ARTICLE · 1250576
医学诺奖,到底是什么?如何融合AI?
医学诺奖,到底是什么?如何融合AI?
01 光遗传学（Optogenetics） 
什么是光遗传学？给细胞装个 “光控开关” 光遗传学的核心逻辑特别简单。我们身体里的很多细胞 —— 比如大脑的神经元、心脏的心肌细胞 —— 都是靠电信号工作的，但它们绝大多数本身 “看不见光”。光遗传学，就是给我们想要控制的细胞，人工装上一个感光的蛋白开关；再用特定波长的光去照射，开关就会打开或关闭，从而精准调控细胞的活动。 最早的开关其实是大自然的馈赠。2002 年，科学家在一种叫衣藻的绿藻里，发现了通道视紫红质（ChR）—— 这种蛋白一碰到蓝光，就会在细胞膜上打开一个通道，让阳离子冲进细胞。更巧的是，动物细胞里本来就有它的 “搭档” 全反式视黄醛（维生素 A 的一种），所以只要把这个蛋白的基因送进细胞，它就能自己工作，不用额外添加辅料。 2005 年，科学家第一次把这种蛋白放进体外培养的神经元，蓝光一亮，神经元就准时放电；2007 年成功在自由活动的小鼠身上实现了光控神经活动；2009 年拓展到了非人灵长类。短短十几年，它就从一个藻类蛋白，变成了神经科学研究的 “标配工具”。 光遗传学最厉害的地方 ——双重精准。 第一重是基因精准：我们把感光蛋白的基因 “打包” 进载体（最常用的是腺相关病毒 AAV，安全又温和），再在基因前面加一段 “启动子”—— 它就像专属门禁，只有特定类型的细胞能识别它、合成蛋白。比如只想控制多巴胺神经元，就用只有多巴胺细胞才有的启动子，就算病毒扩散到别处，也不会生效。 第二重是光的精准：从植入式光纤，到数字微镜阵列的图案化光照，再到双光子全息技术，我们可以把光精准聚焦到单个细胞、甚至细胞的某一个区域。基因锁定细胞类型，光线锁定空间位置，双重锁定之下，操控精度能达到单细胞级别。 
发展到今天，我们已经有了一整套 “光控工具箱”，功能五花八门。 最基础的是调控细胞电活动的两大类： 
大脑里有上千种神经元，以前研究它们的功能，要么用药理手段，要么用电刺激，都 “太粗放”—— 没法精准区分某一类细胞。光遗传学出现后，我们可以只激活或抑制某一类神经元，然后观察动物行为的变化，从而精准知道这群细胞管什么。 2021 年，全球首例光遗传学治疗失明的临床结果公布：一位失明多年的患者，重新获得了感知、定位、计数物体的能力，这是真正的里程碑。 
还有不少核心挑战要解决。 第一个难题是光的穿透深度。可见光在生物组织里散射很严重，以前做大脑深部实验，都要植入光纤，有创伤。现在大家在开发红光、近红外的感光蛋白，也在探索超声激发纳米颗粒等无创方案，希望未来不用开刀也能做深部光调控。 第二个是安全性与长期稳定性。毕竟是把外源微生物蛋白放进人体，还有病毒作为载体，会不会引发免疫反应？蛋白能不能长期稳定工作？这些都需要大量临床数据来验证。 第三个是生理真实性。现在很多光刺激是让一大群细胞同步放电，这和大脑里自然的活动模式不一样，有时候可能带来非生理的效果。我们也在努力让光调控的模式更贴近真实的神经活动。 
02 AI如何助力光遗传学的发展 
