分类： 加州理工大学新闻

马克·拉扎尔(Marc Lazar)最近加入了加州理工学院，担任加州理工学院学生无障碍服务(CASS)新设立的无障碍服务专家。在这个角色中，拉扎尔是残疾本科生和研究生的主要支持人，并负责确保作为加州理工学院社区的一员，有公平的机会获得充分的经验。通过与每个学生的互动过程，拉扎尔致力于探索并促进所需的住宿，以提供进入教室的通道，包括面对面的和虚拟的，以及实验室、住房和其他活动，如轮转。拉扎尔曾在大学(加州大学洛杉矶分校和摩尔帕克学院)、高中、社区和工作场所等不同的环境中与残疾人进行过合作，并在自闭症社区方面有着丰富的经验和专业知识。

为什么在加州理工学院这样的地方有人担任你的职位很重要?

可访问性是学校的一个关键问题，包括大学校园。我认为，有这样一个人，他的角色是专注于无障碍设施，这是非常重要的，不仅要关注建筑物的无障碍设施，还要让学生充分参与到大学生活中来。对我来说，这是一个很大的股权问题。直到最近20年左右，它才真正成为高等教育的重点。我们仍在充分实现《1990年美国残疾人法》(ADA)提出的愿景，即所有人，无论残疾或能力如何，都应在一生中享有完全平等的体验。

关于残疾有哪些误解?

我想对很多人来说，当你谈到残疾时，他们首先想到的是一个坐着轮椅的人，或是一个有视觉障碍或失聪的人。直到最近，人们才开始意识到，心理和发育等无形残疾以及其他不太明显的健康残疾实际上影响着更多的人。

你想尽早解决哪些问题?

我认为第一点是真正的外联，就是在整个加州理工学院社区增加卡斯商学院的知名度和可及性，帮助学生们在遇到危机前更轻松地寻求帮助。污名化，尤其是与心理残疾有关的污名化，对我多年来共事过的许多学生来说，一直是一个巨大的挑战。

对于学生来说，在加州理工这样的精英院校学习，可能会成为他们寻求帮助或做任何可能使他们成为残疾的事情的障碍。与此同时，越来越多的残疾人群体正在彼此之间寻求支持和力量。而这也开始在学术界出现。我认为如果能利用这一点，将学生和整个加州理工学院的社区与更大的残疾人权利和支持社区联系起来，那将是非常棒的。

如果一个学生有"invisible"残疾，比如多动症，但他不愿透露自己的情况，你会说什么?

我希望学生们知道的一件事是，他们的残疾状况是他们的个人信息，他们可以选择与谁分享这些信息。所以，在CASS注册并不意味着其他人会知道他们的状态。这不会出现在他们的成绩单或学生记录上。学生可以被批准住宿，但可以选择通知哪些教师，以及他们想在每个特定的课程中使用哪些住宿。除非在紧急情况下，未经教职员工同意，我们不会向他们透露任何有关学生残疾的细节。

就校园的交通便利程度而言，你认为有哪些挑战?

我知道校园里有些旧建筑，所以有些东西需要翻新。我的印象是立即解决所有问题是不可行的。它更多的是在需要时解决问题。我感兴趣的是探索如何让学生更容易地接触我们，当无障碍问题出现在他们身上时，我们可以尽快解决它。而且，很有希望，在未来，它们可以更多地包括在新设施的规划阶段，这样从一开始就可以完全使用。

当人们想到无障碍问题时，他们通常会想，"好吧，这里有坡道吗?这里有一扇容易打开的门吗?"但是有很多细微差别。那些每天与残疾人一起体验世界的人会注意到我没有注意到的事情。例如，可能有一个区域的东西变得狭窄的走廊，我可能没有注意到这是一个问题。但是他们可能会说，嘿，如果是一天中很拥挤的时候，让我的轮椅通过可能会很困难。"所以归根结底还是学生，给他们发言权，让他们知道他们的声音被听到了，他们的见解和意见是非常重要的。

与教学有关的无障碍问题有哪些?

