2024-04-19 15:37 来源：本站编辑
据美国大脑基金会估计，全球六分之一的人患有脑部疾病。目前的研究已经对大脑内部的细胞通讯提供了一些见解，但关于这个重要器官的功能仍有很多未知之处。如果有一个全面的地图，不仅考虑到大脑的生物学，而且考虑到生物学发生的具体位置，会怎么样?
工程学院的研究人员已经开发出一种强大而经济的方法来做到这一点。
Fred W. Bull化学工程教授路常(Chang Lu)一直在领导一个研究项目，该项目可能对大脑研究具有开创性意义。新发表在《细胞报告方法》杂志上的文章以跨学科研究以及工程学院另外两个部门的教师为特色:
他们的目标?以最具成本效益的方式在基因组规模上绘制和可视化大脑生物学，以改善健康功能。
“关于大脑的许多事实都是现象学的，这意味着我们知道它发生了，但我们不一定了解这些事件背后的分子活动。我认为这阻碍了药物的发展。”“从历史上看，治疗脑部疾病不是通过理性设计，而是通过反复试验。通过有一个参考图来解释大脑的不同部分是如何在分子水平上运作的，这可以帮助研究人员开始开发不同的治疗方案。”
大脑健康很大程度上取决于脑细胞中的基因活动。当研究人员谈论遗传学时，他们本质上指的是DNA序列以及它如何影响人类健康。例如，如果在序列中出现错误或改变，则可以诊断出某些疾病。研究表明，大脑中可能发生其他化学变化，这些变化不会改变DNA序列，但会改变其他分子与DNA相互作用的方式。这种在不改变DNA序列的情况下影响基因活性的变化被称为表观基因组学，它同样可以改变大脑内的基因活性并导致各种疾病。
Lu和他的同事们感兴趣的是探索大脑表观基因组学如何在不同的大脑区域对活动变化或癫痫、癫痫、成瘾或其他精神疾病等特定情况做出反应。目前的大脑绘图过程包括一个接一个地描绘单个细胞。虽然这种方法提供了高空间分辨率，并提供了关于大脑内部细胞通信的重要信息，但它既昂贵又乏味。Lu和他的团队开发了一种更具成本效益的空间方法:表观基因组断层扫描。
表观基因组断层扫描包括创建一个详细的表观基因组图谱，或表观遗传变化的基因组尺度剖面，跨越大脑的大面积和体积。卢认为，这是科学家用来了解影响基因在DNA序列之外行为方式的遗传和环境因素的重要方法。
卢说:“当一个人癫痫发作、与成瘾作斗争或患有任何一种大脑疾病时，他们的大脑会发生表观基因组的改变。”“创建一个大脑的参考图来显示健康的大脑表观基因组在不同区域的样子，可以为大脑遭受变化(如癫痫发作)时提供一个有用的比较点。”
通过他们的合作过程，研究小组能够创建一个地图，显示大脑何时经历癫痫发作，何时经历正常活动。以下是他们的跨学科方法:
将大脑分成小块，厚度约0.5毫米。这些部分是被记录下来的，这意味着研究人员知道特定部分来自大脑的位置和区域。
使用Lu实验室开发的低投入技术分别分析每个部分。
在Yao的帮助下，使用聚类算法将这些部分的特征根据其空间变化模式分组为簇。
在Jia的模型的帮助下，对健康和患病的大脑进行断层扫描，以研究癫痫发作和其他脑部疾病的影响。
一旦大脑的数字断层扫描被重新组装起来，研究人员就有了一个地图，它是大脑表观基因组在一个重要区域的特征。当地图发生变化时，这反映了大脑在表观基因组水平上的表现发生了重大变化，贾说这对理解大脑疾病是开创性的。
贾说:“这个谜题缺失的部分是在分子水平上跨越空间分布的大脑区域对癫痫发作过程的基本理解。”“我们的方法提供了一个强大的工具，使我们能够研究癫痫发作背后的大脑分子过程。”
他们的空间表观基因组分析结果将进一步帮助研究人员了解大脑不同区域的细胞在表观遗传特征方面的不同行为。这种具有成本效益的方法还有助于确保大量的大脑样本可以被研究，从而产生具有统计意义的结果。
他们的研究资金来自对未来神经疾病药物开发感兴趣的各种来源，包括:
卢认为，他的团队的大脑测绘方法可能会对脑部疾病的药物开发产生重大影响。他说:“我们希望更多的研究人员加入我们，在大脑疾病方面取得进展。这对患有抑郁症和毒瘾的人来说是一项重要的研究。这在我们的人口中占很大比例。”
这种跨学科的合作需要所有三个部门的专业知识。该研究小组得到了工程学院和关键技术与应用科学研究所工程健康中心的支持。
“如果没有多学科的密切合作，我们的发现是不可能的，”贾说。“看到表观基因组断层扫描有助于理解癫痫发作后大面积大脑区域的空间动态过程，这真的很令人兴奋，我希望它能在未来广泛应用于脑部疾病。”
那么对大脑的研究和工程学有什么关系呢?对陆来说，这是一个化学工程师的完美项目。
“这个项目的技术开发部分是你可能传统上认为的工程:解决问题，设计方法，开发技术。但我觉得化学工程师尤其具备化学、生物学和数据分析方面的广泛技能。这些方面都以这样或那样的方式参与到这个项目中。”“当我的学生毕业时，我相信他们可以做所有这些事情，并看到每件事在他们工作中的重要性。”
在这个项目中使用的工程专业知识并不止于此。姚使用统计算法来简化和组织大量的表观基因组数据，使有意义的模式脱颖而出，比如健康和患病大脑的表观基因组有何不同。
姚说:“这个项目产生的生物数据量是巨大的，需要针对这个特定问题设计定制的数据处理方法。”“看到聚类算法被用于生物医学研究，这是非常令人兴奋的——下次我教机器学习的时候可以吹嘘一下。”
