“月球上是否存在水”这个问题，对月球演化研究和资源开发至关重要。近日，我国科学家在嫦娥五号带回的月球样本中，发现了月球上一种富含水分子和铵的未知矿物晶体——ulm-1。这标志着科学家首次在月壤中发现分子水。
人体最大的器官肝脏由大约50万—100万个六边形结构的肝小叶所组成，约一万亿个细胞和致密交错的血管及胆管网络行使着代谢、合成、解毒等500多项重要功能。如何让人工肝脏具备功能并确保尺寸正常？近日，北京协和医院肝脏外科团队携手多家研究机构，在人工肝脏领域取得两项突破性进展。他们使用悬浮打印技术和全息晶格声镊技术，构建了带有肝脏静脉结构的新型人工肝脏。
基于国际科技创新中心网络服务平台科创热榜每日榜单形成的一周科技记忆，我们推出《一周前沿科技盘点》专栏。今天，为大家带来第101期。
1、《nature astronomy》丨颠覆认知！月球上真的有水
月球表面含水矿物形成效果图
近日，中国科学院物理研究所联合北京科技大学、天津大学、中国科学院青海盐湖研究所、郑州大学多位科学家，在嫦娥五号带回的月球样本中，发现了月球上一种富含水分子和铵的未知矿物晶体——ulm-1。这标志着科学家首次在月壤中发现了分子水，揭示了水分子和铵在月球上的真实存在形式。
研究基于单晶衍射和化学分析发现，这些月球水和铵以一种成分为(nh4,k,cs,rb) mgcl3·6h2o的水合矿物形式出现。该矿物分子式中含有多达六个结晶水，水分子在样品中的质量比高达41%。ulm-1的晶体结构和组成与地球上近年来发现的一种稀有火山口矿物相似。这种水合矿物的发现揭示了月球上水分子可能存在的一种形式——水合盐。与易挥发的水冰不同，这种水合物在月球高纬度地区（嫦娥5号采样点）非常稳定。这意味着，即使在广阔的月球阳光照射区，也可能存在这种稳定的水合盐。这为未来月球资源的开发和利用提供了新的可能性。
一直以来，“月球上是否存在水”这个问题，对月球演化研究和资源开发都至关重要。1969年至1972年采集的阿波罗样品的研究表明，月壤中未发现任何含水矿物。此后，月球不含水成为月球科学的基本假设，这对认识月球火山演化、月地起源等问题产生了重要影响。1994年，研究人员通过克莱门汀探测器对月球两极进行观测，提出极区永久阴影区的月壤中可能存在水冰。2009年，月船一号搭载的月球矿物绘图光谱仪发现，月球表面存在太阳风导致的羟基和/或水分子信号。同年，月球观测和传感卫星以2.5公里/秒的速度撞击了月球永久阴影区，而对撞击尘埃的遥感测量显示了水的信号。近年来，遥感数据表明月球光照区有水分子存在的迹象。针对当年采集的阿波罗月球样品，科学家运用高灵敏度的表征技术，在部分玻璃和矿物中发现了百万分之一量级的“水”，但没有水分子存在的确凿证据。
2、《biomaterials》丨北京协和医院两项新技术构建肝脏模型取得新进展
全息晶格声镊所构建小鼠原代肝脏组织模型的活性和功能
近年来，包括类器官、微流控芯片、3d生物打印在内的体外组织工程技术已经成为再生医学的重要发展方向，并成熟应用于平面和管状组织的构建，但这些技术也存在局限性:类器官和微流控芯片多适用于小尺寸、微模型组织的构建，难以模拟高级别的器官功能；3d生物打印虽然可以构建较大尺寸的仿生组织结构，但其“挤出式”打印方式容易对组织造成损伤，打印速度和分辨率也难以满足大规模、高精度的需求。
人体器官的功能和结构极为复杂，以人体最大的器官——肝脏为例，成人肝脏由大约50万—100万个六边形结构的肝小叶所组成，约一万亿个细胞和致密交错的血管及胆管网络行使着代谢、合成、解毒等500多项重要功能。如何构建具有活性组织功能的血管网络，如何让人工肝脏具备功能，如何确保人工肝脏的正常尺寸？
近日，北京协和医院肝脏外科团队携手多家研究机构，在人工肝脏领域取得两项突破性进展。他们使用悬浮打印技术和全息晶格声镊技术，构建了带有肝脏静脉结构的新型人工肝脏，以及在活性和功能方面更具优势的肝脏组织模型，为肝脏移植替代供体探索了潜在路径，让组织工程技术更快捷高效成为可能。
3、《nature synthesis》丨独辟蹊径,首次全合成抗肿瘤活性天然产物alchivemycin a
alchivemycin a的化学酶法全合成
天然产物因其结构的独特性与多样性，一直以来都是药物研发的重要宝库，有超过一半的小分子药物直接或间接的与天然产物相关。另一方面，天然产物结构的复杂性以及来源的局限性在很大程度上限制了其进一步的开发，因此发展有效的合成方法与策略来实现复杂天然产物高效合成是十分必要的。
近日，北京大学化学与分子工程学院雷晓光课题组首次不对称全合成alchivemycin a。alchivemycin a是一种从植物来源放线菌的链霉菌tp-a0867的培养液中分离得到的新型聚酮类天然产物，拥有优异的抗菌和抗肿瘤活性。alchivemycin a包含独特的tdo杂环结构、多羟基的十七元大环的结构以及高度官能团化的顺式氢化萘的片段，这些叠加的复杂性给其合成带来了巨大挑战。
