研究队列建立与样本采集
纳入新发、未治疗的IIH患者和匹配的健康对照，并收集配对血清和脑脊液样本，为蛋白质组学分析奠定基础。
从丹麦两个三级头痛中心连续招募8岁或以上因临床怀疑IIH而就诊的患者，依据2013年诊断标准确诊IIH，并排除继发性PTCS、男性、妊娠等；同时招募了35名年龄、BMI、性别匹配的健康对照。采集空腹血和脑脊液样本，并进行标准化腰椎穿刺测压、影像学、眼科检查等。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
特发性颅内高压以独特的蛋白质组学特征为特点
Idiopathic Intracranial Hypertension Is Characterized by a Distinct Proteomic Profile
实验完整度
高包含发现队列和三个独立验证队列的临床蛋白质组学研究，使用配对血清和脑脊液样本，结合机器学习进行生物标志物发现与验证，并进行功能富集分析。
主要模型
丹麦新发特发性颅内高压患者队列 奥地利新发特发性颅内高压患者验证队列 健康对照队列 脑静脉窦血栓形成患者队列 正常压力脑积水患者队列
重点核对
每组样本数量：发现队列血清蛋白质组学分析包括43例IIH患者和31例对照；脑脊液包括44例IIH患者和32例对照。 验证队列1：血清蛋白质组学分析包括27例IIH患者和31例对照；脑脊液包括27例IIH患者和32例对照。 IIH诊断标准：根据2013年修订的诊断标准，且为治疗初治新发患者。 样品采集条件：CSF样品采集后3小时内冷冻，血清和CSF样品需满足质量检查标准（排除溶血、CSF中红细胞等）。 匹配因素：健康对照与IIH患者在性别（均为女性）、年龄、BMI上匹配。
摘要
目标：特发性颅内高压（IIH）的病理生理学了解甚少，且缺乏疾病特异性生物标志物。我们旨在阐明IIH的病理生理学并识别疾病特异性生物标志物。方法：这项前瞻性横断面队列研究纳入了来自丹麦两个三级头痛中心的新发IIH患者和年龄、体重指数、性别匹配的健康对照者（发现队列）。采用液相色谱-串联质谱分析检测成对血清和脑脊液样本的可重复蛋白质组学特征。结果在3个验证队列中进行验证，包括IIH患者（pwIIH）、脑静脉窦血栓形成患者（pwCSVT）和正常压力脑积水患者（pwNPH）。结果：我们纳入了53名pwIIH和35名对照者。pwIIH表现为视乳头水肿和腰椎穿刺开放压中位数（四分位距[IQR]）升高（38.0 [33-46] vs 19.0 [17.0-23.0] cmH2O；p<0.001）。机器学习分析确定了血清和脑脊液中20种预测IIH的蛋白质，将pwIIH（而非pwCSVT或pwNPH）与对照组区分开，曲线下面积（AUC）分别为0.84和0.92（pwIIH，发现队列）、0.99和0.90（pwIIH，验证队列1）、0.63（血浆；pwCSVT）和0.67（脑脊液；pwNPH）。血清碳酸酐酶（CA）1和2上调，且属于最具IIH预测性的蛋白质，淀粉样前体蛋白（APP）、S100P和S100A12也上调。解释：我们确定了一组经独立验证的IIH特异性候选生物标志物。血清候选生物标志物指向CA2驱动的IIH脑脊液高分泌，为CA抑制剂治疗有效性提供了可能解释。与神经元损伤相关的标志物（APP、S100P/S100A12）的调节证实了IIH的非良性特征。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 特发性颅内高压（IIH）的病理生理学尚不明确，且缺乏疾病特异性生物标志物。本研究旨在通过蛋白质组学分析揭示IIH的分子机制并识别疾病特异性生物标志物。
- 核心机制
- 血清碳酸酐酶2（CA2）上调可能驱动脉络丛脑脊液分泌增加，导致颅内压升高，从而解释碳酸酐酶抑制剂治疗IIH的有效性；同时，与神经元损伤相关的标志物（APP、S100P/S100A12）上调表明IIH并非良性。
- 主要证据
- 发现队列和验证队列中，血清CA1和CA2一致上调，且机器学习筛选的蛋白质面板能将IIH患者与健康对照区分（AUC 0.84-0.99），但不能区分与其对照的CSVT和NPH患者（AUC 0.63和0.67），提示IIH特异性。此外，CSF中GOT1、CHGA、PFN2与颅内压呈正相关，APOD呈负相关。
- 研究意义
