人工智能驱动的眼部“衰老时钟”揭示眼病治疗的新路径

　　为了用小的、可再生的样本收集尽可能多的信息，Mahajan及其团队开发了一种新技术。该技术名为TEMPO，通过追踪蛋白质到其产生的RNA所在的细胞类型，帮助科学家了解致病蛋白质的细胞起源，期望最终能够针对这些细胞进行个性化医疗治疗。

　　为了深入了解导致各种眼部疾病的细胞过程，研究小组分析了手术期间从局部麻醉患者的房水（晶状体和角膜之间的液体）中提取的液体活检。这些样本来自于患有三种眼病的患者：糖尿病视网膜病变（导致眼睛血管渗漏，进而导致视力丧失）、色素性视网膜炎（损害眼睛后部的感光细胞）以及葡萄膜炎（眼睛内部的炎症）。

　　Mahajan和团队利用46名健康患者的眼液，训练了一种人工智能算法以预测患者的年龄。研究人员将液体中近6000种蛋白质输入算法，发现其中26种蛋白质可以作为一个群体用于年龄预测。

　　通过比较患病眼液与健康眼液，研究小组发现，患病眼睛患者的蛋白质显示出更高的“年龄”：早期糖尿病视网膜病变患者的“年龄”为12岁，晚期糖尿病视网膜病变患者为31岁，视网膜色素变性患者为16岁，葡萄膜炎患者为29岁。

　　该模型还发现，负责指示年龄增长的细胞因每种疾病而异：晚期糖尿病视网膜病变的血管细胞、色素性视网膜炎的视网膜细胞和葡萄膜炎的免疫细胞。

　　研究小组还发现，一些通常作为治疗目标的细胞并不是与疾病最相关的细胞，这促使对治疗方法进行重新评估。例如，糖尿病药物通常针对血管细胞，因为这些细胞在疾病发展中会渗漏，但研究发现，从健康到晚期糖尿病视网膜病变，巨噬细胞（清除死细胞的免疫细胞）中的蛋白质显著增加。

　　Mahajan指出，同时针对衰老细胞和疾病细胞可能使治疗更有效，因为这两者似乎是分开作用的，但同时会对眼睛造成损害。Mahajan预计，研究人员将把TEMPO技术和衰老时钟应用于其他器官的液体，如肝脏、胆汁和关节液。

　　Mahajan希望通过了解这些生物标志物，研究人员能够进行更成功的临床试验，因为他们将对驱动疾病的细胞过程有更深入的理解。目前，90%在小鼠模型或人体细胞中测试的候选药物在临床试验中失败。Mahajan表示，了解导致疾病和衰老的细胞可能会增加成功的机会。

　　Mahajan总结道：“这就好像我们把这些活细胞拿在手里，用放大镜检查它们。我们正在拨打电话，在分子水平上密切了解我们的患者，这将实现精准健康和更明智的临床试验。”

　　参考文献：

液体活检蛋白质组学与人工智能相结合，在体内识别眼睛衰老和疾病的细胞驱动因素 - (https://www.cell.com/cell/fulltext/s0092-8674(23)01033-4)

　　（来源：每日）