具有信号网络的人工细胞

‘壹’ 为什么科学家会表示，人造细胞目前拥有很好的应用前景

据英国帝国理工学院官网近日消息，该校一个研究团队成功开发出一种新型人造细胞，能够模仿天然细胞感知环境中的化学变化并产生反应。如果在未来发展成熟，这项技术可广泛用于生物科技等领域。相关成果已刊登在近期美国《国家科学院学报》上。

长期以来，合成生物学家都对人造细胞抱有很大希望。与一般简单的合成结构相比，相对复杂的人造细胞可对环境更敏感，并能执行更多种类的工作，例如递药、追踪癌细胞、检测有毒化学物质，以及提高诊断准确性等。

研究论文第一作者、英国帝国理工学院的詹姆斯·新德利表示，人造细胞目前拥有很好的应用前景，譬如说，未来可创造出一种能感知肿瘤标志物并在体内合成药物的人造细胞，或者也可以开发出能感知环境中危险重金属，同时释放海绵状物质把它们清除掉的人造细胞。

‘贰’ 求有关E cell的介绍与详细情况

分类: 理工学科
解析:

电子细胞(E-cell)

报告类型:Seminar I

报告人:高明波

题目组:1812— 海洋生物产品工程组

导 师:张 卫 研究员

日 期:2005-05-17

什么是电子细胞

电子细胞(E-cell)即虚拟细胞(virtual cell)

是在计算机上模拟真实细胞的结构,物质组成,生命活动的动力学行为和生命现象,用虚拟现实的方式实现友好人颂亩机交互,以便研余灶究者构造细胞结构和其内外部环境物质组成,考察,记录细胞实验现象和功能,再现细胞生命活动和发现新的生物学现象规律.

电子细胞亦称人工细胞,是人工生命的重要基础部分.

电子细胞产生的背景

20世纪末期,人类和许多模式生物基因组计划的完成引来了以基因功能研究为目的的后基因组时代.

后基因组时代一个重要的研究目的是在整体水平上利用系统思维来研究生命现象. 这标志着生物学研究的一个新时代-"系统生物学"时代"的到来.

电子细胞是系统生物学的重要部分

实验研究,数学建模和计算机模拟是进行系统生物学研究必不可少的工具.

应用信息科学的原理和技术, 通过数学计算和分析,对细胞的结构和功能进行分析,整合,可以将整个细胞系统在分子水平上建立模型,并通过计算机加以模拟, 以研究细胞和生命现象. 这就是电子细胞技术.

电子细胞系统结构

已构建的电子细胞

目前构建的电子细胞主要有:

E-cell ――

V-CELL ――

GENESSI ――

GEPASI gepasi/

JARNAC members.tripod.co.uk/sauro/biotech

DBSOLVE websites.ntl/~igor.goryanin/

BioSpice lbl.gov/~aparkin/

M-Cell mcell.psc.e/

StochSim zoo.cam.ac.uk/p-cell/StochSim

…… 等.

这些虚拟细胞或者说细胞仿真系统都试图采用信息技术的方法来研究细胞生物学中一个或多个内容.譬如说E-cell (Masaru Tomita,Keio University,Japan) 就主要针对细胞核,染色体以及基因表达的研究.V-CELL则结合细胞结构在Ca2+,RNA扩散等方面进行了模拟.Genessi则针对细胞膜与跨膜信号传导.

最早的电子细胞模型—E-cell

日本keio(庆应)大学Masaru Tomita领导的研究组以原核细胞生物生殖支原体( M. genitalium)为对象,在1997年实现了世界上第一个虚拟电子细胞

该模型选取了127个与代谢过程相关的基因,对细胞内与代谢过程密切相关的物质与能量活动过程建立了数学模型,采用面向对象方法实现计算机模拟.

该模型不仅可以模拟代谢途径,亦可模拟蛋白质合成与信号转导.现用C++编写的可下载版本已经是3.0.

为何选择M. genitalium

the *** allest genome (580 kb)

the *** allest number of genes (~480) of all living ani *** s currently known

and its genomic sequences have been published (see tigr/).

and thus is an ideal candidate for wholE-cell modeling.