- 该研究首次提出血清CA2可能作为IIH CSF高分泌的治疗靶点，为CA抑制剂疗效提供了机制解释；同时，神经元损伤标志物的发现支持IIH的慢性、非良性特征，为临床监测和治疗提供潜在生物标志物。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
血清和脑脊液蛋白质组学分析
鉴定与IIH相关的蛋白质表达差异，以及能够区分IIH患者与健康对照的蛋白质面板。
对配对血清和脑脊液样本进行液相色谱-串联质谱（LC-MS/MS）分析，采用DIA（dia-PASEF）模式，使用Bruker timsTOF HT质谱仪。血清样本先经高丰度蛋白去除、酶解，脑脊液样本直接酶解。使用Spectronaut软件分析原始数据，并输出蛋白质定量矩阵。
机器学习筛选IIH预测蛋白
利用机器学习算法从血清和脑脊液蛋白质组数据中筛选出最具区分IIH患者与对照能力的蛋白质。
使用OmicLearn v1.4进行机器学习，采用XGBoost分类器，通过重复分层交叉验证（n_repeats=10, n_splits=5）评估模型性能，使用ExtraTrees特征选择（n_trees=500）选出最20个最重要的特征。计算AUROC评价分类性能。
候选生物标志物验证
在独立队列中验证发现队列中筛选出的IIH预测蛋白的区分能力，并评估其对IIH的特异性。
在奥地利新发IIH患者队列（验证队列1）中，用相同的LC-MS/MS方法测量配对血清和脑脊液样本，评估筛选出的20个预测蛋白能否区分IIH患者与健康对照。在脑静脉窦血栓形成患者队列（验证队列2）和正常压力脑积水患者队列（验证队列3）中，评估预测蛋白能否区分这些疾病患者与各自对照，以确认IIH特异性。
功能富集分析和相关性分析
探索预测蛋白相关的生物学通路及其与颅内压（ICP）的相关性，以揭示IIH的潜在机制。
对发现队列中通过机器学习筛选出的蛋白质面板进行KEGG通路富集分析，使用Enrichr工具和SRplot网站可视化。同时，对预测蛋白与ICP进行Pearson相关性分析，计算相关系数和p值。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 样品制备 | 高丰度蛋白去除树脂 | Thermo Scientific | -- |
| Captiva ND 96孔滤板（0.45μm） | Agilent Technologies | -- | |
| 质谱分析 | 纳升液相色谱仪 | Thermo Scientific | -- |
| AURORA ELITE C18色谱柱（15cm×75μm，1.6μm粒径） | ionopticks | -- | |
| timsTOF HT质谱仪 | Bruker | -- | |
| 试剂 | 胰蛋白酶 | -- | -- |
| 三盐酸盐 | -- | -- | |
| 脱氧胆酸钠 | -- | -- | |
| 二硫苏糖醇 | -- | -- | |
| 甲酸 | -- | -- | |
| 眼科检查 | 共焦彩色眼底成像（Compass） | -- | -- |
| Heidelberg Spectralis光学相干断层扫描仪 | Heidelberg Engineering | -- |
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 样本采集 | 样本采集时间、处理时间和储存条件（如CSF需在3小时内冷冻，离心条件） 阅读提示：参见Material and Methods中Sample Collection部分 |
| 患者纳入与排除 | IIH诊断标准（2013年标准），患者为初治新发；排除继发性PTCS、男性、妊娠、既往IIH等 阅读提示：参见Material and Methods中Participants部分 |
| 蛋白质组学分析 | 血清高丰度蛋白耗竭方法、酶解条件、LC-MS/MS参数（如DIA窗口、梯度） 阅读提示：参见Material and Methods中Proteomics部分 |
| 机器学习建模 | 特征选择方法（ExtraTrees）、分类器参数（XGBoost）、交叉验证设置（重复次数、折数） 阅读提示：参见Material and Methods中Identification IIH-Specific Proteins部分 |
| 队列验证 | 验证队列的样本量、患者匹配方式、所用蛋白质面板的亚集 阅读提示：参见Results中Clinical Validation部分及其图注 |