《npj Digital Medicine》：Machine learning–guided Huanglian Jiedu decoction targets STING in periodontitis-induced Alzheimer’s Disease
編輯推薦：
本研究旨在探索牙周炎（CP）誘發阿爾茨海默病（AD）的機制并尋找有效干預策略。研究人員通過整合單細胞轉錄組分析和多種機器學習方法，成功從黃連解毒湯（HLJDD）干預的CP-AD模型海馬轉錄組數據中，精準識別出cGAS–STING信號通路是連接外周感染與神經退行性病變的核心炎癥軸。體內外實驗證實，HLJDD能有效抑制cGAS–STING活化、減輕神經炎癥并改善認知功能。該研究不僅為理解CP與AD的關聯提供了新見解，也為開發多靶點AD治療策略提供了數據驅動的新范式。
當提到阿爾茨海默病（Alzheimer’s disease, AD），人們通常會聯想到大腦內的淀粉樣斑塊和神經纖維纏結。然而，近年來越來越多的證據表明，大腦之外的慢性炎癥，特別是像牙周炎（Chronic Periodontitis, CP）這樣的口腔疾病，可能與AD的發生發展有著隱秘的聯系。盡管臨床觀察提示了這種關聯，但其背后的分子機制卻如同一團迷霧，阻礙了有效干預策略的開發。外周感染究竟如何“遙控”大腦，引發神經退行性病變？是否存在一個關鍵的信號樞紐？更重要的是，能否從傳統醫學寶庫中找到多靶點干預的鑰匙？這些問題構成了本研究的起點。
為了解開這些謎團，研究人員開展了一項融合了前沿計算科學與傳統藥理學的研究。論文《Machine learning–guided Huanglian Jiedu decoction targets STING in periodontitis-induced Alzheimer’s Disease》發表在了《npj Digital Medicine》期刊上。研究團隊首先利用公開的單細胞RNA測序（scRNA-seq）數據，揭示了AD患者小膠質細胞中存在顯著的炎癥激活特征，提示神經免疫系統在疾病中扮演要角。隨后，他們建立了牙周炎誘導的AD大鼠模型，并對其海馬組織進行轉錄組測序，獲得了海量的基因表達數據。
面對高維復雜的轉錄組數據，如何精準定位關鍵致病通路是巨大挑戰。本研究巧妙地運用了多種互補的機器學習策略來破譯數據密碼。核心方法包括：1）基于隨機森林（Random Forest）的基因特征篩選，從海量數據中初步鎖定與疾病高度相關的候選基因集；2）利用支持向量機（Support Vector Machine, SVM）對候選基因進行進一步精煉與驗證，提升預測模型的準確性；3）構建基因互作網絡模型，從系統層面分析基因間的協同關系；4）最后，通過可解釋性模型分析，量化每個特征（基因或通路）對疾病狀態的貢獻度。這一系列數據驅動的方法，旨在無需過多先驗假設的情況下，讓數據自己“說話”，指出最可能的致病機制。
結果
機器學習模型一致識別cGAS–STING通路為CP-AD病理的核心樞紐
通過上述多種機器學習模型對CP-AD模型海馬轉錄組數據的交叉分析，一個信號通路在所有模型中均表現出強大且方向一致的貢獻——即環狀GMP-AMP合成酶–干擾素基因刺激因子（cyclic GMP–AMP synthase–stimulator of interferon genes, cGAS–STING）信號通路。該結果從計算層面強烈提示，cGAS–STING通路是連接外周牙周炎感染與中樞神經退行性病變的一個核心炎癥軸。
HLJDD在體內外有效抑制cGAS–STING通路并改善AD表型
基于機器學習得出的靶點假設，研究團隊在細胞和小鼠模型中進行驗證。體外實驗表明，黃連解毒湯（Huanglian Jiedu Decoction, HLJDD）能夠顯著抑制cGAS–STING信號通路的活化。在體內，使用HLJDD干預CP誘導的AD模型大鼠后，同樣觀察到了海馬組織中cGAS–STING通路相關分子表達的下調。更重要的是，這種藥理干預帶來了明確的生物學效益：神經炎癥反應（如促炎細胞因子釋放）得到有效緩解，同時模型動物的認知功能缺陷也獲得了顯著改善。
結論與討論
本研究成功地將數據科學與傳統醫學研究相結合，為解決復雜疾病機制探索提供了新思路。通過整合單細胞轉錄組學和多種機器學習算法，研究無需依賴強假設，便從高維數據中客觀、精準地篩選出cGAS–STING通路作為牙周炎誘發阿爾茨海默病的關鍵分子橋梁。這一發現不僅深化了人們對“口腔-腦軸”的理解，為AD的病因學提供了新的外周炎癥視角，也明確了cGAS–STING是一個極具潛力的治療靶點。
進一步的藥理學驗證表明，中藥復方黃連解毒湯能夠有效靶向該通路，發揮抑制神經炎癥、保護認知功能的多重效益。這提示HLJDD或可作為一類通過調節cGAS–STING軸來治療由外周炎癥（如牙周炎）驅動或加重的阿爾茨海默病的多靶點治療策略。總之，該研究不僅揭示了連接牙周炎與AD的一個具體分子機制，也展示了機器學習在解析復雜疾病機制和指導中藥現代化研究中的強大應用價值，為開發基于數據驅動的神經退行性疾病療法開辟了新途徑。
