为什么尿液是黄色的？｜Science周报

本周值得关注的科学前沿研究

• Nature：全球首个由石墨烯制成的功能半导体

• 研究发现：助听器可帮助人们延年益寿

• Nature 子刊：为什么尿液是黄色的？

• Nature：如何治疗骨关节炎？科学家有了新发现

• MIT 新研究：用 AI 解释 AI

Nature：全球首个由石墨烯制成的功能半导体

日前，来自佐治亚理工学院和天津大学的研究团队，创造了世界上首个由石墨烯制成的功能半导体。这一突破，为电子学的发展打开了一扇新的大门。

石墨烯是由已知最坚固的键结合在一起的单片碳原子，半导体是在特定条件下导电的材料，是电子设备的基础元件。

据介绍，这种新型半导体与传统微电子处理方法兼容。相关研究论文以“Ultrahigh-mobility semiconducting epitaxial graphene on silicon carbide”为题，已发表在权威科学期刊 Nature 上。

在这项研究中，他们克服了长期困扰石墨烯研究的最大障碍——“带隙”（band gap），一种至关重要的电子属性，允许半导体开启和关闭，这也是许多人认为石墨烯电子学永远无法实现的原因。

“我们的动机是希望将石墨烯的三个特殊属性引入电子学，” 该论文的共同通讯作者 Walter de Heer 表示，“它是一种极其坚韧的材料，可以承受非常大的电流，并且能够做到不发热就分解。”

如今，他们拥有了一种极其稳健的石墨烯半导体，其迁移率是硅的 10 倍，还拥有硅所不具备的独特属性。换句话说，电子以非常低的阻力移动，这在电子学中转化为更快的计算速度。

“石墨烯电子学长期存在的问题是石墨烯没有合适的带隙，不能在正确的比例上开关，” 该论文的共同通讯作者、天津大学教授马雷说，“多年来，许多人试图用各种方法解决这个问题。我们的技术实现了带隙，是实现基于石墨烯电子学的关键一步。”

论文链接：

https://www.nature.com/articles/s41586-023-06811-0

研究发现：助听器可帮助人们延年益寿

在全球范围内，数以亿计的人正遭受听力损失的影响，尤其是老年人。然而，只有很少一部分人通过使用助听器来提升听力水平。

一项新的研究显示，除了帮助人们听得更清楚，助听器或许还可以帮助人们延年益寿。

相关研究论文以“Association between hearing aid use and mortality in adults with hearing loss in the USA: a mortality follow-up study of a cross-sectional cohort”为题，已发表在科学期刊 Lancet Healthy Longevity 上。

“我们发现，经常使用助听器的听力损失成年人的死亡风险比从不佩戴助听器的人低 24%，” 该研究的首席研究员、凯克医学院耳鼻喉科医生 Janet Choi 博士说，“这些结果令人兴奋，因为它们表明助听器可能对人们的健康起到保护作用，并能防止过早死亡。”

虽然这项研究没有探讨为什么助听器可以帮助那些需要助听器的人延年益寿，但 Choi 指出，最近的研究将助听器的使用与抑郁症和痴呆症水平的降低联系起来。她推测，听力改善带来的心理健康和认知能力的提高可以促进整体健康，从而延长寿命。

目前，他们正在开发一个人工智能驱动的数据库，对助听器的选择进行分类，并根据患者的个人需求量身定制。

论文链接：

https://www.thelancet.com/journals/lanhl/article/PIIS2666-7568(23)00232-5/fulltext

Nature子刊：为什么尿液是黄色的？

为什么尿液是黄色的？这样一个日常的生物现象，竟然长期得不到解释。

如今，科学家发现了导致尿液呈现黄色的原因，即一种微生物酶——胆红素还原酶（bilirubin reductase）。相关研究论文以“BilR is a gut microbial enzyme that reduces bilirubin to urobilinogen”为题，已发表在科学期刊 Nature Microbiology 上。

当红细胞在生命结束后开始降解时，会产生一种叫做胆红素（bilirubin）的亮橙色色素作为副产品。胆红素通常会分泌到肠道中，然后被排出体外，但也会被部分重吸收。过量的重吸收会导致胆红素在血液中堆积，并引起黄疸——一种导致皮肤和眼睛变黄的病症。一旦进入肠道，常驻菌群就会将胆红素转化为其他分子。

“肠道微生物编码胆红素还原酶，这种酶将胆红素转化为一种无色的副产品，称为尿胆原（Urobilinogen），” 该论文的通讯作者、马里兰大学细胞生物学和分子遗传学系助理教授 解释说，“然后，尿胆原会自发降解为一种叫做尿胆素（urobilin）的分子，这就是我们所熟悉的黄色的由来。”

除了解释“为什么尿液是黄色的”，这些发现还可能对健康产生重要影响。他们发现，几乎所有健康的成年人体内都存在胆红素还原酶，但新生儿和患有炎症性肠病的人体内往往缺少这种酶。他们推测，胆红素还原酶的缺失可能会导致婴儿黄疸和色素性胆结石的形成。

