Donald W. Seldin青年研究员奖由美国肾脏病学会和美国心脏协会心血管疾病肾脏委员会共同主办，旨在表彰在肾脏功能和疾病相关的基础研究或以患者为导向的研究方面取得杰出成就和创造力的研究者。在2025年美国肾脏病学会（ASN）年会上，来自德国亚琛工业大学的Rafael Kramann教授荣获ASN–AHA Donald W. Seldin青年研究者奖，并以“Cell by Cell, Space by Space: Unraveling Fibrosis in the Kidney and Heart”为题进行大会主题演讲。他以单细胞与空间多组学为核心，揭示了肌成纤维细胞的多谱系来源及其在肾脏、心脏纤维化中的关键作用；通过生物打印和类器官模型，将基础机制研究推向转化应用。在会议现场，肾医线记者特邀Kramann教授分享了他如何用大数据、人工智能与生物工程技术重新定义“纤维化驱动机制”，以及对未来精准抗纤维化治疗的展望。

Rafael Kramann教授：我们的一项关键发现是：真正产生纤维化的细胞——肌成纤维细胞（myofibroblast）——源自间充质细胞。例如，在肾脏中，不同谱系的成纤维细胞和周细胞（pericyte）都参与纤维化进程；而在心脏，成纤维细胞是主要的效应细胞。

借助大数据技术，我们能够深入分析组织微环境，识别驱动疾病进展的关键机制。例如，我们发现了纤维化与血管丢失密切相关。过去有人认为纤维化只是疾病的“伴生现象”，但我们的研究表明，它实际上是疾病的驱动因素：成纤维细胞脱落会导致血管丢失，继而引发肾小管缺氧损伤和肾单位丢失。心脏中也存在类似机制。

我们研究的核心启示是，大数据能帮助我们确定分子靶点和可成药通路，并通过实验加以验证。

Rafael Kramann教授：通过这些大数据手段，我们识别出许多此前未被认识的成纤维细胞和周细胞亚群。传统的基因谱系追踪实验通常依赖单一启动子或Cre驱动系统来追踪细胞轨迹和分化，但这种方式难以捕捉细胞群体间的异质性。

如今，借助单细胞与空间组学技术，我们可以真正全面地刻画成纤维细胞和周细胞群体的多样性。研究发现，存在促炎性成纤维细胞、抗原呈递型成纤维细胞以及主要负责细胞外基质生成的成纤维细胞等不同亚型。每一类细胞在疾病进程中都承担着不同而关键的功能。

高分辨率组学数据不仅让我们认识到这种细胞异质性，还能揭示这些细胞与其微环境中其他细胞的相互作用。这些认识有助于我们明确可干预的病理机制，最终实现针对性地治疗，使患者获益。

Rafael Kramann教授：我们的目标是建立一个更加复杂且能真实反映人体生理状态的模型系统。传统小鼠模型的一个主要问题是——其研究结果往往难以转化到人类生物学中。尽管出于安全性或有效性评估的需要（有时甚至是美国食品药品监督管理局[FDA]的要求），动物实验仍不可或缺，但由于遗传和生理上的巨大差异，这些模型无法总是重现人类疾病机制。

因此，我们希望构建一个复杂的、可用于药物研发和靶点验证的人源模型系统，要求既具可扩展性，又能保持重复性。我们的生物打印纤维化模型很好地满足了这些条件，也便于开展高通量药物筛选。

此外，我们还在尝试整合其他技术，例如“芯片类器官（organoid-on-chip）”，并使用扰动测序（perturb-seq）技术，以同时验证多个靶点。这类可规模化、可重复的平台极大地促进了慢性肾脏病领域的转化研究。

Rafael Kramann教授：我认为，在学术界，我们只能将研究发现推进到一定阶段，而要真正实现临床转化，往往需要与产业合作，甚至创立生物技术公司。我本人也参与了相关的创业尝试，因为这是将科研成果转化为临床应用的唯一路径。

如今，大数据、多组学以及人工智能（AI）驱动的分析，使我们能够系统地识别疾病驱动机制并筛选可药靶点。但仅凭计算预测是不够的——这些假设必须通过实验加以验证。此时，生物工程模型（如类器官、3D生物打印系统）就发挥了重要作用，它们提供了基于人源的实验平台，用于验证机制、测试候选化合物并优化治疗策略。

最终目标是实现大数据与实验生物学的深度融合——从发现机制到开发药物的完整路径。我认为我们正在接近这一阶段。多组学技术在揭示肾脏疾病中未被充分认识的异质性方面尤为强大。这种异质性正是精准医学的核心。通过将组学数据与临床表型分析相结合，我们可以对患者进行风险分层——例如区分IgA肾病的高风险与低风险人群，并据此制定个性化治疗方案。

此外，大数据还可能揭示“药物重定位（drug repurposing）”的机会：一些原本用于风湿免疫疾病或肿瘤治疗的药物，或许能使肾脏纤维化患者受益。

总的来说，多组学、人工智能与生物工程技术的融合，将从根本上改变我们识别、验证和开发抗纤维化疗法的方式 —— 使我们更接近为慢性肾脏病及其他相关疾病提供个性化、有效的治疗方案。