中阿農業國際經貿合作交流會籤約金額逾78億元
2026-02-21 22:10 2,523次浏览北京8月4日電 (記者 孫自法)在生命科學領域，基因組編輯技術的迅速發展和廣泛應用，為基礎研究和應用開發提供強大的技術支撐。不過，大片段DNA編輯一直面臨重大挑戰，對數千乃至數百萬鹼基的精準操縱更是基因編輯領域的核心難題，備受關注。 來自中國科學院遺傳與發育生物學研究所的消息說，該所高彩霞研究員團隊最新研發出一種新型可編程的染色體編輯技術(PCE)。該技術在動植物中實現了從千鹼基到兆鹼基級別DNA的多類型染色體精準操縱，顯著提升了真核生物基因組的操縱尺度和能力。 利用大片段DNA精準操縱技術，研究人員不僅能實現多基因疊加編輯，還可通過操控基因組結構變異，為作物性狀改良和遺傳疾病治療開闢新路徑。同時，該技術有望推動新型育種策略的發展，例如通過操縱遺傳連鎖、調控重組頻率實現育性控制，以及消除連鎖累贅，充分釋放野生種質資源中優異等位基因的育種潛力。此外，精準染色體編輯技術的突破將加速人工染色體構建，在合成生物學等新興領域也有重要的應用前景。 本項研究PCE系統的開發和精準染色體編輯示意圖。(中國科學院遺傳發育所 供圖) 這項攻克大片段DNA精準編輯的重要成果論文，北京時間4日深夜在國際知名學術期刊《細胞》上線發表。審稿人評價認為，中國團隊發表的研究工作，代表了基因工程領域的重大突破，在育種和基因治療方面具有巨大的應用潛力。 論文通訊作者高彩霞介紹說，以基因編輯工具CRISPR及其衍生技術為代表的編輯系統，通過可編程的嚮導RNA(核糖核酸)引導Cas9等核酸酶靶向基因組特定位點，已廣泛應用於特定鹼基和短片段DNA的精準編輯。但針對大片段DNA編輯，現有工具在編輯效率、尺度、精準性及類型多樣性等方面仍存在明顯不足。 研究團隊發現，位點特異性重組酶(Cre-Lox)系統具有染色體水平DNA操縱潛力，其原理是在基因組中引入Lox序列後，由Cre重組酶介導Lox位點之間的DNA重組來實現全基因組範圍內的遺傳操縱，但Cre-Lox系統的應用受到3個關鍵問題的制約。 高彩霞指出，在本項研究中，研究團隊構建出系統性技術路徑，逐一突破3項限制，並通過技術的集成優化，成功構建PCE與RePCE兩個可編程染色體編輯系統，可對不同Lox位點的插入位置和方向進行靈活編程，實現鹼基從千比特(kb)到兆比特(Mb)尺度的大片段DNA精準無痕操縱。 研究團隊表示，他們在動植物細胞中，利用新研發的系統已成功實現18.8kb超大片段DNA的定點整合、5kb序列的定向替換、12Mb的染色體倒位、4Mb的染色體刪除及整條染色體的易位。他們還利用新型大片段DNA精準操縱技術，成功創製含315kb精準倒位的抗除草劑水稻種質，展示出其廣泛應用前景。(完)
天津8月14日電(記者 孫玲玲)記者13日從南開大學獲悉，近日，南開大學計算機學院媒體計算實驗室取得最新研究成果，不僅從評估的角度揭示了現有AI檢測方法的性能不足，並創新性地提出了「直接差異學習」(Direct Discrepancy Learning，DDL)優化策略，教會AI用「火眼金睛」辨別人機不同，實現AI檢測性能的巨大突破。相關成果論文已被計算機多媒體領域國際頂級會議ACM MM2025(ACM International Conference on Multimedia)接收。 圖為南開大學研究團隊提出的DetectAnyLLM檢測框架以及MIRAGE基準數據集亮點全析。(南開大學 供圖) 近日，OpenAI發布新一代人工智慧模型GPT-5，再次引發全球關注。隨著DeepSeek、ChatGPT、通義千問、豆包等AIGC大模型逐漸從「新奇玩具」變成學習、工作中不可或缺的「生產力工具」，其伴生問題也日益凸顯：AI經常會「一本正經地胡說八道」，生成看似合理的虛假信息，造成「AI幻覺」；依賴AI工具代寫作業甚至畢業論文，極大衝擊著學術誠信和規範；論文AI率檢測系統有待完善，論文被誤判的問題時有發生……如何精準識別AI生成內容，成為亟待解決的熱點問題。 