莱斯大学计算机科学助理教授、肯尼迪研究所成员Vicky Yao和莱斯大学博士后研究员Qiliang Lai | 图片由莱斯大学提供
休斯顿莱斯大学研究人员的一项新突破可能揭示决定多种人类疾病（如帕金森病和阿尔茨海默病）的遗传成分。
2021年，全球有5700万人受阿尔茨海默病影响，预计未来几十年美国的病例数将翻倍。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。一个关键障碍是确定哪些脑细胞与该疾病相关。
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微胶质细胞，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不符。实际上，是人类大脑中负责记忆形成的细胞参与了病理过程。
为了证明这种联系，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用于映射基因相关细胞类型"（SEISMIC）的计算算法。这是同类产品中的首个，它使研究人员能够精准定位与阿尔茨海默病相关的特定神经元。莱斯大学博士生、在《自然通讯》上发表该发现论文的主要作者Qiliang Lai认为，这是对抗阿尔茨海默病的重要一步。
Lai表示："随着我们年龄增长，一些脑细胞自然会减慢活动，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换。记忆形成脑细胞死亡而非抗感染脑细胞死亡这一事实，引发了DNA证据与脑证据不匹配的困惑难题。"
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，实质上使这些细胞的活动在统计学上"过于响亮"，难以识别其他因素。结合大脑区域活动的更高特异性，SEISMIC减少了数据干扰，从而更清晰地展示了阿尔茨海默病的遗传成分。
Lai解释道："我们构建了这种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。这使我们能够创建更详细的图像，展示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："我们认为这项工作能够帮助调和阿尔茨海默病研究数据中一些相互矛盾的模式。除此之外，这种方法可能具有广泛的实用价值，帮助我们更好地理解在不同复杂疾病中哪些细胞类型是相关的。"
【全文结束】
