AI助力破解精神分裂症复杂遗传谜题

精神分裂症是一种严重而复杂的精神障碍，全球约有1%的人口饱受其困扰。尽管遗传学研究表明其遗传风险高达80%，但要找到具体的致病基因，却如同大海捞针。近日，一项借助人工智能（AI）的新研究，终于为这幅充满缺口的遗传拼图补上了最关键的一块——科学家利用深度学习模型，从数十万人的基因组数据中识别出全新的风险基因网络，构建出迄今为止最详细的精神分裂症遗传架构图谱。

AI如何破解遗传“暗物质”？

过去十余年，大规模全基因组关联研究（GWAS）已锁定数百个与精神分裂症相关的遗传位点，然而这些单个位点的效应微乎其微，仿佛夜空中散落的星星，缺少连线。AI的介入改变了游戏规则：深度学习模型能同时对数百万个变异进行模式识别，不仅检测出单个突变，更能捕捉基因之间复杂且非线性的相互作用。更关键的是，AI还能分析占基因组98%的“非编码区”——曾被视作“暗物质”的调控序列，挖掘那些通过影响基因开关来增加患病风险的变异。

“最新的发现提供了精神分裂症遗传架构迄今最详细的图景之一，也为进一步探索该疾病的生物学机制打开了新的大门。”研究人员在论文中写道。

从风险位点到生物学机制

借助AI的聚类和因果推断算法，研究团队识别出多个此前未被发现的基因网络。这些网络集中在大脑突触传递、免疫炎症反应以及少突胶质细胞分化等生物学通路上，其中与多巴胺、谷氨酸信号相关的核心基因反复出现，进一步支持了精神分裂症“多通路失调”的假说。AI模型还在时间维度上提示，某些高风险变异会在胎脑发育期或青春期特定脑区被激活——这或许能解释为什么这种疾病的症状往往在青年期首次浮现。

开启精准医学新路径

从临床角度看，新图谱的价值在于它使精神分裂症从“笼统的诊断标签”走向“可计算的风险模型”。研究人员整合患者的多基因风险评分与脑影像数据，成功区分出不同的疾病亚型，并预测患者对现有抗精神病药物的应答情况。这意味着，未来医生有望通过血液样本分析，为患者量身定制治疗方案，避免“试错式”用药带来的沉重负担。

挑战与伦理警示

然而，技术的强大也伴随着新风险。AI模型常被视为“黑箱”，在基因组数据中，它可能捕捉的是人群分层等混杂因素，而非真正的致病信号。此外，目前绝大多数此类数据库以欧洲血统人群为主，训练数据的偏差会直接导致AI在其他族裔中失效。更值得警惕的是，精神分裂症遗传信息具有高度敏感性，一旦被用于商业保险或就业歧视，将带来灾难性后果。科学家必须将这些伦理考量纳入研究设计，而非事后补救。

编者按：AI不是魔术师，而是增强望远镜

精神分裂症遗传研究的故事，是AI改变复杂疾病研究的缩影。AI的价值在于它能把几十万条线索编织成有意义的网络——这种能力远超人类直觉。但它并不能自动产生真理；从相关性到因果性，从统计信号到生物学机制，仍有漫长的验证之路。AI就像一台强力的望远镜，帮我们看得更远，但踏上旅程的仍然需要实验科学家的智慧。

真正推动进步的，是人机协作：算法提出假设，脑类器官、基因编辑等实验技术验证假设，随后反馈给模型继续优化。这种“干湿闭环”正在成为现代生物医学研究的新范式。只有在这样的协作中，AI发现的遗传网络才能最终转化为精神分裂症患者的精准诊疗方案。

本文编译自WIRED。