我认为教师们仍在学习如何使教育内容更容易获得。我想向教育工作者们保证，有很多简单的修复可以在电子邮件、Word文档、pdf文档中完成，无论是对图像使用alt文本、运行内置的辅助功能检查工具，还是使用单一的易于阅读的字体。这些小小的改变可以带来很大的帮助。

适应在线学习的特殊挑战是什么?

我认为在线学习对一些残疾学生来说尤其困难。对于那些有心理健康问题的学生来说，获得临床支持会更加困难。有些学生可能已经和帕萨迪纳的供应商建立了关系，现在他们搬回家了，所以他们不再在帕萨迪纳了，他们在这里的供应商可能没有许可在学生所在的州提供服务。所以，我们发现一些学生在他们真正需要的服务上存在差距。

关于在线学习，我注意到的另一件事是，有执行功能障碍的学生，通常会出现注意力缺陷障碍和自闭症，他们中的更多人一直在这种环境中挣扎。我认为这与网络环境的结构更少有关，你必须在网络环境中管理自己的时间，而不是在特定的时间出现在特定的地方。许多面临执行功能挑战的学生依赖常规，有时还需要外部提醒，才能真正做到最好。要长时间盯着屏幕保持注意力对每个人来说都很困难，但我认为，当你面临与注意力和注意力相关的挑战时，这可能尤其困难。

是什么吸引你来加州理工学院的?

让我感到兴奋的一件事是校园和社区的紧密联系。我认识了很多人，很容易就能联系到教职员工，讨论我们如何合作来最好地支持学生。

我在这里学习了所有令人难以置信的资源，我很高兴知道，如果有什么事情我不能直接帮助学生，我经常可以推荐他们到校园合作伙伴，以获得所需的支持。

我一直都知道加州理工学院拥有令人难以置信的声誉和一些最聪明的学生和教师。我很高兴能成为这个追求卓越的团体的一员，并能直接与那些对宇宙和他们自己进行发现的人一起工作。

新闻旨在传播有益信息，英文原版地址：https://www.caltech.edu/about/news/a-conversation-with-accessibility-services-specialist-marc-lazar

生活中有些事情是可以很好地预测的。潮起潮落。月亮有盈有亏。弹子球按照有序的几何形状绕着桌子弹跳。

还有一些事情是很难预测的:飓风会在没有任何预警的情况下改变方向。喷泉中溅起的水花。从树上长出的优雅而杂乱的树枝。

这些现象和其他类似的现象可以被描述为混沌系统，它们以表现出一开始可以预测的行为而著称，但随着时间的推移，它们变得越来越随机。

由于混沌系统在我们周围的世界中扮演着重要的角色，科学家和数学家们一直在寻求更好地理解它们。现在，加州理工学院的王力宏，安德鲁和佩吉程医学工程系的布伦教授，开发了一种新的工具，可能有助于这一探索。

在最新一期的《科学进展》杂志上，王描述了他如何使用自己设计的超快摄像机，以每秒10亿帧的速度记录视频，来观察激光在一个专门设计来诱导混沌反射的腔内的运动。

是一种所谓的混沌光学腔，其设计原理是，一束光从其内部表面反射后，不会沿着相同的路径走两次。信贷:加州理工学院

" Wang说，一些空腔是非混沌的，所以光的路径是可以预测的。但在目前的工作中，他和他的同事们已经使用超快相机作为研究混沌腔"的工具，在这个混沌腔中，我们每次重复实验时，光都会走不同的路径

这款相机使用了一种被称为压缩超快摄影(CUP)的技术，王在其他研究中证明了这种技术能够达到每秒70万亿帧的速度。杯子相机拍摄视频的速度使它能够看到宇宙中速度最快的物体——光——在它移动的时候。

但杯子相机还有另一个特点，使它们特别适合研究混沌系统。与传统相机每次只拍摄一帧的视频不同，杯子式相机基本上是一次拍摄所有帧。这允许相机捕捉整个激光束混沌路径通过腔都在一次。

