Nature:解剖代谢“双城”——AI深度学习揭示肝肠内部的功能新图景

时间:2025-10-18

图片

上帝视角缺失:为何绘制代谢地图如此之难?

在我们深入这张新地图之前,不妨先思考一个问题:为什么看清器官内部的代谢活动如此困难?

生命科学的研究工具已经非常先进。我们能通过基因组学(genomics)和转录组学(transcriptomics)读取细胞的 设计蓝图 ,通过蛋白质组学(proteomics)了解 生产工具 的配备情况。这些研究告诉我们,在肝脏中,从血液入口(门静脉,portal vein)到出口(中央静脉,central vein)的轴线上,肝细胞的基因表达存在着显著差异,这一现象被称为 肝带状分布 (liver zonation)。同样,在小肠中,从所在的隐窝(crypt)到负责吸收的绒毛顶端(villus tip),细胞的基因表达也在不断变化。

但问题在于, 蓝图 和 工具 并不等同于 实际生产活动 。研究早已发现,基因转录本和蛋白质水平的分布只有微弱的相关性,而酶的含量也只能部分解释真实的代谢活性。要知道代谢工厂的实时产出,我们必须直接测量那些真正参与反应的 零件 和 产品 ,也就是代谢物(metabolites)。

传统的代谢组学(metabolomics)方法,通常需要将组织磨碎提取,这无疑破坏了所有的空间结构。这就好比为了了解一个城市的经济活动,我们把整座城市的所有商品、货币和资源都放进一个巨大的搅拌机里,然后分析这堆混合物的成分。我们也许能知道这个城市很富有,但金融区和工业区的区别,我们永远无从知晓。

为了保留空间信息,研究人员开发了多种成像技术,其中最有前景的之一是基质辅助激光解吸/电离成像质谱技术(MALDI imaging mass spectrometry, MALDI-IMS)。它的原理很巧妙:用一层特殊的基质覆盖组织切片,然后用激光束逐点扫描。每当激光击中一个点,这个点的代谢物就会在基质的帮助下 飞 起来,进入质谱仪被检测和识别。通过逐点扫描,就能构建出一张张特定代谢物的空间分布图。然而,这项技术一直受限于空间分辨率和信号噪音,难以系统性地揭示器官内部复杂的代谢模式。

当AI化身 制图师 :从海量数据中 看见 秩序

面对这一挑战,研究团队亮出了他们的 王牌 ,一个集成了实验与计算的巧妙流程。他们不仅优化了MALDI-IMS的实验方法,将肝脏成像的分辨率提升至15微米,肠道提升至10微米甚至5微米,足以分辨单个细胞层面的差异;更重要的是,他们开发了一种名为 代谢拓扑图绘制器 (Metabolic Topography Mapper, MET-MAP)的深度学习人工智能模型。

这个AI模型的工作方式极具启发性。它是一种无监督学习(unsupervised manner)模型,这意味着研究人员并没有预先告诉它肝脏的解剖结构,比如哪里是门静脉,哪里是中央静脉。AI的任务,就像一位初来乍到的 制图师 ,面对一张包含了成百上千种代谢物、数万个像素点的复杂数据地图,它的目标是找出这片混沌背后最主要的、最能解释所有变化的潜在空间规律。

结果令人震惊。在肝脏数据中,MET-MAP自动地、地学习到了一个一维坐标,研究人员称之为 代谢深度 (metabolic depth)。这个坐标完美地重现了经典的、从门静脉到中央静脉的肝小叶(liver lobule)结构。在它的描绘下,肝脏的代谢拓扑结构就像一张等高线地图,清晰地展示了不同代谢物沿血液流动方向的 高低起伏 。同样,在肠道数据中,AI也准确地识别出了从隐窝到绒毛尖端的细胞分化轴线。

这一步至关重要。它意味着研究人员终于有了一把可靠的 尺子 ,可以精确衡量任何一种代谢物在器官内部微环境中的空间位置和浓度梯度。有了这把 AI制图尺 ,一场对生命引擎内部运作机制的深度探索正式拉开序幕。

