帕金森病是一种常见的神经退行性疾病，65岁以上的人群中有2%~3%受到帕金森病影响。尽管多年来的研究已找到多种基因的变异与疾病风险有关，然而超过90%的病例由未知的遗传因素与环境因素引起。
这种复杂性使得为帕金森病开发药物极具挑战，因为传统的药物开发通常需要基于驱动疾病的特定靶点和通路。近期，一项新研究结合人工智能和机器自动化技术提供了一种方法，从帕金森病患者的皮肤中找到了隐藏的疾病细胞特征。研究人员指出，这一发现能够为药物筛选提供基础，加速新疗法的开发。
▲研究论文发表于《自然》旗下的NatureCommunications
这项成果来自纽约干细胞基金会（NYSCF）与谷歌研究院（GoogleResearch）的合作，研究人员结合自动化细胞培养、高内涵细胞成像分析、深度学习等前沿技术，开发了一个高通量细胞表型分析平台，并将这一平台应用于来自帕金森病患者以及健康对照的细胞图像。
▲工作流程示意图（图片来源：参考资料[1]）
研究团队首先利用机器自动化技术从帕金森病患者和健康对照的皮肤组织活检样本中分离出成纤维细胞并进行培养扩展，使用一种称为CellPainting的技术标记细胞的不同部分，以高分辨率光学显微镜拍摄数千张图像。
研究人员由此创建了91人的万余张皮肤细胞图像，然后将获得的大量图像数据交给人工智能进行无偏图像分析，识别出帕金森病患者不同于健康对照的细胞图像特征。
▲通过自动化系统进行高内涵细胞图像分析获得大量数据
“人工智能方法能够确定患者的细胞有哪些共性，这项共性可能是其他方法观察不到的。”论文的共同通讯作者SamuelJ.Yang博士说，“另一点很重要的是，人工智能方法完全不受帕金森病相关先验知识的影响，因此我们可以找到全新的疾病特征。”
“令人兴奋的是，我们确实区分出了患者和健康对照的细胞图像，还能区分不同的疾病亚型。”另一位共同通讯作者BjarkiJohannesson博士指出，“甚至还可以相对准确地判断细胞样本来自哪个提供者。”
该研究在皮肤细胞中确定的帕金森病特征将为后续的药物发现提供基础，包括在患者细胞上进行药物筛选，找出可以逆转相关特征的药物。
图片来源：RF
除了有望造福帕金森病患者，研究团队希望这一平台还可以为其他疾病开辟新的治疗途径，因为同样的方法也可以应用于其他细胞类型，找出隐藏的细胞疾病特征。NYSCF发现与平台开发的副总裁DanielPaull博士参与了这项研究，他表示：“这是首个以如此高精度和灵敏度成功鉴定出疾病特征的工具，这一工具识别患者亚群的能力，对疑难杂症的精准治疗和药物开发具有重要意义。”