这一发现，或为进一步研究肠道微生物组在黄疸和炎症性肠病等疾病中的作用奠定基础。

论文链接：

https://www.nature.com/articles/s41564-023-01549-x

Nature：如何治疗骨关节炎？科学家有了新发现

骨关节炎是最常见的关节炎，是一种退行性疾病，由缓解关节间摩擦的软骨破坏引起。它最常发生在手、臀部和膝盖。

长期以来，止痛药和改变生活方式（如锻炼和减少过重体重）一直是治疗退行性疾病引起的关节僵硬和疼痛最常用的疗法，但人们迫切需要能预防骨关节炎引起的关节破坏的疗法。

如今，来自耶鲁大学的研究团队在一项研究中表示，他们发现了一个可以减轻与骨关节炎相关关节退化的药物靶点。相关研究论文以“Nav1.7 as a chondrocyte regulator and therapeutic target for osteoarthritis”为题，已发表在权威科学期刊 Nature 上。

众所周知，在肌肉、神经系统和心脏的“可兴奋”细胞中，细胞膜上的特殊蛋白质（钠通道）会产生电脉冲。在之前的研究中，耶鲁大学神经病学、神经生物学和药理学教授 Stephen G. Waxman 团队发现了一种名为 Nav1.7 的特殊钠通道在疼痛信号传递中的关键作用。该研究发现，同样的 Nav1.7 通道也存在于产生胶原蛋白并帮助维持人体关节的非可兴奋细胞中。

在这项新研究中，研究人员从这些胶原蛋白生成细胞中删除了 Nav1.7 基因，显著减少了两种骨关节炎模型小鼠的关节损伤。他们还证明，用于阻断 Nav1.7 的药物（包括 carbamazepine，一种目前用于治疗癫痫和三叉神经痛的钠通道阻断剂）也能在很大程度上保护小鼠免受关节损伤。

“钠通道在非兴奋细胞中的功能一直是个谜，” Waxman 说，“这项新研究为我们提供了一个窗口，让我们了解少量钠通道是如何有力地调节非兴奋细胞的行为的。” 这些发现，或为改变疾病的治疗开辟新途径。

论文链接：

https://www.nature.com/articles/s41586-023-06888-7

MIT 新研究：用 AI 解释 AI

与历史上其他科学挑战一样，逆向设计人工智能（AI）系统如何工作需要大量实验：提出假设、干预行为，甚至解剖大型网络以检查单个神经元。迄今为止，大多数成功的实验都需要大量的人为监督。要解释 GPT-4 甚至更强大的模型内部的每一次计算，几乎肯定需要更多的自动化，甚至可能需要使用 AI 模型本身。

来自麻省理工学院（MIT）计算机科学与人工智能实验室（CSAIL）的研究人员开发了一种新方法——利用 AI 模型对其他系统进行实验，并解释它们的行为。他们使用由预先训练好的语言模型构建 AI 代理，然后对训练好的网络内的计算做出直观的解释。

这一策略的核心是“自动可解释性代理”（AIA），旨在模仿科学家的实验过程。可解释性代理计划并执行对其他计算系统的测试，这些系统的规模从单个神经元到整个模型不等，目的是以各种形式对这些系统做出解释：用语言描述系统做了什么以及哪里出了问题，以及重现系统行为的代码。与现有的被动分类或总结示例的可解释性程序不同，AIA 积极参与假设形成、实验测试和迭代学习，从而实时完善对其他系统的理解。

除了 AIA 方法，研究人员也提出了“函数解释与描述”（FIND）基准，它是一个测试平台，包含与训练有素的网络内部计算相似的函数，以及对其行为的描述。评估真实世界网络组件描述质量的一个关键挑战是，描述的好坏取决于其解释能力：研究人员无法获得单元的真实标签或对所学计算的描述。FIND 为评估可解释性程序提供了一个可靠的标准，从而解决了这一领域长期存在的问题：可以根据基准中的函数描述来评估函数解释（比如，由 AIA 生成的函数解释）。

例如，FIND 包含合成神经元，旨在模仿语言模型内部真实神经元的行为，其中一些神经元对单个概念（如“地面交通”）具有选择性。AIA 可以黑盒访问合成神经元，并设计输入（如“树”、“幸福”和“汽车”）来测试神经元的响应。在注意到合成神经元对“汽车”的反应值高于其他输入值后，AIA 可能会设计更精细的测试，以区分神经元对汽车和其他交通工具（如飞机和轮船）的选择性。当 AIA 生成诸如“该神经元选择公路而非航空或海上运输”的描述时，该描述将与 FIND 中合成神经元的地面实况描述（“选择地面运输”）进行评估。然后，就可以利用该基准来比较 AIA 与文献中其他方法的能力。

“AIAs 的自主假设生成和测试能力或许可以发现科学家们难以发现的行为。语言模型在配备了探测其他系统的工具后，可以进行这种类型的实验设计，” 论文的共同第一作者 Sarah Schwettmann 说，“带有真实答案的简洁基准是语言模型具备更多通用能力的主要推动力，我们希望 FIND 能够在可解释性研究中发挥类似的作用。”

论文链接：

https://arxiv.org/abs/2309.03886

｜点击关注我 👇 记得标星｜