tau蛋白扩散范围优于tau蛋白负荷作为阿尔茨海默病神经退行性变的预测指标

Tau extent outperforms tau load as a predictor of neurodegeneration in Alzheimer's disease

作者信息Arthur C Macedo, Lydia Trudel, Seyyed Ali Hosseini, Joseph Therriault, Étienne Aumont, Gleb Bezgin, Nesrine Rahmouni, Jenna Stevenson, Cécile Tissot, Marcel S Woo, Stijn Servaes, Stuart Mitchell, Jaime Fernandez-Arias, Brandon Hall, Tevy Chan, Marina Pereira Gonçalves, Pamela C L Ferreira, João Pedro Ferrari-Souza, Bruna Bellaver, Firoza Z Lussier, Andréa L Benedet, Nicholas J Ashton, Henrik Zetterberg, Kaj Blennow, Dana L Tudorascu, Eduardo R Zimmer, Maxime Montembeault, Jean-Paul Soucy, Jesse Klostranec, Tharick A Pascoal, Paolo Vitali, Pedro Rosa-Neto
PMID42243971
发布时间2026-06-04
DOI10.1186/s13024-026-00945-1

实验完整度

研究基于临床队列,包含横断面和纵向分析,利用多模态影像及生物标志物,进行统计建模,但缺乏机制性功能验证。

主要模型

TRIAD临床队列(涵盖认知正常及认知受损个体) 基于[18F]MK-6240的tau-PET成像 MRI结构成像

重点核对

TRIAD队列参与者(n=367)的纳入标准及AD生物标志物确认 tau-PET指标(SEOT和SUVR)的测量方法及ROI定义 神经退行性变标志物的测量(皮层厚度、海马体积、MTA评分) 横断面和纵向统计分析模型(调整因素)

摘要

背景:在阿尔茨海默病(AD)中,tau蛋白病理与神经退行性变的相关性比淀粉样蛋白-β更强,且能更好地预测脑萎缩。tau蛋白病的空间扩散范围(SEOT)作为AD严重程度的早期和更敏感标志物已显示出前景,但这两个互补维度与神经退行性变的关系仍不清楚。在此,我们比较了tau-PET扩散范围与负荷与横断面和纵向神经退行性变的体内关联。方法:我们研究了来自TRIAD队列的367名参与者(平均年龄69.3岁;61%为女性),涵盖健康老龄化至AD连续谱,均接受了[18F]MK-6240 tau-PET检查。tau蛋白负荷以区域标准化摄取值比(SUVR)量化,SEOT以时间元感兴趣区(ROI)和全皮层ROI内异常体素的百分比表示。神经退行性变标志物包括皮层厚度、海马体积(HCV)、内侧颞叶萎缩(MTA)视觉评分、血浆神经丝轻链(NfL)和脑脊液总tau(t-tau)。使用多元线性回归或协变量调整的Spearman相关评估横断面关联。我们还比较了所有皮层区域中tau蛋白负荷和扩散范围与皮层厚度的局部相关性。使用线性混合效应模型测试了对神经退行性变的纵向预测价值。结果:横断面分析中,所有tau-PET指标均与影像和液体生物标志物的神经退行性变显著相关。全皮层SEOT在皮层变薄方面提供了最佳模型拟合。SEOT在海马体积关联和MTA预测方面优于tau蛋白负荷,而SEOT和SUVR在血浆NfL和CSF t-tau的关联方面表现相当。在所有皮层区域中,tau蛋白扩散范围与局部皮层厚度的相关性等于或优于tau蛋白负荷。纵向分析中,基线全皮层SEOT最能预测未来的皮层变薄,而颞叶SEOT最能预测未来的海马萎缩。结论:在横断面和纵向分析中,tau蛋白扩散范围在预测影像学神经退行性变方面优于tau蛋白负荷。通过实现无空间偏差的全脑tau负荷评估以适应异质性拓扑,SEOT代表了在AD分期和疾病进展追踪中一种有前景的补充性tau-PET指标。

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
tau蛋白扩散范围 (SEOT) 与tau蛋白负荷 (SUVR) 相比,哪个能更好地预测阿尔茨海默病(AD)中的神经退行性变?
核心机制
tau蛋白扩散范围可能更好地捕捉早期病理性tau的存在,从而更直接地驱动神经退行性变;而tau蛋白负荷反映的是tau累积的总负担。
主要证据
基于TRIAD队列的横断面和纵向分析,SEOT与皮层厚度的关联更强,且在预测海马萎缩方面更优,而流体标志物方面两者相似。
研究意义
SEOT作为一种无空间偏差的全脑tau负荷评估指标,有望用于AD的分期和疾病进展追踪,尤其对非典型tau分布模式的患者更有价值。

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。

1

研究人群和临床评估

建立涵盖健康老龄化至AD的队列,并确定认知状态和AD病理生物标志物状态。

从TRIAD队列招募认知正常和认知受损参与者,进行临床评估和生物标志物检测,包括Aβ-PET和CSF Aβ42/40,以确定Aβ阳性状态。

2

tau-PET成像和指标计算

使用[18F]MK-6240 tau-PET测量tau蛋白负荷 (SUVR) 和扩散范围 (SEOT),并比较其在不同ROI中的表现。

所有参与者接受tau-PET扫描,使用时间元ROI和全皮层ROI计算平均SUVR和SEOT(异常体素比例)。SEOT基于与年轻参考组比较的阈值定义。

3

神经退行性变的影像和液体标志物评估

使用MRI和生物标志物多维度评估神经退行性变。

利用FreeSurfer计算皮层厚度(AD元ROI和全脑),利用ASHS分割海马并计算体积,进行MTA视觉评分,测量血浆NfL和CSF t-tau。

4

横断面关联分析

评估tau-PET指标与神经退行性变标志物之间的横断面关联,并比较SEOT和SUVR的性能。

使用线性回归分析tau指标与皮层厚度的关联,用Spearman相关分析海马体积、血浆NfL和CSF t-tau的关联,并比较模型拟合和相关系数。还进行了区域相关性分析和MTA分组的比较。

5

纵向预测模型

评估基线tau-PET指标对神经退行性变纵向轨迹的预测价值。

使用线性混合效应模型检验基线SEOT和SUVR对皮层厚度和海马体积随时间变化的预测作用,并比较模型拟合。

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
[18F]MK6240----
[18F]AZD4694----
3T西门子Magnetom扫描仪Siemens--
西门子高分辨率研究断层扫描仪(HRRT)Siemens--
Simoa免疫分析Quanterix--
LUMIPULSE G1200Fujirebio--

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
研究人群
TRIAD队列的纳入标准,认知状态定义(CU、MCI、AD痴呆),AD生物标志物证据(Aβ阳性)
阅读提示:Methods: Study population
tau-PET指标
示踪剂[18F]MK6240,参考区(小脑灰质),SEOT测量方法(异常体素阈值),ROI定义(时间元ROI、全皮层ROI)
阅读提示:Methods: Tau-PET measures
神经退行性变标志物
MRI采集细节(3T扫描仪,1mm分辨率),皮层厚度计算方法(FreeSurfer),海马体积计算(ASHS),MTA视觉评分标准
阅读提示:Methods: Imaging neurodegeneration measures
统计分析
调整协变量(年龄、性别、教育年限、Aβ-PET SUVR,海马模型另调整ICV),横断面和纵向模型的具体细节
阅读提示:Methods: Statistical analysis