肝脏 双城记 :繁华 口岸 与宁静 腹地 的代谢分工

有了MET-MAP这把利器,研究人员发现,在他们检测的156种肝脏代谢物和脂质中,超过95%都表现出了显著的空间梯度。肝脏内部绝非铁板一块,而是一个高度结构化的 双城邦 :靠近血液入口的 门脉周围区 (periportal, PP)和靠近出口的 中央静脉周围区 (pericentral, PC)。

繁华的 口岸 ,门脉周围区(PP区)

PP区的细胞是第一批接触到来自肠道的、富含和氧气血液的 居民 。它们是肝脏的 制造中心 和 能量中枢 。这里理应是一派繁忙的生产景象。

数据显示,正如预期,三羧酸循环(TCA cycle)的多种中间产物,如苹果酸(malate)和天冬氨酸(aspartate),以及与TCA循环密切相关的谷氨酸(glutamate),都在PP区高度富集。同时,磷酸戊糖途径(pentose phosphate pathway, PPP)的中间产物,如6-磷酸葡萄糖酸(6-phosphogluconate),也在这里聚集。这些发现都印证了PP区作为合成与代谢中心的角色,比如执行糖异生(gluconeogenesis)等耗能巨大的任务。

然而,一个惊人的反直觉(counter-intuitive)现象出现了。作为能量生产的核心区域,PP区的 能量货币 ATP(三磷酸腺苷)水平竟然显著低于PC区,而代表 能量亏空 的信号分子AMP(单磷酸腺苷)及其降解产物,如IMP(次黄嘌呤核苷酸)、肌苷(inosine)和黄嘌呤(xanthine),却在PP区异常之高。

这意味着什么?一个日夜不停运转的发电厂,内部的电量储备反而最低?合理的解释是,PP区的能量需求实在太高了。糖异生、尿素循环、合成血浆蛋白等任务消耗了海量的ATP,其消耗速率甚至超过了强大的生产速率,使得该区域长期处于一种 能量应激 (energy stress)状态。这就像一个极度繁忙的港口城市,虽然物流吞吐量巨大,但仓库里的存货总是来得快去得也快,时刻处于紧平衡状态。

宁静的 腹地 ,中央静脉周围区(PC区)

当血液流经PP区,和氧气被大量消耗后,便来到了下游的PC区。这里的细胞扮演着不同的角色,更像是城市的 处理中心 和 物流仓库 。

研究数据显示,PC区富含糖酵解(glycolysis)的下游产物,如己糖磷酸(hexose phosphate)和果糖二磷酸(fructose bisphosphate)。这与已知的PC区偏好进行糖酵解来利用葡萄糖的模式相符。

更有趣的是,PC区是合成UDP-糖(UDP-sugars)的主要场所。例如,UDP-葡萄糖醛酸(UDP-glucuronic acid)和UDP-N-乙酰葡糖胺(UDP-N-acetylglucosamine)在这里高度富集。这两种物质分别是对外来化合物(如药物)进行解毒(detoxification)和对蛋白质进行糖基化修饰(protein glycosylation)的关键底物。相应地,催化这些反应的酶也主要分布在PC区。这形成了一个完美的闭环:底物、工具和功能在空间上高度协同。相比于PP区的 能量紧张 ,PC区的能量需求较低,因此ATP水平更高,呈现出一种能量相对充裕的状态。

动态追踪:让代谢物 开口说话 的同位素示踪

静态的代谢物地图已经足够震撼,但它只展示了 存量 ,无法完全反映 流量 ,也就是代谢途径的真实活性。一个水池水位高,可能是因为进水快,也可能是因为出水慢。为了区分这两种情况,研究人员引入了另一项强大技术,同位素示踪(isotope tracing)。

