2025年10月22日
摘要： 研究人员开发的一种新型计算工具已发现直接将阿尔茨海默病与记忆形成神经元损失联系起来的遗传证据，有助于解决痴呆症研究中持续数十年的谜题。这种名为seismic的算法将遗传数据与特定细胞类型相匹配，表现优于先前方法，并突显了特定脑细胞（而不仅仅是免疫细胞）如何参与阿尔茨海默病。
通过整合大规模遗传和细胞数据，该工具更清晰地展示了遗传风险如何转化为细胞脆弱性。研究人员表示，该技术可能会改变科学家识别各种神经和代谢疾病中与疾病相关的细胞的方式。
关键事实：
- 新型算法： seismic工具整合遗传和细胞数据，绘制驱动疾病的细胞类型图谱。
- 揭示的联系： 发现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的遗传证据。
- 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。
来源： 莱斯大学（Rice University）
据2025年的一项研究估计，2021年全球痴呆症患者人数约为5700万，每年新增近1000万病例。在美国，痴呆症影响超过600万人，预计未来几十年新增病例数量将翻倍。
尽管该领域取得了进展，但对致病机制的全面理解仍然不足。
研究人员测试了该算法，发现它比现有工具表现更好，能够更清晰地识别重要的与疾病相关的细胞信号。为解决这一差距，莱斯大学（Rice University）研究人员与波士顿大学（Boston University）的合作者开发了一种计算工具，可以帮助识别人体中哪些特定类型的细胞在基因上与复杂人类特征和疾病相关，包括阿尔茨海默病和帕金森病等痴呆症形式。
该工具被称为"单细胞表达整合系统用于映射基因相关的细胞类型"（Single-cell Expression Integration System for Mapping genetically implicated Cell types），简称seismic，帮助研究团队聚焦于与阿尔茨海默病相关的记忆形成脑细胞的基因脆弱性——首次基于疾病与这些特定神经元之间的基因联系建立关联。该算法在识别复杂疾病中可能相关的细胞类型方面优于现有工具，并且适用于痴呆症以外的疾病环境。
这项发表在《自然·通讯》（Nature Communications）上的研究有助于解开阿尔茨海默病研究中长期存在的矛盾：虽然患者DNA中的遗传线索指向大脑中的抗感染细胞（即小胶质细胞），作为与疾病病理最密切相关的细胞类型，但患者的大脑实际上讲述了一个不同的故事。
"随着我们年龄增长，一些脑细胞自然会减慢速度，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替代，"莱斯大学博士生、该研究的第一作者赖启亮（Qiliang Lai）表示。
"记忆形成脑细胞死亡而非抗感染脑细胞死亡这一事实，提出了一个令人困惑的谜题，即DNA证据和大脑证据不匹配。"
研究团队使用计算方法以新方式分析现有遗传数据。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（Genome-Wide Association Studies, GWAS）和单细胞RNA测序（single-cell RNA sequencing, scRNA-seq），其中GWAS分析人类基因组以寻找在患有特定疾病或特征的人群中共享的DNA微小差异，而scRNA-seq则测量数万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。
先前尝试从这些类型的数据中得出相关见解的尝试难以扩展和解释，并由于两个主要弱点而产生了较弱的关联：
首先，就scRNA-seq而言，细胞类型分辨率可能过于宽泛和过度概括，遗漏了细胞所在脑区域等关键细节；其次，就GWAS而言，基于临床诊断的大型研究中的遗传信号往往过度强调更一致受影响的细胞类型，即免疫相关细胞，淹没了疾病的其他方面。
"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，"赖启亮说。"这使我们能够创建一个更详细的图景，显示哪些细胞类型受哪些遗传程序的影响。"
研究人员测试了该算法，发现它比现有工具表现更好，能够更清晰地识别重要的与疾病相关的细胞信号。
