《自然》：肥胖對身體的傷害，這次終于看清了！德國科學家用AI繪制首個肥胖相關全身病變圖譜丨科學大發現

*僅供醫學專業人士閱讀參考

肥胖是一種代謝病。

患者脂肪變多、血糖變差、胰島素抵抗，進而增加糖尿病、心血管病和脂肪肝風險。

肥胖的危害在于，它不只影響一個器官，而是會同時改變免疫、神經、血管和組織結構。

然而，過去研究肥胖的危害時，往往只盯著脂肪、肝臟、胰島和大腦等單個組織或器官看。

這樣雖然能看清局部，卻很難回答一個更大的問題：肥胖到底在整個身體里留下了哪些隱形損傷？

今天，由德國赫爾姆霍茨慕尼黑研究中心Ali Ertürk領銜的研究團隊，在《自然》雜志上發表一篇重要研究論文。

他們發現，基于深度學習的MouseMapper，可以在完整的小鼠身體尺度上，以細胞級分辨率分析肥胖造成的神經和免疫改變。

借助這一工具，研究人員不僅繪制了肥胖相關的全身炎癥地圖，還發現高脂飲食誘導的肥胖，會導致三叉神經眶下支發生顯著的結構性改變（受損），并伴隨面部感覺功能下降。

更重要的是，他們還在人類組織中發現了相應的分子特征，表明肥胖相關神經損傷的關鍵特征在不同物種間是保守的。

為了全面了解肥胖的影響，Ertürk團隊先讓小鼠接受16-18周高脂飲食，建立肥胖和代謝功能異常模型。

隨后，他們利用vDISCO組織透明化技術，讓整只小鼠身體在保留熒光信號的同時變得透明，再用光片顯微鏡獲得全身三維圖像。這樣一來，研究人員可以在不切碎小鼠身體的情況下，同時觀察神經和免疫細胞在不同組織中的分布。

成像只是第一步，真正困難的是，全身三維數據極其龐大，人工分析幾乎不現實。為此，研究團隊開發了MouseMapper。它包括三個核心模塊：神經模塊負責識別和量化外周神經網絡，免疫模塊負責識別CD68陽性免疫細胞及其聚集，組織模塊則把這些信號映射到31種器官和組織中。也就是說，MouseMapper不僅能告訴你哪里有信號，還會告訴你這個信號位于哪個器官、哪類組織，以及以什么形態聚集。

Ertürk團隊特別強調，MouseMapper的價值在于不需要研究者事先猜測哪里最重要[2]。過去，如果只研究脂肪組織，可能會錯過神經系統變化；只看神經，又可能忽略全身炎癥分布。MouseMapper把身體作為一個整體來掃描，幫助研究者從全身尺度尋找疾病熱點。

應用到肥胖小鼠模型后，研究人員首先看到的是廣泛炎癥變化。在Cd68-eGFP小鼠中，肥胖小鼠全身多個組織出現更多CD68陽性免疫細胞聚集，尤其在肝臟和內臟脂肪中更明顯。進一步分析顯示，肥胖不僅讓免疫細胞數量改變，還讓免疫細胞聚集模式發生變化，一些組織中小型細胞簇減少，中型和大型細胞簇增加，提示局部炎癥狀態增強。

更出人意料的是神經發現。MouseMapper顯示，肥胖小鼠全身神經密度下降。最突出的變化出現在頭面部三叉神經系統，尤其是眶下神經。與正常飲食小鼠相比，高脂飲食小鼠眶下神經末梢、分支連線和分支節點數量均減少約60%，說明神經網絡復雜度顯著下降。

那這個結構變化對小鼠的身體機能有沒有影響呢？考慮到小鼠依賴胡須感知環境，而眶下神經正是面部感覺的重要通路，Ertürk團隊就做了胡須刺激實驗。研究結果顯示，肥胖小鼠對胡須刺激的反應明顯減弱。這說明，神經圖譜中看到的結構損傷，至少在小鼠中與感覺功能下降相對應。

為了了解背后的分子機制，研究人員取三叉神經節（面部感覺神經元胞體所在位置）進行空間蛋白組分析。結果顯示，高脂飲食小鼠三叉神經節中有230個蛋白發生了顯著的差異表達；其中一些變化指向軸突重塑和神經結構維持異常，另一些則提示炎癥和細胞應激增加。

那基于小鼠模型的發現，對于臨床轉化有沒有價值呢？Ertürk團隊分析了人類死后的三叉神經節組織樣本，比較BMI<25的非肥胖者和BMI>30的肥胖者。結果發現，肥胖者的三叉神經節中也出現與軸突導向、神經退行性改變、肌動蛋白骨架調控相關的蛋白組變化，與小鼠結果有相似性。這提示，肥胖相關的面部感覺神經改變可能并非小鼠特有現象。

雖然人類樣本數量有限，而且是死后組織樣本，不能直接證明肥胖一定導致某種明確臨床神經病變；但基于人體樣本的發現提供了一個很重要的方向，即肥胖相關神經損傷，可能不只存在于傳統意義上的外周神經病變，也可能涉及此前較少關注的三叉神經感覺通路。

總體來看，Ertürk團隊這項研究成果至少有兩個重要意義。首先，它提供了MouseMapper這樣一個全身尺度、細胞級的AI分析平臺，可以把疾病造成的神經、免疫和組織結構變化放在同一張身體地圖上觀察；其次，它以肥胖為范例，發現了全身炎癥重塑和三叉神經相關感覺損傷，為理解肥胖的系統性危害提供了新證據。

簡而言之，肥胖不是某一塊脂肪組織的孤立問題，而是整個身體都被慢慢改變。MouseMapper讓這種改變第一次變得可見。

研究論文是開源的，大家可以點擊文末閱讀原文，看肥胖對全身影響的高清大圖。

歡迎大家關注我們在小宇宙上的播客欄目——藥研片語，

歡迎大家前去收聽并與我們交流~

參考文獻：

[1].Kaltenecker, D., Horvath, I., Al-Maskari, R. et al. A deep-learning framework reveals whole-body perturbations at cell level. Nature (2026). https://doi.org/10.1038/s41586-026-10535-2

[2].https://www.helmholtz-munich.de/en/bioengineering/news-detail/ai-atlas-reveals-hidden-whole-body-damage-caused-by-obesity

本文作者丨BioTalker