迄今最大规模的‘自闭症地图’或为新型靶向疗法提供线索
摘要
科学家利用人工智能和实验室培育的类脑器官,创建了迄今最大规模的自闭症分子图谱,发现了超过1800个蛋白质-蛋白质相互作用,这可能为新的靶向疗法提供信息。
暂无内容
查看缓存全文
缓存时间: 2026/08/27 19:33
# 史上最大规模自闭症"地图"或为新型靶向疗法提供线索 | CNN
来源:https://edition.cnn.com/2026/08/27/health/autism-treatment-new-map-study
科学家们正在一步步接近理解自闭症在大脑中的具体形成机制,以及可能的治疗方法。
研究人员利用人工智能技术以及实验室培育的微型大脑数据,绘制出与自闭症相关的特定基因突变如何重组大脑连接并导致该病症的路径。这份分子图谱于周四发表在《科学》期刊(https://dx.doi.org/10.1126/science.ady4523),有望为开发更具针对性的自闭症疗法提供科学依据。
"要最终研发药物,你需要这种认知突破。我们现在生成的图谱本质上提供了自闭症的分子基础,并为我们最终的药物研发指明了多重方向,"该研究作者、加州大学旧金山分校教授兼非营利组织格拉德斯通研究所高级研究员尼文·克罗根博士表示。
"我们希望在未来某个时刻回顾时能够说:'正是这张图谱促成了X、Y和Z的发现,由此我们拥有了史上首个自闭症疗法。'这是我们的愿景,我相信这终将在未来成为现实,"克罗根说道。
数十年来,开发有效的自闭症疗法一直是科学界面临的难题。
由于存在超过250个(https://icahn.mssm.edu/research/friedman/research/autism)与自闭症谱系障碍相关的基因,寻找针对疾病遗传根源的疗法,就如同为数百种不同的锁寻找一把万能钥匙。
但这项新研究揭示了其中许多不同的基因突变如何在发育中的大脑内物理连接并重组蛋白质相互作用,从而引发自闭症。蛋白质是构成并维持大脑结构的分子。因此,科学家现在无需针对基因本身开发数百种不同药物,而是可以通过蛋白质相互作用这一蓝图进行靶向治疗。
"仅有基因和突变信息是不够的,那只是一份零件清单,"身兼加州大学旧金山分校定量生物科学研究所所长的克罗根说道。
"你需要为这份零件清单绘制接线图,这就需要深入研究蛋白质,理解它们如何相互沟通,并分析当蛋白质发生突变时,会对蛋白质-蛋白质相互作用产生何种影响。"他补充道:"因此,理解这一点将为你开启意想不到的治疗道路,这些道路是仅仅研究基因和突变无法预见的。"
克罗根表示,他和同事们已经利用新研究的成果,启动了三个潜在新疗法的研发项目。
为了构建自闭症图谱,加州大学旧金山分校的研究人员系统性地绘制了与自闭症相关的基因突变如何影响大脑蛋白质相互作用的路径。他们发现了超过1800种与自闭症相关的蛋白质相互作用,其中87%是此前从未被发现过的。
研究人员在存在基因突变的情况下绘制图谱,以理解蛋白质如何被"重组",随后利用名为AlphaFold的人工智能系统筛选关键突变,并在实验室培育的脑类器官中进行研究。
"人工智能让我们能够研究那些即便在几年前都无法想象的蛋白质,它正以前所未有的方式揭示自闭症及其底层生物学机制,"克罗根表示。
他指出,这张图谱"是迄今为止针对自闭症规模最大的研究","这不仅是任何神经精神疾病中同类规模最大的图谱,也是任何疾病领域迄今生成的最大突变图谱"。
未参与该研究的埃默里大学医学院人类遗传学系助理教授菲克里·比雷在邮件中写道,新研究"确实令人兴奋,因为它代表了我们迄今对自闭症风险最系统的蛋白质层面认知"。
比雷写道:"未来或许可以开发出稳定受干扰蛋白质复合物或阻断病理性相互作用的药物,而非试图纠正每一个导致自闭症的单独突变。"他还补充说,新研究的发现可能有助于指导其所在实验室开展的疾病模型研究。
