阿尔茨海默病进展的稳健转录组特征：经验证的可解释人工智能方法

这项研究为何对家庭与患者重要

阿尔茨海默病会逐步夺走人的记忆和独立生活能力，但临床上仍缺乏简单工具来准确判断脑内病程到了何种程度。本研究直接查看脑组织，识别在阿尔茨海默病不同阶段哪些基因开启或关闭，采用透明的人工智能方法揭示可能有助于临床更精确追踪疾病并将治疗按阶段个性化的模式。

深入老化的大脑

研究者分析了来自125名个体的大规模尸检脑样本。每例大脑均已按一种称为 Braak 分期的标准量表评分，该量表追踪阿尔茨海默病的缠结如何从深层记忆中枢扩散到更广泛的认知区域。研究团队没有将阿尔茨海默病简单地视为有无两类，而是将样本分为早期、中期和晚期，然后在十一处与记忆、情绪和认知相关的关键脑区（如海马体、颞叶和额叶等）中检查基因活性。

智能算法如何解读基因活性

团队使用了反映数千个基因在每个脑区活跃程度的 RNA 测序数据。他们对这些数据进行了清理和标准化，然后使用一种称为 XGBoost 的机器学习方法学习基于这些基因活性谱来区分早期、中期和晚期的模式。为纠正各阶段样本数量不均的问题，研究者采用了重采样技术，使模型看到更平衡的例子。关键在于，他们将此与一种可解释的人工智能方法 SHAP 结合，SHAP 为每个基因分配明确得分，显示该基因将样本推向某一阶段的贡献大小。

发现大脑的阶段特异指纹

在各脑区中，该模型辨别阶段的能力优于随机，其中后扣带皮层以及某些额叶和颞叶区域表现出特别强的信号。研究者进一步探问：哪些基因最重要，它们在疾病进程中是否保持一致？结果显示，顶尖基因具有明显的阶段特异性，早期、中期和晚期签名之间仅约 1.7% 的重叠。早期与能量利用和基础细胞机制相关的基因有关，中期与免疫和应激反应相关，晚期则与线粒体功能和突触连接相关，这与症状从细微变化到广泛脑功能衰竭的转变相呼应。

聚焦新的候选标志物

在数千个基因中，研究突出了一小部分在模型分类阶段时持续有贡献且与已知通路有有意义生物学关联的候选基因。其中一个基因 ARX 显示为潜在的早期标志物，可能与帮助平衡脑活动的抑制性神经元相关。一种中期候选基因 MKNK2 与炎症和细胞应激相关。在晚期，诸如 SLC25A16 和 NEURL1B 等基因指向能量产生结构和神经元连接方面的问题。研究团队通过检查这些基因与代谢、免疫和突触等既有标志物的共变关系来确认这些联系。

这对未来护理意味着什么

简言之，这项工作表明，随着阿尔茨海默病进展，大脑的基因“声音”以不同且可辨的方式变化，可解释人工智能能够可靠地识别在每个阶段发声最强的基因。尽管这些发现来自单一研究队列，仍需在其他群体和活体患者中验证，但它们为开发分阶段的血液或脑源检测方法以及设计更符合早期、中期或晚期生物学特征的治疗策略提供了路线图，而非对所有阶段一视同仁。

引用: Shafik, R.A., Afify, Y.M., Badr, N. et al. Robust transcriptomic signatures of Alzheimer’s disease progression: validated explainable AI approach. Sci Rep 16, 15478 (2026). https://doi.org/10.1038/s41598-026-47879-8

关键词: 阿尔茨海默病, 基因表达, 生物标志物, 可解释人工智能, Braak 分期