关键问题解答
问：这项研究发现了关于ME/CFS的什么？
答： 研究表明，ME/CFS会破坏肠道微生物组、免疫系统和代谢之间的关键相互作用，识别出能以高达90%的准确率区分患者与健康个体的生物标志物。
问：AI平台BioMapAI有什么帮助？
答： BioMapAI整合数千个数据点——包括微生物组特征、血液检测、免疫标志物和症状——以识别ME/CFS独有的模式和干扰，使精准医学方法更加可行。
问：这些发现对患者为何重要？
答： 这项研究不仅加强了ME/CFS的生物学合法性，还提供了症状起源的个性化见解，可能指导未来的饮食、生活方式和治疗干预——特别是对于长新冠和相关疾病患者。
总结
一项使用人工智能的开创性研究揭示了ME/CFS如何破坏免疫系统、肠道微生物组和代谢之间的关键联系。新平台BioMapAI基于粪便、血液和症状数据，以90%的准确率识别ME/CFS患者——为数百万患有这种衰弱性疾病的患者提供了长期缺乏的验证。
研究人员发现，患者具有独特的生物标志物，包括有益脂肪酸水平较低、免疫细胞活动受干扰以及代谢失衡。这些发现可以指导个性化治疗，并为未来的疗法提供科学基础，特别是对具有重叠症状的长新冠患者。
关键事实：
- 人工智能突破： BioMapAI使用免疫、微生物组和代谢数据以90%的准确率区分ME/CFS患者。
- 生物标志物： 患者表现出色氨酸代谢受干扰、炎性免疫细胞和丁酸盐水平降低。
- 精准医学潜力： 研究结果可能带来针对ME/CFS和长新冠的靶向干预。
来源：杰克逊实验室
根据新研究，数百万患有肌痛性脑脊髓炎/慢性疲劳综合征（ME/CFS）的人——一种因缺乏诊断工具而常被忽视的衰弱性疾病——可能更接近个性化护理。研究表明该疾病如何破坏微生物组、免疫系统和代谢之间的相互作用。
这些发现——由于ME/CFS与长新冠的相似性而可能与后者相关——来自对249人的数据分析，使用了一种新的人工智能（AI）平台，该平台能从粪便、血液和其他常规实验室检测中识别疾病生物标志物。
“我们的研究实现了90%的准确率来区分慢性疲劳综合征患者，这具有重要意义，因为医生目前缺乏可靠的诊断生物标志物，”研究作者、杰克逊实验室（JAX）免疫学教授Derya Unutmaz博士说。“一些医生由于缺乏明确的实验室标志物而怀疑它是否为真实疾病，有时将其归因于心理因素。”
这项研究由Julia Oh博士领导，她此前在JAX，现为杜克大学的微生物学家和教授，与ME/CFS临床医生Lucinda Bateman和Suzanne Vernon（Bateman Horne中心）合作，以及负责JAX ME/CFS协作研究中心的Unutmaz。详细内容今天发表在《自然医学》上。
描绘隐形疾病
慢性疲劳综合征的特点是严重症状，显著损害身体和心理活动，包括持续疲劳、睡眠异常、头晕和慢性疼痛。
专家经常将ME/CFS与长新冠相比较，因为这两种疾病通常在病毒感染后发生，例如爱泼斯坦-巴尔病毒。根据疾病控制与预防中心的数据，在美国，ME/CFS影响了836,000至330万人——其中许多未被诊断——并因医疗支出和生产力损失每年给经济造成180亿至510亿美元。
Unutmaz表示，先前的研究已经注意到ME/CFS中的免疫干扰。这项新研究通过调查肠道微生物组、其代谢物和免疫反应如何相互作用，建立在这些发现之上。
研究团队将这些联系与患者报告的12类症状相关联，这些症状是从患者健康和生活方式调查生成的数百个数据点中汇总的。
