以下文章来源于华中农业大学 ，作者华中农业大学
01
揭示藻菌生物膜处理灰水的碳氮质量流和代谢途径
近日，华中农大资源与环境学院污水处理与资源化团队在藻菌生物膜无曝气处理灰水中碳氮质量流量和代谢途径方面的最新研究成果以“Mass Flow and Metabolic Pathway of Nonaeration Greywater Treatment in an Oxygenic Microalgal−Bacterial Biofilm”为题在Environmental Science & Technology上发表。
自产氧藻菌生物膜可实现高效低能耗的污水处理与资源化利用，揭示微藻和细菌在碳氮去除过程中的贡献和功能对于提高污染物去除性能具有重要的实践意义。然而，藻菌生物膜处理污水过程中碳（C）和氮（N）的分布、动态变化和质量流没有得到实验验证。
基于此，团队开发了一种推流式微藻-细菌生物膜反应器用于源分离灰水处理，系统研究了共生生物膜的结构和理化性质、灰水化学需氧量（COD）、LAS和总氮的去除性能，揭示了生物膜中C和N的质量流以及功能性微生物群落结构、重要酶及其代谢潜力。结果表明，绝大部分C（92.6%）和N（95.7%）固定在了新合成生物质中，只有少量部分最终转化为CO2（2.2%）和N2（1.7%）。微藻光合作用对C和N去除的贡献分别为75.3%和79.0%，而细菌同化作用对C和N去除的贡献分别为17.3%和16.7%。藻菌生物膜系统在灰水处理过程中实现了稳定高效的碳氮去除，为实现低能耗源分离灰水处理、回用和资源回收提供了一种新的技术选择。
▲藻菌生物膜反应器处理灰水过程中不同位置的碳和氮质量流
研究得到国家自然科学基金项目和华中农大高层次人才项目资助。华中农大资源与环境学院周云教授为论文第一作者兼通讯作者。资源与环境学院博士研究生伍贝贝、崔晓彩、硕士研究生任恬、冉婷以及美国工程院院士、亚利桑那州立大学斯威特环境生物技术中心主任Bruce E. Rittmann也参与了研究工作。
02
在JEV感染调控血脑屏障的研究中取得新进展
近日，华中农大动物科学技术学院、动物医学院崔旻教授团队在Journal of Neuroinflammation杂志上发表了题为“Type I/type III IFN and related factors regulate JEV infection and BBB endothelial integrity”的研究论文，阐释了I型/III型干扰素及相关因子在JEV感染和血脑屏障调控中的作用，为寻找日本脑炎治疗药物靶点提供了新的线索。
日本脑炎病毒（JEV）感染导致日本脑炎（JE）。该病毒感染通常伴随着血脑屏障 (BBB) 完整性的破坏和中枢神经系统 (CNS) 炎症，但发病机制尚未完全解析。作为BBB的主要组成细胞，脑微血管内皮细胞（Brain microvascular endothelial cells, BMECs）分隔了血液循环和脑实质，维持着 CNS 内环境的稳态。关于 JE 的研究多聚焦于 CNS 炎症因子对 BBB 的破坏，而JEV 感染引起的 BMECs细胞的相关变化知之甚少。实际上，JEV在脑微血管内皮细胞（BMEC）中建立感染被认为是病毒穿透血脑屏障的关键初始事件。因此，团队基于转录组测序数据，比较全面地对 JEV 诱导的 hBMECs 细胞内生物信号转导进行了阐述，为天然免疫因子与 BBB 之间的相互调控提供新的理论基础，总结图如下：
▲III型干扰素及相关因子在JEV感染和血脑屏障调控中的作用
首先，作者探究了JEV感染人源脑微血管内皮细胞（hBMEC）所引起的细胞特征性变化。结果提示 JEV 感染并未导致 hBMECs 细胞发生病变但在感染后期影响了细胞活性。随后，为了充分阐明 JEV 和 hBMECs 细胞之间的相互作用，对JEV 感染后不同时间点的hBMECs 细胞进行了转录组测序。通过一系列分析，发现感染后的一系列差异表达基因主要富集在宿主细胞的天然免疫应答和内皮细胞通透性调节等通路。进一步的研究表明，模式识别受体（pattern-recognition receptors，PRR，包括 TLR3、RIG-I 和 MDA5）通过识别 JEV 并启动 IRF/IFN 信号传导。IFN 通过 JAK/STAT 途径触发具有四肽重复序列 (IFIT) 的干扰素诱导蛋白的表达。而在屏障稳态的调控中，不同的 PRRs 发挥了迥异的功能。外源的IFN（IFN-β和IFN-λ1）可以显著减轻内皮屏障的损伤。尽管IFITs与IFN之间存在了复杂的调控，但IFITs并不是IFN稳定内皮屏障所必须的。
