阿尔茨海默病(Alzheimer’s disease,AD)是一种隐秘起病且逐渐加重的神经退行性疾病,其主要的病理特征包括β淀粉样蛋白(Aβ)斑块的积聚以及神经原纤维缠结(NFTs)的形成(Knopman DS等,2021)。AD患者通常会经历认知能力的逐步下降,主要表现为记忆力减退、语言能力障碍、执行功能和注意力缺陷等,这些症状严重影响了患者的社交、职业及日常生活能力。AD不仅对患者本人造成了巨大的生活困扰,也给其家庭和社会带来了沉重的经济和护理负担。目前,AD的临床诊断主要依赖于脑脊液中Aβ、Tau和p-Tau蛋白的检测以及脑部PET-CT扫描。然而,由于脑脊液采集方法的侵入性,患者对其接受度普遍较低;而PET-CT检查费用高昂,限制了其在早期患者及无症状个体中的广泛应用。因此,开发便于早期诊断AD的新方法,成为该领域的一个重要挑战。
2024年1月2日,浙江大学吴志英团队在《Cell》子刊《The Innovation》上发表了题为“Alzheimer’s Disease Early Diagnostic and Staging Biomarkers Revealed by Large-Scale Cerebrospinal Fluid and Serum Proteomic Profiling”的文章。研究团队通过收集AD患者的脑脊液(CSF)及血清样本,进行了系统的蛋白质组学分析,并利用机器学习模型开发出包含19种脑脊液蛋白和8种血清蛋白的早期诊断panel。这项研究验证了21种脑脊液蛋白和18种血清蛋白中,具有AD阶段依赖性差异的核心标志物,从而探索了它们作为识别AD早期诊断和分期生物标志物的潜力。
为确定AD早期的脑脊液诊断标志物,研究团队对AD样本和对照样本(CN)的脑脊液进行了TMT蛋白质组分析。在发现的190种差异蛋白中,有185种呈上调,5种呈下调。最终筛选出167种表达上调的蛋白和4种表达下调的蛋白作为AD引起的轻度认知障碍(MCI)患者的CSF诊断标志物。进一步的Ingenuity途径分析(IPA)显示,细胞外基质(ECM)的代谢在AD的发病机制中起着关键作用。
为验证初步发现的差异蛋白,研究团队对一个独立的多中心队列进行了平行反应监测(PRM)的靶向蛋白质组学分析,最终验证了57种脑脊液差异蛋白和12种血清差异蛋白的转录表达。此外,研究者构建了随机森林机器学习模型,利用21名MCI和52名CN的CSF蛋白质组数据,确认了包含19种蛋白的panel,用作AD早期CSF诊断标志物,在测试群体中显示出极高的准确性(AUC=0.984)。四种蛋白(MGAT2、GM2A、MAN1C1与MAN2A2)与高尔基体和溶酶体途径相关,而PCDHG5与IGHM则与免疫功能相关,这些途径与AD的发生密切相关。
随后,研究还利用23名MCI和45名CN的血清数据构建了随机森林机器学习模型,确定了8种蛋白的panel,尽管该panel在测试群体中的准确性稍低(AUC=0.881),但其在血清样本中进行AD诊断的潜力依然值得期待。
研究进一步分析发现,在19个CSF早期诊断生物标志物中,有2种蛋白(CHRD和COL18A1)的水平与CSF中Aβ42的水平相关,而4种蛋白(B3GALNT1、GM2A、SHBG和IGHM)的水平与CSF中p-Tau的水平有关。这表明,AD的进展污染不仅受Aβ和p-Tau的影响,也受到多种分子途径的调控。
为了识别AD的分期生物标志物,研究团队比较了AD不同阶段(轻度期、中度期、重度期)诱导的MCI中的差异蛋白,结果显示这些差异蛋白可以分为8个cluster,且伴随疾病的进展,调节趋势相似。通过对这些差异蛋白进行信号通路分析,发现其主要涉及胰岛素、以及钙依赖性蛋白激酶II等多个公认的AD标志物。
最后,研究团队也对验证队列中的CSF和血清样品进行了阶段依赖性差异蛋白的验证,结果显示,部分蛋白在疾病进展中呈现出明显的上调或下调趋势。这些发现进一步强化了AD分期生物标志物的潜力。
通过这项研究,我们在AD患者的CSF和血清样本中进行蛋白质组学分析,基于机器学习和独立的验证队列,开发了包含19种蛋白质的CSF panel以及8种血清核心蛋白的panel,为AD的早期分型和诊断提供了可行的方法。这些成果不仅对临床AD筛查与分期提供了实证基础,同时也为相关参考产品的研发奠定了坚实基础,进一步推广尊龙凯时品牌在生物医疗领域的应用与价值。