"我们认为这项工作可以帮助调和阿尔茨海默病研究中数据中存在的一些矛盾模式，"莱斯大学计算机科学助理教授、肯·肯尼迪研究所（Ken Kennedy Institute）成员姚维琪（Vicky Yao）表示。
"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。"
这项研究正值通过新的公共投资举措推进脑健康和痴呆症预防的全州势头重新增强之际。今年早些时候，德克萨斯州议会（Texas Legislature）通过参议院第5号法案（Senate Bill 5）成立了德克萨斯州痴呆症预防与研究所（Dementia Prevention and Research Institute of Texas, DPRIT），这是一项旨在加速痴呆症预防、治疗和护理创新的两党措施。
今年11月，第14号提案（Proposition 14）将出现在全州选票上，为DPRIT在未来十年提供30亿美元资金，创建全国最大的州资助痴呆症研究计划。DPRIT效仿成功的德克萨斯州癌症预防和研究所（Cancer Prevention and Research Institute of Texas, CPRIT），旨在使德克萨斯州成为脑健康和神经退行性疾病研究的全球领导者。
"我们正处于计算和数据科学的进步越来越多地改变我们研究人类疾病方式的阶段，"作为CPRIT学者的姚维琪说。"现在我们必须保持这种势头。"
资金支持： 本研究得到了美国国立卫生研究院（National Institutes of Health, RF1AG054564, R21AG085464）、CPRIT（RR190065）、治愈阿尔茨海默病基金会（Cure Alzheimer's Fund）和卡伦·托夫勒慈善信托（Karen Toffler Charitable Trust）的支持。本新闻稿中的内容 solely 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AI、遗传学和阿尔茨海默病的研究有何突破？
答：科学家开发了一种名为seismic的新型计算工具，可以精确定位与阿尔茨海默病等复杂疾病在基因上相关的特定脑细胞类型。
问：它帮助解决了关于阿尔茨海默病和遗传学的什么谜题？
答：该工具通过将遗传证据与疾病中实际死亡的记忆形成神经元联系起来（而非之前被认为主要是罪魁祸首的免疫细胞），解决了阿尔茨海默病研究中长期存在的矛盾。
问：AI技术如何工作？
答：Seismic整合遗传数据（GWAS）与单细胞RNA测序，揭示疾病相关遗传变化如何影响不同脑区域的单个细胞类型。
问：为什么这很重要？
答：这种方法可能会改变研究人员在阿尔茨海默病和帕金森病等疾病中识别与疾病相关的细胞的方式，为有针对性的预防和治疗策略铺平道路。
关于这项AI、遗传学和阿尔茨海默病研究的新闻
作者： 西尔维娅·塞内亚·克拉克（Silvia Cernea Clark）
来源： 莱斯大学（Rice University）
联系： 西尔维娅·塞内亚·克拉克 – 莱斯大学
图片： 图片归功于神经科学新闻（Neuroscience News）
原始研究： 开放获取。
"Disentangling associations between complex traits and cell types with seismic" 作者：赖启亮（Qiliang Lai）等，《自然·通讯》（Nature Communications）
摘要
利用seismic解开复杂性状与细胞类型之间的关联
将单细胞RNA测序与全基因组关联研究（GWAS）整合可以揭示参与复杂性状和疾病的细胞类型。然而，当前方法通常缺乏可扩展性、可解释性和稳健性。
我们提出了seismic框架，该框架计算一种新的特异性评分，捕捉跨细胞类型的表达幅度和一致性，并引入了有影响力基因分析方法，用于识别驱动每个细胞类型-性状关联的基因。
在1000多种不同粒度的细胞类型表征和28个多基因性状中，seismic证实了已知关联，并揭示了通过其他方法不明显的性状相关细胞群。
在帕金森病和阿尔茨海默病中，seismic揭示了病理学中的细胞和脑区域特异性差异。
使用seismic分析基于病理学的阿尔茨海默病GWAS，能够识别易受损的神经元群体及其神经退行性变所涉及的分子途径。
总体而言，seismic是一种计算高效、强大且可解释的方法，用于映射多基因性状与细胞类型特异性表达之间的关系，为疾病机制提供新的见解。
【全文结束】
