京都大学的研究突破
日本庆应义塾大学的研究团队，带领者为著名科学家冈野英幸（Hideyuki Okano）博士，近期发表了一项重大研究成果：一种通过诱导多能干细胞（iPSCs）高效培养脊髓下运动神经元（LMNs）的方法。这一突破为研究肌萎缩侧索硬化症（ALS）及开发新药带来了新的希望。
此方法显著缩短了培养功能性神经元所需的时间，同时提高了诱导效率。研究负责人森本悟（Satoru Morimoto）博士表示，这种简化的培养流程将有助于加速ALS的研究进程，尤其是针对占病例总数90%以上的散发性ALS患者，为大规模药物筛选提供了可能。
相关研究成果已发表在《干细胞报告》（Stem Cell Reports）杂志，文章标题为《通过单细胞成像快速诱导人类脊髓下运动神经元并开展稳健的ALS细胞筛选》。
ALS研究中的挑战与新方法
ALS是一种异质性极高的神经退行性疾病，散发性患者的个体差异极大，为研究和治疗带来重大挑战。森本博士指出，为深入理解疾病机制，科学家需要分析大量患者的病例，以弥补个体差异带来的研究难题。
为此，该团队创新性地将小分子化合物方法与转录因子转导技术相结合，成功在两周内以80%的高效率诱导出LMNs。这些神经元不仅能够复制ALS患者特有的病理特征（如TDP-43和FUS蛋白异常聚集），还展示出与成熟神经元相似的电活动和网络活性。
进一步分析发现，这些LMNs还表现出ALS神经元的典型特征，例如细胞存活率显著低于健康神经元。这一平台为研究ALS的细胞脆弱性提供了强大的工具，也为药物筛选打开了新的大门。
人工智能技术的引入
在实现高效诱导的过程中，团队面临的主要挑战是如何在短时间内保证细胞纯度并克服样本异质性，以满足大规模多样本分析的需求。为此，研究团队引入了人工智能（AI）技术，通过机器学习和AI驱动的图像分析，实现了对活细胞形态及存活率的单细胞追踪评估，从而剔除非LMN细胞的干扰。
AI技术的应用极大提高了细胞表型识别的准确性和效率，同时还能检测微小变化并预测疾病进程。森本博士认为，AI驱动的工具不仅简化了过去耗时费力的实验流程，还为细胞培养条件的优化和复杂数据集的分析提供了可能性。
未来展望
森本团队计划进一步研究通过LMNs模型模拟ALS细胞对药物的响应。他们的主要目标包括：
- 揭示散发性ALS的发病机制；
- 开发针对每位散发性ALS患者的个性化治疗药物；
- 将iPS细胞衍生的神经元作为ALS患者的生物标志物。
尽管目前的技术仍面临一些挑战，例如实时监控系统的需求和减少实验变异性，但研究团队对这一方法的潜力充满信心。森本博士表示，这一项目的成功离不开团队在干细胞生物学、时间延迟成像以及机器学习等领域的跨学科合作。他期望未来能够与全球更多的科学家合作，早日找到治愈ALS的方法。
参考文献：https://www.cell.com/stem-cell-reports/fulltext/S2213-6711(24)00321-7
编辑：王洪
排版：李丽
评论 (0)