华中农大动物科学技术学院、动物医学院博士研究生张亚格为论文第一作者，崔旻为论文通讯作者。该研究得到国家自然科学基金、国家重点研发计划项目等项目资助。
03
领衔倡导CropGPT作物智能育种新模式，引领育种迈向5G精准智能设计新时代
保证粮食安全是全球农业科技工作者的共同使命。在过去80年，全世界粮食增产主要归功于品种遗传改良（尤其是杂交种）和栽培管理模式提升。但是，随着世界人口数量不断增长，粮食供给和育种革新面临新的挑战。尽管当前育种已经进入智能育种时代，但世界大部分地区仍停留在常规的育种时代，尤其是在发展中国家。因此，我们亟需整合现代的最新技术，提升育种技术，进一步加快遗传改良进程。
近日，由华中农业大学玉米团队李林教授领衔，联合国内多个研究团队，在国际期刊Molecular Plant在线发表了题为“The CropGPT project: A call for a global, coordinated effort in precision design breeding driven by AI using biological big-data”的文章。该文向全球发起了开放、共享与合作的智能育种倡导——CropGPT，探讨了如何整合现有资源（包括种质、生物大数据）及人工智能方法、升级现有育种技术，并提出了可能的运作流程及潜在理论基础。
▲CropGPT智能设计育种架构
Generative Pre-trained Transformers (GPT)是一种强大的语言模型，它们利用转换器模型（一种基于自注意力机制的神经网络模型）从广泛的训练数据中学习并生成文本。
GPT/NLP (Natural Language Processing) 的发展为通过增强生物大数据分析进行精准的智能设计育种带来了希望。因此，研究者在本论文中提出CropGPT新概念，并向全球发起CropGPT智能设计育种合作倡导。这是一种开放、合作以及共赢的团队育种模式，CropGPT需要集合育种家、生物学家、数学家、计算机学家、育种公司以及生物技术公司的力量（图1A）。首先，育种家提供优质的基础种质资源（elite founder），育种公司基于这些种质资源，利用DH等工程化技术构建育种群体；其次，生物学家基于前期产生和收集的多组学数据，构建基因网络，结合AI技术系统调查基因-性状的调控关系，快速批量克隆重要性状的功能基因集合；第三, 基于全基因组重要性状的全局功能基因，李林团队设计了多款精准智能育种芯片，可低成本地对群体中特定功能的基因集进行高通量基因分型，同时利用智能表型平台对群体进行高通量表型鉴定；第四，数学家整合基因型、表型，以及环境数据，建立适合的大数据模型，而计算机学家通过模型预测合理优化的组配方式（hybrid），并给出育种建议；最后，育种家根据育种建议进行杂交组合的配制、产量鉴定和抗逆性鉴定等。优质的组配材料可直接进行商业化应用，同时也可以再次加入基础种质（elite founder）中，通过迭代循环，不断优化大数据模型，提高预测的准确性，强化CropGPT智能育种能力。
数学家基于大规模育种语料库开发合适的大语言模型（LLMs）是CropGPT 成功的关键因素。在此基础上，研究者期望开发一种特征融合方法，它能够使CropGPT运用独立的预训练编码器来处理多模态数据，包括表型、环境因素、基因型、多组学数据、基因网络和文本等，从而统一生命语言（图1B）。理想情况下，神经网络和自监督学习技术将被整合到 CropGPT 中，以实现多种模态数据和人类自然语言之间的对齐和翻译。最终期望CropGPT 能够实现育种家的自由文本查询、多模态输入，并支持不同的下游任务。
综上所述，CropGPT项目旨在整合多种资源（种质与生物大数据），利用DH技术、高通量基因分型、高通量表型以及AI等先进技术快速、精准的预测，优化升级育种技术，服务广大育种人员。
华中农大博士后朱万超为本文第一作者，华中农业大学植科院李林教授、信息学院李伟夫副教授为通讯作者，云南省农业科学院番兴明研究员、中国农科院作物所张红伟副研究员、华中农业大学信息学院陈洪教授和冯在文副教授等参与了思路设计与文章修改。
由于篇幅所限，今天所分享的仅为近期华中农业大学科学研究成果的一部分。更多科研动态，欢迎点击文末“阅读原文”，浏览华中农业大学南湖新闻网科学研究专题进一步了解。
来源：华中农业大学官方微信（微信号：hzau_news_center）
转自：“iPlants”微信公众号
如有侵权，请联系本站删除！
