Multi-omic causal discovery uncovers a mitochondrial-epigenetic feedback loop in Parkinson’s disease

帕金森病是一种进行性疾病，它缓慢地侵蚀人体运动的能力，这主要是因为大脑中被称为多巴胺能神经元的特定神经细胞开始死亡。几十年来，科学家们一直在寻找这种细胞死亡的根本原因，试图寻找一个如果被拨动就能阻止疾病发展的单一开关。虽然研究人员已经确定了遗传风险，并观察到某些蛋白质在死亡细胞内聚集，但研究这些联系的传统方式受到了限制。以往的大多数研究依赖于寻找同时发生的现象模式，例如一个基因在活跃的同时，某种蛋白质也大量存在。然而，两件事物的共同发生并不意味着其中一个导致了另一个。这就像看到冰淇淋销量和晒伤情况在夏天都上升一样；知道它们之间有关联，并不能告诉你究竟是哪一个导致了另一个，或者是否有一个第三方因素（如炎热的天气）驱动了两者。为了真正理解帕金森病，科学家需要绘制出因果关系的路径图，追踪问题从起源到细胞最终崩溃的精确路径。

一组研究人员现在开发了一种新的追踪方法，超越了简单的模式匹配，转而揭示疾病的实际运作机制。通过分析来自人类脑组织的复杂数据，他们发现该疾病是由两个截然不同的生物系统之间的自我维持循环驱动的：细胞的能量工厂和其遗传控制开关。这项研究通过检查来自约600人的组织，表明问题的起因在于线粒体——即那些为细胞产生能量的微小结构——开始出现功能障碍。这种能量故障不仅让细胞变得虚弱，还从物理层面改变了细胞DNA的包装和读取方式。具体而言，线粒体的故障触发了DNA上的化学变化，这种变化就像一个音量旋钮，将一种名为α-突触核蛋白（alpha-synuclein）的有害蛋白质的产量调至最大水平。这种过剩的蛋白质随后又反过来进一步破坏线粒体，形成了一个让疾病持续运行的破坏性循环。

为了找到这个隐藏的循环，研究人员必须克服生物数据分析中的重大障碍。传统的计算机模型在映射这些关系时通常强行将连接设定为单向街道，假设A导致B，但B永远不能导致A。这种假设忽略了生物系统的现实，因为在生物系统中，反馈循环是非常普遍且至关重要的。此外，当面对人类细胞中那种密集、纠缠的相互作用网络时，这些模型往往会变得不稳定，从而对哪些因素相互连接产生错误的警报。该团队构建了一个新的计算框架，允许这些双向连接，并且即使在面对杂乱的数据时也能保持稳定。他们向系统输入了来自死后脑组织的海量信息，包括遗传图谱、细胞能量分子的化学特征，以及不同细胞类型中基因活动的详细快照。为了确保结果是真实的，而非由于组织采集或储存方式而产生的伪影，该系统被设计为能够剥离无关的噪声，例如死亡到组织保存之间的时间间隔或捐赠者的年龄，从而只留下真正的生物信号。

分析揭示了一个驱动大脑中最脆弱部位发生疾病的特定细胞级路径。研究人员发现，在脑部的多巴胺能神经元和免疫细胞中，线粒体处理能量能力的缺陷直接导致了DNA上化学标签的变化。这些标签通常有助于调节基因的开启或关闭，但在这种情况下，它们变得过度活跃，从而移除了针对特定基因的“刹车”。该基因负责产生α-突触核蛋白。一旦刹车被解除，细胞就开始过度生产这种蛋白质。研究表明，这种过量生产并非疾病的被动结果，而是一个主动的驱动因素，它会反馈到线粒体中，加剧线粒体的能量衰竭。这创造了一个恶性循环：能量衰竭导致蛋白质堆积，而蛋白质堆积又导致更多的能量衰竭，使细胞陷入一种难以停止的衰退状态。

研究人员通过模拟人工破坏循环中不同部分的情景，测试了这一发现的强度。当他们模拟纠正线粒体能量衰竭的情景时，系统预测DNA上的有害化学变化将会停止，且蛋白质的过量生产也会停止。这表明问题的根源在于能量代谢，修复它可能打破这一循环。该研究还确定了几类潜在的治疗候选药物，可以中断这一循环。其中包括保护线粒体免受损伤的制剂、调节DNA化学标签以防止基因被过度激活的药物，以及帮助细胞管理能量水平的化合物。尽管这些发现是基于计算模型和人类组织数据而非临床试验，但它们提供了一张清晰的、具有方向性的疾病过程图谱。这项研究并不是在治疗细胞死亡的症状，而是指向了打破维持疾病存在的特定反馈循环的策略，为开发能够减缓或停止帕金森病进展的疗法提供了新路径。