这一点很重要，因为在一个混乱的系统中，行为每次都是不同的。如果摄像机只捕捉到动作的一部分，那么没有被记录下来的行为就永远无法被研究，因为它永远不会以完全相同的方式再次发生。这就像试图拍摄一只鸟，但用的相机一次只能捕捉身体的一个部位;而且，每次这只鸟降落在你附近，它就会变成一个不同的物种。尽管你可以尝试将所有的照片组合成一张合成的鸟图像，但这只拼凑在一起的鸟将拥有乌鸦的喙、鹳的脖子、鸭子的翅膀、鹰的尾巴和鸡的腿。不完全是有用的。

王说，他的杯子相机捕捉光的混沌运动的能力可能会为光学混沌的研究注入新的活力，光学混沌在物理、通信和密码学方面都有应用。

"他说:“一段时间以前，这是一个非常热门的领域，但后来渐渐沉寂下来，可能是因为我们没有所需的工具。”实验主义者失去了兴趣，因为他们不能做实验;理论家失去了兴趣，因为他们不能用实验来验证他们的理论。这是一个有趣的演示，向该领域的人们展示他们终于有了一个实验工具"

描述这项研究的论文《"光学混沌的实时观测与控制》发表在1月13日的《科学进展》杂志上。共同作者是曾在加州理工学院工作，现为亚利桑那大学怀恩特光学科学学院助理教授的范林然;以及南加州大学的闫晓东和王汉。

该研究经费由陆军研究办公室青年研究员计划、空军科学研究办公室、国家科学基金会和国家卫生研究院提供。

新闻旨在传播有益信息，英文原版地址：https://www.caltech.edu/about/news/studying-chaos-with-one-of-the-worlds-fastest-cameras

导致COVID-19大流行的SARS-CoV-2病毒只是冠状病毒家族中许多不同病毒中的一种。其中许多病毒在蝙蝠等动物群体中传播，有可能将"jump"病毒传播到人类群体，就像SARS-CoV-2那样。巴尔的摩(David Baltimore)生物学和生物工程教授帕梅拉·比约克曼(Pamela Bjorkman)实验室的研究人员正在研究多种相关冠状病毒的疫苗，目的是预防未来的大流行。

现在，在研究生亚历克斯·科恩(Alex Cohen)的带领下，加州理工学院(california tech)的一个团队设计了一种基于蛋白质的60亚基纳米颗粒，上面可以附着多达8种不同类型的冠状病毒碎片。当注射到小鼠体内时，这种疫苗会诱导产生抗体，对各种不同的冠状病毒做出反应，包括纳米颗粒上没有出现的类似病毒。

这项研究发表在《科学》杂志的一篇论文上。

这种疫苗平台被称为镶嵌纳米颗粒，最初是由牛津大学的合作者开发的。这种纳米粒子的形状像一个笼子，由60种相同的蛋白质组成，每一种蛋白质都有一个小的蛋白质标签，功能就像一块维可牢尼龙搭扣。科恩和他的团队提取了不同冠状病毒的刺突蛋白片段(刺突蛋白在感染中起着最大的作用)，并设计了每个片段的蛋白质标签，可以与笼子上的蛋白质结合——维可牢尼龙搭扣的另一半。当这些病毒碎片与纳米颗粒笼状结构混合时，每个病毒标签粘附在笼状结构上的一个标签上，导致纳米颗粒在其表面呈现不同的冠状病毒毒株。

用这种粒子平台展示8种不同的冠状病毒穗状片段(称为受体结合域或RBDs)，产生了不同的抗体反应，这比只呈现单一病毒片段的传统疫苗方法更具优势。接种后，小鼠随后产生的抗体能够对多种不同的冠状病毒株产生反应。重要的是，这些抗体对纳米颗粒上不存在的冠状病毒相关菌株有反应。这表明，通过向免疫系统提供多种不同的冠状病毒变种，免疫系统学会识别冠状病毒的共同特征，从而可能对新出现的冠状病毒做出反应，而不仅仅是SARS-CoV-2变种，这可能导致另一场大流行。

尽管该团队仍在研究这一现象背后的机制，但结果是有希望的。下一步是研究免疫是否能预防产生这些抗体的动物的病毒感染和/或感染症状。

"If我们可以表明,免疫反应引起的纳米技术确实防止疾病造成感染,那么我们希望可以推动这项技术进入人体临床试验,虽然有很多步骤,需要发生," Cohen说。"我们不认为这种方法会取代任何现有的疫苗，但在面对未来新出现的病毒威胁时，手头有许多工具是很好的

