阿尔茨海默病(Alzheimer’s disease, AD)并非一个固化的终点,而是一幅因人而异的动态“病理拼图”。每位患者的认知衰退轨迹、病理负荷与精神症状组合都截然不同,这种高度的异质性,正是长久以来精准诊疗难以突破的症结所在。如今,一项发表于2026年9月24日Nature Medicine的研究,利用前沿的人工智能技术(AI)与大规模单细胞组学数据,首次将这一复杂难题解码至单个细胞水平。
欢迎加入
AI与脑科学 ADPD学术讨论群
添加小编微信
brainnews_15
-留言:AI与脑科学 ADPD研究群-
威斯康星大学王岱峰团队(https://daifengwanglab.org/)与西奈山医院Panos Roussos团队依托PsychAD联盟构建的全球最大规模AD单细胞脑组织数据集,该数据集包含来自1,494名供体、超过600万个脑细胞的单核RNA测序数据,样本覆盖了背外侧前额叶皮层这一与记忆和认知密切相关的脑区。更重要的是,数据集中囊括了丰富的临床表型信息——从Braak病理分期、临床痴呆评分,到认知韧性、抑郁、激越等神经精神症状,为解码AD异质性提供了前所未有的数据基础。
研究团队开发了名为PASCode(Phenotype Associated Single Cell encoder)的深度学习框架。这项技术的精妙之处在于:它并非简单地将患者分为“患病组”与“对照组”,而是通过集成多种差异丰度算法,首先为每个细胞赋予“聚合表型标签”;随后训练图注意力网络模型,基于细胞的基因表达谱和细胞间相似性图,为每个细胞计算表型关联性评分(Phenotype Association Score, PAC score)。该评分表示单个细胞与特定临床表型(如AD病理、认知韧性、抑郁等)的关联强度,从而实现在细胞层面的量化。研究团队在多个独立数据集(SEA-AD、ROSMAP)上验证了该方法的稳健性——预训练模型能够准确预测未见细胞的表型关联评分,且基于PAC的分析在统计显著性上远超传统的供体分析。
利用PASCode,研究团队鉴定出约150万个表型相关细胞,并在27类脑细胞类型中进行了系统比较。以下发现尤为引人注目:
1. 锁定AD关键细胞与隐藏通路
小胶质细胞和星形胶质细胞在AD相关细胞中排名最高,血管软脑膜细胞也位列前列,提示了AD发病中此前被忽视的潜在环节。同时,SST阳性抑制性神经元在AD患者中呈现出约10倍的相对减少。尤为关键的是,PAC水平的分析鉴定出1,148个差异表达基因(传统供体水平仅220个),精准捕获了tau蛋白结合和β淀粉样蛋白结合等AD相关小胶质细胞通路。
2. 认知韧性的细胞密码
在阿尔茨海默病研究中,一个现象格外引人注目——部分个体虽脑内存在显著AD病理改变,认知功能却保持完好,即"认知韧性"。通过PASCode单细胞表型关联评分,研究者发现AD-认知韧性型与AD-严格型(病理确诊且临床痴呆)在分子层面存在根本差异:IT型兴奋性神经元和多种抑制性神经元亚类是差异最显著的细胞类型,揭示神经元细胞在认知韧性中的核心地位;严格型表现为线粒体功能障碍,韧性型则呈现兴奋/抑制平衡相关基因的有利表达模式;尤为重要的是,星形胶质细胞亚型Astro_PLSCR1在韧性个体中高表达神经保护性标志物EMP1,而严格型则高表达神经毒性标志物FKBP5,同一细胞亚型分别扮演着认知的"守护者"与"破坏者"。
3. AD与抑郁“共享细胞状态”
抑郁是AD患者常见的共病,但其机制长期不明。研究发现,同时关联AD和抑郁的星形胶质细胞(如Astro_WIF1亚群)表现出内质网应激通路和炎症反应的显著激活。更令人兴奋的是,AD相关抑郁呈现出明显的性别特异性,且部分分子特征与重度抑郁障碍高度吻合,提示两种疾病间可能存在共享的细胞状态和分子机制。
研究团队已将PASCode以开源工具、预训练AI模型和交互式Web应用的形式面向全球科研社区开放。其他研究者可以利用这些工具,对自己的单细胞数据进行表型关联评分,或将预训练模型应用于其他神经系统疾病的研究。
这项研究展示了人工智能与大规模单细胞组学结合的巨大潜力——将复杂的临床表型解析至特定细胞亚群、基因表达程序和分子通路层面。这不仅为理解AD异质性提供了全新的细胞维度视角,更为精准诊疗靶点的发现开辟了AI驱动的新范式。
何沉峰 本科毕业于南京大学、博士毕业于德州大学奥斯汀分校,获George J. Heuer, Jr. Ph.D.奖学金;在Nature Medicine, Nature Computational Science, Science Immunology, Nature Biotechnology, Nature Communications等顶级期刊发表论文20余篇;曾任晶泰科技副主任科学家,现任威斯康星大学麦迪逊分校医学信息学系、Waisman脑中心研究科学家,“脑行为研究基金青年学者(BBRF Young Investigator 2026)”;专注脑科学与人工智能交叉前沿,运用机器学习、多组学和类器官等新兴技术,探索神经退行性疾病、脑发育以及认知与行为背后的细胞与分子机制。
威斯康星大学麦迪逊分校Athan Zhaohong Li, Kalpana Hanthanan Arachchilage, Chirag Gupta为论文共同第一作者;威斯康星大学麦迪逊分校王岱峰副教授、西奈山医院Panos Roussos教授为共同通讯作者。
原文链接: https://www.nature.com/articles/s41591-025-04128-1
如需投稿可添加主编微信:brainnews_01
或联系邮箱:brainnews@vip.163.com
本文版权归属作者团队,仅做分享



