埃博拉病毒感染机制新突破：结合强大成像、扰动筛选与机器学习揭示全新人类宿主因子
一项由博德研究所领衔的突破性研究，巧妙地融合了高通量成像技术、扰动筛选策略以及先进的机器学习算法，成功揭示了一系列此前未被充分认知的人类宿主因子，这些因子在显著程度上影响了埃博拉病毒的感染能力。此项研究不仅为我们深入理解埃博拉病毒的致病机理提供了崭新的视角，更为开发潜在的治疗干预措施开辟了新的道路。
在应对埃博拉病毒这类高致病性病原体时，传统的药物开发策略往往聚焦于直接攻击病毒本身。然而，博德研究所的科学家们另辟蹊径，将目光转向了病毒感染过程中至关重要的人类宿主细胞。他们的研究目标是识别并靶向那些病毒赖以生存和复制的人类蛋白，从而从根本上切断病毒的感染链条。
该研究团队创新性地采用了一种名为“光学池化筛选（OPS）”的高通量成像方法。这种方法由博德研究所自主研发，能够对大约四千万个经过CRISPR基因编辑的人类细胞进行并行测试，从而高效地评估人类基因组中每一个基因的沉默对病毒复制的影响。相比于传统的筛选方法，OPS技术在高通量和精确性方面都具有显著优势，尤其适用于研究埃博拉这类需要在高级别生物安全实验室中操作的危险病毒。
通过对大量细胞图像进行基于机器学习的深入分析，研究人员成功识别出多个参与埃博拉病毒感染不同阶段的关键宿主蛋白。当这些蛋白的功能受到抑制时，病毒的复制能力会显著下降。这些被鉴定的病毒调控因子，为未来开发新型治疗策略提供了宝贵的靶点，有望减轻已感染患者的病情严重程度。更重要的是，这种创新方法还可应用于研究其他病原体的感染机制，为寻找治疗难治性感染的新型药物开辟了新的途径。
这项具有里程碑意义的研究成果发表在《自然·微生物学》杂志上，题为“基于单细胞图像的筛选方法揭示埃博拉病毒感染动态的宿主调控因子”。
博德研究所核心成员、麻省理工学院生物工程系教授，同时也是该研究的共同资深作者Paul Blainey表示：“这项研究充分展示了光学池化筛选（OPS）技术在探究埃博拉等危险病毒对宿主因子的依赖性方面的强大能力，涵盖了病毒生命周期的所有阶段，并为改善人类健康开辟了新的途径。”
光学池化筛选（OPS）技术的创新应用
此前，Blainey实验室的科研人员已成功开发出光学池化筛选（OPS）方法，旨在将高内涵成像技术的优势与混合扰动筛选的优势相结合。高内涵成像技术能够同时展示大量细胞中发生的各种详细变化，而混合扰动筛选则可以揭示遗传因素如何影响这些变化。在这项研究中，他们与波士顿大学Robert Davey实验室合作，将光学池化筛选技术应用于埃博拉病毒的研究。
研究团队利用CRISPR技术，在近4000万个人类细胞中逐个敲除人类基因组中的每个基因，然后用埃博拉病毒感染每个细胞。接着，他们将这些细胞固定在实验室培养皿中并使其失活，以便后续处理可以在高级别生物安全实验室之外进行。
在对细胞进行成像后，他们使用CellProfiler图像分析软件测量每个细胞中的总病毒蛋白和RNA。为了从图像中获得更多信息，他们借助了人工智能技术。在Eric和Wendy Schmidt中心团队成员的帮助下，他们使用深度学习模型自动确定每个单细胞中埃博拉病毒感染的阶段。该模型能够以高通量的方式区分感染的细微阶段，这在使用先前的方法时是无法实现的。
波士顿大学国家新兴传染病实验室主任、波士顿大学Chobanian和Avedisian医学院微生物学教授，同时也是该研究的共同资深作者Robert Davey表示：“这项工作代表了迄今为止对埃博拉病毒如何重塑细胞以引起疾病的最深入研究，也是首次真正了解这种重编程的时间。” “人工智能使我们能够以前所未有的规模做到这一点。”