" Bjorkman说，不幸的是，SARS-CoV-2不太可能是最后一个引起大流行的冠状病毒。结果表明，可以提高多种中和性抗体反应，甚至针对注射纳米颗粒上没有代表的冠状病毒株。因此，我们希望这项技术可以用来防止未来动物冠状病毒传染给人类。此外，纳米颗粒能产生对SARS-CoV-2的中和反应，因此现在可以使用它们来预防COVID-19以及其他有大流行潜力的冠状病毒

这篇论文的题目是"Mosaic纳米颗粒在小鼠中引发了对人源性冠状病毒的交叉免疫反应。"加州理工学院的研究技术人员Priyanthi Gnanapragasam, Yu Lee, Pauline Hoffman和Leesa Kakutani;苏珊你;研究科学家Jennifer Keeffe (PhD '09);高级研究专家Anthony West (PhD '98);和高级博士后克里斯托弗·巴恩斯。其他合著者包括牛津大学的吴宏仁(hong – jen Wu)和马克·豪沃思(Mark Howarth)，洛克菲勒大学的米歇尔·努森茨威格(Michel Nussenzweig)。资金由加州理工学院Merkin研究所转化研究，国立卫生研究院，乔治梅森大学快速拨款，和欧洲医学研究理事会提供。发展中国家临床试验伙伴计划。

新闻旨在传播有益信息，英文原版地址：https://www.caltech.edu/about/news/nanoparticle-immunization-technology-could-protect-against-many-strains-of-coronaviruses

2009年，美国宇航局的开普勒任务开始运行后不久，它就发现了一颗被认为与海王星大小相仿的行星。这颗名为KOI-5Ab的行星是开普勒发现的第二颗新的候选行星，但随着开普勒发现的行星越来越多，它最终被遗忘了。到2018年任务结束时，开普勒已经发现了2394颗系外行星(绕太阳外恒星运行的行星)，以及2366颗候选系外行星，包括KOI-5Ab。

现在，美国宇航局系外行星科学研究所(NExScI)(位于加州理工学院的IPAC)的首席科学家戴维·恰尔迪(David Ciardi)表示，由于美国宇航局的凌日系外行星勘测卫星(TESS)任务的新观测结果，他已经让KOI-5Ab死里复生。

"KOI-5Ab从桌子上掉了下来，被人遗忘了，Ciardi说，他在美国天文学会(AAS)的一次虚拟会议上介绍了这一发现。到2014年，Ciardi和其他研究人员已经通过夏威夷的凯克天文台、加州理工学院圣迭戈附近的帕洛玛天文台和夏威夷的双子北天文台证明了被KOI-5Ab环绕的恒星是被称为KOI-5的三星系统中的一颗。但他们不确定KOI-5系统是否真的承载着一颗行星，或者是否他们看到了来自另外两颗恒星之一的错误信号。

然后，在2018年，苔丝出现了。和开普勒一样，TESS也在寻找行星穿过或凌日恒星时出现的闪烁星光。TESS观测了开普勒的部分视野，包括锦鲤5号星系。果不其然，TESS也将KOI-5Ab确定为候选行星(尽管TESS称其为TOI-1241b)。和开普勒一样，TESS也发现这颗行星大约每5天绕其恒星转一圈。但那时，我们还不清楚这颗行星是否真实存在。

我对自己说，我记得这个目标，Ciardi在看到TESS的数据后说。然后他回去重新分析了所有的数据，包括加州理工学院天文学教授安德鲁·霍华德(Andrew Howard)领导的加州行星搜索。加州行星搜索项目使用了地面望远镜，包括凯克天文台，来寻找恒星在行星绕其旋转并施加引力拖曳时出现的摇摆现象。