为此，课题组开发了以后期酶法连续选择性氧化和前期化学催化实现从头骨架构建为核心的化学酶法合成的策略进行全合成。该工作凸显了后期酶法氧化的策略在高效合成具有高氧化态的复杂天然产物上的优势，并为未来利用化学生物学手段研究alchivemycin a的抗菌以及抗肿瘤的生物作用机制、开发新型药物分子奠定了坚实的基础。
4、他们用“点石成金术”革新流行近百年的制冷技术
应变工程设计思路示意图
制冷技术是人类文明进程中最重要的发明之一，也是现代生产生活中必不可少的技术。近百年来，蒸汽压缩式制冷技术一直占据着空调、冰箱等制冷市场的主体地位。近年来，电卡制冷在高效节能、环境友好、快速制冷等方面具有诸多优势，成为有望取代传统气体压缩技术的新兴制冷方案之一。什么是电卡效应呢？简单来说，它是材料在外加电场的作用下电偶极子发生有序、无序的转化，从而产生热力学熵或温度变化的一种效应。
材料力学的应变工程被称为业界的“点石成金”术，其重要手段之一就是通过脉冲激光沉积技术在某种衬底上外延生长另外一种薄膜材料，从而实现由晶胞结构失配而带来的外延应变。基于这一思路，国防科技大学与剑桥大学、北京科技大学、哥斯达黎加大学、格拉斯哥大学等多所高校和研究机构合作，在铁电制冷基础前沿领域取得重要进展。他们首次在先兆型铁电体钛酸锶氧化物薄膜中实现了应变增强的电卡效应，使体相钛酸锶材料电卡制冷效率提高10倍以上，在居里温度（243 k）附近制冷效率甚至可提高近百倍。
5、《nature communications》丨跨材料、跨性质……数据驱动材料设计“跨界”玩出新意
以机器学习为代表的数据驱动的研发方法机器学习已经成为了一种材料设计的新范式，其在数据量丰富的材料体系诸如钙钛矿、合金、催化材料等数据量较大的体系中已经能够实现了快速准确的性质预测。作为一种数据驱动的方法，机器学习模型的预测能力严重依赖数据的质量与数量，然而，高精度的材料性质数据非常有限，严重影响了机器学习模型的预测能力和适用范围。迁移学习是一种机器学习技术，通过从大数据（源域）迁移知识来提高学习器在小数据集（目标域）上的性能的机器学习技术。迁移学习被认为是解决材料数据稀缺挑战的一种有效方法，但其需要有效性依赖于源域和与目标域间的有较高的相似性。
近日，东南大学物理学院王金兰团队在数据驱动的新材料设计研究中取得新进展。他们开发了一套结合对抗式训练以及专家知识的混合迁移学习框架，其中对抗训练捕捉了块体和二维材料的共性特征，而专家知识的引入进一步提升了预测的准确性和泛化能力。该框架利用块体材料的有效质量数据，成功实现了对二维材料载流子迁移率的准确预测。预测流程仅需要材料晶体结构作为输入，相较于第一性原理计算，预测准确性达到90%，速度提升5个数量级。在此基础上，他们成功筛选出21种载流子迁移率远超硅，且带隙与硅近似的二维材料，为高集成度高性能的半导体器件提供了候选材料。混合迁移学习框架是处理小数据集问题的通用策略，该工作实现了不同材料不同性质间的跨域迁移，这项研究工作使迁移学习能够同时在同时跨不同性质和不同材料的场景中进行，为基于小数据集的复杂材料性质预测提供了有效工具。混合迁移学习框架是处理小数据集问题的通用策略，扩充了数据驱动材料设计方法的适用范围。
6、《science bulletin》丨推动脑网络分析普及，一键式脑网络分析平台新鲜出炉
（a）dpabinet的图形用户界面；（b）通过dpabinet提取脑影像数据中感兴趣区的时间序列、构建脑网络、计算图论指标、统计分析、多重比较校正和可视化的流程图
人脑是一个复杂的网络，包含不同脑区在结构和功能上的整合与协作。这些相互作用形成了复杂的模式，从而支持大脑的多种功能。
研究大脑的复杂功能，就需要掌握脑网络及其背后的复杂联系和沟通模式。近日，中国科学院心理研究所磁共振成像研究中心严超赣团队研发一键式脑网络和图论分析软件平台dpabinet。该平台采用docker技术，整合最先进的图像处理软件模块，提供跨平台的简便界面和算法。
dpabinet具备友好图形用户界面使得用户可以一键完成功能磁共振数据的脑网络构建、图论分析、统计分析及结果查看，无需任何编程或脚本编写技能。此外，dpabinet还支持基于弥散加权成像的大脑结构网络分析，可基于dpabifiber的预处理结果为脑结构纤维网络的研究提供分析平台。
研究团队还提供免费在线视频课程，帮助用户快速掌握dpabinet软件的使用。这一平台拓展了脑科学研究的边界，为脑功能异常疾病的诊断和治疗提供新的研究工具，有望促进脑网络研究方法的普及和应用，加速脑功能和结构影像研究的发展，为临床转化研究提供支持。
https://www.sciencedirect.com/science/article/pii/s2095927324001403?via%3dihub
