AG真人2026世界杯中国官网 Nature | 痴肥怎样转换一根髯毛的触觉? AI全身图谱揭开神经毁伤新思绪

AG真人2026世界杯中国官网AG真人2026世界杯中国官网 Nature | 痴肥怎样转换一根髯毛的触觉? AI全身图谱揭开神经毁伤新思绪

你的位置:AG真人2026世界杯中国官网 > AG真热app >

AG真人2026世界杯中国官网 Nature | 痴肥怎样转换一根髯毛的触觉? AI全身图谱揭开神经毁伤新思绪

发布日期:2026-05-26 16:53    点击次数:99

AG真人2026世界杯中国官网 Nature | 痴肥怎样转换一根髯毛的触觉? AI全身图谱揭开神经毁伤新思绪

许多东说念主谈到痴肥,领先猜测的是脂肪、血糖、胰岛素,或者心血管风险。但要是痴肥还在暗暗转换一只小鼠感知髯毛触碰的才能呢?

5月20日,《Nature》的商讨报说念“A deep-learning framework reveals whole-body perturbations at cell level”,商讨东说念主员诞生了一个名为 MouseMapper 的深度学习框架,把透明化全身成像、三维分割、组织定位和空间卵白质组学(spatial proteomics)褪色起来,试图回话一个畴前很难回话的问题:一种系统性疾病,究竟何如在全身次序上转换神经、免疫细胞和器官组织?

肉体不是器官清单,而是一张被疾病改写的三维舆图

痴肥常被形容为“能量多余”的扫尾,但在生物学层面,它更像是一种全身性扰动。高脂饮食(high-fat diet, HFD)指导的小鼠痴肥不仅带来脂肪组织蔓延,还陪同胰岛素反应受损、低度慢性炎症、外周精神病变风险高潮等变化。问题在于,传统商讨往往只可聚焦某个器官或某类细胞。咱们不错把肝脏拿出来分析,把脂肪组织切片染色,把神经节作念卵白质组学,但这些碎屑很难告诉咱们:全身那里开端变了?哪些变化互相联系?哪些区域值得进一步作念分子跟踪?

这项商讨的技巧路子很径直,也很有贪心。商讨东说念主员使用抒发 eGFP 的汇报小鼠:一种在外周神经标志物 Uchl1 启动子下抒发 eGFP,用来不雅察外周神经;另一种在单核细胞/巨噬细胞标志物 Cd68 启动子下抒发 eGFP,用来不雅察 CD68 阳性免疫细胞。8周龄雄性小鼠领受普通饲料或60%脂肪含量的高脂饮食,抓续16—18周。随后通过 vDISCO 组织透明化(tissue clearing)和光片荧显豁微镜(light-sheet fluorescence microscopy, LSFM),赢得竣工小鼠肉体的三维图像。

这里的要道不是“看见”汉典,而是“量化”。全身成像的数据鸿沟雄壮,单只小鼠的高分辨率扫描可达到数十 TB。若仅依赖东说念主工不雅察,商讨东说念主员很容易被最显眼的结构牵着走。MouseMapper 的风趣在于,它将全身神经、免疫细胞和31个器官/组织自动分割出来,把细胞级变化放回三维剖解坐标中。

MouseMapper:把“透明小鼠”变成可筹算的肉体

MouseMapper 由三个中枢模块组成。Nerve-Module 用于分割外周神经相聚;Immune-Module 用于识别 CD68 阳性免疫细胞过头蚁合;Tissue-Module 用于把这些结构映射到器官和组织中。换句话说,它不单告诉你“这里有神经”或“这里有免疫细胞”,还告诉你这些变化发生在脂肪、肌肉、肝脏、淋趋奉、头部已经其他区域。