“如果不是苔丝再一次看了这颗行星，我就不会回去做这些侦查工作了。”恰尔迪说。

杰西·多森，美国宇航局艾姆斯研究中心开普勒/K2项目科学家说，"这项研究强调了美国宇航局所有太空望远镜的重要性以及它们与地面系统的协同作用。像这样的发现会是一个漫长的过程

来自太空和地面望远镜的数据一起帮助证实了KOI-5Ab是一颗行星。KOI-5Ab的质量约为土星的一半，围绕一颗恒星(恒星a)和一颗相对较近的伴星(恒星B)运行。恒星a和恒星B每30年绕对方运行一次。第三颗受引力约束的恒星(恒星C)每400年围绕恒星A和B运行一次。

合并后的数据集还显示，如果恒星和行星都是由同一盘旋转物质形成的，那么该行星的轨道平面与第二颗内部恒星(恒星B)的轨道平面并非如预期的那样对齐。三星系统约占所有恒星系统的10%，被认为是当三颗恒星从同一气体和尘埃盘中共同诞生时形成的。

天文学家还不确定是什么原因导致了锦鲤- 5ab的不一致，但推测是第二颗恒星在其发展过程中引力踢打了锦鲤，使其轨道倾斜，并导致锦鲤向内迁移。

这并不是在双星和三星系统中存在行星的第一个证据。一个引人注目的例子涉及到三星系统GW猎户座，在这个系统中，一个形成行星的圆盘被撕裂成明显的错位环，而行星可能正在那里形成。然而，尽管发现了数百个多恒星系统的行星，但在这些系统中行星形成的频率低于单星系统。这可能是由于观测偏差(单恒星行星更容易被发现)，也可能是因为行星的形成在多恒星系统中并不常见。

未来的仪器，如位于帕洛马的200英寸黑尔望远镜上的帕洛马径向速度仪(PARVI)和位于凯克的凯克行星探测器，将为更好地回答这些问题开辟新的途径。

Ciardi说，"恒星伴星可能会部分地熄灭行星的形成过程。"关于行星在多恒星系统中是如何以及何时形成的，以及它们的性质与单恒星系统中的行星相比如何，我们仍然有很多问题。通过更详细地研究KOI-5星系，也许我们可以了解宇宙是如何形成行星的

新闻旨在传播有益信息，英文原版地址：https://www.caltech.edu/about/news/a-tale-of-planetary-resurrection

当你在开车时，你的大脑吸收了大量的视觉信息并利用它来做出驾驶决定，比如何时刹车或变道。大脑需要确定在你的视野中什么样的信息对做出这些决定是必要的。例如，另一辆车的位置非常重要，但天空中的云或那辆车的颜色并不会真正影响你驾驶的方式。

这是一个在复杂的自然环境中做决定的日常例子。当有大量的感官数据需要快速做出决定时，大脑在做什么呢?为了研究这一问题和相关问题，研究人员可以使用我们日常生活中的模拟实验:电子游戏。

加州理工学院的一项新研究比较了人类在玩经典的雅达利电子游戏时的脑部扫描图和经过训练玩相同游戏的复杂人工智能(AI)网络。在研究生洛根·克罗斯(Logan Cross)的带领下，研究人员将经过训练的人工智能的行为与人类的行为进行了比较，发现人工智能中"neurons"的活动看起来与人类大脑的活动非常相似。这意味着，人工智能可能会像人类大脑一样解决这些决策任务，这使它成为研究人类大脑如何将高维视觉输入映射到复杂环境中的行动的良好模型。

这项研究是在心理学教授约翰·多尔蒂的实验室进行的。12月15日发表在《神经元》(Neuron)杂志上的一篇论文描述了这项研究。Doherty是加州理工学院天桥和Chrissy Chen神经科学研究所的一名附属教员。

" Doherty说，人工智能和神经科学之间的互动是双向的。"If我们可以找出类似的人工智能算法是大脑,这有助于我们更好地了解大脑是如何解决这些难题,但是相反如果我们可以理解为什么以及大脑如何更有效地解决这些游戏相比,一个人工智能,这可能帮助指导的发展更聪明和更future."人类的智能算法