这些包括睡眠障碍、头痛、疲劳、头晕和其他症状，研究人员从微生物组变化到代谢物、免疫反应和临床症状进行了全面映射。
“我们将临床症状与尖端的组学技术相结合，以识别ME/CFS的新生物标志物，”Oh说。“在这个层面连接症状至关重要，因为ME/CFS具有高度变异性。患者经历的症状范围广泛，严重程度和持续时间各不相同，当前的方法无法完全捕捉这种复杂性。”
为了进行这项研究，研究人员分析了来自Bateman Horne中心的全面数据，该中心是位于犹他州盐湖城的领先ME/CFS、长新冠和纤维肌痛研究中心。
研究的另一位主要作者Ruoyun Xiong博士开发了一个深度神经网络模型，名为BioMapAI。该工具整合了153名患者和96名健康个体四年来收集的肠道宏基因组、血浆代谢组、免疫细胞谱、血液检测数据和临床症状。
免疫细胞分析在预测症状严重程度方面最准确，而微生物组数据最佳预测胃肠道、情绪和睡眠障碍。该模型连接了数千个患者数据点，重建了疼痛和胃肠道问题等症状，以及其他多个症状。
它还显示，患病不到四年的患者比患病超过十年的患者有更少的网络干扰。
“我们的数据表明，这些生物干扰随着时间的推移变得更加根深蒂固，”Unutmaz说。“这并不意味着长病程的ME/CFS无法逆转，但可能更具挑战性。”
该研究包括96名年龄和性别匹配的健康对照者，显示微生物组-代谢物-免疫相互作用平衡，而ME/CFS患者则显示出与疲劳、疼痛、情绪调节问题和睡眠障碍显著相关的干扰。
ME/CFS患者还显示出较低水平的丁酸盐（一种在肠道中产生的有益脂肪酸）以及其他对代谢、炎症控制和能量至关重要的营养素。
患者的色氨酸、苯甲酸盐和其他标志物水平升高表明微生物失衡。还观察到增强的炎症反应，尤其是与肠道微生物健康敏感相关的MAIT细胞。
“MAIT细胞将肠道健康与更广泛的免疫功能联系起来，其与丁酸盐和色氨酸通路的干扰（通常是抗炎的）表明存在严重的失衡，”Unutmaz说。
可操作的数据集
尽管这些发现需要进一步验证，但作者表示，它们显著推进了科学家对ME/CFS的理解，并为未来的研究提供了更清晰的假设。
由于动物模型无法完全反映ME/CFS中观察到的复杂神经系统、生理、免疫和其他系统干扰，Oh表示，直接研究人类以识别可调节因素并开发靶向治疗将是至关重要的。
“微生物组和代谢组是动态的，这意味着我们可以通过饮食、生活方式或靶向治疗进行干预，这是基因组数据本身无法提供的，”Oh说。
BioMapAI在外部数据集中的准确率也约为80%，确认了在原始组中识别的关键生物标志物。作者表示，这种在不同数据中的一致性令人印象深刻。
“尽管数据收集方法多样，但我们在脂肪酸、免疫标志物和代谢物中发现了共同的疾病标志，”Oh说。“这表明这不是随机的。这是真实的生物失调。”
研究人员计划广泛分享他们的数据集和BioMapAI，这将支持跨多种症状和疾病的分析，有效整合动物模型中难以复制的多组学数据。
“我们的目标是构建免疫系统如何与肠道细菌及其产生化学物质相互作用的详细地图，”Oh说。
“通过连接这些点，我们可以开始理解疾病背后的驱动因素，并为长期以来遥不可及的真正精准医学铺平道路。”
其他作者包括Elizabeth Aiken、Ryan Caldwell、Lina Kozhaya和Courtney Gunter（杰克逊实验室），以及Suzanne D. Vernon和Lucinda Bateman（Bateman Horne中心）。
资金来源： 资金由NIH资助1U54NS105539提供。
【全文结束】