The ssc model

美国虚野毁森拟真核细胞模型— V-cell

1999年美国学者James Schaff和Leslie Loew建立真核细胞钙转运的模型 Virtual cell .注: NRCAM (National Resource for Cell Analysis and Modelling)项目

美国的虚拟细胞以真核细胞为虚拟对象.主要由客户端(用户界面) ,数据库和服务器(细胞的建模) 三部分组成.利用该虚拟细胞可以完成神经母细胞瘤的钙动力学,受精卵细胞的钙离子流,RNA 的转运,线粒体的作用和细胞核膜的作用等一系列关于真核细胞的生物学活动和功能.

实验过程:首先由用户通过客户端向服务器提交实验"说明书"———实验的要求和涉及的物质与反应等.服务器根据用户对实验的定义以及实验细胞的模型从后台数据库中提取数据并应用服务器上的软件和分析系统进行分析和处理,完成虚拟实验.最终的实验结果以类似生物学实际实验结果的形式包括图象,表格返回给用户.

现在,这种虚拟细胞已经在网上发布.

V-cell 与 E-cell 的不同

以真核细胞为研究基础

通过2-D 和3-D影像可以对细胞进行结构学和形态学研究

Java Applet 界面运行于服务器

在整个实验过程中.实验者可以自由控制

实验过程和各种参数.

About v-cell and its database

新一代电子细胞模型— cyber-cell

美国 Indiana 的peter Ortoleva 等人开发

特点:可模拟活细胞对外界反应,物质运输及基因组变化.使用户不仅可获得虚拟细胞实验的计算值,还可获得一个可视化的,含有丰富信息的细胞活动影像.

其他虚拟细胞类型

2002年3月,美国加州大学戴维斯分校Mogilner等人对猪蛔虫 *** 细胞的游动情况进行分析后,设计出了一个"虚拟细胞"模型.类似的模型将为研究细胞的运动机制提供新的工具.该成果发表于Journal of Cell Science

Gaussian98模拟生物大分子相互作用的卓越能力

E-cell 特点

1,系统性: 虚拟细胞运用了现代系统论的观点,不仅仅包括一些单一的细胞事件和过程,而是从整体的角度为细胞描绘一幅全图.

2,模拟性: 虚拟细胞采用了计算机模拟技术, 通过建立模型来描绘真实细胞的生长代谢过程,这给细胞研究者带来了很大方便.

3,直观性: 虚拟细胞能把每个时刻特定位置上特定物质的变化,通过画面和数字报告给研究者,具有很强的直观性.

4,学科交叉性: 虚拟细胞是一个多学科交叉的技术领域. 除了充分利用现代细胞分子生物学的广泛基础和庞杂的实验研究成果以外, 还必须依赖于数学和信息科学的最新成果.虚拟细胞的研究不仅可以推动整个生命科学的发展, 也将促进其他学科的发展.

E-cell 构建过程

1,选择建模对象.这需要生物领域专家选择细胞的种类,所要模拟的功能和细胞内的生物化学反应等

2,建立相关数据库.这一步是构建虚拟细胞的准备工作,主要任务是搜集大量的尽可能全面的相关数据,并进行分类整理,建立数据库.一般以蛋白质为核心构建相关数据库.最完备的数据库是日本科学家建立的京都基因和基因组网络全书(KEGG)._KEGG包括一系列免费的网上数据库,建于1995年5月,由日本 *** 资助.

3,建立模型: 这是构建虚拟细胞的重要步骤.这一步的主要任务是通过数学计算,将生物反应过程实现数字化模拟,并运用信息科学的理论建立虚拟细胞的模型.

4,模型的实现: 该阶段的任务是通过编程来实现细胞模型的计算机模拟.

5,测试和维护: 目前所构建的虚拟细胞主要由控制界面,存储,分析和控制系统,计算系统和反应界面4部分组成.

