腦機(jī)啟偵 | 人工智能揭示了阿爾茨海默病大腦中隱藏的化學(xué)變化

萊斯大學(xué)的科學(xué)家們制作了首個(gè)完整的無染料阿爾茨海默病大腦分子圖譜。通過結(jié)合激光成像與機(jī)器學(xué)習(xí)，他們揭示了不均勻分布于大腦、超越淀粉樣斑塊的化學(xué)變化。關(guān)鍵記憶區(qū)域顯示膽固醇和能量相關(guān)分子發(fā)生了重大變化。研究結(jié)果表明，阿爾茨海默病是一種全腦代謝紊亂——而不僅僅是蛋白質(zhì)問題。

萊斯大學(xué)的研究人員制作了首個(gè)在動(dòng)物模型中全面且無標(biāo)簽的阿爾茨海默腦分子圖譜。這項(xiàng)工作深入揭示了該疾病的起源和傳播過程。阿爾茨海默病每年奪走的生命超過乳腺癌和前列腺癌的總和，凸顯了理解其驅(qū)動(dòng)因素的緊迫性。

團(tuán)隊(duì)利用先進(jìn)的基于光的成像方法結(jié)合機(jī)器學(xué)習(xí)，檢查了健康和阿爾茨海默病患者動(dòng)物的腦組織。他們的研究成果發(fā)表在《ACS Applied Materials and Interfaces》上，顯示與阿爾茨海默病相關(guān)的化學(xué)變化不僅限于淀粉樣斑塊。相反，這些改變以不均勻且復(fù)雜的模式出現(xiàn)在大腦各處。

激光成像詳細(xì)揭示大腦化學(xué)

為了檢測這些細(xì)微的變化，科學(xué)家們采用了高光譜拉曼成像技術(shù)。這種復(fù)雜的拉曼光譜技術(shù)利用激光檢測組織中分子獨(dú)特的化學(xué)指紋。

“傳統(tǒng)的拉曼光譜為每個(gè)分子位點(diǎn)測量一次化學(xué)信息，”萊斯大學(xué)電氣與計(jì)算機(jī)工程王博士說。“高光譜拉曼成像在整個(gè)組織切片上重復(fù)數(shù)千次測量，以構(gòu)建完整圖譜。結(jié)果是一張?jiān)敿?xì)的圖像，展示了化學(xué)成分如何在大腦不同區(qū)域間變化。”

研究人員逐片掃描整個(gè)大腦，匯總數(shù)千個(gè)重疊測量數(shù)據(jù)，構(gòu)建健康與病變組織的高分辨率分子圖譜。由于影像無標(biāo)記，樣本未使用染料、熒光蛋白或分子標(biāo)簽處理。

“這意味著我們觀察了大腦的原樣，捕捉到了其化學(xué)成分的完整、未被改變的畫像，”王博士說。“我認(rèn)為這使得該方法更加公正，更適合發(fā)現(xiàn)可能被忽視的新疾病相關(guān)變化。”

機(jī)器學(xué)習(xí)繪制阿爾茨海默病損傷的不均圖

成像過程產(chǎn)生了大量數(shù)據(jù)，團(tuán)隊(duì)通過機(jī)器學(xué)習(xí)進(jìn)行了分析。他們首先應(yīng)用了無監(jiān)督機(jī)器學(xué)習(xí)，使算法能夠在沒有預(yù)先假設(shè)的情況下檢測化學(xué)信號(hào)中的自然模式。這些模型完全基于分子特征進(jìn)行組織分類。研究人員隨后使用監(jiān)督機(jī)器學(xué)習(xí)訓(xùn)練模型來區(qū)分阿爾茨海默病和非阿爾茨海默病樣本。這一步驟有助于確定不同腦區(qū)在阿爾茨海默病相關(guān)化學(xué)反應(yīng)的強(qiáng)烈程度。

“我們發(fā)現(xiàn)阿爾茨海默病引起的變化在大腦中分布不均，”王博士說。“有些區(qū)域表現(xiàn)出強(qiáng)烈的化學(xué)變化，而有些則影響較小。這種不均勻的模式有助于解釋癥狀為何逐漸出現(xiàn)，以及為何專注于單一問題的治療效果有限。”

記憶區(qū)域的代謝紊亂

除了蛋白質(zhì)積累，研究還發(fā)現(xiàn)了健康大腦與阿爾茨海默病大腦之間更廣泛的代謝差異。膽固醇和糖原的水平在不同區(qū)域有所不同，其中記憶的區(qū)域，尤其是海馬體和皮層，表現(xiàn)出最顯著的差異。

