2018-08-02 中国科学报

【字体：大 中 小】

语音播报

美国Science杂志

2018年7月27日

　　一统天下的基因：调控蚂蚁的真社会性

　　研究人员提出，欧易交易所一个与胰岛素信号相关的单一基因可能驱动了蚁后生殖王权的演化崛起。他们的发现提示，地球上较复杂动物社会之一的发展受到某单一基因表达的强烈影响（即使不是由其决定的话）。所有的蚂蚁都被认为是真社会性昆虫，在蚁群中的大多数蚂蚁会放弃它们自己的生殖潜力，旨在支持一个能产卵的蚁后。

　　最新研究显示，这种行为是通过胰岛素信号和胰岛素样肽2基因（ilp2）的表达进行调控的。人们认为，在真社会性蚂蚁中常见的严格的生殖角色反映了一种先祖亚社会性生活周期，即蚂蚁的共同祖先的生活是在生殖期与幼虫护理期之间交替进行的。这种周期性的繁殖行为最终被改变成今天所见的真性社会群落中蚁后产卵和工蚁照顾幼蚁的固定角色。

　　然而，真社会性的起源及它的基因基础仍不清楚，这给是什么能让蚁后专事产卵但却阻止工蚁产卵等留下了开放的问题。Vikram Chandra和同事用一种转录物组学方法来搜寻数个品种蚂蚁中那些从事生殖和不会生殖蚂蚁脑中差异表达的基因；这些品种的蚂蚁成员展现了各种不同的生殖策略。

　　在专事生殖的蚂蚁中ilp2的表达持续高亢。作者就ilp2对克隆袭击蚁生殖周期的作用进行了调查。他们发现，在这些蚂蚁中，幼蚁的存在会减少ilp2的表达。然而，提高与ilp2相关的肽的水平可覆盖这些幼蚁发出的信号，欧意交易所app官方下载并在工蚁和蚁后间确立更严格的分界。

　　终极组合：3D打印的光学深度学习网络

　　一种新研发的3D打印的光学深度学习网络可令计算执行达到光速。这一进展提供了一个廉价、可缩放及高效的创建深度学习系统的方法。这些系统正在加速推进科学前沿，其中包括医学影像分析、语言翻译、图像分类等。

　　由Xing Lin和同事研发的光学深度学习框架由多层3D打印的光学衍射表面组成，这些表面可共同处理信息。这一系统被称作“衍射深度神经网络”（D2NN），它是通过在某给定层面上的每个点对入射波进行传播或反射来发挥作用的；该入射波代表了一个人工神经元，后者与接续层面上的其他神经元通过光学衍射进行连接。通过改变相位和幅度，每一“神经元”都是可调的。

　　为了让D2NN发挥作用，研究人员通过让其接触5.5万幅手写数字（范围从0~9）图像来训练该系统。在训练之后，D2NN可识别这些数字，其准确性达95.08%；作者概述了进一步提高准确性的方法——如增添更多的“神经”层。作者指出，通过用不同的3D制作方法，这一系统的规模很容易被扩大。

　　减少气候预测中的不确定性

　　由于辐射强迫的不充分计算所致的气候模型中的错误削弱了研究人员解决重要的气候相关问题的能力，这些问题包括：随着越来越多二氧化碳的释放，数字货币交易平台大气会暖化到什么程度。但在《科学》最新一期《视角》文章中，Brian Soden等人提出，由二氧化碳辐射强迫所致的暖化计算实际上要比目前建模方法所提示的不确定性要少得多。在过去的20年中，来自二氧化碳辐射强迫中的不确定性（即由大气中该气体所致的暖化）一直令模型预计的暖化范围大致保持不变。据Soden和同事披露，二氧化碳在辐射强迫中的作用已知要比气候模型结果所提示的准确得多；用逐线（LBL）计算的辐射强迫尤其展示了狭窄得多的不确定性范围。

　　然而，因为它们的计算成本过于高昂，这些计算类型通常未被纳入气候模型之中。在诸如这些更为精致的方法能被纳入气候模型之前，模型参数应该用更为准确的计算（如LBL）来进行审查，以减少气候预测中的不确定性。

