使用机器学习在细胞水平上绘制大脑衰老图

使用机器学习在细胞水平上绘制大脑衰老图

在一次广泛的基因组新闻采访中，斯坦福大学研究人员 Eric Sun 展示了机器学习如何以前所未有的细胞分辨率彻底改变我们对大脑衰老的理解。孙博士将于 2026 年在麻省理工学院生物工程系和拉贡研究所建立自己的独立实验室，他代表了新一代计算机科学家，他们正在通过创新的机器学习改变研究的老化。

细胞衰老机制的突破性发现

孙博士的开创性工作重点是开发“空间衰老时钟”——一种复杂的机器学习模型，可以在个体细胞水平上测量生物年龄。这代表了传统衰老研究的巨大飞跃，传统衰老研究通常将组织或器官作为一个整体进行检查。他最近在《自然》杂志 (2025) 上发表的文章展示了这些计算工具如何识别特定细胞类型，这些细胞类型会显着影响其邻近细胞的衰老轨迹，从而在促衰老或促恢复方向发挥作用。

“我一直对衰老的生物学很着迷，”孙博士在接受采访时解释道。 “为什么随着年龄的增长，我们会出现皱纹？为什么变得更难学习，更容易忘记？为什么有些动物的寿命明显长于其他动物，但似乎所有动物都会经历衰老​​？”这些基本问题激发了他早期对衰老研究的兴趣，这种兴趣是在他小学时发现辛西娅·凯尼恩 (Cynthia Kenyon) 关于线虫寿命显着延长的研究成果后具体化的。

衰老研究的革命性计算框架

斯坦福大学研究人员的方法代表了科学家研究衰老方式的根本转变。传统方法通常提供衰老过程的广泛快照，但孙博士的空间衰老时钟可以查明哪些细胞在复杂的组织环境中衰老得更快或更慢。这种详细的理解为有针对性的干预措施开辟了新的机会。最后，研究人员能否识别并修改加速脑组织衰老的特定细胞“坏角色”？是否有可能增强邻近细胞促进年轻功能的活性？

Sun 博士的研究方法将空间转录组学与单细胞分析相结合，生成了脑组织衰老过程的详细图谱。他的机器学习模型不仅仅识别衰老的细胞，还揭示了复杂的细胞间通信网络，该网络决定邻近细胞是否快速衰老或保持年轻特征。

从数学基础到生物学发现

这一突破的路径体现在孙博士独特的跨学科背景。他在科罗拉多州普韦布洛长大，在公共图书馆度过了无数个小时，在专注于数学之前对恐龙和太空探索着迷。 “数学是我高中时最喜欢的科目，”他指出，“虽然它可能没有直接激发我对科学的热情，但我早期对数学的热爱塑造了我所吸引的研究领域和方法。”

当孙博士在哈佛大学读本科期间开始开发计算模型时，这一数学基础被证明至关重要，他在那里应用了化学、物理和数学。他的项目范围从模拟染色体发育到构建衰老数学模型，以及使用机器学习从多 AMICS 数据预测年龄。这些经历奠定了他的计算能力，这使他后来对空间老化的革命性发展成为可能。

对痴呆和神经退行性疾病研究的影响

孙博士的工作的实际应用远远超出了基础研究。其计算框架可以改变研究人员处理与年龄相关的疾病的方式，特别是痴呆症和其他神经退行性疾病。通过识别导致大脑衰老的特定细胞机制，科学家可以开发出更精确的治疗靶点。如果可以设计治疗方法，使有益细胞的恢复活力信号同时抑制有问题的细胞群的促衰老影响，结果会怎样呢？

孙博士的研究还提出了有关衰老本身本质的有趣问题。如果单个细胞可以影响其邻近细胞的衰老轨迹，那么环境因素或治疗干预措施将如何利用这些细胞通信网络？了解这些机制能否带来不仅可以延缓衰老，而且可以在特定大脑区域逆转衰老的治疗方法？

培养下一代老龄化研究人员

除了他的研究贡献外，孙博士还强调指导未来科学家的重要性。 “在我的研究之外，我很高兴能够建立自己的实验室并指导学生和博士后，”他解释道。 “我想支持和培养下一代科学家，无论是在衰老研究领域还是其他领域。”

他对科学指导的承诺反映了对支持年轻研究人员应对科学发现不可避免的挑战的更广泛的关注。孙博士指出，科学界经常强调成功而不是失败，尽管失败“比前者更为常见，而且往往一系列的失败是最终研究创造或成功的催化剂”。

计算机老化的未来方向

展望未来，他的实验室将专注于构建大规模人工智能模型，以预测多个尺度的生物扰动的影响，从而有可能实现用于复兴工作的高通量计算屏幕。

研究人员的长期愿景包括将计算发现转化为有效的治疗方法。他的工作表明，在未来，衰老研究将超越描述衰老过程中发生的事情，而精确控制衰老的发生方式。它的空间衰老时钟最终能否指导针对个人特定细胞衰老模式的个性化抗衰老治疗？

孙博士的研究还强调了人工智能与生物发现之间不断发展的关系。他的空间老化时钟展示了机器学习如何不仅能够分析复杂的生物数据，而且还能对基本生命过程产生全新的见解。随着计算能力的不断进步，还有哪些其他生物学谜团可能会产生类似的人工智能驱动方法？

Eric Sun 博士的基因组新闻采访是名为“创新者与创意”的更大系列的一部分，该系列重点介绍了当今最具影响力的科学突破背后的人物。该系列中的每次采访都融合了前沿研究和个人反思，让读者全面了解塑造未来的科学家。通过将对专业成就的关注与个人见解相结合，这种采访风格带来了更丰富的叙述，既吸引读者又启发读者。这种格式为探索科学家对该领域的影响同时触及更广泛的人类主题的简介提供了一个理想的起点。有关我们的创新者和创意 - 基因组新闻采访系列中的研究领导者和后起之秀的更多信息，请访问我们的出版物网站：

资料来源：