12月2日外媒科学网站摘要：科学家希望从百岁老人干细胞中找到长寿秘诀

12月2日（星期一）消息，国外知名科学网站的主要内容如下：
《自然》网站（www.nature.com）
科学家希望从百岁老人干细胞中寻找长寿秘诀
美国波士顿大学的研究人员成功从百岁老人的血液中制备了重新编程的干细胞。他们计划将这些细胞分享给其他研究团队，以进一步探究健康长寿的奥秘。
百岁老人为研究长寿提供了宝贵的机会，但由于这类人群数量稀少，他们的血液和皮肤样本极为珍贵。研究人员从约30名百岁老人中分离出血细胞，并将其重新编程为诱导多能干细胞（iPS）。这种细胞能够回到多能状态，可以转化为体内的任何细胞类型。在不改变遗传信息的情况下，这些干细胞通过逆转过程“重返年轻”，为研究衰老的遗传机制提供了独特的工具。
实验已经利用这些干细胞展开。例如，研究人员从百岁老人的iPS细胞中培养出神经元。研究表明，细胞老化的一个标志是蛋白质质量控制机制的下降，这可能引发疾病。初步研究结果显示，百岁老人神经元在常规条件下活动较低，但在应激条件下能迅速启动蛋白质质量控制机制，以高效分离错误折叠的蛋白质。
另一个研究团队利用百岁老人的脑细胞建立了阿尔茨海默病的3D大脑模型，并与60多岁人群的细胞模型进行了对比。研究发现，百岁老人脑细胞表达了更多与阿尔茨海默病预防相关的基因。
未来，研究人员希望利用这些干细胞生成更多与衰老相关的细胞类型，如肝细胞、肌肉细胞和肠道细胞，甚至培育出微型器官。
《每日科学》网站（www.sciencedaily.com）
1、纳米机器人手可“抓住”病毒进行诊断，并阻止病毒入侵细胞
美国伊利诺伊大学的研究人员开发出一种名为NanoGripper的纳米机器人手。由DNA折叠而成的这只四指“手”可以抓取新冠病毒，实现高灵敏度快速检测，甚至能够阻止病毒颗粒侵入细胞。更重要的是，这种纳米机器人手还能通过编程作用于其他病毒，或识别细胞表面标记物，用于靶向药物递送，例如癌症治疗。
研究人员在《科学机器人》（Science Robotics）杂志上发表了他们的最新进展。
NanoGripper的设计灵感来源于人类手部和鸟爪的抓握力，其结构包括四个可弯曲的手指和一个手掌，由一段DNA折叠成纳米结构。每个手指有三个关节，弯曲角度由DNA支架的设计决定。手指上的DNA适体可以与特定分子结合，触发手指弯曲并抓取靶标。
此外，NanoGripper可附着在生物医学装置上，用于传感或药物递送。研究人员还计划设计针对其他病毒（如流感病毒、艾滋病毒或乙型肝炎病毒）的版本。
2、科学家发现导致216种鸟类灭绝的特征
为保护极危鸟类，美国犹他大学的生物学家完成了一项分析，总结出自1500年以来导致216种鸟类灭绝的特征。
研究表明，那些最早灭绝的鸟类通常具备以下特征：仅在岛屿上分布、无法飞行、体型较大、翅膀尖长、占据特定生态位等。虽然此前已有研究关注过这些特征，但这是首次将鸟类特征与灭绝时间联系起来的研究。
研究团队利用全球鸟类特征数据库BirdBase，分析了11600多种鸟类的生物地理、生态和生活史特征，并将其与灭绝时间联系起来。这一分析为理解特定鸟类物种为何在灭绝时消失提供了新视角。
研究发现有助于指导濒危鸟类的保护工作，通过识别最容易导致灭绝的特征，可以更有针对性地保护数百种濒危物种。
研究团队指出：“我们的方法优势在于同时对多个特征进行比较，而此前许多研究仅孤立地考察某些特征。”
《赛特科技日报》网站（https://scitechdaily.com）
1、突破性技术将二氧化碳转化为甲烷燃料
美国俄亥俄州立大学的化学家开发了一种创新方法，可以捕捉二氧化碳并将其转化为甲烷。这项技术为未来利用气体排放结合可再生能源生产替代燃料带来了新希望。
二氧化碳（CO₂）是温室气体的主要组成部分，也是全球气候变暖的主要原因。它主要来自发电厂、工厂和交通工具等。传统碳捕获系统旨在减少大气中的二氧化碳，通过将其从其他气体中分离并转化为有用产品来降低排放。然而，由于这些系统通常需要消耗大量能源，因此难以大规模应用于工业。
现在，研究人员通过使用一种特殊的镍基催化剂，找到了一种将捕获的二氧化碳直接转化为甲烷的新方法，这显著节省了能源。研究团队将镍原子放置在通电表面上，能够直接将氨基甲酸酯（一种二氧化碳捕获形式）转化为甲烷。镍是一种廉价且广泛使用的催化剂，实验表明它非常适合这种转化。
与传统技术相比，这种方法将捕获、回收和转化步骤合并为一个过程，大幅节省了能源。这一技术的突破不仅简化了碳捕获过程，还重新定义了科学界对碳循环的理解，为开发更快、更高效的气候变化缓解技术奠定了基础。
该研究成果发表在《美国化学学会杂志》（Journal of the American Chemical Society）上。展望未来，研究团队计划进一步探索其他清洁能源化学方案，推动可持续碳捕获技术的多样化发展。
2、打破数据壁垒：新材料显著提升AI模型运行效率
数据量的迅速增长对信息和通信技术提出了严峻挑战。人工智能（AI）应用，特别是训练大型语言模型，对计算资源和并行计算系统中数千个处理器之间的高效通信提出了极高要求。
光收发器在这一过程中起着关键作用，它将电子数据转换为光信号，并通过光纤或波导实现快速高效的传输。传统上，硅组件被广泛用于这一转换过程，但随着数据需求的不断攀升，硅组件逐渐难以满足要求。此外，目前的光收发器能耗较高，导致与AI技术相关的碳排放显著增加。
为解决这一问题，德国卡尔斯鲁厄理工学院（KIT）发起的ATHENS项目正在通过采用新型材料组合，致力于提升光收发器的性能并降低能耗，从而为AI应用乃至整个高科技领域带来深远影响。
ATHENS项目重点研究用于电子到光信号转换的新材料系统和组件，目标是开发更强大、更高效的光收发器，以便在相同甚至更低的能耗下实现更高的数据传输速率。
研究团队采用了一种混合材料方法，将硅与其他材料相结合。其中一项创新是使用有机材料，即碳基化合物。团队首先在计算机上模拟这些分子的特性，然后在实验室中生产出符合需求的材料，并将其打印在硅片上。
另一种方法是将硅光子芯片与其他芯片结合，形成额外的材料平台。例如，在绝缘体上的晶体平台中，研究人员将薄单晶层放置在绝缘衬底上，随后加工成光学元件。
除了AI模型的应用，这种混合材料系统还可广泛用于量子技术和医学工程领域。例如，它可以用于可穿戴设备的传感器或血液样本分析的光学芯片实验室设备。
（刘春）
                    
               
               
               
               
               
               
                    
                        延伸阅读
                        
                           
                           
                           
                                快讯｜飞猪与新疆机场集团战略合作
                           
                           
                           
                           
                                比亚迪第二艘滚装船交付即运营，装载近5000辆新能源车驶向欧洲
                           
                           
                           
                           
                                美媒：下任NASA局长别在商业航天项目"开倒车"了