本文介绍了武汉大学等机构在《Nature》杂志发表的一项研究，提出一种利用定制受体技术培育冠状病毒的新方法。该方法的创新点在于解决了冠状病毒难以在实验室培养的问题，并成功培养了HKU5冠状病毒等。文章还讨论了其应用前景、生物安全风险及未来展望。
冠状病毒对全球公共健康存在潜在威胁，但由于许多病毒难以在实验室中培养，研究其机制和制定对策存在挑战。
研究团队开发了一种定制冠状病毒受体的方法，包括受体支架的构建、病毒结合域的添加、受体功能验证和真病毒实验等步骤。
研究团队成功培养了难以生长的冠状病毒，为12种冠状病毒设计了特定受体。该技术有助于研究冠状病毒的感染机制和脆弱性，开发靶向抗病毒药物和疫苗，并可能应用于其他病毒的研究。
尽管技术的科学价值巨大，但其生物安全风险也引发了广泛关注。主要争议点包括双重用途问题、实验室泄露的隐患以及国际监管缺失等。
研究团队提议技术完善、国际合作与监管以及基础科学的推动等方面的未来发展方向。
引言
冠状病毒已经在21世纪三度引发重大疫情，包括2003年的SARS、2012年的MERS，以及2019年的COVID-19大流行。这些事件突显了冠状病毒对全球公共健康的潜在威胁。然而，研究冠状病毒的挑战在于许多病毒难以在实验室中培养，这极大限制了科学家对其机制的探索和对策的制定。
近日，《Nature》 杂志发表了一项突破性研究，由武汉大学和国际多家机构的科学家联合完成，提出了一种利用定制受体技术培育冠状病毒的新方法。这一策略结合了病毒学、免疫学和分子建模的前沿技术，不仅为研究冠状病毒提供了新思路，也引发了关于生物安全的激烈讨论。
研究背景
冠状病毒表面存在“刺突蛋白”，它通过与细胞上的特定受体结合，完成感染过程。迄今为止，科学家仅发现了少数冠状病毒的受体，例如：
然而，自然界中潜伏着数千种其他冠状病毒，大多数生活在蝙蝠体内。这些病毒的受体尚未确定，培养它们以进行深入研究变得尤为困难。
创新方法：定制冠状病毒受体
1. 技术原理
研究团队开发了一种定制冠状病毒受体的方法，核心步骤包括：
1. 受体支架的构建：基于ACE2等已知受体的结构特征，设计出“支架”分子。
2. 病毒结合域的添加：将与冠状病毒刺突蛋白匹配的结合域整合到支架中。这些结合域由纳米体（常规抗体的微型版本）优化而成。
3. 受体功能验证：利用假病毒（不具备感染能力的病毒颗粒）测试定制受体的性能。
4. 真病毒实验：在严格生物安全条件下，使用真实冠状病毒验证受体效果。
2. 主要成果
3. 实验验证
研究团队展示了如何通过这种策略在实验室中实现病毒的稳定培养，并提出未来可以利用这项技术开发转基因动物模型，研究冠状病毒如何感染宿主细胞。
应用前景与意义
1. 抗病毒药物和疫苗开发
定制受体技术为研究冠状病毒的感染机制和脆弱性提供了新的工具。通过分析病毒与受体的相互作用，可以更精准地设计靶向抗病毒药物和疫苗。
2. 新型病毒的研究
这项技术还可以帮助科学家分离和研究未知病毒。在潜在威胁成为现实之前，科学家可以提前了解其结构和功能，制定预防措施。
3. 应用于其他病毒
研究团队表示，这一策略有望扩展到其他类型的人类病毒，如流感病毒、埃博拉病毒，甚至HIV病毒。
生物安全争议
尽管这项技术的科学价值毋庸置疑，但其潜在的生物安全风险也引发了广泛关注。以下是主要争议点：
1. 双重用途问题
定制受体技术可能被不当使用，从自然界中分离出具有高度致病性的病毒。美国国家过敏和传染病研究所（NIAID）的病毒学家Vincent Munster指出，这项技术尽管“极具创造性”，但也可能带来意想不到的风险。
2. 实验室泄露的隐患
批评者担心，如果实验室培养的冠状病毒发生突变，并意外泄露，可能引发新的疫情。研究团队建议，在开展新病毒实验前，应首先通过假病毒评估生物安全风险。
3. 国际监管缺失
德克萨斯大学医学分部的James Le Duc警告，当前国际社会对新兴生物技术的监管尚未跟上技术发展的步伐。如何对潜在风险进行独立评审，是一个亟待解决的难题。
数据与分析工具
1. 基因序列分析
2. 分子建模
3. 实验验证
未来展望
1. 技术完善
2. 国际合作与监管
3. 基础科学的推动
这项研究为揭示冠状病毒感染机制及其与宿主的相互作用提供了全新视角。未来，定制受体技术可能在病毒学、免疫学甚至药物开发领域引发一场技术革命。
结语
定制冠状病毒受体技术为解决病毒研究中的“培养难题”提供了一条创新路径，同时也提醒我们，新技术的应用伴随着风险，需要科学界和政策制定者的共同努力。这一研究的成功不仅让科学家更接近理解冠状病毒的本质，也为预防未来的疫情提供了希望。
来自：基因的生物信息学分析
新课上线 | 单菌基因组组装、注释、遗传表征、分子分型、系统进化和传播溯源
高颜值免费 SCI 在线绘图(点击图片直达)
最全植物基因组数据库IMP (点击图片直达)
往期精品(点击图片直达文字对应教程)
机器学习