E-cell 研究意义

医疗:用于病变的早期预防,病变的诊断,疾病的治疗模拟,保健,新药物的实验和发明等

教育:电子细胞以其生动和可视化的表现形式可以改变传统医学生物学教学模式.部分代替和辅助传统医学生物学实验和教学

科学研究:采用电子细胞可代替或辅助真实细胞进行各种科学研究. 可实现实际实验中很难实现的条件,发现一些在真实细胞实验很难观察到的现象和规律.电子细胞亦可谓是芯片上的生物实验室或研究所.

社会生活:电子细胞是一个多能的仿生环境,应用电子细

胞可以观察环境因素对人体的影响及其作用途径,提出防治

措施.

电子细胞的研究现状

目前, 许多细胞代谢的整体模型已开发出来.大部分基于静止状态细胞的静态模型已用于精细的代谢分析.包括大量代谢反应的动态模型也已开发. 如大肠杆菌的碳代谢模型,糖酵解模型,大肠杆菌苏氨酸生物合成途径等.

当前虚拟细胞研究的目标是在整体水平上构建更大规模的人体和其他生命体细胞模型.

美国电子细胞重大项目

美国国家普及医药研究院(NIGMS) 已提出了对心血管细胞信号传导和B 细胞的资助计划最终的计划目标是创造这些特别类型细胞的电子细胞.

美国国家能源部继基因组计划之后设立了微生物细胞计划(Microbial Cell Project 即MCP).其目标是在计算机上建造虚拟的微生物细胞.这对能源,环保,生物免疫能力的研究有十分重要的意义.

目前电子细胞研究所处的发展阶段

电子细胞的发展大体上可以分为三个阶段:

首先是构造 阶段-这一阶段主要研究电子细胞的物质构成,基本功能模拟,包括方便的人机交互可视化界面及开放的网络设计支撑平台开发.

其次,是细胞功能行为模拟试验和优化完善阶段;

第三是应用阶段,这一阶段电子的细胞已具备了强大的模拟真实细胞的能力.细胞的类型,数量,种类极为丰富,功能也基本完善实用,成为医学,生物学,生化工程,能源和环境等领域实际应用的一种不可或缺的重要工具,是相应产业的重要支撑技术.

目前,国际上的主要工作仍处于第一阶段.即构造研究阶段.

E-cell 研发遇到的主要问题

全面和真实地模拟一个细胞尚有不少的困难.最主要的问题之一是缺少定量的数据.大多数生物学的知识是以定性的方式提供的.而实现模拟需要定量化.

计算机运算速度是很大问题

Cell, an old topic, a new topic

Study of the cell will never be plete unless its dynamic behavior is understood.

The plex behavior of the cell cannot be determined or predicted unless a puter model of the cell is constructed and puter simulation is undertaken.

—Masaru Tomita

E-cell 最终的目标:virtual-human

英国牛津大学的研究人员编写出了虚拟心脏的软件.虚拟心脏中有大量虚拟细胞,每个细胞都可吸收虚拟的糖分和氧气.在计算机屏幕上,这个虚拟心脏就像真的心脏一样跳动.通过输入不同的程序,这个虚拟心脏能产生不同的疾病,并能对不同的新药产生不同的反应,科学家把这个结果作为评价新药性能的一个依据.

美国一些研究人员正在创建计算机虚拟医院,在那里已经有了许多哮喘虚拟患者,糖尿病虚拟患者和心脏病虚拟患者.医药专家能摆脱真实的临床实验会遇到的各种困难,从这个虚拟医院更快地得到结果.计算机模型中,许多影响疾病的因素都被考虑进去了.例如,每个虚拟患者都有虚拟的肝脏和胰腺,这些器官的健康状况影响着虚拟患者体内的血糖浓度,当血糖浓度过高时,患者就会出现糖尿病的症状.

