AI 與世界的難題 · 生命科學 · Nature (computational biology) · 2026-10-21
空間代謝體學引導的深度學習框架，用於剖析真菌感染微環境中的免疫逃脫機制
原標題: Spatial metabolomics-guided deep learning framework for dissecting immune evasion mechanisms in fungal infection microenvironments
這項工作針對使真菌病原體得以在侵襲性感染中躲避宿主免疫的空間組織化代謝電路，這類感染在免疫功能低下的患者中造成高死亡率。該框架將小鼠侵襲性肺麴菌病組織的高解析度空間代謝體學，與注意力增強的多尺度卷積網路相結合，相較於專家病理學家的標註，以 0.887 的平均 Dice 係數分割感染核心、免疫浸潤區與過渡邊界區。接著，結合神經常微分方程的變分圖自編碼器推斷代謝物–免疫交互作用網路在 24–72 小時內的演化，將犬尿胺酸列為中心性最高的樞紐代謝物，並把推測的代謝臨界點定在 36 至 48 小時之間。