他们向小鼠体内持续输注被 标记 过的营养物质,例如,用重碳同位素( C)标记的乳酸(lactate)或谷氨酰胺(glutamine)。这些带有 记号 的分子在体内参与代谢反应后,其标记会传递给下游的产物。通过MALDI-IMS技术追踪这些标记产物的空间分布,研究人员就能实时 看 到代谢流(metabolic flux)的方向和强度。

结果再次证实了肝脏精巧的空间分工:被标记的谷氨酰胺,其分解产物(如谷氨酸和苹果酸)主要出现在PP区,这直接证明了谷氨酰胺分解代谢(glutamine catabolism)主要发生在肝脏的 上游 ;被标记的乳酸,其转化为苹果酸(M+3同位素体)的过程,这是糖异生的一个关键步骤,同样在PP区表现得最为活跃。这些动态数据为静态地图赋予了生命力,将一幅幅 地理图 变成了一部生动的 经济活动纪录片 ,清晰地展示了肝脏内部不同区域是如何协同处理不同营养物质的。

肠道 上行之路 :从隐窝新生到绒毛尖端的代谢接力

在肠道中,空间异质性则呈现出另一种迷人的模式。肠道上皮细胞从隐窝底部的干细胞新生,然后像坐着 自动扶梯 一样,不断向上迁移,最终在绒毛顶端凋亡脱落,整个过程大约需要3-5天。这是一个细胞从诞生、成熟到的完整生命周期。

研究人员发现,在这条 上行之路 上,细胞的代谢状态发生了戏剧性的转变,同样超过90%的代谢物显示出显著的梯度分布。

生命摇篮 ,隐窝区(Crypt)

隐窝是细胞新生的区域,这里的细胞需要大量能量和物质来进行分裂和增殖。数据显示,隐窝区的 能量货币 ATP和其 前体 ADP水平都比较高。有趣的是,TCA循环的六碳分子 柠檬酸(citrate)在这里高度富集。同位素示踪实验进一步揭示,隐窝区的细胞更偏好使用乳酸作为燃料来驱动TCA循环。

吸收前线 ,绒毛顶端区(Tip)

绒毛顶端是细胞执行主要功能,吸收营养,的场所,也是它们生命的终点。在这里,研究人员观察到了截然相反的代谢图景。代表能量应激的AMP及其降解产物(如尿酸,uric acid)水平非常高,表明这里的细胞也处于能量紧张状态。与隐窝区相反,TCA循环的四碳和五碳分子,如苹果酸(malate)、天冬氨酸(aspartate)和谷氨酸(glutamate),在绒毛顶端富集。同位素示踪显示,顶端细胞更偏好使用谷氨酰胺作为燃料。

最令人费解的发现之一是,柠檬酸在隐窝富集,而苹果酸在顶端富集。这两种都是TCA循环的关键成员,为何会呈现出如此对立的分布?研究人员推测,这可能与消耗它们的酶的空间分布有关。例如,将柠檬酸转化为下游产物的酶在绒毛顶端更为活跃,导致柠檬酸在顶端被快速消耗,而在隐窝得以积累。这再次证明,代谢物的浓度不仅取决于生产,更受到消耗的精巧调控。

甜蜜的 麻烦 :高分辨率揭示果糖代谢的 犯罪现场

这项研究最激动人心的部分,或许在于它将这种强大的空间分辨能力应用到了一个与我们健康息息相关的现实问题上 果糖(fructose)代谢。过量摄入果糖,尤其是通过高果糖玉米糖浆(high-fructose corn syrup),被认为是导致肥胖、非酒精性脂肪性肝病(non-alcoholic fatty liver disease, NAFLD)等现代代谢疾病流行的重要推手之一。但果糖究竟是如何在器官内部造成破坏的?