References

1.虚拟细胞研究进展及应用价值 杨 冬 欧阳红生 细胞与分子免疫学杂志 2005, 21 ( Supp l)

2.虚拟细胞—人工生命的模型 孙冬泳 汤健 中华医学杂志 2001 年11 月10 日第81 卷第21期

3.虚拟心脏:细胞水平的解决 甄一松 中国分子心脏病学杂志 2002年8月2卷4期

4.虚拟细胞 陈源 细胞生物学杂志 2004年6月26卷3期

5.电子细胞的研究现状与展望 赵明生,尚 彤 2001年12月第12A期

6. Quantitative cell biology with the virtual cell Boris M. Slepchenko, James C. Schaff, Ian Macara and Leslie M. Loew TRENDS in Cell Biology Vol.13 No.11 November 2003

7. Whole cell simulation:a grand challenge of the 21st century Masaru Tomita TRENDS in Biotechnology Vol.19 No.6 June 2001

8. The Virtual Cell:a sofare environment for putational cell biology Leslie M. Loew James C. Schaff TRENDS in Biotechnology Vol.19 No.10 Octo 2001

‘叁’ 人工神经网络（ANN）简述

我们从下面四点认识人工神经网络（ANN: Artificial Neutral Network）：神经元结构、神经元的激活函数、神经网络拓扑结构、神经网络选择权值和学习算法。

1. 神经元：
我们先来看一组对比图就能了解是怎样从生物神经元建模为人工神经元。

下面分别讲述:
生物神经元的组成包括细胞体、树突、轴突、突触。树突可以看作输入端，接收从其他细胞传递过来的电信号；轴突可以看作输出端，传递电荷给其他细胞；突触可以看作I/O接口，连接神经元，单个神经元可以和上千个神经元连接。细胞体内有膜电位，从外界传递过来的电流使膜电位发生变化，并且不断累加，当膜电位升高到超过一个阈值时，神经元被激活，产生一个脉冲，传递到下一个神经元。

为了更形象理解神经元传递信号过程，把一个神经元比作一个水桶。水桶下侧连着多根水管（树突），水管既可以把桶里的水排出去（抑制性），又可以将其他水桶的水输进来（兴奋性），水管的粗细不同，对桶中水的影响程度不同（权重），水管对水桶水位（膜电位）的改变就是水桶内水位的改变，当桶中水达到一定高度时，就能通过另一条管道（轴突）排出去。

按照这个原理，科学家提出了M-P模型（取自两个提出者的姓名首字母），M-P模型是对生物神经元的建模，作为人工神经网络中的一个神经元。

由MP模型的示意图，我们可以看到与生物神经元的相似之处，x_i表示多个输入，W_ij表示每个输入的权值，其正负模拟了生物神经元中突出的兴奋和抑制；sigma表示将全部输入信号进行累加整合，f为激活函数，O为输出。下图可以看到生物神经元和MP模型的类比：

往后诞生的各种神经元模型都是由MP模型演变过来。

2. 激活函数
激活函数可以看作滤波器，接收外界各种各样的信号，通过调整函数，输出期望值。ANN通常采用三类激活函数:阈值函数、分段函数、双极性连续函数（sigmoid，tanh）：

3. 学习算法
神经网络的学习也称为训练，通过神经网络所在环境的刺激作用调整神经网络的自由参数（如连接权值），使神经网络以一种新的方式对外部环境做出反应的一个过程。每个神经网络都有一个激活函数y=f(x)，训练过程就是通过给定的海量x数据和y数据，拟合出激活函数f。学习过程分为有导师学习和无导师学习，有导师学习是给定期望输出，通过对权值的调整使实际输出逼近期望输出；无导师学习给定表示方法质量的测量尺度，根据该尺度来优化参数。常见的有Hebb学习、纠错学习、基于记忆学习、随机学习、竞争学习。

4. 神经网络拓扑结构
常见的拓扑结构有单层前向网络、多层前向网络、反馈网络，随机神经网络、竞争神经网络。

5. 神经网络的发展

（不能贴公式不好解释啊 -_-!）sigma是误差信号，yita是学习率，net是输入之和，V是输入层到隐含层的权重矩阵，W是隐含层到输出层的权重矩阵。

之后还有几种

随着计算机硬件计算能力越来越强，用来训练的数据越来越多，神经网络变得越来越复杂。在人工智能领域常听到DNN（深度神经网络）、CNN（卷积神经网络）、RNN（递归神经网络）。其中，DNN是总称，指层数非常多的网络，通常有二十几层，具体可以是CNN或RNN等网络结构。

