德克萨斯州休斯顿莱斯大学的一项新突破可能揭示决定帕金森病和阿尔茨海默病等多种人类疾病的遗传组成部分。
2021年，全球有5700万人受阿尔茨海默病影响，预计美国病例将在未来几十年内翻倍。尽管该疾病普遍且受到广泛关注，但其全部机制仍未被充分理解。一个关键难题是确定哪些脑细胞与该疾病相关联。
多年来，人们认为通过DNA证据与阿尔茨海默病病理最相关的细胞是大脑中的小胶质细胞，即抗感染细胞。然而，这与阿尔茨海默病患者大脑的实际研究结果不符。实际上，人类大脑中负责记忆形成的细胞才与病理相关。
为证明这一关联，莱斯大学与波士顿大学的研究人员开发了一种名为"单细胞表达整合系统以映射遗传相关细胞类型"（Single-cell Expression Integration System for Mapping genetically implicated Cell types）的计算算法，简称SEISMIC。该算法使研究人员能够精确锁定与阿尔茨海默病相关的特定神经元，这是同类算法中的首创。莱斯大学博士后研究员、在《自然通讯》上发表的该发现论文的主要作者赖其亮（Qiliang Lai）认为，这是对抗阿尔茨海默病的重要一步。
赖其亮表示："随着我们年龄增长，某些脑细胞自然会减慢，但在痴呆症——一种记忆丧失疾病中，特定的脑细胞实际上会死亡且无法被替换。记忆形成脑细胞死亡而非抗感染脑细胞死亡这一事实，造成了DNA证据与脑部证据不匹配的令人困惑的难题。"
阿尔茨海默病的研究一直受到计算分析局限性的阻碍。全基因组关联研究（GWAS）和单细胞RNA测序（scRNA-seq）绘制了阿尔茨海默病患者DNA中的微小差异。这些研究中的遗传信号往往会过度强调抗感染细胞的存在，从统计学角度使这些细胞的活动过于"响亮"，从而难以识别其他因素。SEISMIC结合了大脑区域活动的更大特异性，减少了数据干扰，为阿尔茨海默病的遗传组成部分提供了更清晰的图景。
"我们构建了SEISMIC算法来分析遗传信息，并将其精确匹配到特定类型的脑细胞，"赖其亮说，"这使我们能够创建更详细的图景，了解哪些细胞类型受到哪些遗传程序的影响。"
尽管该算法本身不太可能很快导致阿尔茨海默病的治愈或治疗方法，但研究人员表示，SEISMIC在更清晰地识别重要的疾病相关细胞信号方面已经显著优于现有工具。
莱斯大学计算机科学助理教授、肯尼迪研究所成员Vicky Yao表示："我们认为这项工作可以帮助调和阿尔茨海默病研究中数据的一些矛盾模式。除此之外，该方法可能具有广泛价值，帮助我们更好地理解不同复杂疾病中哪些细胞类型相关。"
【全文结束】
