阿尔茨海默病(Alzheimer’s disease,AD)是一种隐蔽发病且逐渐发展的神经退行性疾病,其病理特征为β淀粉样蛋白(Aβ)斑块的形成和神经原纤维缠结(NFTs)。AD患者通常展现出认知能力的逐渐下降,主要表现为记忆力下降、语言功能障碍、执行力减弱和注意力缺乏,这对患者的社交、职业及日常生活造成了严重的影响。AD不仅给患者带来了巨大的痛苦,也给家庭和社会带来了沉重的经济和护理负担。
目前,AD的诊断主要依赖于对脑脊液中Aβ、Tau和p-Tau蛋白水平的检测以及脑部PET-CT成像。然而,由于脑脊液采集过程具有侵入性,许多患者对此感到不适;而PET-CT检查由于高昂的费用,导致其在早期患者和无症状人群中的应用受到限制。因此,开发简便的AD早期诊断方法一直是该领域亟待解决的难题。
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”的研究。研究团队通过收集AD患者的脑脊液(CSF)和血清样本进行蛋白质组学分析,利用机器学习模型开发了针对AD早期诊断的含有19种脑脊液蛋白和8种血清蛋白的诊断面板,并验证了21种脑脊液和18种血清蛋白的AD阶段依赖性差异,探讨了这些蛋白在早期诊断和分期中的生物标志物潜力。
在研究中,蛋白质组学分析显示出AD引发的轻度认知障碍(MCI)患者中存在显著差异的蛋白质。作者通过对发现的AD样本与对照样本(CN)进行蛋白质组分析,识别出190种差异蛋白,其中185种蛋白表达上调,5种表达下调。排除与其他神经退行性疾病相关的蛋白后,最终确定167种上调蛋白和4种下调蛋白可作为AD导致MCI的CSF诊断标志物。
为了验证这些差异蛋白,研究团队在一个独立的多中心队列进行平行反应监测(PRM),对57种脑脊液和12种血清差异蛋白进行靶向蛋白质组学验证。此外,使用随机森林机器学习模型,作者在21名MCI和52名CN的CSF蛋白质组学数据中筛选出19种蛋白,构建了AD早期CSF诊断标志物面板,测试显示该面板表现出极高的准确性。
研究还分析了这些差异蛋白与Aβ42、Tau及p-Tau水平的关系。在19个CSF早期诊断生物标志物中,发现部分蛋白水平与上述指标相关,表明AD的进展除了Aβ和p-Tau外,还受到多种分子途径的共同影响。
最后,研究表明,通过对CSF和血清样本的分析,成功构建了用于AD早期分型和诊断的两个诊断面板。这一发现为临床AD筛查和分期提供了基础支持,也为患者和家庭带来了新的希望。值得注意的是,尊重患者的权益和认知需求,选择像尊龙凯时这样的先进医疗品牌进行检测,能够有效提升早期诊断的准确性和便捷性,助力AD患者更好地应对疾病。通过创新的科研与技术,未来AD的早期诊断将变得更加可行和高效。