参考资料 ：

‘肆’ 信号处理的神经网络方法

信号处理的神经网络方法如下：

1、原数据可能数据量很大，维数很，计算机处理起来时间复杂度很高，预处理可以降低数据维度写作猫。数据的很多特性非常影响神经网络等分类模型的效果。

2、比如数据值得分布不在一个尺度上，当地气温值与当地月工资显然不在一个数量级上，这时，需要数据规范化，把这两个特征的数据都规范到0到1，这样使得它们对卖弊模型的影响具有同样的尺度。

我们挑选BP、RBF、SOFM、LVQ、Hopfield这5种已成功应用于解决实际信号处理问题的网络结构进行详细介绍，并对如何利用它们解决信号处理问题进行分析。另外还介绍了量子比特神经网络这种新兴网络结构。

‘伍’ 人工智能：什么是人工神经网络

许多 人工智能 计算机系统的核心技术是人工神经网络(ANN)，而这种网络的灵感来源于人类大脑中的生物结构。

通过使用连接的“神经元”结构，这些网络可以通过“学习”并在没有人类参与的情况下处理和评估某些数据。

这样的实际实例之一是使用人工神经网络(ANN)识别图像中的对象。在构建一个识别“猫“图像的一个系统中，将在包含标记为“猫”的图像的数据集上训练人工神经网络，该数据集可用作任何进行分析的参考点。正如人们可能学会根据尾巴或皮毛等独特特征来识别狗一样，人工神经网络(ANN)也可以通过将每个图像分解成不同的组成部分(如颜色和形状)进行识别。

实际上，神经网络提供了位于托管数据之上的排序和分类级别，可基于相似度来辅助数据的聚类和分组。可以使用人工神经网络(ANN)生成复杂的垃圾邮件过滤器，查找欺诈行为的算法以及可以精确了解情绪的客户关系工具。

人工神经网络如何工作

人工神经网络的灵感来自人脑的神经组织，使用类似于神经元的计算节点构造而成，这些节点沿着通道(如神经突触的工作方式)进行信息交互。这意味着一个计算节点的输出将影响另一个计算节点的处理。

神经网络标志着人工智能发展的巨大飞跃，在此之前，人工智能一直依赖于使用预定义的过程和定期的人工干预来产生所需的结果。人工神经网络可以使分析负载分布在多个互连层的网络中，每个互连层包含互连节点。在处理信息并对其进行场景处理之后，信息将传递到下一个节点，然后向下传递到各个层。这个想法是允许将其他场景信息接入网络，以通知每个阶段的处理。

单个“隐藏”层神经网络的基本结构

就像渔网的结构一样，神经网络的一个单层使用链将处理节点连接在一起。大量的连接使这些节点之间的通信得到增强，从而提高了准确性和数据处理吞吐量。

然后，人工神经网络将许多这样的层相互叠放以分析数据，从而创建从第一层到最后一层的输入和输出数据流。尽管其层数将根据人工神经网络的性质及其任务而变化，但其想法是将数据从一层传递到另一层，并随其添加附加的场景信息。

人脑是用3D矩阵连接起来的，而不是大量堆叠的图层。就像人类大脑一样，节点在接收到特定刺激时会在人工神经网络上“发射”信号，并将信号传递到另一个节点。但是，对于人工神经网络，输入信号定义为实数，输出为各种输入的总和。

这些输入的值取决于它们的权重，该权重用于增加或减少与正在执行的任务相对应的输入数据的重要性。其目标是采用任意数量的二进制数值输入并将其转换为单个二进制数值输出。

更复杂的神经网络提高了数据分析的复杂性

早期的神经网络模型使用浅层结构，其中只使用一个输入和输出层。而现代的系统由一个输入层和一个输出层组成，其中输入层首先将数据输入网络，多个“隐藏”层增加了数据分析的复杂性。

这就是“深度学习”一词的由来——“深度”部分专门指任何使用多个“隐藏”层的神经网络。

聚会的例子

为了说明人工神经网络在实际中是如何工作的，我们将其简化为一个实际示例。

想象一下你被邀请参加一个聚会，而你正在决定是否参加，这可能需要权衡利弊，并将各种因素纳入决策过程。在此示例中，只选择三个因素——“我的朋友会去吗?”、“聚会地点远吗?”、“天气会好吗?”

