萊斯大學的研究人員在動物模型中繪製了第一個全面的、無標記的阿茲海默症患者大腦分子圖。這項工作提供了對該疾病如何開始和傳播的見解。每年因阿茲海默症而索賠的人數比乳癌和攝護腺癌的總和還多。它強調了了解其驅動因素的迫切性。
該團隊使用先進的光學成像方法與機器學習相結合。他們檢查了健康動物和患有阿茲海默症的動物的腦組織。他們的結果發表在 ACS 應用材料與介面公司揭示與阿茲海默症相關的化學變化不僅限於澱粉樣斑塊，這些變化以不規則和複雜的模式出現在整個大腦中。
雷射成像詳細揭示大腦化學成分
為了檢測這些微妙的變化，科學家轉向高光譜拉曼成像。這種複雜形式的拉曼光譜使用雷射來檢測組織內分子的獨特化學指紋。
「傳統的拉曼光譜使用每個分子位置的化學資訊進行一次測量，」該研究的第一作者、萊斯大學電氣與電腦工程博士生王紫陽說。 “高光譜拉曼成像在組織切片上重複這種測量數千次，以創建完整的圖。結果是一張詳細的圖像，顯示大腦不同部分之間的化學成分如何變化？”
研究人員掃描了整個大腦，一次一片。它結合了數千個重疊的測量結果，創建健康和患病組織的高解析度分子圖。因為照片沒有標籤。因此樣品沒有用染料處理。螢光蛋白或分子標籤
「這意味著我們觀察大腦的本來面目，並捕捉大腦完整且未變化的化學成分，」王說。 “我認為這使得該方法更加客觀，更適合發現新的與疾病相關的變化。這些變化可能會被忽視”
機器學習對阿茲海默症的危害程度並不相同。
可視化過程會產生大量數據。該團隊使用機器學習 (ML) 進行了分析。他們最初使用無監督機器學習。這使得演算法能夠檢測化學訊號中的自然模式，而無需提前預測它們。這些模型根據組織的所有分子特徵對組織進行分類。然後，研究人員使用監督式機器學習訓練模型來區分阿茲海默症和非阿茲海默症患者的樣本。此步驟有助於確定不同的大腦區域如何反映與阿茲海默症相關的化學物質。
「我們發現阿茲海默症引起的變化並沒有均勻地分佈在整個大腦中，」王說。 “有些地區表現出強烈的化學變化，而有些地方受影響較小。這種不均勻的模式有助於解釋為什麼症狀逐漸出現，以及為什麼針對單一問題的治療效果有限。”
記憶區域的代謝紊亂
除了蛋白質累積之外，研究還發現健康大腦和阿茲海默症患者大腦之間更廣泛的代謝差異。膽固醇和肝醣的水平因地區而異。差異在負責記憶的區域最為明顯。尤其是海馬體和皮質。
「膽固醇對於維持腦細胞結構很重要。肝醣是局部能量儲備，」電機與電腦工程副教授黃勝熙說。以及材料科學和奈米工程，參與這項研究的作者表示，「這些發現共同支持了這樣的觀點，即阿茲海默症涉及大腦結構和能量平衡的廣泛破壞。這不僅僅是蛋白質積累和錯誤折疊，」黃補充道，他也是肯尼迪研究所、萊斯先進材料研究所和斯莫利-科爾研究所的成員。
對阿茲海默症進展的更廣泛看法。
此計畫源自於對研究阿茲海默症大腦新方法的持續討論。
「起初，我們只測量了一小部分腦組織，」王說。 “然後我想，如果我們能夠繪製整個大腦的圖譜並獲得更廣闊的視野會怎麼樣？在測量和分析完美結合之前，需要進行多輪測試和反複試驗。”
當完整的化學圖最終組合在一起時，影響是立即的。
「出現了普通攝影無法看到的圖案，」王說。 “看到這些結果非常令人滿意。感覺就像揭示了一直存在的隱藏信息。等待正確的分析方法。”
透過展示第一張詳細的、無色的阿茲海默症大腦地圖。因此，這項研究對該疾病提出了更全面的看法。研究團隊希望這些發現能夠支持早期診斷。以及更有效的減緩進展的策略。
該研究得到了美國國立衛生研究院國家科學基金會 (2246564, 1934977) 的資助。 (1R01AG077016) 和韋爾奇基金會 (C2144)。