一、AI 驱动光遗传蛋白的理性工程化改造 传统视蛋白（如通道视紫红质 ChR）的优化依赖随机突变与低通量实验筛选，开发周期长、难以同时优化多个性能指标（光灵敏度、电流幅度、光谱特性、动力学）。AI 通过序列 - 功能预测、结构辅助设计，大幅提升蛋白工程的效率与靶向性。 二、AI 闭环光遗传系统：实时反馈的精准神经调控 传统开环光遗传采用预设的刺激参数，无法适配神经活动的动态变化，易出现过度刺激或刺激不足。AI 闭环系统通过 “实时感知 - 智能决策 - 动态调控” 的链路，让光刺激随神经状态、行为表现自适应调整，是目前转化应用最活跃的方向。 三、AI 赋能光遗传实验的高通量数据解析 光遗传结合钙成像、电生理、行为学记录会产生 TB 级的多模态数据，人工标注与分析效率极低。AI 通过自动化信号提取、模式识别与因果关联，大幅提升实验数据的挖掘深度与通量。 参考文献： Optogenetics for light control of biological systems
激活型以阳离子通道（CCR）为代表，光照后阳离子内流，细胞兴奋放电； 抑制型比如阴离子通道（ACR），光照后氯离子内流，让细胞安静下来；还有光驱动的离子泵，比如氯离子泵 NpHR，专门负责把离子 “泵” 过细胞膜。
机器学习指导突变体筛选：Frances H. Arnold 团队基于 102 个已表征的 ChR 变体训练高斯过程模型，同时预测光电流强度、关闭动力学、波长敏感度等多维度性能，从上万条序列中筛选出 ChRger1-3 三个高性能变体。其中 ChRger2 的光灵敏度显著提升，首次实现了无需植入光纤的经颅光遗传刺激，大幅降低了实验侵入性PubMed。 蛋白语言模型零样本优化：基于 ESM-1b 等蛋白大语言模型，无需任务特异性训练即可预测有效突变位点。针对红光视蛋白 ChrimsonR，模型推荐的 E300G 突变可使其持续光电流从 66pA 提升至 305pA，光灵敏度提升近 3 倍，为深层组织、低光强场景的应用提供了新工具PubMed。 结构生物学辅助设计 ：结合 AlphaFold2 的蛋白结构预测能力，研究者可系统比对不同变体的空间结构、静电场分布，精准定位影响离子通透、光谱吸收的关键残基，实现定向改造，例如优化阴离子通道的氯离子选择性、红移吸收光谱以适配深层组织穿透。
疾病治疗闭环：针对癫痫，研究团队搭建了基于全卷积神经网络的发作检测模块，从局部场电位信号中实时识别癫痫特征，随即触发光遗传抑制，在降低假阳性率的同时提升了发作终止效率；针对帕金森病，AI 通过视频行为分析实时识别运动障碍，动态调控特定多巴胺能神经元的光刺激，在改善运动症状的同时减少了非生理的过度刺激。 全光生理闭环：在双光子成像 + 全息光遗传的全光平台中，AI 可实时处理钙成像数据，识别神经元活动模式，再通过空间光调制器动态调整光刺激的靶点与图案，实现毫秒级、单细胞精度的神经环路闭环调控。例如清华大学开发的跨层全光生理系统 CLAOP，实现了皮层跨层神经元的 “读写” 闭环，揭示了皮层功能连接的组构规律IDG/McGove...。 自由行为动物无线闭环：嵌入式 AI 与无线光遗传植入物结合，配合 DeepLabCut 等深度学习姿态估计工具，可在自由活动的动物身上实现多目标、规模化的闭环实验，无需人工观察即可自动根据行为状态调整刺激参数PMC。
神经信号自动分析：深度学习模型可自动完成双光子影像中的神经元分割、钙信号提取与去噪，处理效率较人工提升数十倍，适配大规模群体神经元记录的需求。 行为 - 神经关联解码：AI 可自动追踪动物的精细动作、面部表情与行为范式，再与光遗传调控的神经活动做关联分析。例如复旦大学团队通过 AI 解码小鼠面部表情的情绪效价，结合光遗传抑制验证了中脑腹侧被盖区不同神经元对正负性情绪的调控作用复旦大学计...。 单细胞精度的功能图谱构建：结合光遗传的精准刺激与 AI 的大规模数据拟合，可系统绘制神经环路的功能连接图谱，量化不同神经元集群对行为、生理的因果贡献。
关注
重播 分享 赞
