多伦多大学泰默蒂医学院的研究人员发现，肌萎缩侧索硬化症（ALS）患者脑细胞中存在广泛的基因和蛋白质变化，这一发现有望揭示该疾病的发病机制。
相关研究近期发表于《细胞基因组学》。该研究还介绍了一种基于深度学习的人工智能工具，可用于预测细胞是否存在导致ALS及其他神经退行性疾病的异常变化。
该研究的共同第一作者保罗·麦基弗表示，研究人员通过对眶额皮质脑细胞进行系统的基因变化分析，绘制了RNA失调的“图谱”。该脑区与ALS及额颞叶变性（FTLD）患者的行为变化密切相关。
“此前许多研究关注ALS脑细胞中特定RNA结合蛋白的失调及其对细胞功能的影响，”麦基弗解释道。他是Janice Robertson教授的博士后研究员，Robertson教授在多伦多大学坦茨神经退行性疾病研究中心担任詹姆斯·亨特家庭ALS研究主席。“我们尝试从一个更整体的视角出发，探究是否能在细胞中识别这些蛋白质，以及它们如何影响RNA加工，进而调控这些细胞中的基因表达。”
“我们的研究方法兼具广度与深度，通过并行分析多种细胞类型和疾病亚型，揭示了以往未曾发现的RNA变化模式。”
研究团队采用了单核RNA测序技术，该技术可分析单个细胞核内的RNA，而非整个细胞，尤其适用于此前冷冻保存的患者样本。解读RNA序列有助于理解疾病影响的细胞通路及相关机制，并可能为新治疗靶点的发现提供方向。
麦基弗与坦茨研究中心及泰默蒂医学院实验室医学与病理生物学系的研究人员合作，对豌豆大小的脑组织样本进行了RNA测序。样本涵盖多种细胞类型，分别来自遗传性ALS患者、散发性ALS患者以及非ALS对照组。
研究结果显示，不同细胞类型、脑区及ALS亚型之间存在RNA转录差异，但也在各类细胞——尤其是神经元中——观察到一些共同的变化规律。这表明这些变化可能是驱动疾病进展的基础性机制。
“我们发现细胞类型内部与疾病细胞之间存在共有和特有的变化，这一结果在独立研究中得到了验证，进一步确认了我们结论的可靠性。”麦基弗指出，“这为理解ALS和FTLD中脑细胞的差异提供了更细致的视角，揭示了特定细胞类型的疾病机制，为推进治疗研究提供了宝贵资源。”
麦基弗表示，更深入地理解RNA变化与细胞蛋白网络的关系，有助于识别可用于诊断的疾病特征或生物标志物，同时也能帮助研究人员进一步解析导致疾病的细胞通路。
在所有ALS脑细胞类型中——尤其是神经元和神经胶质细胞——研究人员观察到最普遍的变化之一是选择性多聚腺苷酸化（APA）的调控失常。APA是RNA转录后的关键过程，直接影响蛋白质翻译。
基于这一发现，多伦多大学分子遗传学教授、细胞与生物分子研究中心成员加里·巴德及其当时指导的博士生艾登·萨巴比，运用计算生物学方法开发了一款基于深度学习的预测工具。他们利用麦基弗的RNA测序分析数据，根据细胞的RNA序列及RNA结合蛋白网络，预测细胞是否出现APA失调。
萨巴比目前是麦吉尔大学的博士后研究员。他表示，该深度学习工具不仅能有效预测哪些细胞可能出现APA失调，也为未来研究最有可能驱动疾病发生与进展的蛋白质提供了方向。
“我们的目标不仅是预测生物变化，更要理解其功能。我们不仅希望观察到APA的变化，更希望理解其在ALS中发生的原因。因此，该工具对产生假设、探索疾病通路具有重要价值。”萨巴比说。
“该深度学习模型的优势在于，一旦模型能做出可靠预测，我们便可进一步解析其预测依据。模型验证了坦茨中心团队关于APA失调的证据，现在关键问题是探究其背后的原因。”
坦茨神经退行性疾病研究中心主任格雷厄姆·科林里奇认为，这项研究代表了理解该疾病发展机制的重要进展。
“ALS是一种毁灭性疾病，揭示其病因并开发有效疗法是坦茨中心及全球研究人员的首要任务。”他表示，“这项研究及其开发的深度学习工具，是朝着这一目标迈出的关键一步。”
萨巴比在相对较小的数据集上训练了该深度学习模型。基于本研究取得的积极成果，研究团队希望进一步扩展模型能力。
近期，罗伯逊、麦基弗、萨巴比与巴德共同获得多伦多大学麦克劳克林基因组医学加速器奖，以推动该模型的优化，拓展其功能，并有望将其应用于分析其他神经退行性疾病及癌症的类似数据。
“这项新资助将支持我们进一步优化模型，在更大规模数据集上进行训练，并验证当前研究中的发现。”萨巴比说，“随着对模型信心的增强，我们将能提出更具说服力的疾病机制假说，并更好地验证现有研究方法。我们相信，通过这一生物学路径，我们正逐步接近产生实质性的积极影响。”
该研究获得了加拿大ALS协会、加拿大卫生研究院、美国ALS协会、ALS Double Play、加拿大衰老与神经退行性疾病联盟及美国国立卫生研究院的资助。
