科学家首次揭示人类特有高清视觉的基因秘密

2023-12-01 08:40

本文主要是介绍科学家首次揭示人类特有高清视觉的基因秘密,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

来源:学术经纬

顶尖学术期刊《细胞》本周出炉的一期,封面格外吸引人的“眼球”:我们人类的一位大兄弟正聚精会神地“看”着什么……

荣登封面的这项研究成果来自哈佛著名神经科学家Joshua Sanes教授领衔的科学家团队。研究人员采用高通量单细胞基因测序的方法,首次创建了灵长类动物的视网膜细胞型态分类图谱,揭示为我们带来敏锐视觉的细胞有哪些特殊的基因特征。这项研究同时为理解人类视觉在疾病情况下如何被破坏提供了重要的基础。

人类的视觉在哺乳动物中出类拔萃,比如我们能够阅读,分辨人脸。这些功能可不简单,需要视觉能够分辨极细微的差异,并能迅速对焦。高清视觉全得归功于视网膜中间一个极小的特殊区域——中央凹,也就是眼底黄斑的中心。中央凹的直径不到1.5毫米,面积只占视网膜的不到1%,但大脑获得的视觉信息却有50%来自这里。

中央凹的特殊,还不仅是因为视线的“焦点”落在此处提供清晰影像,要知道哺乳动物中只有部分灵长类生物进化出了这个结构,比如人类。

中央凹为人类提供了绝佳视力的同时,却让科学家在解决人类视觉疾病时面临一个难题。就拿实验“劳模”小鼠来说,虽然它们为人类的科学研究提供了无数疾病模型,但它们“鼠目寸光”,视网膜没有中央凹!这种 “先天缺陷”让它们在视觉相关疾病的模型上帮不上什么忙。再加上中央凹结构太微小了,过去科学家在灵长类动物上的研究也止于形态解剖学的描述。

而这一次,科学家们终于可以对中央凹的组成及其独特性有系统的认知!

来自猕猴165000个细胞的信息

本研究的第一作者彭懿蓉博士与她的同事们首先从人类的灵长类亲戚食蟹猴(一种猕猴)中采集了165000个视网膜细胞,进行单细胞测序分析。这些细胞一大半来自中央凹,其余一半来自周围视网膜,以此对两个部位的细胞进行系统分型以及计算对比。

最终,他们在中央凹和外周视网膜中均鉴定出了近70种不同类型的细胞,并且还知道了每一个类型的细胞表达哪些基因。

详尽的细胞分类图谱给科学家们提供了许多过去不知道的信息。用Sanes教授的话说,“我们现在弄清楚了中央凹特别在哪里。”

尽管细胞类型九成相同,但中央凹和外周视网膜的细胞类型组成不同。更关键的是,在同类型的细胞中,中央凹处的细胞检测到表达与外周不一样的基因。非常有意思的是,这些基因的表达和中央凹独特的视觉信息处理极为相关,科学家们相信,可能这才是中央凹功能特殊的原因。

例如,在灵长类视网膜中,有一类叫作“小神经节细胞”的神经元负责从中央凹向大脑发送信号,它们也是中央凹神经节细胞中占绝大多数的一类。在灵长类实验中发现,这类细胞特异投射的脑区如果发生损伤,高清视觉分辨率会极大下降,因此这类细胞可以说是特异性地决定了高清分辨率。可是,当研究人员试着在小鼠的视网膜中寻找同等类型的细胞时,却无功而返。也就是说,“鼠目寸光”还不光是因为小鼠缺乏中央凹,更是由于小鼠中缺乏这类向大脑发送信号的独特细胞。

为研究眼科疾病提供重要基础

然而,与小鼠的差异愈加体现了这份来自灵长类亲戚的细胞图谱对人类有着特殊的意义。彭懿蓉博士与同事们在这份细胞图谱的基础上,分析了近200个与人类致盲疾病有关的基因。 

例如黄斑变性和糖尿病性黄斑水肿是两种引起失明的疾病,目前治疗手段和效果都不好,是全世界范围的难题。现在,有了基因表达图谱,科学家获得了重要的线索来理解为什么位于黄斑当中的中央凹会受这些致盲性眼病的影响。

他们发现,与这两种疾病相关的一些基因只在中央凹细胞中表达。“举例来讲,我们发现一个黄斑变性易感基因在中央凹的感光细胞中有明显高于周围感光细胞的表达水平,这正符合它是一种黄斑疾病的事实。”Sanes教授解释说:“类似地,我们在中央凹的血管上皮细胞以及周细胞中找到两个糖尿病性黄斑水肿易感基因有高水平表达。”

同样的,比对小鼠细胞图谱,科学家发现这些疾病相关基因要么没有表达,要么表达在别的细胞中。这个结果再次提示,要攻克某些致盲疾病时,用小鼠检查这类基因起的作用可能就不够了。

因此,正如Sanes教授所说,这项研究带来的视网膜细胞图谱可以为将来的疾病研究提供宝贵的资源,帮助后来人在此基础上探索更好的疗法。

320X320.png

这篇关于科学家首次揭示人类特有高清视觉的基因秘密的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/440490

