疫情之下，我们不仅要
据了解，该研究团队历时近两年，首次绘制了人类椎间盘单细胞图谱，从空间上解析了细胞异质性和维持椎间盘稳态的关键分子事件，在单细胞水平上更新了对人类椎间盘的理解和认识，从转录组和功能学层面鉴定得到一群全新的髓核祖细胞（NPPC）。
椎间盘退行性疾病（DDD）是引起颈肩痛与腰腿痛的主要原因，严重影响患者的生活质量，给家庭和社会造成了沉重的负担。为此，科学家不断深入探索椎间盘生理学和病理学机制，寻求重建椎间盘稳态的创新治疗方法。然而，椎间盘细胞的高度异质性以及微环境的高度复杂性，给椎间盘生理病理机制的探索带来了重大挑战。
既往研究发现，人类椎间盘存在细胞异质性，与其生理病理事件有潜在关系。例如，椎间盘干细胞可能在椎间盘发育、损伤和修复过程中发挥关键作用。但是，迄今为止仍难以精确解析人类椎间盘细胞亚群的种类、分子特征，起源及其调控机制。
科研团队摸索出人类椎间盘单细胞分离方法后，从13—31周岁的研究人群中收集健康椎间盘，从中分离髓核、纤维环和终板组织，分别进行高通量单细胞转录组测序；对个椎间盘髓核、纤维环及终板组织的细胞分别进行了单细胞转录组测序和分析，系统绘制人类椎间盘单细胞图谱。
通过解析这一图谱，科研团队有了四个核心发现。即：解析了椎间盘的细胞异质性，发现9类细胞亚群，突破了椎间盘细胞成分单一的传统认识；鉴定了多种功能各异的软骨细胞亚群，根据胞外基质调控特征的差异，重新定义为调控型、稳态型和效应型软骨细胞；发现了一群特异表达PDGFRA和PROCR的髓核祖细胞，具有集落形成和三系分化等干性特征，具有较强再生潜能；构筑了椎间盘细胞相互作用信号调控网络，发现多种生长因子相关信号通路共同参与微环境稳态的维持。
据研究负责人介绍，人类椎间盘单细胞图谱将为椎间盘领域的深入研究提供重要资源库，为深度解析椎间盘生理与病理机制奠定了基础，为椎间盘退行性疾病的生物治疗提供重要线索。（来源：科技日报，记者：雍黎，通讯员：王奕璇，内容有部分删减）原文
机器学习宗旨是使用计算机作为工具并致力于真实、实时的模拟人类学习方式，其可以将现有内容进行知识结构划分，再广泛应用于解决工程应用和科学领域的复杂问题。现在，机器学习被视作最具智能特征的研究领域，但科学家已经提出了新的问题：机器会学习，但它会遗忘吗？实际上，它们的学习方式虽然在效仿人类，但“遗忘”方式却与我们大不一样。
机器学习的“遗忘”，对于有需求的用户，也就是那些对他们在网上分享的内容感到后悔的人来说，其实很直观。但从技术层面来讲，消除特定数据点影响的传统方法，是“从零开始”重建系统，这是一项代价可能相当高昂的工作，令企业几乎难以承受。具体来说，某些地区的用户如果他们对披露的内容改变了主意，其实是有权要求公司删除他们的数据的。但彻底抹除这件事很难实现，因为一旦经过训练，机器学习系统就不会轻易改变，甚至就连训练者们自己，也不清楚系统是如何掌握这些能力的，因为他们并不能完全理解自己调试或训练出的算法。
年有科学家提出可以将机器学习项目的源数据分成多个部分，以实现对单个数据点的“遗忘”，但最近已被证明存在缺陷。如果提交的删除请求以特定的顺序出现，无论是偶然的还是恶意的，机器学习系统都会崩溃。因此，要实现“选择性失忆”这个概念，科学家可能需要在计算机科学方面做出全新探索。
“当他们（用户）要求删除数据时，我们能否消除他们数据的所有影响，同时避免从头开始重新训练的全部成本？”宾夕法尼亚大学机器学习教授亚伦·罗斯表示，他们目前进行的研究就是希望能找到一些“中间地带”。或许在不久的将来，有望找出一条既可以控制数据也可以保护由数据产生的价值的发展道路。（来源：科技日报，记者：张梦然）原文