發現，百歲老人腦細胞表達了更多與阿爾茨海默病預防相關的基因。
未來，研究人員希望利用這些幹細胞生成更多與衰老相關的細胞類型，如肝細胞、肌肉細胞和腸道細胞，甚至培育出微型器官。
《每日科學》網站（www.sciencedaily.com）
1、納米機器人手可“抓住”病毒進行診斷，並阻止病毒入侵細胞
美國伊利諾伊大學的研究人員開發出一種名爲NanoGripper的納米機器人手。由DNA摺疊而成的這隻四指“手”可以抓取新冠病毒，實現高靈敏度快速檢測，甚至能夠阻止病毒顆粒侵入細胞。更重要的是，這種納米機器人手還能通過編程作用於其他病毒，或識別細胞表面標記物，用於靶向藥物遞送，例如癌症治療。
研究人員在《科學機器人》（Science Robotics）雜誌上發表了他們的最新進展。
NanoGripper的設計靈感來源於人類手部和鳥爪的抓握力，其結構包括四個可彎曲的手指和一個手掌，由一段DNA摺疊成納米結構。每個手指有三個關節，彎曲角度由DNA支架的設計決定。手指上的DNA適體可以與特定分子結合，觸發手指彎曲並抓取靶標。
此外，NanoGripper可附着在生物醫學裝置上，用於傳感或藥物遞送。研究人員還計劃設計針對其他病毒（如流感病毒、艾滋病毒或乙型肝炎病毒）的版本。
2、科學家發現導致216種鳥類滅絕的特徵
爲保護極危鳥類，美國猶他大學的生物學家完成了一項分析，總結出自1500年以來導致216種鳥類滅絕的特徵。
研究表明，那些最早滅絕的鳥類通常具備以下特徵：僅在島嶼上分佈、無法飛行、體型較大、翅膀尖長、佔據特定生態位等。雖然此前已有研究關注過這些特徵，但這是首次將鳥類特徵與滅絕時間聯繫起來的研究。
研究團隊利用全球鳥類特徵數據庫BirdBase，分析了11600多種鳥類的生物地理、生態和生活史特徵，並將其與滅絕時間聯繫起來。這一分析爲理解特定鳥類物種爲何在滅絕時消失提供了新視角。
研究發現有助於指導瀕危鳥類的保護工作，通過識別最容易導致滅絕的特徵，可以更有針對性地保護數百種瀕危物種。
研究團隊指出：“我們的方法優勢在於同時對多個特徵進行比較，而此前許多研究僅孤立地考察某些特徵。”
《賽特科技日報》網站（https://scitechdaily.com）
1、突破性技術將二氧化碳轉化爲甲烷燃料
美國俄亥俄州立大學的化學家開發了一種創新方法，可以捕捉二氧化碳並將其轉化爲甲烷。這項技術爲未來利用氣體排放結合可再生能源生產替代燃料帶來了新希望。
二氧化碳（CO₂）是溫室氣體的主要組成部分，也是全球氣候變暖的主要原因。它主要來自發電廠、工廠和交通工具等。傳統碳捕獲系統旨在減少大氣中的二氧化碳，通過將其從其他氣體中分離並轉化爲有用產品來降低排放。然而，由於這些系統通常需要消耗大量能源，因此難以大規模應用於工業。
現在，研究人員通過使用一種特殊的鎳基催化劑，找到了一種將捕獲的二氧化碳直接轉化爲甲烷的新方法，這顯著節省了能源。研究團隊將鎳原子放置在通電錶面上，能夠直接將氨基甲酸酯（一種二氧化碳捕獲形式）轉化爲甲烷。鎳是一種廉價且廣泛使用的催化劑，實驗表明它非常適合這種轉化。
與傳統技術相比，這種方法將捕獲、回收和轉化步驟合併爲一個過程，大幅節省了能源。這一技術的突破不僅簡化了碳捕獲過程，還重新定義了科學界對碳循環的理解，爲開發更快、更高效的氣候變化緩解技術奠定了基礎。
該研究成果發表在《美國化學學會雜誌》（Journal of the American Chemical Society）上。展望未來，研究團隊計劃進一步探索其他清潔能源化學方案，推動可持續碳捕獲技術的多樣化發展。
2、打破數據壁壘：新材料顯著提升AI模型運行效率
數據量的迅速增長對信息和通信技術提出了嚴峻挑戰。人工智能（AI）應用，特別是訓練大型語言模型，對計算資源和並行計算系統中數千個處理器之間的高效通信提出了極高要求。
光收發器在這一過程中起着關鍵作用，它將電子數據轉換爲光信號，並通過光纖或波導實現快速高效的傳輸。傳統上，硅組件被廣泛用於這一轉換過程，但隨着數據需求的不斷攀升，硅組件逐漸難以滿足要求。此外，目前的光收發器能耗較高，導致與AI技術相關的碳排放顯著增加。
爲解決這一問題，德國卡爾斯魯厄理工學院（KIT）發起的ATHENS項目正在通過採用新型材料組合，致力於提升光收發器的性能並降低能耗，從而爲AI應用乃至整個高科技領域帶來深遠影響。
ATHENS項目重點研究用於電子到光信號轉換的新材料系統和組件，目標是開發更強大、更高效的光收發器，以便在相同甚至更低的能耗下實現更高的數據傳輸速率。
研究團隊採用了一種混合材料方法，將硅與其他材料相結合。其中一項創新是使用有機材料，即碳基化合物。團隊首先在計算機上模擬這些分子的特性，然後在實驗室中生產出符合需求的材料，並將其打印在硅片上。
另一種方法是將硅光子芯片與其他芯片結合，形成額外的材料平臺。例如，在絕緣體上的晶體平臺中，研究人員將薄單晶層放置在絕緣襯底上，隨後加工成光學元件。
除了AI模型的應用，這種混合材料系統還可廣泛用於量子技術和醫學工程領域。例如，它可以用於可穿戴設備的傳感器或血液樣本分析的光學芯片實驗室設備。
（劉春）