神經元號稱人體最「耗電」的細胞，每個都揣著 200 萬個線粒體用以供給自身。但這些功能的線粒體一旦老化，卻沒有辦法像刪內存一樣一鍵清除，進而助推阿爾茨海默癥的出現。

傳統顯微鏡成像技術受困于只能拍攝靜態圖片的局限，無法捕捉線粒體自噬的動態全流程。在這種惡劣的動態環境下，科學家無法分辨藥物正常產生作用與否。

復旦大學團隊開發的人工智能輔助熒光顯微系統（AI-FM），首次實現了線粒體自噬全流程的「動態觀影」。這套系統的核心是一枚會「變色」的熒光探針 Mcy3 與智能DMAN算法。

該研究以「An AI-assisted fluorescence microscopic system for screening mitophagy inducers by simultaneous analysis of mitophagic intermediates」為題，于 2025 年 6 月 4 日刊登于《Nature Communications》。

論文鏈接：https://www.nature.com/articles/s41467-025-60315-1

AI-FM：給細胞「拍電影」

AI-FM 在線粒體自噬誘導和抑制條件下對線粒體自噬中間體進行時空定量監測，平均檢測準確率達到 86%。該系統僅有助于高通量藥物篩選，還提供線粒體自噬中間體的時空信息，直接闡明線粒體自噬調節劑的功效。

圖 1：用于評估線粒體自噬通量和篩選線粒體自噬誘導劑的 AI 輔助顯微系統。

算法中核心之一：熒光探針Mcy3以線粒體為靶，在溶酶體的強酸性中紅光達到峰值。通過實時捕捉紅藍熒光的比例變化，AI-FM 能像 「酸度計」 一樣精準定位線粒體所處的自噬階段。

圖 2：pH 比值熒光探針在成像線粒體自噬中的應用開發。

在對小鼠海馬體神經元的實驗里，Mcy3 在 Mcy1-3 三種化合物中顯示出最好的線粒體靶向能力。由于其線粒體靶向能力和有利的光物理性質，Mcy3 成功成為共聚焦激光掃描顯微鏡下評估自噬的探針。

而在算法方面，不同于傳統人工分析需逐幀計數熒光斑點，DMAN 算法可同時分析線粒體的顏色信號（反映酸度）與形態變化（從管狀的健康形態到點狀的受損形態）。

圖 3：DMAN 通過分析顯微圖像來評估自噬中間體。

該算法的雙分支網絡結構如同兩條并行的「偵查線」：一條專注于 32×32 像素的精細熒光強度變化，另一條捕捉 128×128 像素的整體結構特征，最終通過注意力機制聚焦關鍵細節。

團隊另外開發了兩款單分支模型：熒光強度分支注意力 ResNet 和形態分支注意力 ResNet，分別實現了平均 ACC 值 0.82 和 0.77。但即使如此，在 DMAN 參與對比后，仍是 DMAN 的 ACC 與 AUC 分數更高。

Y040-7904 的突圍之路

借助 AI-FM 的高通量分析能力，研究團隊展開了一場前所未有的藥物篩選。以補齊后的 8 種已知 SIRT1 激活劑構象為靶點，陸續從約兩百萬種化合物中層層篩選出 19 個候選。

圖 4：線粒體自噬誘導劑篩選過程的示意圖。

團隊開發的 AI-FM 此時大顯身手，通過計算和分析自噬中間體的比例和分布，評估了 HT22 活細胞在 Mcy3 和候選化合物共處理后的自噬誘導效果。

在 19 種化合物里，Y040-7904 顯著增加了自噬溶酶體和自噬體（分別是 18% 與 9%）的比例。其在所處理細胞中觀察到的自噬溶酶體和線粒體與自噬溶酶體融合的自噬水平皆高于另一位候選 D715-0267。

后續研究表明，Y040-7904 不僅誘導自噬，還增強線粒體生物發生。這種雙重作用類似于煙酰胺單核苷酸的作用（據報道煙酰胺單核苷酸可以同時刺激自噬和線粒體生物發生。）

報道鏈接：https://link.springer.com/article/10.1007/s11095-024-03704-3

在評估該化合物的體內治療潛力的實驗中，接受處理的線蟲癱瘓率降低了 29.3%，初步表現出 Y040-7904 治療阿爾茨海默癥的潛力。

精準醫學的全新時代

為了更好地應對自噬流定量方法中各種染料標記方式的局限，團隊使用 DMAN 對線粒體自噬的定量和直觀評估。與僅提取形態特征的單分支模型相比，DMAN 的平均準確率提高了 12%。

搭載了 DMAN 的 AI-FM 有著更高的準確性和效率，可以同時識別和可視化活細胞中的線粒體自噬中間體。它成功地在藥物篩選中得到了一種在阿爾茨海默癥治療中表現出優秀潛力的候選物。

目前來說，根據線粒體自噬程度的影響來排名候選藥物仍缺乏明確的指導方針，后續的測試結果仍受到手動標注準確性的影響。未來的升級可能需要著眼于擴展 AI-熒光顯微鏡的應用。