研究综述：大脑退化、用于疾病识别的机器学习和AI生成的遗传代码

一个不寻常的大脑退化参与者

一项由斯坦福大学领导并发表在《自然》杂志上的研究发现，像阿尔茨海默病这样的疾病中观察到的与年龄相关的改变可能与大脑中一个相对未被充分研究的领域有关。

该研究探讨了糖萼（一种细胞表面的糖涂层）受损的影响。糖萼是血脑屏障的关键组成部分，因为它充当进入大脑的门户。像半透膜一样，糖萼细胞负责过滤掉有害分子，同时允许有益分子通过，以保持大脑健康。

研究人员发现，黏蛋白（一种负责糖萼正常功能的糖基蛋白质）的缺乏会导致老年小鼠的神经炎症。当向小鼠重新引入黏蛋白时，神经炎症减少，表明糖萼的完整性得到了更好的恢复。

该研究的主要作者、斯坦福Bio-X研究生研究员Sophia Shi在接受斯坦福大学报道时表示，像黏蛋白这样的糖基蛋白质可以在血脑屏障的通透性中发挥关键作用。

“调节糖类对大脑有重大影响——无论是负面的，在衰老过程中这些糖类丢失时，还是正面的，当它们被恢复时。”Shi说。

虽然尚不清楚为什么糖萼会随时间疲劳，以及这些效应是否也存在于人类身上，但研究人员对未来持乐观态度。化学教授兼诺贝尔奖得主Carolyn Bertozzi强调了继续研究Shi探索的这一途径的重要性。

“了解类似机制是否在人类中发挥作用对于将这些发现转化为治疗方法至关重要。”Bertozzi告诉斯坦福大学报道。

一种用于检测疾病的机器学习算法

在2月21日发表于《科学》杂志上的一项研究中，斯坦福医学院的研究人员概述了他们创建的一种通过分析免疫系统关键细节来诊断疾病的机器学习模型。

B细胞和T细胞帮助抵御感染，是我们免疫系统的重要组成部分。这两种细胞类型都可以通过创建记忆细胞来回忆与有害抗原的相互作用，这些记忆细胞包含了识别抗原所需的信息。这使得它们能够在将来快速响应，作为身体适应性免疫系统的一部分。

研究人员创建了一种名为“Mal-ID”的新算法，该算法利用B细胞和T细胞受体的结构序列来诊断个体。

该研究的作者之一、博士后学者Maxim Zaslavsky解释说，免疫系统并不总是识别疾病的主要目标。

“我们今天使用的诊断工具包并没有充分利用免疫系统内部记录的它所遇到的疾病……但我们的免疫系统不断通过B细胞和T细胞监视我们的身体，这些细胞就像分子威胁传感器。”Zaslavsky告诉斯坦福医学院。

结果表明，结合T细胞和B细胞的数据可以更好地诊断个体。研究人员希望这种算法能够帮助识别这些疾病的更多特定亚型。

“患者可能会挣扎多年才能得到诊断，即使如此，我们给这些疾病起的名字就像伞形术语，忽略了复杂疾病背后的生物学多样性。”Zaslavsky告诉斯坦福医学院。

AI工具帮助预测疾病

斯坦福科学家创建了一种生成式AI工具，可以创建以前从未合成过的DNA基因序列。

化学工程助理教授Brian Hie共同领导了这个名为Evo2的工具的创建，该工具使用类似于ChatGPT的AI来创建新的遗传代码。

“在一个自然语言处理器中，比如ChatGPT，你可以用一些文本提示它，它会根据之前写过的单词模式自动完成句子。如果你想设计一个新的基因，你可以用基因序列的碱基对开头提示模型，Evo2会自动完成基因。”Hie告诉斯坦福大学报道。

尽管突变（基因代码中的意外变化）在我们的细胞中经常发生且通常没有严重后果，但一小部分突变可能会导致严重的后果，如癌症。Evo2可以帮助预测导致这些疾病的特定突变。它还可以创建新的基因序列形式，从而产生有益的突变。这会导致蛋白质通过DNA转录和翻译在体内发挥有益作用。

“Evo2还包括机器学习模型，可以告诉你这个序列在自然界中是否存在，并预测这个新序列在现实生活中的功能。然后我们在实验室中合成DNA，并将其插入活细胞中，使用CRISPR等基因编辑技术进行测试。”Hie告诉斯坦福大学报道。

(全文结束)