一种深度学习框架揭示细胞水平的全身性扰动

《Nature》：A deep-learning framework reveals whole-body perturbations at cell level

　　

许多疾病，包括肥胖症在内，均具有系统性效应，可扰动全身多个器官系统^1,2。然而，针对疾病相关改变进行全身尺度、高清晰度综合分析的工具一直较为缺乏。在此，研究人员开发了 MouseMapper，这是一套基于基础模型（foundation model）的深度学习算法体系，可实现对整个小鼠机体多系统疾病改变的分析。MouseMapper 能够对全身神经与免疫细胞进行定量分析，既可解析精细轴突分支，也可识别免疫细胞簇，并可自动分割31种器官与组织。研究人员利用 MouseMapper 研究饮食诱导性肥胖（diet-induced obesity），并鉴定出三叉神经节（trigeminal ganglia）眶下支（infraorbital branch）的结构改变。该眶下神经的结构损伤与胡须感觉功能缺陷相关。此外，在小鼠和人类中，研究人员均发现三叉神经节蛋白质组（proteome）发生了影响轴突重塑和补体通路的变化。MouseMapper 还通过表征不同组织中免疫细胞簇的组成，生成了精细的三维（3D）炎症图谱。MouseMapper 框架在不同成像分辨率和不同数据集之间表现出稳健的泛化能力。本研究提供了一种强大且可扩展的方法，用于识别和量化系统性病理改变，从而将动物模型中的分子层面认识与人类疾病状况连接起来。

该论文发表于《Nature》，围绕“肥胖如何在全身尺度引发多器官、多系统的细胞与结构重塑”这一核心问题，构建了一套可直接用于整只小鼠身体三维（3D）图像分析的人工智能（AI）框架。研究背景在于，肥胖及其他慢性疾病并非局限于单一器官，而是可通过代谢失衡、慢性低度炎症和神经异常等途径波及全身；然而，既往虽然组织透明化和光片荧光显微镜（LSFM）已经能够获得整鼠甚至大型人体组织的单细胞分辨率图像，但缺乏能够在全身尺度上同时定量神经、免疫细胞、器官和组织结构的分析工具，尤其难以稳定处理细长轴突、免疫细胞簇及跨器官比较问题。因此，开展该研究的必要性在于建立一种端到端、可泛化、可量化的全身图像解析体系，以揭示疾病的系统性病理特征，并为后续分子机制研究提供空间定位依据。

研究人员据此开发了 MouseMapper。该框架由三个模块组成：Nerve-Module 用于全身外周神经分割与定量；Immune-Module 用于免疫细胞及细胞簇识别；Tissue-Module 用于器官和组织自动分割，并将神经或免疫信号映射到31种解剖结构。研究人员将其应用于高脂饮食（HFD）诱导肥胖小鼠，发现肥胖不仅导致全身和脂肪组织神经密度下降，还在头面部识别出眶下神经这一具有空间特异性的神经病变热点。进一步功能实验显示，肥胖小鼠胡须刺激反应减弱，提示该结构改变具有感觉功能后果。随后，研究人员对三叉神经节进行空间蛋白质组学（spatial proteomics）分析，发现与轴突导向、细胞骨架调控、RHO GTPase 效应因子、补体与凝血级联等相关的通路发生异常；并在肥胖人群死后获取的三叉神经节样本中观察到与小鼠一致的蛋白质组重塑特征。与此同时，MouseMapper 还绘制了全身炎症图谱，揭示肥胖状态下肝脏、内脏脂肪、皮下脂肪、肌肉、胃和腹壁等部位免疫细胞簇结构发生显著变化。总体上，论文表明 MouseMapper 能在全身尺度识别疾病相关神经病变与炎症重构，并将动物模型中的空间结构异常与人类分子病理学联系起来，具有重要的转化意义。

研究人员采用的关键技术方法主要包括：首先，利用 vDISCO 透明化和光片荧光显微镜（LSFM）对 Uchl1-eGFP 与 Cd68-eGFP 报告小鼠整鼠成像，并辅以高分辨率 ×4 采集；其次，基于基础模型 VesselFM 构建神经与免疫细胞分割网络，并通过虚拟现实（VR）三维标注建立监督训练数据；再次，利用 3D UNet 完成器官与组织分割，实现31种组织器官的解剖映射；随后，对三叉神经节进行质谱（MS）空间蛋白质组学分析；此外，结合胡须刺激行为学评估及人类死后三叉神经节队列蛋白质组学验证，从结构、功能和分子层面完成跨物种整合分析。