决策神经科学研究的是大脑中的神经活动是如何促使人们做出决策的。在决策神经科学领域，许多研究使用简单的任务来研究人类是如何做出决策的。例如，一名研究参与者可能被要求玩两台奖金不同的老虎机。在实验过程中，参与者将了解到哪台老虎机赚的钱更多，并相应地调整自己的行为。解决这些任务的一般学习框架被称为强化学习，因为行为会被决策产生的奖励结果所强化。

然而，单独的强化学习框架并不能充分描述在更大和更复杂的任务中的决策。2015年，谷歌旗下的人工智能公司DeepMind开发了一种名为Deep Q Network (DQN)的复杂人工智能算法，它可以学会以人类或超人的水平玩数十种雅达利电子游戏。

DQN结合了经典的强化学习框架和另一个最近的进步，称为卷积神经网络。卷积神经网络充当一个感知系统，它学习检测雅达利像素空间(游戏屏幕)中的视觉特征，这些视觉特征可以预测奖励(得分)。这使得DQN能够通过查看游戏中的像素来了解在给定情况下应该采取什么行动。重要的是，游戏规则并没有被编程到DQN代理中;它必须通过反复试验自己了解游戏是如何进行的，因为当代理人得分时(伴随着导致得分的行动)，好的决策就会得到积极的强化。

在这项研究中，DQN被训练在雅达利电子游戏Pong、太空入侵者和耐力(一种赛车游戏)上，然后它的人工神经元被用来预测人类参与者在玩游戏时的行为和大脑活动的功能性磁共振成像大脑扫描。特别是，研究人员发现，可以使用DQN特征来建模与感知和视觉有关的两个大脑区域的大脑活动，即背侧视觉通路和后顶叶皮层。

在所有的游戏中，DQN必须学会如何像人类一样从大量的视觉输入中挑选出相关的功能。它必须在所谓的状态空间中格式化这些相关信息，这是一种表示游戏当前状态的紧凑方式。例如，在乒乓游戏中，研究人员发现，DQN代码中的状态空间代表了球和拍子的空间位置;它忽略了屏幕顶部的背景颜色和比赛比分等功能。这与人类大脑在背侧视觉通路中表现游戏的方式非常相似。背侧视觉通路是大脑的一部分，负责识别物体在空间中的位置，并指导与这些物体相关的行动。

在游戏《Enduro》中，玩家尽可能快地驾驶汽车，并试图避开其他汽车。在开车的过程中，天空的颜色会从白天到晚上发生变化。玩游戏的人很容易忽略这些参数，因为它们与实际游戏无关，就像我们在开车时学会忽略天空中的云一样。但人工智能网络必须知道，天空颜色的变化对驾驶没有影响。

研究人员发现，DQN中忽略这些不相干的视觉特征的特征更好地解释了在玩游戏的志愿者中看到的大脑活动模式。后顶叶皮层，大脑中连接感知和运动的部分。在《太空入侵者》中也发现了类似的结果。

虽然研究人员发现了DQN与人脑的相似之处，但两者并不完全相同。

"克罗斯说，DQN需要几天不间断地玩才能学会玩这些游戏，但人类可以在几分钟内学会。"为什么人类大脑在开车时很容易弄清楚相关特征，而人工智能却很难弄清楚?回答这个问题对人工智能研究人员来说是一个巨大的挑战。这对于AI来说很困难，因为随着背景颜色的改变，它的视觉输入也会发生巨大的变化。像素空间中的数字。DQN需要大量的训练来了解两种像素空间上截然不同的情况实际上在你应该做的概念上是相似的

另一方面，克罗斯补充说，人类大脑在其发育过程中形成了学习为日常任务挑选最重要信息的能力。他说，尤其是背侧视觉通路，这是我们感兴趣的主要区域，它能够独立于物体的颜色快速定位物体。"此外，大脑以某种方式编码了物理学的常识性概念以及物体的典型运动方式，这使得人类在很少训练的情况下就能很好地完成各种各样的任务。所有这些都是DQN."从头开始学习的

近年来，其他研究也发现了大脑和深度神经网络之间的相似之处，但这些研究大多聚焦于物体识别，而不是主动决策。本研究为研究复杂决策任务中的行为和大脑活动引入了一个新的框架，该框架可能比以往在该领域使用的任务更能代表日常生活。