相关文章

轻松录制每一刻:探索2024年免费高清录屏应用

你不会还在用一些社交工具来录屏吧?现在的市面上有不少免费录屏的软件了。别看如软件是免费的,它的功能比起社交工具的录屏功能来说全面的多。这次我就分享几款我用过的录屏工具。 1.福晰录屏大师 链接直达:https://www.foxitsoftware.cn/REC/  这个软件的操作方式非常简单,打开软件之后从界面设计就能看出来这个软件操作的便捷性。界面的设计简单明了基本一打眼你就会轻松驾驭啦

计算机视觉工程师所需的基本技能

一、编程技能 熟练掌握编程语言 Python:在计算机视觉领域广泛应用,有丰富的库如 OpenCV、TensorFlow、PyTorch 等,方便进行算法实现和模型开发。 C++:运行效率高,适用于对性能要求严格的计算机视觉应用。 数据结构与算法 掌握常见的数据结构(如数组、链表、栈、队列、树、图等)和算法(如排序、搜索、动态规划等),能够优化代码性能,提高算法效率。 二、数学基础

《计算机视觉工程师养成计划》 ·数字图像处理·数字图像处理特征·概述~

1 定义         从哲学角度看:特征是从事物当中抽象出来用于区别其他类别事物的属性集合,图像特征则是从图像中抽取出来用于区别其他类别图像的属性集合。         从获取方式看:图像特征是通过对图像进行测量或借助算法计算得到的一组表达特性集合的向量。 2 认识         有些特征是视觉直观感受到的自然特征,例如亮度、边缘轮廓、纹理、色彩等。         有些特征需要通

【python计算机视觉编程——7.图像搜索】

python计算机视觉编程——7.图像搜索 7.图像搜索7.1 基于内容的图像检索(CBIR)从文本挖掘中获取灵感——矢量空间模型(BOW表示模型)7.2 视觉单词**思想****特征提取**: 创建词汇7.3 图像索引7.3.1 建立数据库7.3.2 添加图像 7.4 在数据库中搜索图像7.4.1 利用索引获取获选图像7.4.2 用一幅图像进行查询7.4.3 确定对比基准并绘制结果 7.

参会邀请 | 第二届机器视觉、图像处理与影像技术国际会议(MVIPIT 2024)

第二届机器视觉、图像处理与影像技术国际会议(MVIPIT 2024)将于2024年9月13日-15日在中国张家口召开。 MVIPIT 2024聚焦机器视觉、图像处理与影像技术,旨在为专家、学者和研究人员提供一个国际平台,分享研究成果,讨论问题和挑战,探索前沿技术。诚邀高校、科研院所、企业等有关方面的专家学者参加会议。 9月13日(周五):签到日 9月14日(周六):会议日 9月15日(周日

【python计算机视觉编程——8.图像内容分类】

python计算机视觉编程——8.图像内容分类 8.图像内容分类8.1 K邻近分类法(KNN)8.1.1 一个简单的二维示例8.1.2 用稠密SIFT作为图像特征8.1.3 图像分类:手势识别 8.2贝叶斯分类器用PCA降维 8.3 支持向量机8.3.2 再论手势识别 8.4 光学字符识别8.4.2 选取特征8.4.3 多类支持向量机8.4.4 提取单元格并识别字符8.4.5 图像校正

Python计算机视觉编程 第十章

目录 一、OpenCv基础知识 1.读取和写入图像 2.颜色空间 3.显示图像和结果 二、处理视频 1.输入视频 2.将视频读取到NumPy数组中 三、跟踪 1.光流 2.Lucas-Kanade算法 一、OpenCv基础知识 OpenCV 自带读取、写入图像函数以及矩阵操作和数学库。 1.读取和写入图像 import cv2# 读取图像im = c

Python中的私有属性与方法:解锁面向对象编程的秘密

在Python的广阔世界里,面向对象编程(OOP)是一种强大而灵活的方法论,它帮助我们更好地组织代码、管理状态,并构建可复用的软件组件。而在这个框架内,私有属性与方法则是实现封装的关键机制之一。它们不仅有助于隐藏类内部的具体实现细节,还能保护数据免受外部干扰。今天,让我们一起探索Python中私有属性与方法的魅力所在,了解它们如何在实际开发中发挥重要作用。 引言 随着软件系统变得越来越复杂,维

机器视觉硬件选型根据某项目相机镜头

一 项目总需求 1、大视野检测需求: (1)大视野: ①产品尺寸15.6寸屏幕,产品大小:350mm x 225mm; ②产品料盘尺寸大小:565mm x 425mm; ③工作距离:880mm;检测精度:500μm; 1、大视野检测需求: (1)大视野: ①产品尺寸15.6寸屏幕,产品大小:350mm x 225mm; ②产品料盘尺寸大小:565mm x 425mm; 工作距离:

临床基础两手抓!这个12+神经网络模型太贪了,免疫治疗预测、通路重要性、基因重要性、通路交互作用性全部拿下!

生信碱移 IRnet介绍 用于预测病人免疫治疗反应类型的生物过程嵌入神经网络,提供通路、通路交互、基因重要性的多重可解释性评估。 临床实践中常常遇到许多复杂的问题,常见的两种是: 二分类或多分类:预测患者对治疗有无耐受(二分类)、判断患者的疾病分级(多分类); 连续数值的预测:预测癌症病人的风险、预测患者的白细胞数值水平; 尽管传统的机器学习提供了高效的建模预测与初步的特征重