为了试验神经分割模子,商讨东说念主员在臆造执行(virtual reality, VR)环境中标注三维神经结构:包括84个 300×300×300 体素的小亚体积,以及8个约 1000×1000×1000 体素的大亚体积。最终,Nerve-Module 基于一个正本为三维血管分割诞生的基础模子 VesselFM 进行微调。神经和血管都属于细长、分枝、拓扑复杂的管状结构,因此预试验模子中学到的形态特征不错移动到神经分割任务上。微调后的模子在神经分割中达到0.7494的体素 Dice 分数(voxel Dice score),况兼在不同标记花样和不同分辨率的数据上仍保抓0.6916—0.7143的 Dice 分数。

免疫细胞分割雷同依赖三维标注。商讨东说念主员在 Cd68-eGFP 全身扫描中标注杰出500个对比度阳性细胞,试验 Immune-Module。

该模块在免疫细胞分割中达到0.7878的体素 Dice 分数,明显高于多个已有框架的0.2140—0.5468。Tissue-Module 则进一步扩展了可解释性:商讨东说念主员在12只小鼠的全身扫描中标注27个器官,并额外试验全分辨率模子识别脂肪、肌肉、骨和骨髓,最终酿成粉饰31个器官和组织的全身参考图谱。

这套经过的价值,在于它减少了“先验假定”的拘谨。畴前商讨痴肥精神病变,可能会优先检讨坐骨神经、背根神经节或脂肪组织神经运用。MouseMapper 则从全身运行,先问:那里出现了可量化的很是?

最不测的思绪:痴肥小鼠的眶下神经变毛糙了

在 Uchl1-eGFP 小鼠中,高脂饮食组的总神经体素数目与普通饲料组相近,但由于痴肥小鼠肉体体积明显增大,全身神经密度下落。脂肪组织中也出现雷同征象:痴肥后脂肪组织蔓延,神经总体素增多,但单元组织体积中的神经密度造谣。这阐发脂肪组织的神经运用并莫得按组织增长比例同步扩展。

更引东说念主注意见是头部。商讨东说念主员在去除脑部信号后量化头部神经,发现高脂饮食组头部神经密度显耀下落。进一步跟踪后,很是鸠合到三叉神经(trigeminal nerve)的上颌支分支——眶下神经(infraorbital nerve)。这条神经运用小鼠髯毛垫,是髯毛介导触觉探索的攻击通路。

通过把神经分割扫尾滚动为三维图结构,商讨东说念主员不单看“有莫得神经”,还量化了神经相聚的复杂度。扫尾表露,与普通饲料组比较,高脂饮食痴肥小鼠眶下神经的神经末梢数目减少60.7%,边(edges)减少57.8%,极点(vertices)减少57.6%。这些意见对应的是神经相聚的分枝、褪色和终端延迟。值得注意见是,眶下神经最大厚度并莫得显耀各别。这少量很要道:它领导问题可能不是骨干神经全体萎缩,而是远端轴突延迟和分枝复杂度下落。

这会带来功能遵守吗?商讨东说念主员作念了髯毛刺激测试(whisker stimulation test)。普通小鼠在髯毛被棉签刺激时时常会回顾、侧目或启动梳理举止;高脂饮食痴肥小鼠的反应评分显耀造谣。样本量为普通饲料组7只、高脂饮食组6只,各别的 P 值为0.0040。也便是说,三维结构变化并莫得停留在成像层面,而是与可测量的嗅觉举止颓势相伴出现。

这里最值得想考的是:痴肥影响的并非独一代谢器官。一个看似与能量代谢距离很远的面部嗅觉通路,也可能被全身代谢情状牵动。痴肥究竟是怎样转换这条神经的?是炎症、脂质代谢、血管环境、神经胶质细胞,已经多种身分共同作用?商讨莫得把谜底说满,而是用下一步实验把问题推向分子层面。

三叉神经节的卵白质组,留住了轴突重塑和炎症的思绪

眶下神经的神经元胞体位于三叉神经节(trigeminal ganglion)。因此,商讨东说念主员从已成像小鼠平分离三叉神经节,AG真人·(中国区)官方网站用18G针头大小的组织打孔样本进行质谱(mass spectrometry, MS)卵白质组学分析。每个样本中检测到杰出6000种卵白;在普通饲料和高脂饮食小鼠之间,共有230种卵白首生各别调控,其中67种上调、163种下调。

