尽管数十年来一直在努力对抗，疟疾仍然是一个重大的全球健康威胁。根据世界卫生组织(WHO)2025年《世界疟疾报告》，2024年全球记录了约2.82亿例病例和约61万例死亡。最近，病例数量再次略有上升。撒哈拉以南非洲5岁以下儿童受到的影响尤为严重。
自2000年以来，数以百万计的生命已被挽救，但进展正在放缓。原因包括药物和杀虫剂耐药性、气候变化的影响以及薄弱的卫生系统。世界卫生组织强调，迫切需要增加国际努力和创新方法，以长期控制疟疾。
"100多年来，伯纳德·诺克特热带医学研究所一直致力于研究和抗击疟疾，"BNITM董事会主席Jürgen May教授表示。"鉴于进展停滞和新挑战，新的科学方法的重要性显而易见。关键因素之一是使用现代数据分析。"
"通过我们的数据科学中心，我们正在开发生物信息学工具，帮助我们更好地理解疟原虫及其复杂的适应机制。这为研究和抗击疟疾开辟了新的途径。"
通过转化智胜免疫系统
恶性疟原虫(Plasmodium falciparum)在其生命周期的一部分存在于人类血液中。它侵入红细胞并将其用作藏身之处和繁殖场所。在此过程中，它将一种特殊的寄生虫蛋白质——称为PfEMP1（恶性疟原虫红细胞膜蛋白1，Plasmodium falciparum erythrocyte membrane protein 1）——附着在红细胞表面。
虽然这些蛋白质使受感染的细胞可以被人类免疫系统识别，但它们也履行着关键的生存功能。没有它们，受感染的血细胞会进入脾脏，并因其改变的特性而被过滤掉。
PfEMP1蛋白质确保受感染的红细胞粘附在小血管壁上，从而逃避脾脏的过滤功能。缺点是免疫细胞可以通过PfEMP1蛋白质识别受感染的红细胞。
为了在人类体内长期生存，尽管存在这种识别，寄生虫采用了一个巧妙的技巧：它可以更换PfEMP1蛋白质，就像一位变装艺术家不断用新服装改变他的外表一样。这意味着免疫系统必须不断重新识别和对抗病原体。
疟原虫可以更换PfEMP1蛋白质，因为它的基因组在其var基因中编码了约60种这种蛋白质的变体。因此，它可以在许多变体之间切换，尽管它一次只产生一种蛋白质变体，并将其放置在红细胞表面。
BNITM实验室小组负责人Anna Bachmann博士正在研究疟原虫的var基因。"我们特别感兴趣的是为什么有些感染是轻微的，而另一些则是危及生命的，"这位生物学家表示。"一个决定性因素是受感染红细胞表面的PfEMP1蛋白质。根据寄生虫产生的变体，这些细胞以不同程度的强度粘附在小血管壁上。"
一些变体会导致受感染的血细胞在大脑等重要器官中积聚，阻碍血流并触发强烈的免疫反应。这可能导致严重的并发症。其他变体结合较弱，通常与较轻的疾病进展相关。"如果我们了解哪些变体在身体的何处和何时被发现，我们就能更好地理解不同疾病进程是如何产生的，"Bachmann说道。
生物信息学难题
为了找出疟原虫在感染期间实际使用的var基因，Bachmann和BNITM数据科学中心的同事对从疟疾病人采集的血液样本进行了RNA测序。换句话说，他们分析当前活跃基因的转录本。
挑战就在这里开始：疟原虫的var基因是现存最复杂和可变的基因家族之一。它们在不同寄生虫之间差异很大，并编码许多不同的结构域。在测序过程中，研究人员无法获得完整的var基因序列，而只能获得它们的片段。然后，他们必须将这些片段拼接成完整的var基因，就像解决一个拼图难题一样。
传统的分析方法在这里很快达到极限。Bachmann和她的团队改进了生物信息学方法，使他们能够正确组装大量短序列片段并将它们分配给单个var基因。通过这种方式，科学家们揭示了感染中哪些变体是活跃的。
"Bachmann表示："更好地了解寄生虫产生的PfEMP1变体以及它们如何与严重疾病进展相关联，为我们开辟了新的可能性。从长远来看，这些发现可能有助于我们更好地评估个别患者患严重疟疾的风险，从而实现更密切的监测和更有针对性的治疗。它们还有助于我们更好地理解疟疾的整体疾病机制。"
数字方法解码疟原虫
自2025年9月以来，BNITM数据科学中心计算感染生物学系主任Thomas Otto教授多年来一直致力于为疟疾研究开发生物信息学工具。例如，在早期与团队合作的工作中，他首次大规模分析了恶性疟原虫var基因的全球多样性。
利用人工智能，Otto和他的团队开发了一种方法，将var基因分配到具有不同特征的特定组别——这些信息否则只能通过额外的、耗时且昂贵的方法获得。当只有var基因的部分可用时（如Bachmann实验室小组进行的基因分析），此方法也适用。
在一项当前研究中，他的团队使用现代生物信息学方法详细分析了疟疾病人个体免疫细胞。这揭示了某些免疫细胞在受影响儿童中特别强烈地被激活，炎症信号通路增强。这是帮助确定疟疾感染严重程度的关键机制。该论文发表在《PLOS One》期刊上。
Otto表示："疟原虫的遗传多样性非常巨大。这正是使其如此难以捉摸的原因。利用生物信息学方法和人工智能，我们可以系统地捕捉这种复杂性。这使我们比以前更清晰地了解恶性疟原虫，并提供了希望，即我们能够更有效地长期抗击疟疾。"
出版详情
Elcid Aaron Pangilinan等人，《upsML：用于预测恶性疟原虫var基因上游组的高精度机器学习分类器》，《PLOS One》（2026）。DOI: 10.1371/journal.pone.0344557
期刊信息：
《PLoS ONE》
关键概念
寄生虫
宿主-病原体相互作用
免疫逃避
宿主适应
提供方：伯纳德·诺克特热带医学研究所
【全文结束】
