编者按

近年来，人工智能发展迅速，深度学习技术建模等技术已经在肥胖管理领域表现出了很大的应用潜力。在第31届欧洲肥胖症大会（ECO 2024）现场，本刊记者特邀布里格姆妇女医院和哈佛医学院医学部心血管内科的Joseph Loscalzo教授就人工智能在肥胖管理中应用进行了专访。

《国际糖尿病》：作为与会专家，您能分享一下您对这次大会的印象吗?

Joseph Loscalzo教授：这次会议关注了肥胖这一重要的全球性公共卫生问题，很有启发意义。从儿童期到成年期，肥胖相关疾病和合并症引发的后果非常严重，对社会造成了一定程度的疾病和经济负担。所以大会聚焦这一问题意义重大。

《国际糖尿病》：随着技术的发展，人工智能逐渐被应用于生物医学领域。那么它在遗传管理和肥胖研究中扮演着什么角色呢?

Joseph Loscalzo教授：人工智能和深度学习策略在包括生物医学在内的各个领域中的应用明显呈上升趋势。肥胖和代谢是这项新技术可以应用的重要领域，有很大的发展前景。

具体来说，人们会问，为什么需要人工智能来解决肥胖的问题?主要原因是，肥胖是一种复杂的生物学现象，由全身许多不同类型的，大量相互作用的分子和细胞控制。传统的还原论技术不足以分析如此复杂的生物、医学问题。我们必须以一种综合的、网络化的方式来看待这个问题。过去的15年中，医学领域建立了这样的网络。

这种方法涉及研究体内所有大分子和代谢物之间复杂的相互作用，它们控制着包括肥胖、代谢等复杂的病理生理过程。我们可以利用人工智能和机器学习策略的优势，努力梳理出肥胖、代谢等过程中起重要作用的分子间相互交织的网络。从这些网络中找出导致肥胖的主要原因，从而开发新的生物标记物，同时也确定了独特的药物靶点，从长远的角度来看，这对肥胖管理是十分有益的。

在这个特殊的领域，最近我们正在进行的项目也得出了一个重要的启发，就是从网络的角度来理解食物的概念，由食物供应的小分子，以及它们在体内的相互作用，不仅仅是大家所知的营养物质，还有其他之前不为人知的，对健康很重要的小分子。之所以这么说，是因为目前，从20世纪30年代的流行病学研究和营养学研究中，我们了解了维生素、葡萄糖，以及一些衍生物、各种脂肪酸等，这些已经众所周知。

但从现有数据的分析来看，食物中可能有超过15万种不同的分子，因此我们称其为营养暗物质。这是一个巨大的分子池，它们在人类疾病生物学中的作用尚未被探索。因此，我们利用营养暗物质来识别潜在的蛋白质和它们相互作用的途径，它们可能对肥胖本身或肥胖所引发的一些后果有所影响。这是我们研究应用分子相互作用网络识别药物靶点和药物功能的工作中的一部分。我们通过高性能计算，如劳伦斯利弗莫尔设备和量子计算机来探索、建模小分子和药物靶点之间的相互作用。这些药物靶点位于特定疾病(包括肥胖)特有的蛋白质-蛋白质相互作用网络中。这就是我们在控制疾病表型的模块中定位、识别目标的方法，这是一种药物开发方法，也是识别食物所供应分子的潜在类药物功能的一种方法。

《国际糖尿病》：可以分享一下您未来的研究方向吗?

Joseph Loscalzo教授：我的研究兴趣主要集中在前面所说的这些分子相互作用网络，为探索正常生物学和疾病的机制奠定基础。首先，这些分子相互作用网络会随着时间的推移而变化。这些改变是受环境暴露、基因翻译后修饰、蛋白质和其他表观基因组影响的。网络中的这些动态变化与机体的正常衰老相关，必须将正常衰老轨迹和偏离轨迹导致的疾病区分开，这是我将继续努力的方向。

总结

经过Joseph Loscalzo教授的详细介绍，我们了解到肥胖的疾病过程远比我们想象的复杂，其中起到重要作用的分子种类和数量也超乎想象，而人工智能可以通过高性能的计算、建模帮助我们从庞大的信息网中探索、分析出导致肥胖的脉络，从而找到靶点，研发出有针对性的药物。