AI驱动的多组学建模揭示肌痛性脑脊髓炎/慢性疲劳综合征(ME/CFS)的系统级机制

来自国际团队的研究人员通过开发BioMapAI深度学习模型，整合249名参与者长达4年的肠道宏基因组、血浆代谢组、免疫细胞图谱等多组学数据，首次构建了ME/CFS的微生物组-免疫-代谢互作网络，揭示了短链脂肪酸(SCFAs)、γδT细胞与IFN-γ等关键分子与症状异质性的关联，为这种疑难病症提供了精准诊疗新策略。

肌痛性脑脊髓炎/慢性疲劳综合征(ME/CFS)作为一种病因复杂、症状异质性的慢性疾病，长期面临诊断和治疗困境。这项研究创新性地采用BioMapAI深度学习框架，通过对249人纵向队列的肠道菌群宏基因组、血浆代谢物、免疫细胞亚群(包括MAIT细胞和γδT细胞)等多维度数据整合分析，成功绘制出首个涵盖微生物代谢(如短链脂肪酸SCFAs、支链氨基酸BCAAs、色氨酸代谢通路)、血浆胆汁酸与脂质网络、以及IFN-γ⁺GzA⁺炎症性T细胞动态互作的系统级图谱。研究不仅验证了现有假说，更首次揭示黏膜相关不变T细胞(MAIT)与γδT细胞通过分泌干扰素-γ(IFN-γ)和颗粒酶A(GzA)驱动炎症反应的新机制，为理解ME/CFS症状异质性提供了突破性视角。该AI模型在独立队列中展现出优异的疾病分类能力，其构建的可解释性生物网络为开发靶向微生物-免疫-代谢轴(Microbiome-Immune-Metabolism Axis)的个体化治疗方案奠定了理论基础。