其他
开挂！陈福和，刘新风，陈刚，周文彬，肖丰收等1天6篇Science
iNature
SARS-CoV-2 Omicron (B.1.1.529) 变体的体内致病性、传播性和适应性尚不清楚。 2022年7月22日（正式出版），香港大学陈福和(Jasper Fuk-Woo Chan)团队在Science 在线发表题为“Pathogenicity, transmissibility, and fitness of SARS-CoV-2 Omicron in Syrian hamsters”的研究论文，该研究在叙利亚仓鼠 COVID-19 模型中将这种受关注的新变体的这些病毒学属性与 Delta (B.1.617.2) 变体的病毒学属性进行了比较。 与感染 Delta 的仓鼠相比，感染 Omicron 的仓鼠体重明显减轻，临床评分、呼吸道病毒负荷、细胞因子/趋化因子失调和肺损伤明显减少。两种变体都通过接触传播高度传播。在非接触传播研究中，Omicron 表现出与 Delta 相似或更高的传播能力。Delta 在没有选择压力的情况下击败了 Omicron。一旦引入了免疫选择压力，其中和抗体对 Delta 有活性，但对 Omicron 的活性很差，这种情况就发生了巨大的变化。迫切需要对这种新型 VOC 有效的下一代疫苗和抗病毒药物。另外，2022年7月22日，中国农业科学院作物科学研究所周文彬团队在Science 在线发表题为“A transcriptional regulator that boosts grain yields and shortens the growth duration of rice”的研究论文，该研究通过筛选水稻中候选的光合作用相关转录因子，鉴定了一个 DREB（脱水响应元件结合）家族成员 OsDREB1C，其表达受光照和低氮状态诱导。该研究表明，OsDREB1C 驱动功能多样的转录程序，决定光合能力、氮利用和开花时间。 用过表达 OsDREB1C 的水稻进行的田间试验表明，产量增加了 41.3% 至 68.3%，此外，还缩短了生育期，提高了氮的利用效率，促进了资源的有效分配，从而为实现急需的农业生产力提高提供了策略。2022年7月22日，国家纳米科学中心刘新风，休斯顿大学包吉明及任志峰共同通讯在Science 在线发表题为“High ambipolar mobility in cubic boron arsenide revealed by transient reflectivity microscopy”的研究论文，该研究使用泵浦探针瞬态反射显微镜，监测了光激发载流子在单晶 c-BA 中的扩散，以获得它们的迁移率。 使用近带隙 600 纳米泵浦脉冲，该研究发现了 1550 ± 120 平方厘米/伏秒的高双极迁移率，与理论预测非常吻合。 在同一地点使用 400 纳米泵进行的额外实验显示，迁移率 > 3000 平方厘米/伏秒，将其归因于热电子。 对高载流子迁移率和高热导率的观察使得 c-BA 在高性能电子和光电子学中的大量器件应用成为可能。2022年7月22日，麻省理工学院陈刚及休斯顿大学任志峰共同通讯在Science 在线发表题为“High ambipolar mobility in cubic boron arsenide”的研究论文，该研究使用光学瞬态光栅技术，在室温下在立方砷化硼 (c-BAs)样品的相同位置上通过实验测量了每开尔文每米 1200 瓦特的热导率和每伏特每秒 1600 平方厘米的双极迁移率，尽管存在空间变化。 从头计算表明，降低电离和中性杂质浓度分别是实现高迁移率和高热导率的关键。 高双极迁移率与超高热导率相结合，使 c-BA 成为下一代电子产品的有希望的候选者。2022年7月22日，浙江大学肖丰收、王亮及中国科学院精密测量科学与技术创新研究院郑安民共同通讯在Science 在线发表题为“Physical mixing of a catalyst and a hydrophobic polymer promotes CO hydrogenation through dehydration”的研究论文，该研究发现疏水性聚（二乙烯基苯）与钴锰碳化物的简单物理混合物可以调节催化剂的局部环境，从而在合成气转化中快速运输水产品。该研究能够改变催化剂表面的吸水平衡，导致更大比例的自由表面，从而将合成气转化率提高近 2 倍。在250 °C和0.1 MPa的温和反应条件下，这种组合导致CO转化率显著提高，达到64%，并且对烃产物中的轻质烯烃具有良好的选择性，达到71%，轻质烯烃的性能优于无聚（二乙烯基苯）催化剂。 物理混合的 CoMn 碳化物/聚 (二乙烯基苯) 催化剂在连续测试中耐用 120 小时。2022年7月22日，华盛顿大学David Baker及哈佛大学Sergey Ovchinnikov共同通讯（Wang Jue为第一作者）在Science 在线发表题为“Scaffolding protein functional sites using deep learning”的研究论文，该研究描述了用于搭建此类功能位点（蛋白质的结合和催化功能通常由整个蛋白质结构保持的少量功能残基介导）的深度学习方法，而无需预先指定支架的折叠或二级结构。 第一种方法，“受约束的幻觉”，优化序列，使其预测结构包含所需的功能位点。 第二种方法，“修复”，从功能位点开始，填充额外的序列和结构，通过经过专门训练的 RoseTTAFold 网络在单次前向传递中创建可行的蛋白质支架。 该研究使用这两种方法来设计候选免疫原、受体陷阱、金属蛋白、酶和蛋白质结合蛋白，并结合使用计算机和实验测试来验证设计。
微信加群
iNature汇集了4万名生命科学的研究人员及医生。我们组建了80个综合群（16个PI群及64个博士群），同时更具专业专门组建了相关专业群（植物，免疫，细胞，微生物，基因编辑，神经，化学，物理，心血管，肿瘤等群）。温馨提示：进群请备注一下（格式如学校+专业+姓名，如果是PI/教授，请注明是PI/教授，否则就直接默认为在读博士，谢谢）。可以先加小编微信号（iNature5），或者是长按二维码，添加小编，之后再进相关的群，非诚勿扰。
投稿、合作、转载授权事宜
请联系微信ID：13701829856 或邮箱：iNature2020@163.com
觉得本文好看，请点这里！