美国Science杂志
2018年7月27日
 
　　一统天下的基因：调控蚂蚁的真社会性
　　研究人员提出，一个与胰岛素信号相关的单一基因可能驱动了蚁后生殖王权的演化崛起。他们的发现提示，地球上较复杂动物社会之一的发展受到某单一基因表达的强烈影响（即使不是由其决定的话）。所有的蚂蚁都被认为是真社会性昆虫，在蚁群中的大多数蚂蚁会放弃它们自己的生殖潜力，旨在支持一个能产卵的蚁后。
　　最新研究显示，这种行为是通过胰岛素信号和胰岛素样肽2基因（ilp2）的表达进行调控的。人们认为，在真社会性蚂蚁中常见的严格的生殖角色反映了一种先祖亚社会性生活周期，即蚂蚁的共同祖先的生活是在生殖期与幼虫护理期之间交替进行的。这种周期性的繁殖行为最终被改变成今天所见的真性社会群落中蚁后产卵和工蚁照顾幼蚁的固定角色。
　　然而，真社会性的起源及它的基因基础仍不清楚，这给是什么能让蚁后专事产卵但却阻止工蚁产卵等留下了开放的问题。Vikram Chandra和同事用一种转录物组学方法来搜寻数个品种蚂蚁中那些从事生殖和不会生殖蚂蚁脑中差异表达的基因；这些品种的蚂蚁成员展现了各种不同的生殖策略。
　　在专事生殖的蚂蚁中ilp2的表达持续高亢。作者就ilp2对克隆袭击蚁生殖周期的作用进行了调查。他们发现，在这些蚂蚁中，幼蚁的存在会减少ilp2的表达。然而，提高与ilp2相关的肽的水平可覆盖这些幼蚁发出的信号，并在工蚁和蚁后间确立更严格的分界。
　　终极组合：3D打印的光学深度学习网络
　　一种新研发的3D打印的光学深度学习网络可令计算执行达到光速。这一进展提供了一个廉价、可缩放及高效的创建深度学习系统的方法。这些系统正在加速推进科学前沿，其中包括医学影像分析、语言翻译、图像分类等。
　　由Xing Lin和同事研发的光学深度学习框架由多层3D打印的光学衍射表面组成，这些表面可共同处理信息。这一系统被称作“衍射深度神经网络”（D2NN），它是通过在某给定层面上的每个点对入射波进行传播或反射来发挥作用的；该入射波代表了一个人工神经元，后者与接续层面上的其他神经元通过光学衍射进行连接。通过改变相位和幅度，每一“神经元”都是可调的。
　　为了让D2NN发挥作用，研究人员通过让其接触5.5万幅手写数字（范围从0~9）图像来训练该系统。在训练之后，D2NN可识别这些数字，其准确性达95.08%；作者概述了进一步提高准确性的方法——如增添更多的“神经”层。作者指出，通过用不同的3D制作方法，这一系统的规模很容易被扩大。
　　减少气候预测中的不确定性
　　由于辐射强迫的不充分计算所致的气候模型中的错误削弱了研究人员解决重要的气候相关问题的能力，这些问题包括：随着越来越多二氧化碳的释放，大气会暖化到什么程度。但在《科学》最新一期《视角》文章中，Brian Soden等人提出，由二氧化碳辐射强迫所致的暖化计算实际上要比目前建模方法所提示的不确定性要少得多。在过去的20年中，来自二氧化碳辐射强迫中的不确定性（即由大气中该气体所致的暖化）一直令模型预计的暖化范围大致保持不变。据Soden和同事披露，二氧化碳在辐射强迫中的作用已知要比气候模型结果所提示的准确得多；用逐线（LBL）计算的辐射强迫尤其展示了狭窄得多的不确定性范围。
　　然而，因为它们的计算成本过于高昂，这些计算类型通常未被纳入气候模型之中。在诸如这些更为精致的方法能被纳入气候模型之前，模型参数应该用更为准确的计算（如LBL）来进行审查，以减少气候预测中的不确定性。

更多分享

扫一扫在手机打开当前页