新型人工智能工具揭示记忆细胞与阿尔茨海默病之间的基因联系

摘要：研究人员开发的一种新计算工具发现了将阿尔茨海默病与记忆形成神经元丧失直接联系起来的基因证据，有助于解开痴呆症研究中长达数十年的谜团。该算法名为seismic，能将基因数据与个体细胞类型匹配，性能优于先前方法，凸显了特定脑细胞（而非仅免疫细胞）在阿尔茨海默病中的作用。通过整合大规模基因和细胞数据，该工具更清晰地展示了基因风险如何转化为细胞易损性。研究人员称，该技术可重塑科学家识别多种神经和代谢疾病中与疾病相关细胞的方式。 关键事实：

• 新型算法：seismic工具整合基因和细胞数据，以确定驱动疾病的细胞类型。
• 揭示的联系：发现基因证据将阿尔茨海默病风险与记忆相关神经元而非免疫细胞联系起来。
• 广泛用途：该方法可应用于帕金森病等其他复杂疾病，有助于早期检测和药物靶向治疗。 来源：莱斯大学 2021年，全球痴呆症患者估计达5700万，每年新增近1000万病例。据2025年一项研究，在美国，痴呆症影响超600万人生活，预计未来几十年新病例数将翻倍。尽管该领域有进展，但仍缺乏对致病机制的全面理解。 为填补这一空白，莱斯大学研究人员及波士顿大学合作者开发了一种计算工具，可帮助识别体内哪些特定类型细胞与复杂人类特征和疾病存在基因关联，包括阿尔茨海默病和帕金森病等痴呆症形式。 该工具名为“用于绘制基因关联细胞类型的单细胞表达整合系统”，即seismic，帮助团队锁定与阿尔茨海默病相关的记忆形成脑细胞中的基因脆弱性，这是首个基于疾病与这些特定神经元之间的基因联系建立关联的研究。该算法在识别复杂疾病中潜在相关细胞类型方面优于现有工具，且适用于痴呆症以外的疾病情况。 发表在《自然通讯》上的这项研究有助于解开阿尔茨海默病研究中一个长期存在的矛盾：虽然患者DNA中的基因线索指向大脑中抗感染细胞（即小胶质细胞）是最强烈涉及疾病病理的细胞类型，但患者大脑实际情况却不同。 “随着年龄增长，一些脑细胞自然会变慢，但在痴呆症（一种记忆丧失疾病）中，特定脑细胞实际上会死亡且无法被替代，”该研究的第一作者、莱斯大学博士生赖启亮说。 “是记忆形成脑细胞死亡而非抗感染脑细胞死亡，这引发了DNA证据与大脑证据不匹配的令人困惑的谜题。” 该团队的研究使用计算方法以新方式分析现有基因数据。他们的方法整合了两种大规模生物数据——全基因组关联研究（GWAS）和单细胞RNA测序（scRNA-seq），其中GWAS分析人类基因组以发现患某种疾病或具有某种特征的人共有的DNA小差异，而scRNA-seq测量数万个到数百万个单个细胞中哪些基因活跃，创建细胞在分子水平上差异的详细图谱。 此前从这类数据中得出相关见解的尝试因两个主要弱点而难以扩展和解释，且关联不那么可靠： 首先，就scRNA-seq而言，细胞类型分辨率可能过于宽泛和笼统，遗漏关键细节，如细胞所在的脑区；其次，就GWAS而言，基于临床诊断的大型研究中的基因信号往往过度强调更持续受影响的细胞类型，即免疫相关细胞，掩盖了疾病的其他方面。 “我们构建seismic算法来分析基因信息并将其精确匹配到特定类型的脑细胞，”赖说。“这使我们能够更详细地了解哪些细胞类型受哪些基因程序影响。” 研究人员测试了该算法，发现它比现有工具表现更好，能更清晰地识别重要的与疾病相关的细胞信号。 “我们认为这项工作有助于调和阿尔茨海默病研究数据中一些相互矛盾的模式，”莱斯大学计算机科学助理教授、肯·肯尼迪研究所成员维姬·姚说。 “除此之外，该方法可能在广泛范围内有价值，帮助我们更好地理解哪些细胞类型与不同复杂疾病相关。” 这项研究是在该州通过新的公共投资举措推进大脑健康和痴呆症预防的新势头下进行的。今年早些时候，得克萨斯州立法机构通过参议院法案5设立了得克萨斯州痴呆症预防和研究机构（DPRIT），这是一项两党措施，旨在加速痴呆症预防、治疗和护理方面的创新。 今年11月，第14号提案将出现在全州选票上，为DPRIT在未来十年提供30亿美元资金，创建美国最大的州资助痴呆症研究项目。DPRIT以成功的得克萨斯州癌症预防和研究机构（CPRIT）为蓝本，旨在使得克萨斯州成为全球大脑健康和神经退行性疾病研究的领导者。 “我们正处于计算和数据科学进步日益改变我们研究人类疾病方式的阶段，”身为CPRIT学者的姚说。“现在我们必须保持这一势头。” 资金：该研究由美国国立卫生研究院（RF1AG054564、R21AG085464）、CPRIT（RR190065）、治愈阿尔茨海默病基金和凯伦·托夫勒慈善信托基金资助。本新闻稿中的内容仅由作者负责，不一定代表资助组织和机构的官方观点。 关键问题解答： 问：这项关于人工智能、遗传学和阿尔茨海默病的研究有哪些突破？ 答：科学家开发了一种名为seismic的新计算工具，可确定哪些特定脑细胞类型与阿尔茨海默病等复杂疾病存在基因关联。 问：它有助于解决阿尔茨海默病和遗传学的什么谜团？ 答：该工具通过将基因证据与疾病中实际死亡的记忆形成神经元而非先前认为的主要罪魁祸首免疫细胞联系起来，调和了阿尔茨海默病研究中一个长期存在的矛盾。 问：人工智能技术如何工作？ 答：seismic将基因数据（GWAS）与单细胞RNA测序整合，以揭示与疾病相关的基因变化如何影响不同脑区的个体细胞类型。 问：为什么这很重要？ 答：该方法可改变研究人员在阿尔茨海默病和帕金森病等病症中识别与疾病相关细胞的方式，为靶向预防和治疗策略铺平道路。 作者：西尔维亚·塞尔内亚·克拉克 来源：莱斯大学 联系方式：西尔维亚·塞尔内亚·克拉克——莱斯大学 图片：图片来源为神经科学新闻 用seismic解开复杂性状与细胞类型之间的关联 我们展示了seismic，这是一个计算新特异性分数的框架，该分数捕获跨细胞类型的表达量和一致性，并引入有影响力基因分析，这是一种识别驱动每种细胞类型 - 性状关联的基因的方法。 在帕金森病和阿尔茨海默病中，seismic揭示了病理中细胞和脑区特异性差异。 一般来说，seismic是一种计算高效、强大且可解释的方法，用于绘制多基因性状与细胞类型特异性表达之间的关系，为疾病机制提供新见解。