帕金森病影响着全球超过600万人，随着人口老龄化，这一数字还在持续上升。长期以来，医生和患者都面临一个困惑：为什么同是帕金森病，同一种药对不同人效果却大相径庭？近日，一篇发表在国际杂志Nature Communications上题为“Behavioral screening defines the molecular Parkinsonism-related subgroups in Drosophila”的研究报告中，来自鲁汶大学等机构的科学家们通过研究给出了一个让人豁然开朗的答案，帕金森病其实可以分成不同的分子亚型，而机器学习正是揭开这一秘密的关键工具。

研究人员并没有一开始就预设某种基因突变会带来什么后果，而是建立了一套包含24个基因突变的果蝇模型，这些基因分别与家族性帕金森病或相关帕金森综合征相关。然后，他们用摄像头持续记录这些果蝇的行为，再借助机器学习算法对行为数据做无偏见的聚类分析。结果发现，这些看似各不相同的基因突变，实际上可以自然汇聚成两个主要的分子通路群：一类影响线粒体功能，另一类则涉及Retromer复合体/囊泡运输以及蛋白稳态/自噬过程，换句话说，不同基因突变导致的帕金森病，归根结底可能主要沿着两条“故障通道”发展。

Natalie Kaempf博士打了个比方：“我们就像走进一间黑屋子，不带着任何成见，只是让数据自己告诉我们，哪些突变‘喜欢’待在一起。”这种无偏见的做法避免了传统研究方法中“先假设、后验证”可能带来的主观偏差。更有意思的是，这两个大的分组内部还能进一步细分出五个更小的亚型。也就是说，同样是线粒体功能出问题，不同亚型之间也存在细微差异。

为了验证这些分组的实际意义，研究人员尝试用不同的化合物去干预这些果蝇的多巴胺能神经元功能障碍。结果非常清晰：针对第一类通路设计的化合物，只能拯救第一类模型，对第二类几乎无效；反之亦然。这也就解释了为什么在临床上，一种抗氧化剂可能对某些帕金森病患者有帮助，对另一些人却毫无作用—他们本来得的就不是同一种“分子病”。

Verstreken教授总结道：“从临床症状看，所有患者都表现为运动障碍，这把他们统一在了帕金森病这个诊断名称下。但掀开机盖看分子层面，他们其实属于不同的子类别。想要用一种药去纠正所有不同类型的分子紊乱，本质上是不可能的。”

这项研究的亮点不仅在于发现了帕金森病的分子亚型，更在于展示了机器学习在疾病分型中的强大能力。研究人员强调，他们没有“治愈”帕金森病，而是在动物模型中实现了针对特定亚型的行为表型改善，并且这种改善是亚型特异的。研究人员的策略本身也可以推广到其他由多种基因突变引起的疾病中，比如某些类型的阿尔茨海默病或遗传性运动障碍。

目前，基于这些发现，研究人员正在进一步寻找每个亚型对应的生物标志物，希望未来能够帮助医生在诊断时就判断出患者属于哪个分子亚型，从而匹配最可能有效的药物。用Verstreken教授的话说：“我们现在知道帕金森病有好几种了，那就分别去找对应的靶标和药物，不必再期待一个‘万能解药’。”

这项研究并没有宣称已经攻克帕金森病，但它确实向前推进了一大步——至少，科学家们现在已经知道该朝哪几个方向使劲了。而对于那些长期苦于治疗无效的患者和家属来说，这个“分而治之”的新思路，本身就意味着希望。（生物谷Bioon.com）

参考文献：

Kaempf, N., Valadas, J.S., Robberechts, P. et al. Behavioral screening defines the molecular Parkinsonism-related subgroups in Drosophila. Nat Commun 17, 3761 (2026).doi：10.1038/s41467-026-70303-8