对莱氏综合征等罕见疾病医疗治疗的需求很高。然而，患者数量少使得治疗方法的研究变得困难。卢森堡大学的一个研究团队与亨利希·海涅杜塞尔多夫大学（HHU）和杜塞尔多夫大学医院（UKD）的研究人员合作，成功利用人工智能（AI）建立了一个模型，能够更好地理解莱氏综合征。在此过程中，他们成功识别出可用于治疗该疾病的新药物候选物。这项研究现已发表在《自然·通讯》上。
莱氏综合征的发病率约为每36,000例活产婴儿中有1例，被归类为"罕见疾病"。根据欧洲定义，罕见疾病影响的人群少于每10,000人中有5人。这种进行性脑部疾病是一种所谓的线粒体疾病，即影响能量代谢的疾病。它通常在儿童期发作，导致脑损伤和坏死，可能引发严重的症状，如神经发育迟缓、癫痫发作、肌肉无力和呼吸衰竭。患者预期寿命极短，大多数在诊断后几年内死亡。目前尚无获批的治疗方法。
病例数量少使得莱氏综合征的研究和潜在治疗方法的识别成为一个挑战。情况进一步复杂化的是，能够真实反映人类疾病进程的细胞或动物模型非常少。
与卢森堡大学卢森堡系统生物医学中心（LCSB）、西班牙CICbioGUNE Bizkaia的安东尼奥·德尔·索尔（Antonio Del Sol）博士教授及其研究小组一起，亚历山德罗·普里乔内（Alessandro Prigione）博士教授（普通儿科、新生儿学和儿科心脏病学系）领导的团队着手开发模型，以推进莱氏综合征研究。杜塞尔多夫的研究人员首先使用患者细胞开发所谓的多能干细胞，这些细胞具有分化为体内所有类型细胞的生物学能力。随后，研究人员能够利用这些细胞在实验室中开发脑类器官。
这些可以理解为大脑3D模型的类器官模仿了人类大脑的结构并具有相似的组织。普里乔内教授及其团队成功在脑类器官中模拟了触发人类大脑莱氏综合征的基因变异，使得在实验室中能够绘制和研究莱氏综合征以及各种药物的使用。
利用脑类器官，研究人员进行了筛选过程，以识别莱氏综合征治疗的潜在药物候选物。他们检查了各种现有药物对类器官的影响，其中一些药物已获批用于其他适应症。
这种将现有药物用途扩展到治疗其他疾病的策略被称为"药物重定位"。研究人员的目标是利用AI优化这一过程，因此由德尔·索尔教授领导的卢森堡团队开发了一种基于深度学习的算法，以帮助识别药物候选物。
利用这一算法，研究人员共同成功识别出两种可能适合治疗莱氏综合征的药物候选物——塔拉唑（talarozole）和赛塔康唑（sertaconazole）。塔拉唑最初是为治疗痤疮而开发的，而赛塔康唑已获批用于治疗如足癣等真菌性皮肤感染的局部用药。
普里乔内教授的研究小组能够在脑类器官中证明，用这两种药物治疗能够维持脑细胞发育，改善生长并减少乳酸释放。这些结果表明，这些药物也可能对患者的疾病进展及其持续发育产生积极影响。
"脑类器官的开发代表了罕见疾病研究的巨大成功，"普里乔内教授说。"我们能够利用类器官识别出两种潜在药物候选物，这一点非常有希望。现在需要进一步研究来确定塔拉唑和赛塔康唑在患者中的确切疗效，但我们持乐观态度。"
德尔·索尔教授补充道："筛选现有药物进行重定位是寻找罕见疾病治疗策略的重要方法。我们已经证明，使用AI可以优化这一过程。未来，我们将能够使用我们开发的算法不仅用于莱氏综合征，还用于其他疾病。"
出版详情：
卡门·梅纳乔（Carmen Menacho）等人，《通过脑类器官深度学习筛选加速莱氏综合征药物发现》，《自然·通讯》（2026）。DOI: 10.1038/s41467-026-71391-2
关键医学概念：
莱氏综合征（Leigh syndrome）、多能干细胞（Pluripotent Stem Cells）
临床类别：
神经学（Neurology）、临床药理学（Clinical pharmacology）、儿科（Pediatrics）、儿童健康（Children's health）
【全文结束】
