《神经元》：迄今最大规模研究新发现1164个与阿尔茨海默病相关的脑脊液蛋白，并构建出精准区分AD患者与健康人的预测模型!

《神经元》：迄今最大规模研究新发现1164个与阿尔茨海默病相关的脑脊液蛋白，并构建出精准区分AD患者与健康人的预测模型！

来源：奇点糕 2025-04-07 11:11

研究运用机器学习开发了一种高准确性的AD生物标志物预测模型，可以精准区分AD患者与健康个体，并预测AD生物标志物阴性个体（即没有Aβ也没有tau蛋白聚集）未来进展为AD的风险。

近期，美国圣路易斯华盛顿大学Carlos Cruchaga团队发表了一项重要研究成果。通过对2286名受试者脑脊液样本进行蛋白质组学分析后，他们成功识别出了2029种独立的，与AD有关的蛋白质，其中43%是以前报道过的，57%（1164）都是新发现的。

此外，基于AT生物标志物框架（A代表A ，T代表tau蛋白）的蛋白伪轨迹分析显示，这些蛋白在疾病不同阶段会呈现出四种动态变化模式，分别与神经元死亡以及tau蛋白磷酸化、小胶质细胞功能以及内溶酶体功能异常、神经可塑性、小胶质细胞-神经元相互作用（晚期）等关键生物学过程相关。

根据这些发现，研究运用机器学习开发了一种高准确性的AD生物标志物预测模型，可以区分AD患者与健康个体（曲线下面积AUC 0.90），并预测AD生物标志物阴性个体（即没有A 也没有tau蛋白聚集）未来进展为AD的风险。

研究发表在《神经元》上。

论文首页截图

研究先从四个独立大型AD队列（即Knight研究中心Knight ADRC、Fundaci ACE阿尔茨海默病研究中心FACE、阿尔茨海默病神经影像学倡议数据库ADNI以及Barcelona-1队列）中纳入了2286名受试者的脑脊液样本数据，然后再根据AT框架中A 和tau蛋白的水平分成AD生物标志物阴性组（A-T-）与AD生物标志物阳性组（A+T+，AD患者），最后再比较两组受试者脑脊液中蛋白表达差异情况，并采用三阶段（发现阶段、验证阶段、元分析），识别出与AD有关的蛋白。

纳入的受试者信息以及三阶段设计流程

结果显示，研究最终成功从脑脊液样本中识别出了2029种与AD显著相关的独立蛋白。通过与其他AD相关蛋白组学研究对比后，研究人员发现，这些蛋白中有43%是以前报道过的，57%（1164）都是新发现的。

此外，研究人员还在独立的AD队列（Stanford ADRC，n=132）中进一步验证了这些蛋白的稳健性。提示，这些蛋白可用于后续的蛋白伪轨迹分析和疾病预测模型构建。

AD相关蛋白识别过程

在AT框架中，根据AD进程，A 通常早于tau开始发生变化，因此，AD发生的纵向轨迹可以概括为A-T-、A+T-和A+T+。基于这一框架，研究人员进行了蛋白伪轨迹分析。

结果显示，这些蛋白在疾病不同阶段会呈现出四种动态变化模式。

第一组为呈线性增加模式，在该模式下，有471种蛋白，会在疾病进展过程中持续上升（其中代表性蛋白有SMOC1、NEFL、GFAP、GRN、PPP3R1、SNCA），主要涉及神经元死亡、凋亡，以及tau蛋白磷酸化等病理过程，代表疾病早期阶段。

第二组为先升后降模式，在该模式下，有482种蛋白呈现先上升后下降的趋势（代表性蛋白有LILRB3、TNFAIP3、BTK、SPI1、FLT3、NFKB1、FOXO3），主要涉及小胶质细胞功能异常、炎症反应，以及内溶酶体功能异常等病理过程。

第三组为线性下降模式，在该模式下，有184种蛋白，在整个AD过程中持续下降（代表性蛋白有AXIN2、CTNNB1、SIRT6、CES1、IL-6、FOXO1），主要涉及神经可塑性以及代谢等生物学过程（代表失去神经保护机制）。

第四组为先降后升模式，在该模式下，有892种蛋白，在AD早期下降，并在晚期上升（代表性蛋白为CSF1、CSF1R、FAS、IGF1、IGF1R、APOE、TREM2、NRGN），主要涉及小胶质细胞-神经元交互作用以及炎症信号通路等生物学过程（代表炎症激活）。

四种模式

以上结果提示，这些蛋白可以有效反映AD疾病状态。因此，进一步，研究人员想在此基础上构建一个AD生物标志物预测模型。鉴于2029种相关蛋白的数量过大，不适用于临床应用，研究团队使用机器学习筛选出了10种具有最强预测能力的最小蛋白组合，作为AD生物标志物预测模型。

结果发现，该模型对AD具有较高的特异性，不仅能精准区分AD患者与健康个体（独立验证队列AUC=0.97），还能预测AD生物标志物阴性个体未来的AD进展风险（在Knight ADRC和ADNI队列中，AD生物标志物阳性个体在14年内发展为AD的概率显著高于阴性个体）。

模型建立和预测性能

总之，该研究作为迄今为止最大规模的AD脑脊液蛋白组学研究，不仅揭示了AD疾病不同阶段的蛋白变化情况，描述了AD的疾病生物学过程，还成功构建了一个高准确度的AD生物标志物预测模型。这些发现不仅加深了我们对AD蛋白组学和发病机制的理解，还为未来AD生物标志物检测和临床提供了新的方向。

版权声明 本网站所有注明“来源：100医药网”或“来源：bioon”的文字、图片和音视频资料，版权均属于100医药网网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：100医药网”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。

87%用户都在用100医药网APP 随时阅读、评论、分享交流 请扫描二维码下载->

医药网新闻