一项由圣安德鲁斯大学、哥本哈根大学与德雷塞尔大学合作的新研究，开发出基于人工智能的计算模型，能够预测肌萎缩侧索硬化症（ALS）患者神经网络退化的模式。该成果发表于《神经生物学疾病》期刊，标志着计算建模正逐步成为传统动物实验和体外研究的有力补充。 ALS，又称渐冻症，是一种影响大脑和脊髓中运动神经元的疾病，全球每年发病约每10万人中有2例，苏格兰每年约新增200例。多数患者以脊髓起病，表现为肌肉无力、僵硬和抽筋等早期症状，源于脊髓内特定神经回路的退化。 传统研究依赖基因改造小鼠模型，但受限于时间和成本，只能观察特定时间点的病情进展。而新开发的生物合理型神经网络模型则能预测时间间隙中的变化，并可精确模拟单一变量的改变对系统的影响，避免了动物实验中复杂的干扰因素。 这些模型基于真实神经元的结构和连接方式，使用脉冲信号（类似生物神经元的电信号）进行信息传递。研究人员构建了由数学方程组成的系统，模拟每个神经元的兴奋性：当神经元接收到信号后，若兴奋度达到阈值，便会触发下一个脉冲，实现信息传递。神经元被分组为功能群体，并依据已知的生物学数据建立连接。 研究团队通过逐步移除受损神经元群体并减少其连接，模拟ALS的病程进展；同时，也可通过“保护神经元”或“增强连接”来测试潜在治疗策略。研究发现，模型预测的治疗效果在小鼠实验中得到验证——被预测可存活的神经元群体在实际治疗小鼠中确实得以保留。 这一结果表明，计算模型虽不能完全替代生物实验，但能有效指导研究方向，帮助科学家更精准地设计动物实验，减少不必要的动物使用。目前，该团队正将模型拓展至大脑特定区域，以研究痴呆症中神经通信的变化，开启新的研究方向。