AI如何幫助我們讀取體內的生物鐘信息？

來自專欄知識分子11 人贊了文章

編者按

生物鐘已經被證明深度參與人體的健康和醫學，包括顯著影響心臟手術和癌症治療後的康復效果等。最近，AI演算法被用到了生物鐘的研究中，幫助科學家更有效地讀取人體內在的生物鐘信息。

撰文 | 吳剛（美國辛辛那提兒童醫院博士後）、張二荃（北京生命科學研究所研究員）

責編 | 陳曉雪

知識分子為更好的智趣生活 ID：The-Intellectual

● ● ●

生物鐘不僅與物種進化息息相關，而且也與我們人類的身體健康密不可分。在生物鐘的調控下，人體中的代謝、內分泌，以及個體行為都呈現著晝夜周期。近年來的研究進一步表明，哺乳動物的生物鐘調控著基因組中高達50%的蛋白編碼基因，這一發現在人體生理學及藥理學中有著廣泛的應用前景，並促進了新興的生物鐘醫學（circadian medicine）發展 [1]。

生物鐘醫學，旨在基於人體生物鐘的研究進而開發出更安全、高效的疾病治療方案。在近期的研究中，已有科學家發現，生物鐘顯著影響著心臟手術 [2] 和癌症治療後的康復效果等 [3]。

儘管如此，生物鐘的時間效應在醫學實踐和藥物開發中經常被忽視。一個重要的原因是我們難對人體樣本進行時序（time-course）取樣，這樣也就無法對人體的生物鐘調控的分子機制進行深入研究。生物鐘研究所使用的傳統模式對於人體研究是不切實際的。我們很難想像連續24~48小時對人體多個組織進行多樣點的時序取樣，並分析各個基因、蛋白、代謝分子等隨時間推移而產生的周期性變化。

本周三，美國辛辛那提兒童醫院的一項工作為系統分析人體生物鐘調控的分子機制提供了新的思路[4]。Hogenesch實驗室運用當下最流行的機器學習（machine-learning）或AI技術為基礎的CYCLOPS演算法，選取了來源於632位捐獻者的13類組織樣本，在沒有取樣時間信息的條件下重構了這些樣本的取樣順序。通過對時序重構的組織的解析，研究者發現基因的周期性表達在人體中普遍存在。在這些周期性表達的基因中，有近千個基因編碼的蛋白為藥物靶向分子，參與藥物轉運或藥物代謝（圖一）。這一研究為晝夜節律在醫學中的應用提供了寶貴的資源，並提示了時間維度對於藥物治療效果的重要性。比如，在睡前服用硝苯地平（Nifedipine）將會比起床後服用取得更好的預防和治療冠心病之功效 [4]。

然而，將生物鐘醫學應用於人類疾病的診療仍面臨著另一個亟待解決的問題，即如何準確讀取人體內的生物時鐘信息。人體內在的生物鐘與其自身所處的外在24小時的周期性變化環境有可能不契合（例如時差、倒班、手機等現代化電子產品的過度干擾），造成人體不適或者危害健康。

今年年初，張二荃（本文作者之一）實驗室在PNAS雜誌報道了一種基於光纖記錄的方法，長程、實時檢測活體實驗動物的腦鍾基因表達 [5]。該系統能夠很好地在動物身上監測生物鐘，但由於其需將病毒導入報告基因、光纖插入大腦等侵入性（invasive）的特點，所以不能運用到人體生物鐘的檢測。

理想情況下，人體實驗應該（A）採用非侵入性（non-invasive）的方法；且（B）需儘可能減少取樣次數和時間，降低受試者的痛苦和實驗成本。目前臨床檢測人體生物鐘的標準做法是通過監測人體內褪黑素濃度變化（dim light melatonin onset assay, DLMO），要求受試人員持續24小時坐在暗室，每隔30分鐘取唾液樣品，用以檢測其褪黑素的一個完整晝夜周期的變化。該方法滿足（A）條件，但對（B）而言幾乎完全不滿足。隨著生物鐘研究向臨床轉化方向偏重，如何解決這個問題就愈發顯得重要了。

今年以來，有兩個實驗室獨立在此方向實現了階段性的突破：德國柏林Charité大學醫學院Kramer實驗室在the Journal of Clinical Investigation雜誌（6月28日上線）[6] 和美國西北大學Braun實驗室在PNAS雜誌（9月10日上線）[7] 各自發表了研究論文。這兩個工作與第一篇文章的思路基本一致，即運用AI技術，通過少量已知時相樣品的學習掌握了十幾個到幾十個鍾控基因的相對表達丰度，然後推廣到檢測人群，從而對真正的受試者僅采一個或兩個時間點的血液樣品，就可以基本判定其內在的生物鐘狀態，時相精度達到1~2小時（圖二）。

這兩項工作的關鍵是一套行之有效的AI演算法。該方案最初來自於當時在美國加州大學舊金山分校Hughey等2016年在Nucleic Acids Research發表的ZeitZeiger演算法 [8]。Hughey等人用的是小鼠時序取樣的數據，包括12種小鼠組織，每一組織涵蓋24個時間點的轉錄組數據，從而發展出這套演算法。ZeitZeiger演算法的初始成功在於作者先採用了已發表的大量小鼠基因表達數據進行「機器學習」。該演算法經過改進，可以「學習」較少量的人體數據即可做出較為正確的判斷，因而被用於Kramer實驗室的這篇文章中；而Braun實驗室的文章則採用自身開發的演算法—TimeSignature（類似地，Hogenesch實驗室的文章採用了CYCLOPS演算法）。

