AI 助力解析多组学空间效应对高分辨率视网膜厚度的影响：开启眼部健康研究新视野

视网膜厚度是多种疾病的潜在生物标志物。为探究其相关影响因素，研究人员利用英国生物银行（UK Biobank）的光学相干断层扫描（OCT）数据，结合 AI 技术展开研究。结果发现众多遗传位点、代谢物等与视网膜厚度相关，为疾病研究提供新方向。

在医学研究领域，眼睛常被视作窥探人体健康的一扇窗户，而视网膜厚度作为评估视网膜健康以及众多全身性疾病的重要生物标志物，一直备受关注。光学相干断层扫描（OCT）技术能够获取视网膜厚度数据，然而以往研究在解析视网膜厚度相关影响因素时，存在分辨率不足、难以全面揭示复杂关系等问题。为了深入探究视网膜厚度与各种因素之间的关联，来自澳大利亚沃尔特和伊丽莎・霍尔医学研究所（The Walter and Eliza Hall Institute of Medical Research）等机构的研究人员开展了一项极具意义的研究，其成果发表于《Nature Communications》。

该研究的主要目的是借助先进技术，深度剖析视网膜厚度与遗传变异、代谢物、血液特征、免疫特征以及疾病之间的关系。研究人员使用的主要关键技术方法包括：利用深度学习对 UK Biobank 中 85726 名个体的 OCT 图像进行处理，生成高分辨率视网膜厚度数据集；运用功能主成分分析（FPCA）减少数据维度；开展全基因组关联分析（GWAS）探索遗传关联；进行代谢组学、疾病 PheCodes 等多种关联分析。

研究结果如下：

• 视网膜厚度成像数据：对 OCT 图像进行质量筛选和处理，利用深度卷积神经网络（DCNN）生成视网膜厚度估计值，经过一系列质量控制，最终得到包含 54844 名参与者的数据集，涵盖 29041 个像素的视网膜厚度数据。
• 功能主成分分析捕获广泛空间模式：FPCA 分析显示，6 个主成分能解释约 95% 的视网膜厚度变异，各成分分别对应不同视网膜区域的变化模式。
• 遗传关联分析：通过 GWAS 分析，在像素水平和 FPC 分析中分别鉴定出 224 个和 127 个与视网膜厚度相关的遗传位点，共发现 294 个相关位点，其中 123 个为新发现位点。这些位点映射到多个候选基因，且部分位点在不同祖先群体中存在差异。
• 代谢组学关联分析：325 种代谢物与视网膜厚度存在显著关联，代谢物聚类分析发现 10 个代谢簇与特定视网膜区域相关，代谢变化与多种视网膜疾病相关，且年龄会影响代谢物对视网膜厚度的作用。
• 疾病 PheCodes：研究发现 386 种疾病（44%）与视网膜厚度显著相关，多数呈现视网膜变薄的效应。其中，多发性硬化症（MS）导致的视网膜变薄最为明显，代谢和心血管疾病也与视网膜厚度密切相关。此外，疾病遗传风险评分（GRS）与视网膜厚度也存在显著关联。
• 与血细胞特征和炎症标志物的关联：多种网织红细胞特征以及白细胞、中性粒细胞数量与视网膜厚度相关，炎症标志物如血小板与淋巴细胞计数比也与视网膜厚度相关，表明视网膜对炎症敏感。

在研究结论和讨论部分，研究人员利用大规模 OCT 数据集和 AI 技术，生成了高分辨率视网膜厚度空间数据集，揭示了视网膜厚度与众多因素之间的复杂关系，其中黄斑旁区域关联最为丰富。研究发现视网膜厚度降低与健康状况不佳和疾病负担增加相关，且确认了 OCT 作为 MS 生物标志物来源的实用性。不过，该研究也存在一定局限性，如数据缺失值处理、研究对象祖先多样性不足等问题。但总体而言，这项研究为未来生物标志物研究和生物学实验指明了方向，鼓励科研人员运用 AI 技术重新处理高维数据，进一步推动眼部健康和相关疾病研究的发展。