“膽固醇對(duì)維持腦細(xì)胞結(jié)構(gòu)很重要，糖原則是局部能量儲(chǔ)備，”電氣與計(jì)算機(jī)工程及材料科學(xué)與納米工程黃教授表示。“這些發(fā)現(xiàn)共同支持阿爾茨海默病涉及大腦結(jié)構(gòu)和能量平衡更廣泛的破壞，而不僅僅是蛋白質(zhì)的積累和折疊錯(cuò)誤”。

機(jī)器學(xué)習(xí)繪制阿爾茨海默病損傷的不均圖

成像過程產(chǎn)生了大量數(shù)據(jù)，團(tuán)隊(duì)通過機(jī)器學(xué)習(xí)進(jìn)行了分析。他們首先應(yīng)用了無監(jiān)督機(jī)器學(xué)習(xí)，使算法能夠在沒有預(yù)先假設(shè)的情況下檢測化學(xué)信號(hào)中的自然模式。這些模型完全基于分子特征進(jìn)行組織分類。研究人員隨后使用監(jiān)督機(jī)器學(xué)習(xí)訓(xùn)練模型來區(qū)分阿爾茨海默病和非阿爾茨海默病樣本。這一步驟有助于確定不同腦區(qū)在阿爾茨海默病相關(guān)化學(xué)反應(yīng)的強(qiáng)烈程度。

“我們發(fā)現(xiàn)阿爾茨海默病引起的變化在大腦中分布不均，”王說。“有些區(qū)域表現(xiàn)出強(qiáng)烈的化學(xué)變化，而有些則影響較小。這種不均勻的模式有助于解釋癥狀為何逐漸出現(xiàn)，以及為何專注于單一問題的治療效果有限。”

阿爾茨海默病進(jìn)展的更廣泛視角

該項(xiàng)目源于關(guān)于研究阿爾茨海默病大腦新方法的持續(xù)討論。

“起初，我們只測量了腦組織的小區(qū)域，”王博士說。“然后我想，如果我們能繪制整個(gè)大腦的地圖，獲得更廣闊的視野呢？經(jīng)過幾輪測試和反復(fù)試驗(yàn)，測量和分析才開始順利配合。”

當(dāng)完整的化學(xué)圖譜最終拼湊起來時(shí)，沖擊立竿見影。

“出現(xiàn)了常規(guī)影像中無法察覺的模式，”王博士說。“看到這些結(jié)果讓我非常滿意。感覺就像揭示了一層隱藏的信息，這些信息一直存在，等待正確的分析方式。”

通過首次詳細(xì)且無染料的阿爾茨海默腦部化學(xué)圖，這項(xiàng)研究為該疾病提供了更全面的視角。團(tuán)隊(duì)希望這些發(fā)現(xiàn)最終能支持更早診斷和更有效的減緩病情進(jìn)展的策略。

期刊參考：

Ziyang Wang, Jeewan C. Ranasinghe, Dennis C. Y. Chan, Ashley Gomm, Rudolph E. Tanzi, Can Zhang, Nanyin Zhang, Shengxi Huang. Machine Learning-Enhanced Hyperspectral Raman Imaging for Label-Free Molecular Atlas of Alzheimer’s Brain. ACS Applied Materials, 2025;

DOI: 10.1021/acsami.5c22623

來源：SCIENCE DAILY

浙大科技園啟真腦機(jī)智能產(chǎn)業(yè)化基地是在浙大控股集團(tuán)領(lǐng)導(dǎo)下，由浙江大學(xué)科技園發(fā)展有限公司與杭州未來科技城管委會(huì)共建，圍繞腦機(jī)智能產(chǎn)業(yè)主體，輻射腦機(jī)+生命健康、腦機(jī)+智能制造、腦機(jī)+新一代信息技術(shù)、腦機(jī)+新材料等領(lǐng)域的專業(yè)化特色產(chǎn)業(yè)基地，由杭州啟真未來科技發(fā)展有限公司負(fù)責(zé)全面運(yùn)營。

基地依托浙江大學(xué)在腦機(jī)智能方面的學(xué)科優(yōu)勢，以腦機(jī)智能作為核心科技支撐，貫徹浙江大學(xué)國家大學(xué)科技園“有組織科技成果轉(zhuǎn)化、有靶向科技企業(yè)孵化、有體系未來產(chǎn)業(yè)培育”的服務(wù)體系，致力于打造腦機(jī)智能領(lǐng)域具備成果顯示度、區(qū)域影響力的產(chǎn)業(yè)化高地。