以下根据正文结果部分的小标题进行解读与归纳。

Whole-body nerve and immune visualization
研究人员首先建立了肥胖整鼠可视化实验体系。通过对 Uchl1-eGFP 小鼠和 Cd68-eGFP 小鼠进行16–18周高脂饮食干预，成功诱导体重增加、脂肪扩张及胰岛素反应受损。随后，借助 vDISCO 透明化和 LSFM 成像，研究人员在瘦小鼠和肥胖小鼠中实现了全身外周神经系统及 Cd68-eGFP⁺免疫细胞的三维直接观察。结果显示，外周神经束可在厘米尺度连续追踪，免疫细胞浸润则在肥胖条件下明显增加，尤其集中于肝脏与内脏脂肪组织。高数值孔径（NA）×4 成像进一步提高了对细小轴突和离散免疫细胞的解析能力。该部分结果说明，整鼠尺度下的神经与免疫网络可被高质量可视化，为后续人工智能定量分析提供了数据基础。

Deep learning enables whole-body analysis
在获得整鼠大体积图像后，研究人员开发了 MouseMapper 深度学习框架以开展无偏定量分析。Nerve-Module 通过对 VesselFM 基础模型进行微调，获得了优于从头训练模型的神经分割性能，并在不同分辨率、不同标记方式、不同转基因品系乃至人胚胎数据集中保持较高 Dice 分数，表明其具有稳健泛化能力。Immune-Module 同样通过微调基础模型完成 Cd68-eGFP⁺细胞分割，在未参与训练的组织以及抗体标记数据中仍维持较高准确度，并优于多种已有分割框架。Tissue-Module 则基于下采样图像与全分辨率补充训练，最终实现27种器官与脂肪、肌肉、骨和骨髓等组织的联合分割，形成覆盖31种器官和组织的整鼠解剖图谱。该部分表明，MouseMapper 实现了从细胞到器官的全身一体化三维定量框架，是全文的方法学核心。

Obesity-induced trigeminal nerve changes
研究人员将 Nerve-Module 与 Tissue-Module 应用于正常与肥胖 Uchl1-eGFP 小鼠整鼠扫描数据，系统比较肥胖对外周神经的影响。结果发现，尽管总神经体素量差异不大，但校正体型后的全身神经密度在肥胖组下降，脂肪组织中也存在类似现象，即神经增长未能与脂肪扩张成比例匹配。进一步图结构提取显示，肥胖小鼠神经束半径分布左移，提示较小口径神经束比例增加。最突出的是头部区域神经密度降低，尤其眶下神经发生明显结构重塑。通过图论分析，研究人员发现肥胖小鼠眶下神经末梢数、边数和顶点数分别大幅减少，而神经厚度未变，说明主要异常发生于神经向外延展与分支复杂性，而非整体神经主干普遍变薄。该结果揭示了肥胖相关周围神经病变具有明确的部位特异性，并将眶下神经确定为关键受损区域。

随后，研究人员进行了胡须刺激实验，以检验眶下神经结构异常的功能意义。结果显示，肥胖小鼠对胡须刺激的反应减弱，表明面部三叉神经感觉通路功能受损。结构改变与行为缺陷之间的对应关系支持了 MouseMapper 所识别病变的生物学相关性，也提示肥胖可引发感觉系统层面的异常。

Trigeminal ganglion proteomic alterations
为解析眶下神经病变的分子基础，研究人员提取三叉神经节并实施空间蛋白质组学分析。小鼠样本中每份可检测到6000多种蛋白，其中230种在正常组与肥胖组之间差异表达。通路富集分析显示，肥胖相关异常涉及肌动蛋白细胞骨架调控、RHO GTPase 效应因子、轴突导向、补体与凝血级联、ERBB 信号通路及鞘脂信号通路等。这些改变提示三叉神经节内存在与轴突结构维护、神经重塑、炎症和细胞应激相关的分子失衡。研究人员还指出，多种 SERPIN-A 家族蛋白下调，可能削弱对炎症相关组织损伤的抑制能力；Western blot 进一步验证了 SERPINA1 下降、ERK 激活和 SEPTIN7 增加等关键变化。
更重要的是，研究人员分析了人类死后三叉神经节样本，将体质指数（BMI）<25 的个体与 BMI>30 的肥胖个体进行比较，发现人类样本同样存在与轴突导向、神经变性和细胞骨架调控相关的蛋白质组重塑，并伴随代谢相关通路变化。该部分结果将小鼠中发现的结构异常与人类肥胖相关分子特征联系起来，构成了本文最重要的跨物种转化证据之一。