通路分析表露,高脂饮食组各别卵白富集在多个与神经结构联系的通路,包括肌动卵白细胞骨架调控(regulation of actin cytoskeleton)、RHO GTPase 效应因子(RHO GTPase effectors)和轴突导向(axon guidance)。这些通路并不仅仅“分子名词堆叠”。轴突孕育、分枝、安定和再塑形,都依赖细胞骨架动态变化;要是这些通路被扰动,远端神经分枝减少就有了更合理的分子解释。

另一组信号指向炎症和细胞应激,包括补体与凝血级联(complement and coagulation cascades)、ERBB 信号通路(ERBB signalling pathway)、鞘脂信号通路(sphingolipid signalling pathway)、先天免疫系统(innate immune system)等。商讨东说念主员罕见注视到 SERPIN-A 眷属多个成员下调。SERPINA1 具有抗炎特点,可遏制中性粒细胞弹性卵白酶;SERPINA3 是组织卵白酶G(cathepsin G)的遏制因子,与炎症联系组织毁伤联系。SERPIN-A 卵白下调,可能意味着组织限度炎症毁伤和保护结构卵白的才能下落。商讨东说念主员还用 western blot 考证了 SERPINA1 抒发造谣、ERK 活化转换以及 SEPTIN7 抒发增多等扫尾。

更攻击的是,商讨东说念主员莫得停留在小鼠模子。他们分析了东说念主类身后三叉神经节样本:瘦个体界说为 BMI 30;样本来自5名瘦个体和4名痴肥个体,每东说念主取3个感趣味趣味区域进行卵白质组分析。东说念主类数据雷同表露,痴肥与三叉神经节卵白质组平常重塑联系,各别通路包括轴突导向、神经退行性变联系通路、肌动卵白细胞骨架调控,以及多种代谢通路,如氨基酸生物合成、柠檬酸轮回和丙酮酸代谢。

这并不等于证明痴肥一定会导致东说念主类三叉神经功能抵制。东说念主类样本量有限,样本来自身后组织,个体间搀杂身分难以皆备放置。但“小鼠结构转换—小鼠嗅觉颓势—小鼠神经节卵白质组转换—东说念主类神经节相似通路转换”组成了一条有启发性的笔据链。它让一个正本容易被疏远的问题变得具体:痴肥联系精神病变是否不应只盯着当作外周神经,也应怜惜面部嗅觉系统?

炎症不是均匀铺开,而是在组织中酿成不同大小的“免疫蚁合”

痴肥的另一条干线是慢性低度炎症。借助 Cd68-eGFP 小鼠,商讨东说念主员把 CD68 阳性免疫细胞在全身范围内作念了三维定位。高脂饮食后,CD68 阳性细胞浸润在全身更明显,尤其在肝脏和内脏脂肪组织(visceral adipose tissue, ViscAT),包括附睾、肠系膜、肾周和腹黑异位脂肪区域。

商讨东说念主员莫得只筹算免疫细胞总量,而是按蚁合鸿沟将 CD68 阳性细胞簇分为三类:小簇,最多约6个细胞;中等簇,约6—60个细胞;大簇,杰出60个细胞。这一分散很特风趣,因为免疫细胞是否酿成较大蚁合,往往反应局部炎症情状和组织重塑进程。

扫尾表露,高脂饮食后,小簇比例在肝脏、内脏脂肪组织和胃中下落;中等簇比例在肝脏和内脏脂肪组织中高潮;大簇则在多个区域显耀增多,包括皮下脂肪组织(subcutaneous adipose tissue, ScAT)、内脏脂肪组织、肌肉、胃和腹壁。统计上,内脏脂肪组织的大簇增多 P 值为0.0001,皮下脂肪组织的大簇增多 P 值小于0.0001,腹壁大簇增多 P 值为0.0007。这阐发痴肥炎症并不是毛糙地“全身变多”,而是在不同组织中以不同空间形态从头组织。

