帕金森病是一种常见的神经退行性疾病，65岁以上的人群中有2%~3%受到帕金森病影响。尽管多年来的研究已找到多种基因的变异与疾病风险有关，然而超过90%的病例由未知的遗传因素与环境因素引起。
这种复杂性使得为帕金森病开发药物极具挑战，因为传统的药物开发通常需要基于驱动疾病的特定靶点和通路。近期，一项新研究结合人工智能和机器自动化技术提供了一种方法，从帕金森病患者的皮肤中找到了隐藏的疾病细胞特征。研究人员指出，这一发现能够为药物筛选提供基础，加速新疗法的开发。
这项成果来自纽约干细胞基金会（NYSCF）与谷歌研究院（Google Research）的合作，研究人员结合自动化细胞培养、高内涵细胞成像分析、深度学习等前沿技术，开发了一个高通量细胞表型分析平台，并将这一平台应用于来自帕金森病患者以及健康对照的细胞图像。
研究团队首先利用机器自动化技术从帕金森病患者和健康对照的皮肤组织活检样本中分离出成纤维细胞并进行培养扩展，使用一种称为Cell Painting的技术标记细胞的不同部分，以高分辨率光学显微镜拍摄数千张图像。
研究人员由此创建了91人的100万余张皮肤细胞图像，然后将获得的大量图像数据交给人工智能进行无偏图像分析，识别出帕金森病患者不同于健康对照的细胞图像特征。
该研究在皮肤细胞中确定的帕金森病特征将为后续的药物发现提供基础，包括在患者细胞上进行药物筛选，找出可以逆转相关特征的药物。
此外，研究团队希望这一平台还可以为其他疾病开辟新的治疗途径，因为同样的方法也可以应用于其他细胞类型，找出隐藏的细胞疾病特征。
参考资料：
[1] Lauren Schiff et al., (2022) Integrating deep learning and unbiased automated high-content screening to identify complex disease signatures in human fibroblasts. Nature Communications. Doi: https://doi.org/10.1038/s41467-022-28423-4
[2] Artificial intelligence and robotics uncover hidden signatures of Parkinson’s disease. Retrieved Mar. 28, 2022 from https://medicalxpress.com/news/2022-03-artificial-intelligence-robotics-uncover-hidden.html