揭示埃博拉病毒感染的关键宿主蛋白
通过对所有4000万个细胞中的CRISPR引导RNA片段进行单独测序，研究人员确定了每个细胞中被沉默的人类基因，从而确定了作为靶标的宿主蛋白（以及潜在的病毒调节剂）。分析显示，数百种宿主蛋白在沉默后会改变总体感染水平，包括病毒进入细胞所需的许多蛋白。
敲除其他基因会增加包含体内病毒的数量，这些结构在人类细胞中形成，充当病毒工厂，并阻止感染进一步发展。这些人类基因中的一些，例如UQCRB，指出了线粒体在埃博拉病毒感染过程中以前未被认识到的作用，这可能在治疗上加以利用。事实上，用UQCRB的小分子抑制剂处理细胞可减少埃博拉病毒感染，而不会影响细胞自身的健康。
当沉默其他基因时，病毒RNA和蛋白质之间的平衡会发生改变。例如，扰乱一种名为STRAP的基因会导致病毒RNA相对于蛋白质增加。研究人员目前正在实验室进行进一步研究，以更好地了解STRAP和其他蛋白质在埃博拉病毒感染中的作用，以及它们是否可以作为治疗靶点。
为广谱抗病毒药物开发提供新思路
在一系列二级筛选中，科学家们检查了一些突出显示的基因在感染相关丝状病毒中的作用。沉默其中一些基因会中断苏丹病毒和马尔堡病毒的复制，这些病毒具有很高的死亡率，并且没有批准的治疗方法，因此单一治疗可能对多种相关病毒有效。
该研究的方法也可用于检查其他病原体和新出现的传染病，并寻找治疗它们的新方法。
该研究的共同第一作者Rebecca Carlson表示：“通过我们的方法，我们可以同时测量许多特征，并以前所未有的方式揭示病毒和宿主之间相互作用的新线索，这对于其他筛选方法来说是不可能的。”Rebecca Carlson曾是Broad的Blainey和Nir Hacohen实验室的研究生，他与波士顿大学的共同第一作者JJ Patten共同领导了这项工作。
这项工作得到了Broad研究所、美国国家人类基因组研究所、Burroughs Wellcome基金、Fannie和John Hertz基金会、美国国家科学基金会、George F. Carrier博士后奖学金、Broad研究所Eric和Wendy Schmidt中心、美国国家卫生研究院和海军研究办公室的部分资助。
研究的意义与未来展望
这项研究的成功，不仅在于其技术上的创新，更在于其对埃博拉病毒感染机制的深入解析。通过结合高通量成像、扰动筛选和机器学习，研究团队以前所未有的规模和精度，揭示了病毒与宿主细胞之间复杂的相互作用。
这项研究的发现，为开发针对埃博拉病毒的新型治疗策略提供了坚实的基础。通过靶向那些被鉴定的关键宿主蛋白，科学家们有望开发出能够有效抑制病毒复制、减轻患者症状的药物。更重要的是，这种方法还可以应用于其他病毒感染的研究，为开发广谱抗病毒药物提供新的思路。
此外，这项研究还凸显了人工智能在生物医学研究中的巨大潜力。通过运用深度学习模型，研究人员能够从大量的细胞图像中提取出有用的信息，从而加速了研究的进程。随着人工智能技术的不断发展，我们有理由相信，它将在未来的生物医学研究中发挥越来越重要的作用。
总而言之，这项研究是一项具有里程碑意义的成果，它不仅为我们深入理解埃博拉病毒的致病机理提供了新的视角，更为开发有效的治疗策略开辟了新的道路。我们有理由期待，在不久的将来，科学家们能够利用这些研究成果，开发出能够有效控制埃博拉疫情、保护人类健康的药物。