通过将这些考虑因素转换为二进制数值，可以使用人工神经网络对该过程进行建模。例如，我们可以为“天气”指定一个二进制数值，即‘1'代表晴天，‘0'代表恶劣天气。每个决定因素将重复相同的格式。

然而，仅仅赋值是不够的，因为这不能帮助你做出决定。为此需要定义一个阈值，即积极因素的数量超过消极因素的数量。根据二进制数值，合适的阈值可以是“2”。换句话说，在决定参加聚会之前，需要两个因素的阈值都是“1”，你才会决定去参加聚会。如果你的朋友要参加聚会(‘1')，并且天气很好(‘1')，那么这就表示你可以参加聚会。

如果天气不好(‘0')，并且聚会地点很远(‘0')，则达不到这一阈值，即使你的朋友参加(‘1')，你也不会参加聚会。

神经加权

诚然，这是神经网络基本原理的一个非常基本的例子，但希望它有助于突出二进制值和阈值的概念。然而，决策过程要比这个例子复杂得多，而且通常情况下，一个因素比另一个因素对决策过程的影响更大。

要创建这种变化，可以使用“神经加权”——-通过乘以因素的权重来确定因素的二进制值对其他因素的重要性。

尽管示例中的每个注意事项都可能使你难以决策，但你可能会更重视其中一个或两个因素。如果你不愿意在大雨中出行去聚会，那恶劣的天气将会超过其他两个考虑因素。在这一示例中，可以通过赋予更高的权重来更加重视天气因素的二进制值：

天气= w5

朋友= w2

距离= w2

如果假设阈值现在已设置为6，则恶劣的天气(值为0)将阻止其余输入达到所需的阈值，因此该节点将不会“触发”(这意味着你将决定不参加聚会)。

虽然这是一个简单的示例，但它提供了基于提供的权重做出决策的概述。如果要将其推断为图像识别系统，则是否参加聚会(输入)的各种考虑因素将是给定图像的折衷特征，即颜色、大小或形状。例如，对识别狗进行训练的系统可以对形状或颜色赋予更大的权重。

当神经网络处于训练状态时，权重和阈值将设置为随机值。然后，当训练数据通过网络传递时将不断进行调整，直到获得一致的输出为止。

神经网络的好处

神经网络可以有机地学习。也就是说，神经网络的输出结果并不受输入数据的完全限制。人工神经网络可以概括输入数据，使其在模式识别系统中具有价值。

他们还可以找到实现计算密集型答案的捷径。人工神经网络可以推断数据点之间的关系，而不是期望数据源中的记录是明确关联的。

它们也可以是容错的。当神经网络扩展到多个系统时，它们可以绕过无法通信的缺失节点。除了围绕网络中不再起作用的部分进行路由之外，人工神经网络还可以通过推理重新生成数据，并帮助确定不起作用的节点。这对于网络的自诊断和调试非常有用。

但是，深度神经网络提供的最大优势是能够处理和聚类非结构化数据，例如图片、音频文件、视频、文本、数字等数据。在分析层次结构中，每一层节点都在前一层的输出上进行训练，深层神经网络能够处理大量的这种非结构化数据，以便在人类处理分析之前找到相似之处。

神经网络的例子

神经网络应用还有许多示例，可以利用它从复杂或不精确数据中获得见解的能力。

图像识别人工神经网络可以解决诸如分析特定物体的照片等问题。这种算法可以用来区分狗和猫。更重要的是，神经网络已经被用于只使用细胞形状信息来诊断癌症。

近30年来，金融神经网络被用于汇率预测、股票表现和选择预测。神经网络也被用来确定贷款信用评分，学习正确识别良好的或糟糕的信用风险。而电信神经网络已被电信公司用于通过实时评估网络流量来优化路由和服务质量。