據了解，目前AI生成內容檢測主要有兩種路線，一種是「基於訓練的檢測方法」，使用特定數據訓練一個專用的分類模型；另一種是「零樣本檢測方法」，直接使用一個預訓練的語言模型並設計某種分類標準進行分類。 圖為AI生成內容檢測示意圖。(南開大學 供圖) 多項研究表明，現有檢測方法在應對複雜的現實場景時常顯不足。此前也曾有權威媒體報導，《荷塘月色》《流浪地球》等經典作品被某常用論文AI率檢測系統檢出高AI率。 為何現有的AI檢測工具會「誤判」？論文第一作者、南開大學計算機學院計算機科學卓越班2023級本科生付嘉晨解釋道：「如果把AI文本檢測比作一場考試，檢測器的訓練數據等同於日常練習題，現有檢測方法是機械刷題、死記硬背答題的固定套路，難以學會答題邏輯，一旦遇到全新難題，準確率就會顯著下降。」 「要想實現通用檢測，理論上需收集所有大模型的數據進行訓練，但在大模型迭代飛速的今天幾乎不可能。」付嘉晨說，讓檢測器真正學會舉一反三，即提升檢測器的泛化性能，是提升AI文本檢測性能的關鍵。 為此，研究團隊提出了DDL方法另闢蹊徑，通過直接優化模型預測的文本條件概率差異與人為設定的目標值之間的差距，幫助模型學習AI文本檢測的內在知識，可以精準捕捉人機文本間的深層語義差異，從而大幅提升檢測器的泛化能力與魯棒性。 「使用DDL訓練得到的檢測器如同有了『火眼金睛』，即便只『學習』過DeepSeek-R1的文本，也能精準識別像GPT-5這樣最新大模型生成的內容。」付嘉晨說。 團隊還提出了一個全面的測試基準數據集MIRAGE，使用13種主流的商用大模型(如豆包、DeepSeek、Kimi等)以及4種先進的開源大模型(如Qwen等)，從AI生成、潤色、重寫三個角度構造了接近十萬條人類-AI文本對。 「MIRAGE是目前唯一聚焦於對商用大語言模型檢測的基準數據集。直觀地說，之前的基準數據集是由少而且能力簡單的大模型命題出卷，而MIRAGE是17個能力強大的大模型聯合命題，形成一套高難度、又有代表性的檢測試卷。」論文通訊作者、南開大學計算機學院副教授郭春樂說。 在MIRAGE的測試結果顯示，現有檢測器的準確率從在簡單數據集上的90%驟降至約60%；而使用DDL訓練的檢測器仍保持85%以上的準確率。與史丹福大學提出的DetectGPT相比，性能相對提升71.62%；與馬裡蘭大學、卡內基梅隆大學等共同提出的Binoculars方法相比，性能相對提升68.03%。 「AIGC發展日新月異，我們將持續迭代升級評估基準和技術，致力於實現更快、更準、更低成本的AI生成文本檢測，以AI之力，讓每一篇成果更出彩。」研究團隊負責人、南開大學計算機學院教授李重儀說。(完)
免责声明：本文内容与数据仅供参考，不构成投资建议，使用前请核实。据此操作，风险自担。
香蕉app免费下载
「活动」首次登录送新手大礼包
- 软件大小: 928.96MB
- 最后更新: 2026-02-21 22:10
- 最新版本: v14.10.15.3
- 文件格式: apk
- 应用分类:ios-Android 心动直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 2.57以上
客服热线：137-2931-3857
46321
23
82791
62
2026-02-21 22:10
51392
24
2026-02-21 22:10
53718
85
2026-02-21 22:10
36187
82
2026-02-21 22:10
56912
92
2026-02-21 22:10
64591
93
2026-02-21 22:10
76893
86
2026-02-21 22:10
75614
24
2026-02-21 22:10
34528
54
2026-02-21 22:10
84
25463
35
92764
84937
96432
28154
14237
26
