*仅供医学专业人士阅读参考
肥胖是一种代谢病。
患者脂肪变多、血糖变差、胰岛素抵抗，进而增加糖尿病、心血管病和脂肪肝风险。
肥胖的危害在于，它不只影响一个器官，而是会同时改变免疫、神经、血管和组织结构。
然而，过去研究肥胖的危害时，往往只盯着脂肪、肝脏、胰岛和大脑等单个组织或器官看。
这样虽然能看清局部，却很难回答一个更大的问题：肥胖到底在整个身体里留下了哪些隐形损伤？
今天，由德国赫尔姆霍茨慕尼黑研究中心Ali Ertürk领衔的研究团队，在《自然》杂志上发表一篇重要研究论文。
他们发现，基于深度学习的MouseMapper，可以在完整的小鼠身体尺度上，以细胞级分辨率分析肥胖造成的神经和免疫改变。
借助这一工具，研究人员不仅绘制了肥胖相关的全身炎症地图，还发现高脂饮食诱导的肥胖，会导致三叉神经眶下支发生显著的结构性改变（受损），并伴随面部感觉功能下降。
更重要的是，他们还在人类组织中发现了相应的分子特征，表明肥胖相关神经损伤的关键特征在不同物种间是保守的。
为了全面了解肥胖的影响，Ertürk团队先让小鼠接受16-18周高脂饮食，建立肥胖和代谢功能异常模型。
随后，他们利用vDISCO组织透明化技术，让整只小鼠身体在保留荧光信号的同时变得透明，再用光片显微镜获得全身三维图像。这样一来，研究人员可以在不切碎小鼠身体的情况下，同时观察神经和免疫细胞在不同组织中的分布。
成像只是第一步，真正困难的是，全身三维数据极其庞大，人工分析几乎不现实。为此，研究团队开发了MouseMapper。它包括三个核心模块：神经模块负责识别和量化外周神经网络，免疫模块负责识别CD68阳性免疫细胞及其聚集，组织模块则把这些信号映射到31种器官和组织中。也就是说，MouseMapper不仅能告诉你哪里有信号，还会告诉你这个信号位于哪个器官、哪类组织，以及以什么形态聚集。
Ertürk团队特别强调，MouseMapper的价值在于不需要研究者事先猜测哪里最重要[2]。过去，如果只研究脂肪组织，可能会错过神经系统变化；只看神经，又可能忽略全身炎症分布。MouseMapper把身体作为一个整体来扫描，帮助研究者从全身尺度寻找疾病热点。
应用到肥胖小鼠模型后，研究人员首先看到的是广泛炎症变化。在Cd68-eGFP小鼠中，肥胖小鼠全身多个组织出现更多CD68阳性免疫细胞聚集，尤其在肝脏和内脏脂肪中更明显。进一步分析显示，肥胖不仅让免疫细胞数量改变，还让免疫细胞聚集模式发生变化，一些组织中小型细胞簇减少，中型和大型细胞簇增加，提示局部炎症状态增强。
更出人意料的是神经发现。MouseMapper显示，肥胖小鼠全身神经密度下降。最突出的变化出现在头面部三叉神经系统，尤其是眶下神经。与正常饮食小鼠相比，高脂饮食小鼠眶下神经末梢、分支连线和分支节点数量均减少约60%，说明神经网络复杂度显著下降。
那这个结构变化对小鼠的身体机能有没有影响呢？考虑到小鼠依赖胡须感知环境，而眶下神经正是面部感觉的重要通路，Ertürk团队就做了胡须刺激实验。研究结果显示，肥胖小鼠对胡须刺激的反应明显减弱。这说明，神经图谱中看到的结构损伤，至少在小鼠中与感觉功能下降相对应。
为了了解背后的分子机制，研究人员取三叉神经节（面部感觉神经元胞体所在位置）进行空间蛋白组分析。结果显示，高脂饮食小鼠三叉神经节中有230个蛋白发生了显著的差异表达；其中一些变化指向轴突重塑和神经结构维持异常，另一些则提示炎症和细胞应激增加。
那基于小鼠模型的发现，对于临床转化有没有价值呢？Ertürk团队分析了人类死后的三叉神经节组织样本，比较BMI<25的非肥胖者和BMI>30的肥胖者。结果发现，肥胖者的三叉神经节中也出现与轴突导向、神经退行性改变、肌动蛋白骨架调控相关的蛋白组变化，与小鼠结果有相似性。这提示，肥胖相关的面部感觉神经改变可能并非小鼠特有现象。
虽然人类样本数量有限，而且是死后组织样本，不能直接证明肥胖一定导致某种明确临床神经病变；但基于人体样本的发现提供了一个很重要的方向，即肥胖相关神经损伤，可能不只存在于传统意义上的外周神经病变，也可能涉及此前较少关注的三叉神经感觉通路。
总体来看，Ertürk团队这项研究成果至少有两个重要意义。首先，它提供了MouseMapper这样一个全身尺度、细胞级的AI分析平台，可以把疾病造成的神经、免疫和组织结构变化放在同一张身体地图上观察；其次，它以肥胖为范例，发现了全身炎症重塑和三叉神经相关感觉损伤，为理解肥胖的系统性危害提供了新证据。
简而言之，肥胖不是某一块脂肪组织的孤立问题，而是整个身体都被慢慢改变。MouseMapper让这种改变第一次变得可见。
研究论文是开源的，大家可以点击文末阅读原文，看肥胖对全身影响的高清大图。
欢迎大家关注我们在小宇宙上的播客栏目——药研片语，
欢迎大家前去收听并与我们交流~
参考文献：
[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
热门跟贴