Whole-body-wide inflammation in obesity
除神经系统外，研究人员还利用 Immune-Module 与 Tissue-Module 分析肥胖中的全身炎症格局。Cd68-eGFP⁺细胞在脂肪、肝脏、骨骼肌和腹膜等组织中可见为圆形或簇状结构。基于高分辨率成像，研究人员按簇体积分为小簇、中簇和大簇三类，并绘制整鼠炎症图谱。结果显示，高脂饮食后，肝脏、内脏脂肪和胃中的小簇比例下降，肝脏和内脏脂肪中的中簇比例增加，而皮下脂肪、内脏脂肪、肌肉、胃和腹壁等区域的大簇显著增多，提示肥胖导致多组织炎症活化增强，且表现为免疫聚集体规模扩大。
为进一步解析这些聚集体的细胞组成，研究人员对内脏脂肪切片进行了多重免疫标记，检测巨噬细胞、T细胞、自然杀伤（NK）细胞、MHC-II⁺抗原呈递细胞、内皮细胞及 CD138⁺细胞。像素级分类与空间邻近分析显示，巨噬细胞常与 CD3⁺ T 细胞、NK1.1⁺ NK 细胞及 CD31⁺内皮细胞邻近共定位，形成血管周围免疫枢纽，而 CD138⁺细胞则相对空间分隔。该部分结果表明，肥胖引发的炎症并非简单细胞数量上升，而是涉及不同组织中免疫簇大小、组成和空间组织方式的系统性改变。

Discussion
讨论部分强调，MouseMapper 的主要贡献在于首次实现了整只成年小鼠体内外周神经、免疫细胞及器官组织的综合三维自动分割与定量，且可直接处理多 TB 级未裁剪全身数据，而非仅依赖二维投影或局部预选区域。论文指出，该框架借助基础模型预训练与微调策略，提高了不同分辨率、不同标记方式和不同数据来源之间的泛化能力，同时通过 Tissue-Module 提供了精确的解剖定位背景。研究人员也客观指出，当前全身光片显微成像仍受限于空间分辨率，对于最细小的终末轴突和亚细胞结构尚无法完整解析；更高分辨率成像虽能改善检测能力，但会显著增加数据体积和计算负担。此外，Uchl1-eGFP 报告系统虽有利于全身一致成像，但并不能完全等同于内源性 UCHL1 表达，因此末梢神经纤维的显示可能不完整。不过，抗体标记与局部验证支持其主要结论具有可靠性。

从生物学意义看，论文最重要的发现是：肥胖会诱发具有部位特异性的周围神经病变，尤其影响三叉神经眶下支，并与感觉功能缺陷及三叉神经节内轴突重塑、炎症相关蛋白质组改变相联系；这些分子特征在人类肥胖样本中具有保守性。与此同时，肥胖相关全身炎症呈现出可量化的三维空间异质性，不同组织内免疫细胞簇的大小与构成发生系统性重组。因而，该研究不仅提供了研究复杂全身性疾病的新型技术蓝图，也为理解肥胖相关神经病变和炎症重构提供了空间层面的证据。

研究结论部分可概括翻译如下：MouseMapper 提供了一种强大且可扩展的三维整体分析范式，用于系统研究复杂生物学现象。研究人员揭示了肥胖中的部位特异性神经病变，并将其与功能异常和分子变化联系起来，同时证明了其与人类病理状态的相关性。该流程还可便捷扩展至其他复杂疾病及全身性系统，如淋巴系统和血管系统。结合结构异常热点区域的空间蛋白质组学分析，MouseMapper 有助于识别逆转或预防病理改变的潜在治疗靶点。因此，MouseMapper 为复杂生物学现象的三维整体性研究提供了通用蓝图。