理解像肥胖症这样的复杂疾病，犹如试图在黑暗的房间中拼凑一幅巨画。我们已知它会损害全身——从代谢到神经，但传统研究方法只能提供零星的局部快照，难以看清系统性关联的全貌。这种困境的核心在于，我们一直缺乏能够在完整生物体内，以高分辨率清晰“看到”并量化细胞和精细结构（如神经网络）全身性变化的工具。2026年5月20日，慕尼黑大学Ali Ertürk团队在Nature 在线发表题为“A deep-learning framework reveals whole-body perturbations at cell level”的研究论文，该研究开发了名为“MouseMapper”的智能分析框架，首次实现了对疾病系统性影响的“全景式”测绘，并以肥胖为例，揭示了此前未知的、从结构损伤到功能缺失的完整病理链条。

MouseMapper是一个基于深度学习的三维图像分析工具集，它解决了该领域的几个关键瓶颈。首先，它能处理整个透明化小鼠躯体的成像数据，而非仅限于某个器官，并能自动将结果映射到31个器官和组织的解剖图谱中，建立统一的“全身坐标系”。其次，它特别擅长精准分割和量化传统方法难以处理的细长神经纤维和分散的免疫细胞。最重要的是，该框架在不同成像条件和标记方法下无需重新训练即可稳定工作，为大规模标准化研究铺平了道路。

在全身范围内对肥胖症中神经和巨噬细胞的直接可视化观察（图源自Nature ）

利用这一强大工具，研究者深入解析了饮食诱导的肥胖小鼠。他们不仅绘制了全身的炎症细胞分布图谱，更有一个里程碑式的发现：肥胖会导致三叉神经的眶下分支发生特异性结构损伤。这条神经负责面部触须的感觉，而研究者确实在相应小鼠身上观察到了触觉功能缺陷。通过分子层面的深入分析，他们发现与该神经相连的三叉神经节出现了与轴突变性和异常重塑相关的蛋白质组变化。尤为关键的是，这一分子特征在肥胖症患者的同类神经组织中同样存在，有力证明了从小鼠模型到人类疾病的机制保守性。

这项研究标志着系统生物医学研究的一个范式转变。MouseMapper使我们能够像绘制地理地图一样，精确描绘疾病在全身的“影响地形图”，定位核心受损节点。它架起了宏观结构异常、微观分子改变与整体功能衰退之间的桥梁。这一工具平台具有普适性，可广泛应用于癌症、自身免疫病、衰老等任何具有系统效应的疾病研究，为发现新的干预靶点和理解疾病的整体逻辑提供了前所未有的强大手段。

参考消息：https://www.nature.com/articles/s41586-026-10535-2