为了进一步融会这些巨噬细胞丰富区域的细胞组成,商讨东说念主员对痴肥小鼠内脏脂肪切片进行了多重标记,涵盖 NK1.1、CD3、F4/80、MHC-II、CD31 和 CD138 等标志物。空间支配分析表露,巨噬细胞最常与 T 细胞(CD3+)、当然杀伤细胞(natural killer cells, NK cells, NK1.1+)和内皮细胞(CD31+)共定位,领导脂肪组织中存在围血管免疫蚁合结构。比较之下,CD138 阳性细胞更倾向于与这些多细胞蚁合分离,表走漏空间区室化特征。

这部分扫尾提醒咱们,炎症不仅仅“细胞数增多”。细胞在那里、以多大鸿沟蚁合、与哪些细胞相邻,可能比单一平均值更接近疾病发生的真实组织生态。

这项商讨真实转换了什么?

MouseMapper 的孝顺不仅仅发现了痴肥小鼠眶下神经很是,也不仅仅画出全身炎症舆图。它更大的价值在于提供了一种商讨复杂疾病的新范式:先在全身次序作念无偏筛查,再把很是区域带回到功能实验和分子机制分析中。

虽然,这项商讨也有范围。法式1.1×物镜成像的横向分辨率约5.9 μm,稳妥全身粉饰和细胞级不雅察,但无法皆备融会亚微米到数微米级的最细轴突和突触结构。4×物镜成像横向分辨率提升到1.62 μm,并把全身相聚时间从接近2周裁减到约20小时,但单只小鼠数据量可高达50 TB,筹算和存储资本显耀增多。汇报小鼠的 eGFP 抒发也不等同于内源 UCHL1 卵白的一起抒发模式,抗体全身标记在痴肥大体积样本中又可能存在穿透不均。因此,MouseMapper 看见的是经过特定模子、标记和分辨率共同界说的生物学图景,而不是莫得技巧范围的“竣工真相”。

但这并不收缩它的启发性。相背,恰是因为商讨东说念主员澄莹展示了模子性能、样本鸿沟、分辨率限度和跨数据集泛化才能,咱们才更容易判断哪些论断肃肃,哪些论断需要后续考证。

这项商讨留住的一个问题能够比谜底更攻击:当咱们说痴肥是一种全身性疾病时,是否简直准备好用全身性的花样去商讨它?要是一种代谢情状能转换髯毛触觉通路、三叉神经节卵白质组和脂肪组织免疫空间结构,那么未来清楚痴肥、糖尿病、神经退行性疾病或肿瘤,也许都需要从“单器官故事”转向“全身三维相聚”。

疾病从来不按学科范围行动。技巧的朝上,则正在迫使咱们用更接近生命自己组织花样的次序从头发问。

参考文件

开云体育官方网站 - KAIYUN

Kaltenecker D, Horvath I, Al-Maskari R, Chen Y, Kolabas ZI, Hoeher L, Todorov M, Minde DP, Kapoor S, Turhan SG, Kuemmerle LB, Steinke H, Wohlgemuth T, Ali M, Kofler FAG真人2026世界杯中国官网, Morigny P, Geppert J, Jeridi D, Wittmann B, Luo J, Shit S, Cigankova C, Kolenic VM, Gür N, Aydeniz E, Yücecan A, Ertürk M, Simons LHA, Pan C, Piraud M, Rueckert D, Rohm M, Hellal F, Elsner M, Bhatia HS, Bechmann I, Menze BH, Herzig S, Paetzold JC, Diaz MB, Ertürk A. A deep-learning framework reveals whole-body perturbations at cell level. Nature. 2026 May 20. doi: 10.1038/s41586-026-10535-2. Epub ahead of print. PMID: 42162424.