研究人员给小鼠喂食了被 C标记的果糖,然后利用高分辨率成像技术,以前所未有的时空精度追踪了这些果糖分子的 旅程 。

第一站:肠道,意想不到的 处理中心

传统观点认为,果糖主要在肠道绒毛顶端被吸收。然而,实验结果却出人意料。在喂食果糖后仅90秒,研究人员就观察到,果糖代谢的第一个关键产物,果糖-1-磷酸(fructose-1-phosphate, F1P)的信号,最先出现在绒毛的底部(villus bottom),而不是顶端。这提示我们,肠道对果糖的快速处理能力可能集中在绒毛的中下部,这是一个全新的发现,颠覆了我们对肠道吸收功能的传统认知。

第二站:肝脏,精准定位的 代谢损伤

当摄入的果糖超过肠道的处理能力时,多余的果糖就会 泄漏 到血液中,随门静脉血首先到达肝脏的PP区。负责将果糖转化为F1P的酮己糖激酶(ketohexokinase, KHK)在肝脏中主要分布在PP区。因此,人们很自然地会认为F1P也应该在PP区积累。

然而,实验结果再次令人震惊:F1P在肝脏的PC区(中央静脉周围区)发生了大规模的积累!

这是为什么?答案藏在下一步的代谢酶中。负责分解F1P的醛缩酶B(aldolase B)是一种高度富集在PP区的酶。这意味着,PP区的肝细胞拥有处理果糖的全套 流水线 ,可以迅速将F1P分解利用。但是,当血液流到PC区时,这里的醛缩酶B水平很低。PC区的细胞可以把果糖变成F1P,却没有足够的能力去分解F1P。

这就造成了一个灾难性的后果。果糖转化为F1P的过程需要消耗一个分子的ATP。在PP区,F1P被后续的糖酵解或糖异生途径利用,这个过程中ATP可以被再生回来。但在PC区,F1P大量堆积,后续通路被 堵死 ,消耗掉的ATP无法得到有效补充。

最终的证据清晰地呈现在眼前:与喝生理盐水或葡萄糖的小鼠相比,喝了果糖的小鼠肝脏中,PC区发生了严重的、局灶性的ATP耗竭!这就是果糖毒性的 犯罪现场 ,它在肝脏的特定区域选择性地制造了一场 能源危机 。同时,F1P本身就是一个强烈的促进脂肪合成的信号。PC区的F1P堆积和ATP耗竭,很可能就是诱发的关键扳机。

一张代谢地图开启的无限可能

这项研究的意义远远超出了对肝脏和肠道的认知。它提供了一个强大而普适的研究范式,告诉我们,要真正理解生命,必须将目光聚焦于 空间 。

通过将高分辨率质谱成像与先进的人工智能相结合,研究人员为我们打开了一扇前所未有的大门,让我们得以窥见生命体内部微观世界中那令人叹为观止的代谢秩序。我们看到,肝脏和肠道并非均质的反应容器,而是由无数个高度专业化的 功能社区 组成的精密系统。每个社区的代谢活动都受到其 地理位置 的严格规定,彼此协同,共同维持着整个生命体的稳态。

而果糖的故事则是一个警示。现代生活方式带来的过量营养负荷,是如何精准地攻击这个精密系统中的薄弱环节(例如肝脏PC区),从而引发疾病的。

未来,这套强大的 地图绘制 技术无疑将被应用于更广阔的领域。我们可以用它来绘制大脑、肾脏、肿瘤等不同组织和器官的代谢地图,可以在衰老、癌症、神经退行性疾病等不同病理状态下,观察代谢网络是如何被重塑的。

从一张张静态的解剖图,到如今这张充满活力的、高分辨率的代谢活动地图,我们对生命的理解正在进入一个全新的维度。

版权声明 本网站所有注明“来源:100医药网”或“来源:bioon”的文字、图片和音视频资料,版权均属于100医药网网站所有。非经授权,任何媒体、网站或个人不得转载,否则将追究法律责任。取得书面授权转载时,须注明“来源:100医药网”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。

87%用户都在用100医药网APP 随时阅读、评论、分享交流 请扫描二维码下载->

100医药网 www.100yiyao.net
版权所有 © 2019-2020 Design by Dongyan