引入感知器，一种基于蛋白质的活细胞人工神经网络

中国西湖大学和加州理工学院在活细胞内设计了一种基于蛋白质的系统，可以处理多种信号并根据这些信号做出决策

研究人员还引入了一个独特的术语“感知器”，作为蛋白质和感知器的组合。感知器是一种基本的人工神经网络概念，通过将输入特征映射到输出决策来有效地解决二元分类问题

通过将神经网络理论的概念与蛋白质工程相结合，“感知器”代表了一种能够在蛋白质水平进行分类计算的生物系统，类似于基本的人工神经网络。这种“感知器”电路可以对不同的信号进行分类并做出相应的反应，例如决定存活或经历程序性细胞死亡

细胞自然地处理多种分类线索，如压力和发育信号，以启动具有不同结果的细胞功能。免疫细胞根据它们检测到的信号对威胁做出反应。p53信号通路决定了是修复损伤还是自我刺激来预防癌症

科学家们一直在努力创造可以在细胞内复制这种决策过程的人工系统。大多数现有的尝试都依赖于DNA或RNA，这可能很慢，也不太直接。研究人员用蛋白质、从头蛋白质异二聚体和工程蛋白酶构建了他们的决策回路，而不是基于DNA的系统

通过创建以特定方式结合在一起的蛋白质对，蛋白质排列成感知器网络，其中一些蛋白质会激活自己并抑制其他蛋白质。这确保了当存在多个信号时，只有最强的信号会触发反应，而忽略较弱的信号

在发表在《科学》杂志上的“哺乳动物细胞中的合成蛋白质水平神经网络”研究中，研究人员表明，感知器回路可以通过可调的决策边界区分信号输入，从而提供了在没有转录调控的情况下控制复杂细胞反应的可能性

该团队组装了完整的双输入双输出电路所需的六种感知器蛋白成分和两种输入蛋白。他们选择了两种著名的蛋白酶，裂解烟草蚀纹病毒蛋白酶和烟草脉斑驳病毒蛋白酶，并以控制蛋白酶裂解和降解的方式将它们融合在一起

为了测试感知器回路的激活，研究人员设计了一种稳定的人类胚胎肾报告细胞系。该细胞系包含一个同时表达两种荧光蛋白的构建体：柠檬酸和mCherry

每种荧光蛋白都标记有一个切割激活的N-degron（降解信号），该信号对感知器回路中的两种输入蛋白酶之一具有特异性。当相应的蛋白酶处于活性状态时，它会切割德隆，减少荧光。这种设置使研究人员能够根据荧光水平直观定量地评估活性。该团队证实，每种蛋白酶变体仅特异性地降低了其目标报告基因的荧光

与超过100000名依赖Phys.org获取日常见解的订阅者一起探索科学、技术和太空的最新进展。注册我们的免费时事通讯，每天或每周获取重要突破、创新和研究的最新进展

进一步的验证步骤表明，输入蛋白正确地重组了它们的靶蛋白酶。通过改变感知成分水平，他们可以有效地微调决策结果，即使在输入时间变化或引入噪声的情况下，性能仍然很强

为了展示实际应用，研究人员将感知器回路的输出连接到半胱氨酸天冬氨酸蛋白酶-3凋亡途径。这种联系使电路能够根据特定的输入条件触发细胞死亡，将基于荧光的输出转化为细胞的生死决定

该研究证明了使用合成蛋白质在哺乳动物细胞中构建人工神经网络启发的电路进行复杂信号分类的可行性。这些电路在可编程疗法中具有潜在的应用，细胞可以通过定制的输出对疾病特异性信号做出反应，如选择性凋亡或其他细胞反应

从相互作用的蛋白质构建复杂的计算系统作为一种基于生物学的人工智能形式也有明显的影响，尽管这些考虑超出了当前研究的范围 More information: Zibo Chen et al, A synthetic protein-level neural network in mammalian cells, Science (2024). DOI: 10.1126/science.add8468

Katie Galloway et al, Bringing neural networks to life, Science (2024). DOI: 10.1126/science.adu1327

Journal information: Science