这篇论文名为"，使用深度强化学习揭示了大脑如何在高维环境中编码抽象状态空间表示。除了Cross和Doherty，其他合著者还有神经科学博士后研究员Jeff Cockburn和计算与数学科学教授Yisong Yue。资金由国家药物滥用研究所、国家心理健康研究所和加州理工学院社会决策神经生物学Conte中心提供。

新闻旨在传播有益信息，英文原版地址：https://www.caltech.edu/about/news/neural-networks-playing-video-games-teach-us-about-our-own-brains

据估计，大多数失败的怀孕都是在受精后的前7天，即胚胎植入子宫之前发生的。在这段时间内，一系列复杂的事件在精确的时间内发生。其中一个特别重要的过程叫做极化，即组成胚胎的单个细胞变得不对称。小鼠胚胎在2.5天极化，人类胚胎在3.5天极化。

就像在管弦乐队中一起演奏的音乐家需要在正确的时间演奏——不是早，不是晚——两极分化的时间对胚胎的正常功能是至关重要的。研究表明，如果两极分化发生得太早或太晚，胚胎就不太可能正常发育。显然，胚胎不能通过看时钟来知道何时该极化，那么它们如何知道何时该极化呢?

加州理工学院的发育生物学家玛格达莱娜·泽尼克-戈茨(Magdalena Zernicka-Goetz)是生物学和生物工程的布伦大学教授，她的实验室进行了一项新的研究，揭示了小鼠胚胎引发极化的信号。理解胚胎发育的分子机制对于理解生命是如何开始的至关重要。

Zernicka-Goetz说:“我们的实验室想要了解生命最初两周的分子和细胞机制，这对我们的发育成功至关重要。”"这是定义future body的时间。我们的新发现确定了胚胎细胞在发育过程中必须接受的第一选择背后的机制

一篇描述这项研究的论文发表在2020年12月11日的《科学》杂志上。

这项由剑桥大学博士后学者孟Zhu领导的研究确定了小鼠胚胎极化的正确时间所必需的两个重要步骤。

第一个是受精卵基因组激活(zygotic genome activation，简称ZGA)，它代表了胚胎DNA从精子和卵子结合后的初始"觉醒"，某些用于发育的基因像休眠的电脑启动一样启动。ZGA之后出现了大量的分子活动，研究小组发现，在这段时间内，三种特定的因子——蛋白质基础结构，称为Tfap2c, Tead4和rhoa——共同作用引发了极化。

本研究首次明确了驱动细胞极化的必要条件和充分条件。"朱先生说，这一点很长一段时间都不为人知。"我们的工作阐明了细胞极化背后机制的重要分子基础，并为回答有关胚胎发育的更多问题铺平了道路，例如，是什么触发了我们确定的三个因素的表达?是什么触发了ZGA，它在一切的上游?"

一旦团队确定了引发两极分化的三个因素，他们就把注意力转向了两极分化过程本身。该论文的第二作者杰克·康沃尔·斯库恩斯是剑桥大学Zernicka-Goetz实验室的一名本科生，该实验室于2019年过渡到加州理工学院。在他的领导下，该团队的目标是开发一个极化过程的定量模型。康沃尔-斯考恩斯与加州理工学院生物学和生物工程助理教授马特-汤姆森合作，开发了一种定量模型，描述蛋白质如何在胚胎中移动，从而使其极化。该模型考虑了朱教授确定的三个因素，并揭示了这些因素的水平变化如何改变极化蛋白质的运动。该模型与朱教授进行的胚胎显微镜成像正确匹配。

