AI揭示脑细胞在过去3.2亿年间的进化历程

一项新的研究揭示了如何利用人工智能驱动的深度学习模型来解码定义跨物种脑细胞类型的遗传调控开关。通过分析人类、小鼠和鸡的大脑，研究人员发现，一些脑细胞类型在过去3.2亿年间保持高度保守，而其他类型则发生了独特进化。这种调控代码不仅揭示了脑的进化，还为研究基因调控在健康和疾病中的作用提供了新工具。该研究结果突显了人工智能在识别控制脑功能的保守和分歧遗传指令方面的能力。

这项研究还对理解神经障碍有重要意义，它通过将遗传变异与认知特征联系起来，为研究帕金森病等人类疾病状态奠定了基础。研究人员正在扩展他们的模型，以研究各种动物的大脑。

关键事实

• 进化保守性：一些脑细胞调控代码在过去3.2亿年间未发生改变。

• 人工智能驱动的发现：深度学习模型帮助解码跨物种的基因调控。

• 疾病应用：这些模型可用于研究如帕金森病等神经障碍。

来源：VIB

在一篇发表于《科学》杂志的新研究中，比利时研究团队探讨了控制基因活性的遗传开关如何定义跨物种的脑细胞类型。他们训练深度学习模型处理来自人类、小鼠和鸡大脑的数据，发现尽管鸟类和哺乳动物经过数百万年的进化，某些细胞类型仍然高度保守，而其他类型则有所不同进化。

值得注意的是，某些鸟类神经元的调控代码与哺乳动物新皮层深层神经元相似。这项研究不仅揭示了脑的进化，还为研究基因调控如何塑造不同细胞类型提供了强有力的工具。

我们的大脑，乃至整个身体，由许多不同类型的细胞组成。尽管这些细胞共享相同的DNA，但每种细胞都有其独特的形状和功能。每个细胞类型的不同之处在于复杂的短DNA序列，这些序列像开关一样控制哪些基因被激活或关闭。这些调控机制的精细调节确保每种脑细胞使用适当的遗传指令来执行其独特功能。科学家们将这些遗传开关的独特模式称为调控代码。

人工智能破解代码

VIB.AI和VIB-KU鲁汶大学脑与疾病研究中心的Stein Aerts教授及其团队研究了调控代码的基本原理及其对癌症或脑部疾病的影响。他们开发了深度学习方法，以帮助解析从成千上万个单细胞中收集的大量基因调控信息。

“深度学习模型在处理DNA序列代码方面帮助我们极大程度地识别不同细胞类型的调控机制，”Aerts解释道。“现在，我们希望探索这种调控代码是否也能告知我们这些细胞类型在物种间的保守性。”

一个相关问题是脑部研究。尽管哺乳动物和鸟类的发育轨迹相似，但它们的脑部解剖结构却显著不同。Aerts和他的团队现在应用深度学习模型评估现有差异和相似性是否反映在共享或分歧的调控代码中。

研究进化的工具

Nikolai Hecker和Niklas Kempynck分别是Aerts实验室的博士后研究员和博士生，他们开发并实现了机器学习模型，用于表征和比较人类、小鼠和鸡大脑中不同类型的细胞，覆盖了大约3.2亿年的进化过程。但在真正进行比较之前，他们首先需要更好地理解鸡脑的细胞类型组成，因此他们创建了一个全面的转录组图谱。

“我们的研究表明，我们可以使用深度学习来表征和比较基于调控代码的不同细胞类型，”Hecker解释说。“我们可以用这些代码比较不同物种的基因组，识别哪些调控代码在进化中得到了保留，并深入了解细胞类型是如何进化的。”

Kempynck补充道：“直接查看调控代码具有显著优势。它可以告诉我们哪些调控原则在物种间是共享的，即使DNA序列本身已经发生变化。”

研究疾病的工具

这种调控信息不仅有助于理解进化，在之前的工作中，Aerts和他的团队已经验证了黑色素瘤（皮肤癌）细胞状态的调控代码在哺乳动物和斑马鱼之间是保守的。他们还确定了黑色素瘤患者基因组中的变异。当前研究中关于脑细胞类型的模型为研究基因组变异及其与精神或认知特征和障碍的关联提供了有用的工具。

Aerts表示：“最终，学习基因组调控代码的模型具有筛选基因组并调查任何物种中特定细胞类型或细胞状态存在与否的潜力。这将是研究和更好理解疾病的强大工具。”

走进动物园

Aerts和他的团队已经在两个方向上应用了他们的模型，他说：

“我们正与动物园科学和野生动物救援中心合作，将我们的进化建模扩展到更多动物的大脑：从不同种类的鱼类到鹿、刺猬和水豚。同时，我们也在探索这些AI模型如何帮助解开与帕金森病相关的基因变异。”

(全文结束)