兩篇論文採用方法基本一致，實驗目的也大體相同，即對受試者個人的內在生物鐘檢測用血液（鍾控基因表達的相對丰度）指標為代表，用以評價此人內在生物鐘的相位和振幅，基本滿足我們對於健康人群的內在時鐘狀態的判斷。其不足之處是沒有考慮到各種不同組織生物鐘變化在非健康人群中有可能與其血細胞的生物鐘不一致。

?圖二. Wittenbrink, N.et al., J Clin Invest一文中採用的操作流程圖

總之，從今年的這三篇文章我們可以看到，研究者已經開始試圖運用AI演算法解決以前需要多時間點取樣的問題，從而更加有效地讀取人體內在的生物鐘信息。不同之處在於，第一篇文章專註於各組織器官中生物鐘控制藥物靶點的內在時相，從而推導出各類藥物最佳服用時間點；後兩篇文章則是運用人體血液中的單核細胞包含有生物鐘信息的已知知識，幫助快速鑒定個體內在生物鐘所處的時相。這些方法都運用到了RNA-seq為基礎的基因表達組學信息，化耗時耗力的多時間點取樣為多維多基因、單點（或雙點）檢測，降低了實際操作困難，為生物鐘信息在臨床上運用開闢了道路。

【點 評】

by 徐 瓔（蘇州大學CAM-SU研究中心主任、教授）

精準醫療一個非常關鍵點是獲取個體的生物節律。 基因表達量在大部分個體之間的差異最大也就幾倍，但在不同時間同一個體表達量的差異有可能達到百倍，所以就必須對時間依賴治療手段予以充分考慮。以前，研究者們可以在動物身上通過間斷時間對各種組織採樣，或用生物鐘的報告基因及活動節律作為動物的生物鐘標記物來獲取動物的節律參數。但是，在人體上的這種轉化就非常困難。所以，研究者們便試圖通過開發各種非創傷性方法（包括穿戴式設備如手環等）來獲取人體生物節律參數用於生物鐘醫學。最近的這幾篇文章為我們提供了很好的思路和方法，在獲取人體生物節律的參數方面邁出了一大步。以前的研究都在長程、多點上著手但進展不大；現在的新思路是單點、多維分析，取得了階段性的突破。不過，我個人認為到真正的轉化還有一段距離。一是方法本身，基於小量樣本出發的AI學習的準確性問題，以及對於各個民族、各個年齡階段的適用性問題；二是生物鐘本身的動態變化性，在疾病發生過程，甚至飲食時間、飲食成分、光線外界干預下的重塑問題；三是生物鐘的異質性，各種組織、各種行為或生理過程的生物鐘的時相是不同的。 因此，時間依賴治療可能要結合葯代動力學在靶器官的生物鐘，而時間依賴的手術還需要考慮手術器官的生物鐘，例如現在初步研究已經發現心臟手術的最佳時間在下午，但是我們卻不清楚肝再生手術的最佳時間等等。這些還需要領域內的科研人員與臨床各個科室的協同，才能真正實現生物鐘層面的精準醫療。

參考文獻：

[1] Zhang, R., Lahens, N.F., Ballance, H.I.,Hughes, M.E., & Hogenesch, J.B., A circadian gene expression atlas in mammals: Implications for biology and medicine. Proceedings of the National Academy of Sciences 111 (45),16219-16224 (2014).

[2] Montaigne, D. et al., Daytime variation of perioperative myocardial injury inc ardiac surgery and its prevention by Rev-Erbα antagonism: a single-centre propensity-matched cohort study and a randomised study. The Lancet 391 (10115), 59-69 (2018).

[3] Squire, T. et al., Does chrono-modulated radiotherapy improve pathological response in locally advanced rectal cancer? ChronobiologyInternational 34 (4), 492-503 (2017).

[4] Ruben, M.D. et al., A database of tissue-specific rhythmically expressed human genes has potential applications in circadian medicine. Science Translational Medicine 10 (2018) Advance online 9/12/2018.

[5] Mei, L.et al., Long-term in vivo recording of circadian rhythms in brains of freely moving mice. Proceedings of the National Academy of Sciences 115 (16), 4276-4281 (2018).

[6] Wittenbrink, N. et al., High-accuracy determination of internal circadian time from a single blood sample. The Journal of Clinical Investigation 128 (9), 3826-3839 (2018).

[7] Braun, R. et al., Universal method for robust detection of circadian state from gene expression. Proceedings of theNational Academy of Sciences (2018) Advance online 9/10/2018.

[8] Hughey, J.J., Hastie, T., & Butte, A.J., ZeitZeiger: supervised learning for high-dimensional data from an oscillatory system. Nucleic Acids Research44 (8), e80-e80 (2016).

去知識分子網站看一看這些文章：

繼承達爾文，發展進化論 | 北大博雅講壇第142期