虽然新研究绘制了自闭症可能发展的分子路径图,但它可能无法适用于每一位自闭症患者或所有疾病类型——因为该研究目前最直接相关的是重度自闭症患者,这部分人群约占自闭症谱系障碍患者的30%(https://autismsciencefoundation.org/press_releases/cdc-profound-autism-statistics/)。
"例如,这些患者需要24小时不间断护理,"克罗根说道。
然而他补充说,该研究关于蛋白质相互作用的发现,也可能为其他神经精神疾病(包括精神分裂症、强迫症和抽动障碍)以及其他疾病(如癌症)的研究提供参考。
自闭症专家和倡导者都对这项新研究表示赞赏,因为它可能为更多潜在疗法研究敞开大门。
非营利组织自闭症科学基金会主席、未参与该研究的艾莉森·辛格在邮件中写道:"今天的研究展示了不同自闭症基因如何汇聚到共同的生物通路上,这些共同通路最终可能为我们提供适用于更大群体自闭症患者的治疗靶点,包括那些没有明确遗传病因的患者。这对自闭症科学而言堪称一个巨大的分水岭时刻。"
"对于像我这样的重度自闭症患者家庭来说,这正是我们一直等待和期盼的科学突破。许多重度自闭症患者拥有罕见的基因变异,精准医疗的承诺始终在于:理解这些变异最终将使我们超越治疗症状和行为,开始解决底层的生物学问题,"辛格写道。
"前方仍有大量工作,今天这些发现需要转化为药物候选物,并经过安全性和有效性测试,但从基因发现到治疗的道路现已变得更加清晰。"
尽管新研究"令人兴奋",但非营利组织自闭症之声的首席科学官安迪·施博士提醒说,将研究发现转化为潜在疗法需要相当长的时间。
施博士在邮件中写道:"将这类发现转化为疗法是一个漫长的过程。该研究为潜在靶点提供了宝贵见解,但在这些发现能够应用于临床之前,还需要进行更多研究。"
自闭症已成为特朗普第二届政府卫生与公众服务部的重点关注领域,其下属的机构间自闭症协调委员会(https://iacc.hhs.gov/about-iacc/overview/)(IACC)负责协助制定和更新国家自闭症研究战略计划。一份新的计划草案将于周四提交委员会投票。
辛格表示,她不认为新草案计划会推动更多针对自闭症生物靶点(如本研究发现的靶点)的研究。相反,她担心特朗普政府可能会将注意力从现有科学转向尚未证实的疫苗与自闭症关联问题。
辛格写道,联邦自闭症研究计划"弱化了遗传学、神经发育和大脑生物学的重要性,转而支持与当代自闭症科学方向不符的宽泛损伤模型"。"在治疗开发领域涌现出如此多前所未有的机遇之际,将有限的联邦研究投资从最有力的生物学证据方向转移,将延缓科学进步的步伐。"
但自闭症之声的施博士表示,他预计新的IACC战略计划将包含更多关于自闭症相关基因变化的研究。
他写道:"新IACC战略计划对理解发育轨迹有显著兴趣," "我期待持续投资大规模、数据驱动的研究方法,将推动更多研究考察遗传因素如何促进自闭症发展并影响发育进程。"
相似文章
整合生物工具包,探索ALS新疗法
DeepMind的Co-Scientist人工智能工具融合了两位来自不同生物领域研究者的专业知识,通过生成可验证的假设并识别基于RNA的潜在治疗机制,加速ALS研究。
机器学习技术用于自闭症诊断与治疗的系统性综述:挑战与机遇
本文系统回顾了55项关于机器学习在自闭症谱系障碍中的应用研究,聚焦于诊断与治疗的挑战和机遇。
AI开始将肿瘤视为有组织的生态系统,而不仅仅是突变细胞
一项新研究提出,利用人工智能分析肿瘤的空间组织、免疫定位和信号环境,将肿瘤视为有组织的生态系统而非随机突变。
@Nature: 一个新发布的AI工具生成了超过10亿个预测蛋白质结构图谱以及数十亿个…
一个新发布的AI工具生成了超过10亿个预测蛋白质结构和序列的图谱。
自闭症突变驱动神经发育病变
本文考察与自闭症相关的基因突变如何导致神经发育障碍的发展。