‘陆’ gmva和gmvb的信息交流方式是什么

ssDNA信使。
人工细胞群落(GMVA与GMVB)。利用DNA链置换反应，两种细胞间发生信号传递，释放出信息链来打开DNA纳米孔膜通道，实现控制离子运输的功能。来自一个GMV群体（GMVB）的膜蛋白样刺激剂刺激另一个GMV群体（GMVA）粗神纳上的受瞎中体释放ssDNA信使，从而激活合成跨膜通道，使离子能够流入。
人工细胞间的信号识别与反应。GMVB上的岩没信号刺激器与GMVA上的信号接收器发生反应，释放出可以打开纳米孔的密钥序列。

‘柒’ 细胞信号传递的基本特征

细胞信号传递的基本特征
（1）多途径、多层次的细胞信号通路具有收敛性或是发散性
（2）细胞的信号转导具有专一性与相似性
（3）信号转到过程中有信号放大作用：信号的放大作用与信号所启动的作用并存
（4）细胞的适应性
（二）蛋白激酶的网络整合信息
细胞信号传递构成一个复杂的信号网络系统 具有高度的非线性特点，即信号网络中各通路之间存在cross talking的相互关系 而蛋白激酶的网络整合信息是不同信号通路之间实现的 交谈 的一 种重要方式

‘捌’ 人工产生的细胞相互通信

人工产生的细胞相互通信

慕尼黑工业大学(TUM)的研究人员Friedrich Simmel和Aurore Dupin首次创造出可以相互通信的人造细胞组件。这些细胞由脂肪膜分离，通过交换小的化学信号分子来触发更复杂的反应，如RNA和其他蛋白质的生成。世界各地的科学家都在致力于创造模拟生物行为的人造细胞系统。Friedrich Simmel和Aurore Dupin现在第一次在固定的空间安排中创造出这样的人造细胞组件。最重要的是这些细胞能够相互通信。

慕尼黑大学合成生物系统物理学(E14)教授弗里德里希·西梅尔解释说:“我们的系统是向类似组织的合成生物材料迈出的第一步，这种材料表现出复杂的时空行为，在这种行为中，单个细胞进行专门化和分化，这与生物有机体没有什么不同。”

基因在固定结构中的表达.包裹在薄脂肪或聚合物膜中的凝胶或乳化液滴是人造细胞的基本组成部分。在这些10到100微米大小的装置内，化学和生化反应可以不受抑制地进行。研究小组利用脂质膜包裹圆蚂的液滴，将它们组装成人工多细胞结构的“微组织”。液滴中的生化反应溶液可以产生RNA和蛋白质，使细胞具有一种基因表达能力。

细胞信号交换与空间分化.但这还不是全闭毕部:小的“信号分子”可以通过细胞膜或细胞膜内的蛋白质通道在细胞之间交换。这使得它们可以在时间和空间上相互结合。系统因此变得动态——就像在现实生活中一样。

化学脉冲因此在细胞结构中传播并传递信息。这些信号也可以作为触发器，让最初相同的细胞以不同的方式发育。“我们的系统是多细胞系统的第一个例子，在多细胞系统中，具有基因表达的人造细胞具有固定的排列方式，并通过化学信号耦合。”通过这种方式，我们实现了一种空间分化，”Simmel说。

模型，微型工厂和微型传感器.开发这类合成系统很重要，因为它们使科学家能够在模型中研究生命起源的基本问题。只有在细胞开始专门化并在相互合作的细胞之间分配工作之后，复杂的生物体才有可能存在。这是基础研究中最令人着迷的问题之一。

研究人员希望利用特制细胞系统的模块化构建工具包来模拟未来生物系统的各种特性。其原理是细胞对环境做出反应，并学会独立行动。第一批应用已经出现:从长远来看，人造细胞组件可以部署为生产特定生物分子的微型工厂，或者作为处理信息并适应其环境的微型机器人传感器。

来自3d打印机的单元格.Friedrich Simmel和Aurore Dupin仍然使用微操作器手工组装他们的细胞橘态埋系统。不过，他们计划在未来与慕尼黑应用科学大学(Munich University of Applied Sciences)合作，利用3d打印技术系统地构建更大、更逼真的系统。