"汤姆森说:“看到杰克的极性模型和来自孟的惊人定量数据以及magdas集团开发的模型系统一起出现真是太令人兴奋了。”汤姆森也是传统医学研究所的研究员。"Meng和Jake能够将模型中的参数与数据进行拟合，并对不同突变体可能发生的过程动力学和失效模式进行定量预测。这篇文章是我所知道的第一个能够对早期胚胎的关键发育过程进行真正定量理解的案例之一

zernicka – goetz的团队目前正在研究小鼠胚胎中的极化时间机制在多大程度上与人类胚胎中的类似过程相似。

本文题目为:"发育时钟与小鼠胚胎从头极化机制。"除了Zhu, Cornwall-Scoones, Thomson和Zernicka-Goetz，其他的合著者是中国清华大学的王佩哲和娜洁，以及剑桥大学的夏洛特·汉德福德。资金由惠康基金会、欧洲研究理事会、利弗休姆基金会、开放慈善、韦斯顿哈文斯基金会、美国国立卫生研究院、戴维和露西尔帕卡德基金会、美国传统医学研究所和中国国家重点研发计划提供。Magdalena Zernicka-Goetz是加州理工学院天桥和Chrissy Chen神经科学研究所的教员。

新闻旨在传播有益信息，英文原版地址：https://www.caltech.edu/about/news/how-an-embryo-tells-time

这一切都始于2500股H&R Block。经过40多年的时间和数百名学生投资经理的努力，截至2020年11月，加州理工学院学生投资基金的价值超过了100万美元。(该基金的初始价值为64,949.62美元。)

“这有点不真实，因为在这一点上，这显然比任何学生自己处理的钱都多，”基金会现任主席、大四学生伊桑·雅谢夫斯基说。随之而来的是一种责任。"这不仅是因为SIF的成员们要为如此可观的一笔资金负责;这还因为基金收入的一部分每年被用于支持加州理工学院的学生俱乐部和组织。

加州理工学院首席投资官斯科特•里奇兰(Scott Richland)表示，该校校友斯坦利•约翰逊(33岁，34岁)和妻子玛丽•约翰逊(Mary Johnson)早在1978年就捐赠了首批股票。"It最初的设计目的是让学生体验管理投资组合的经验，第二个原因是拿着这些收入，把它们用于学生的功能和需求，"里奇兰说。

为了保护这些功能，该基金受到某些规则的约束，避开高风险投资。例如，学生不允许"卖空6035股票;押注某只股票将贬值的行为。然而，除了这些少数限制之外，SIF的学生享有广泛的自由，可以相互推销投资想法，并在市场上追求自己的愿景。

"“学生们在买卖和如何建立投资组合方面有着相当大的自由度，”"基金学院顾问、金融与创业学教授迈克尔·埃文斯表示。里奇兰指出，加州理工学院投资办公室的一名代表每年拜访学生一两次，讨论捐赠基金和投资组合管理问题，但除此之外，学院允许学生自己寻找出路。

俱乐部每周开会，听取会员的投资意见并进行投票。" Jaszewski表示:“有一批核心股票已经存在很长时间了，但我们正在积极努力给人们投资的机会。”"我们想给新成员一个机会，让他们留下自己的印记，塑造自己的投资组合。"因为加州理工学院的学生;由于对科技股的特别偏爱，SIF往往包含大量软件公司等科技股。然而，埃文斯也鼓励学生们平衡投资组合，使其不太容易受到任何一个行业波动的影响。Jaszewski表示，这种对稳定的关注帮助SIF经受住了COVID-19大流行对美国经济造成的破坏所造成的市场动荡。

埃文斯现在进一步教授学生们要像投资经理一样思考。他已经开始要求他们将自己的表现与行业基准(比如标普500指数的表现)进行比较，每季度向他介绍基金的表现，并概述他们对该基金未来的决策过程。

学生投资基金(Student Investment fund)长期以来缓慢上升到100万美元，这为如何利用这笔钱来提高学生体验创造了新的机会。SIF最多可以将其收入的4%用于为学生组织进行一次性购买;这些采购通常包括那些超出俱乐部一般预算的机器或设备。" Jaszewski说，机器人俱乐部是一个始终如一的要求。(学生组织可以在这里申请支付并查看规则。)

" Jaszewski说:“我们所做的决定不仅仅是为了好玩或者我们想做什么，而是为了服务社区，确保基金继续增长。”关键的一点是:有机会管理一支你自己无法胜任的基金

新闻旨在传播有益信息，英文原版地址：https://www.caltech.edu/about/news/student-investment-fund-million-dollars