从动物模型到人类的知识转移对于揭示疾病机制和发展精确的治疗策略至关重要。单细胞RNA测序的高分辨率方法使得在分子和细胞水平上以前所未有的准确性揭示人类与动物模型之间的相似性和差异成为可能。然而，能够详细比较这些宝贵数据的计算机方法非常少。
在最近发表于《eBioMedicine》杂志的一篇研究论文中，来自莱比锡大学医学信息学、统计学和流行病学研究所（IMISE）和ScaDS.AI，以及Charité呼吸医学和重症医学科的科学家们展示了一个他们为COVID-19创建的基于神经网络的AI模型。他们使用了患有中度或重度COVID-19的人类和不同种类的仓鼠的血液数据，并在分子水平上进行了比较。
“我们已经证明，通过整合稳健的深度学习模型与生物学信息分析，可以缩小动物模型与人类患者之间的转化差距。AI系统地学习了动物与人类之间的分子差异，然后可以将患病动物的分子模式转化为相应的模式，可以说是将动物模型的数据‘人性化’。”莱比锡大学医学信息学、统计学和流行病学研究所（IMISE）的科学家霍尔格·基斯滕博士说，他也是这项最新研究的通讯作者。
“我们发现，在中度COVID-19病例中，叙利亚仓鼠和人类的免疫系统激活非常相似，尤其是在考虑单核细胞时。”Charité呼吸医学和重症医学科的科学小组负责人杰拉尔丁·诺瓦利博士说，她也是该研究的通讯作者。单核细胞是巨噬细胞的前体，即免疫系统的吞噬细胞。
“另一方面，如果我们想研究严重病例，最好观察罗伯罗夫斯基仓鼠的中性粒细胞。”这位科学家说，“这些特别快速反应的免疫细胞在这类仓鼠和人类中表现得非常相似。”这些发现与从人类患者数据中收集的大流行观察结果一致。
“这种单细胞RNA测序数据的比较非常适合揭示动物和人类在分子和细胞水平上的相似性和差异，这些比较远远超出了COVID-19研究的范围。”基斯滕说。
诺瓦利总结道：“我们开发的方法允许我们更好地确定适合人类疾病的动物模型，并确定哪些疾病阶段相互对应。这可能会改善治疗策略的开发和测试，优化从临床前到临床研究的转化过程。”
未来，莱比锡研究团队计划进一步开发这种方法，并将其应用于其他用于研究人类免疫调节疗法有效性和安全性的动物模型。一个例子是CAR T细胞疗法，这是一种对某些类型癌症有前景的治疗方法。
(全文结束)
