《Science Translational Medicine》：治疗携带 KRAS 基因突变肺癌的新方法
KRAS 是在包括肺癌在内的多种癌症中经常发生突变的致癌基因。携带 KRAS 基因突变的肺癌通常难于医治，目前还没有通过临床验证的有效治疗手段。以前的观点认为激活 KRAS 的基因突变导致的肺癌会对 EGFR 酪氨酸激酶抑制剂(tyrosine kinase inhibitors, TKIs) 产生抗性，因为 KRAS 处于酪氨酸激酶信号通路的下游，一旦激活型基因突变产生，它的活性不会因为上游信号通路的抑制而减弱。而在本期《Science Translational Medicine》发布的两篇科学论文中，奥地利维也纳医科大学 (Medical University of Vienna) 和英国格拉斯哥大学 (University of Glasgow) 的两个研究团队分别独立发现 KRAS 引发的肺癌仍然受到 ERBB 受体酪氨酸激酶 (receptor tyrosine kinases, RTKs) 活性的影响。使用小鼠模型，患者样本和肿瘤细胞系作为研究模型，这两个团队发现多种 ERBB RTKs 表达在 KRAS 导致的肺癌肿瘤中，ERBB 活性能够扩增 RAS 核心信号通路的信号，促进携带 KRAS 基因突变的肿瘤细胞的增生和肿瘤在体内的发展。更重要的是，两个研究团队同时发现，使用已经获得 FDA 批准的泛 ERBB 抑制剂 (pan-ERBB inhibitors) 能够有效阻碍 KRAS 引发的肺癌发生。这些研究表明，将泛 ERBB 抑制剂纳入治疗方案可能会给 KRAS 引发的肺癌患者带来裨益。
《Science Signaling》：PARP12 抑制寨卡病毒感染的分子机制
寨卡病毒 (Zika virus) 感染会激活宿主细胞的 1 型干扰素 (interferon, IFN) 反应，而 1 型 IFN 信号通路通过诱发上百个 IFN- 激活基因 (IFN-stimulated genes, ISGs) 来抑制病毒的复制。为了研究抑制寨卡病毒感染的 ISGs，中国科学院生物物理研究所 (Institute of Biophysics, Chinese Academy of Sciences) 的研究人员对利用 CRISPR 技术生成的基因敲除细胞系进行了筛查。研究发现 PARP12 蛋白的缺失会导致病毒复制水平增加。对 PARP12 蛋白的进一步结构功能研究表明，它的抗病毒功能基于 PARP 蛋白域对名为 NS1 和 NS3 的病毒蛋白的 ADP 核糖基化。ADP 核糖基化会导致 NS1 和 NS3 蛋白被蛋白酶体降解。这项研究增进了对 PARP12 抗病毒机制的了解，并且意味着 PARP 激动剂可能成为有效的寨卡病毒治疗方法。
《自然》：珊瑚礁生长速度对其防波护岸功能的影响
热带珊瑚礁的生长不但对维持珊瑚礁结构和生物栖息地的多样性非常关键，而且在保护沿海地区不被海浪侵蚀和减少洪水风险方面也起到必不可少的作用。但是随着海平面的上升和珊瑚礁健康状况的下降，这些重要功能正在受到严重威胁。英国埃克塞特大学 (University of Exeter) 的研究人员率领的国际研究团队对热带西大西洋 (western Atlantic ocean) 和印度洋的珊瑚礁的垂直生长速度进行了分析。珊瑚垂直生长的速度需要赶上海平面上升的速度才能保证高于珊瑚礁的海水深度不会增加。研究人员发现虽然目前珊瑚礁垂直生长的速度与海平面上升速度基本相当。但是随着珊瑚礁健康状况的下降，可以预见的是在由于气候变化导致海平面中度或严重上升的情况下，几乎没有任何珊瑚礁的生长速度能够追得上海平面的上升速度。这意味着低洼沿海地区和岛国可能失去帮助防波护岸的一项关键机制。因此，人类需要紧急措施减轻气候、海平面和未来的生态变化，减轻未来珊瑚礁被淹没的速度。
《PNAS》：深度学习让计算机自动识别野生动物
在野生动物的自然栖息地设置携带运动传感器 (motion sensor) 的相机能够让研究人员以廉价的方式在不影响动物的情况下获取大量与它们的位置和行为相关的信息。这些信息对改善我们对生态系统的研究和保护都非常重要。携带运动传感器的相机虽然能够拍摄大量动物的照片，但是对这些照片的分析通常需要人力来进行。这个费时费力的过程是阻碍运动传感器相机发挥出全部潜力的重要障碍。怀俄明大学 (University of Wyoming) 的研究人员试图使用人工智能来自动对野生动物的照片进行分析。他们训练深卷积神经网络 (deep convolutional neural networks) 来识别，记录和描述 320 万张在非洲塞伦盖蒂 (Serengeti) 国家公园中拍摄的照片中 48 种动物的行为。研究表明，他们开发的深度学习网络能够以 96.6% 的准确性自动识别 99.3% 的照片中的动物。它的准确率与人类志愿者分析达到的准确性相同，但是使用人工智能可以为人类志愿者节约超过 8.4 年的时间。这一研究表明，使用人工智能自动、准确并且廉价地分析图像数据可能将野生动物生物学，动物学 (zoology)，保护生物学(conservation biology) 和动物行为学转化为新一代的“大数据”研究。
参考资料：
[1] Afatinib restrains K-RAS–driven lung tumorigenesis
(http://stm.sciencemag.org/content/10/446/eaao2301)
[2] The ERBB network facilitates KRAS-driven lung tumorigenesis
(http://stm.sciencemag.org/content/10/446/eaao2565)
[3] PARP12 suppresses Zika virus infection through PARP-dependent degradation of NS1 and NS3 viral proteins
(http://stke.sciencemag.org/content/11/535/eaas9332)
[4] Loss of coral reef growth capacity to track future increases in sea level
(https://www.nature.com/articles/s41586-018-0194-z)
[5] Automatically identifying, counting, and describing wild animals in camera-trap images with deep learning
(http://www.pnas.org/content/115/25/E5716?iss=25)
本文转载自：学术经纬