血浆蛋白质组分析为神经退行性痴呆的鉴别诊断和分子分期鉴定生物标志物

Plasma proteome profiling identified biomarkers for the differential diagnosis and molecular staging of neurodegenerative dementias

作者信息Giovanni Bellomo, Lisa Vermunt, Sjors In 't Veld, James D Doecke, Yanaika S Hok-A-Hin, Kateřina Veverová, Isabel M Houtkamp, Daniel Alcolea, Steffen Halbgebauer, Carlos Quesada, Niklas Mattsson, Minerva Martinez-Castillo, María José López-Martínez, Alberto Rábano, Lynn Boonkamp, Christopher Fowler, Juan Fortea, Lorenzo Gaetani, Andrea Toja, Yolande Pijnenburg, Afina Lemstra, Wiesje M van der Flier, Pascual Sánchez-Juan, Jakub Hort, Markus Otto, Sarah Anderl-Staub, Anne Sieben, Bart de Viel, Sebastiaan Engelborghs, Oskar Hansson, Colin Masters, Alberto Lleó, Lucilla Parnetti, Charlotte E Teunissen, Marta Del Campo
PMID42477094
期刊Nat Aging
发布时间2026-08
DOI10.1038/s43587-026-01162-7

实验完整度

包含发现队列蛋白组学筛选、独立多中心验证队列、autopsy-confirmed队列验证及帕金森病队列验证,证据层级充分。

主要模型

阿尔茨海默病连续谱患者血浆样本 路易体痴呆患者血浆样本 额颞叶痴呆患者血浆样本 帕金森病队列血浆样本

重点核对

血浆样本采集标准:按标准化国际指南,注意AIBL使用添加前列腺素E1的EDTA管,VARS使用枸橼酸血浆 检测平台:发现队列使用Olink Explore 384 PEA panels,验证队列使用定制21-plex PEA panel 质量控制:排除低于检测限或QC警告的蛋白,排除QC警告过多的样本 统计模型:利用逻辑回归和LASSO回归,校正年龄性别,Benjamini-Hochberg校正多重检验

摘要

基于血液的生物标志物正成为神经退行性疾病诊断和监测的可扩展工具,但能够区分主要痴呆类型的标志物仍然有限。在此,我们展示了大规模血浆蛋白质组学可识别阿尔茨海默病、路易体痴呆和额颞叶痴呆的疾病相关特征。我们分析了来自国际队列的1,318份血浆样本,在不同疾病组中鉴定了超过200种失调蛋白。胶质纤维酸性蛋白在阿尔茨海默病连续谱中表现出最强的增加,而整合素α-V和整合素α-M在路易体疾病(包括尸检确诊病例)中持续降低。神经丝轻链升高和胶质纤维酸性蛋白降低与额颞叶痴呆相关。我们将这些发现转化为一个21蛋白定量多重检测panel,并在一个独立的多中心队列中进行了验证(n = 805)。这些发现支持血浆蛋白质组学作为一种基于生物标志物的方法,用于主要神经退行性痴呆的鉴别诊断和疾病分期。

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
研究试图回答AD、DLB和FTD是否具有可区分且可验证的血浆蛋白质组标志物,以及这些标志物能否用于鉴别诊断和AD分子分期。
核心机制
AD相关蛋白普遍下调与内质网自噬机制相关,而GFAP升高反映星形胶质细胞反应;DLB相关整合素ITGAV和ITGAM下调可能反映NRG1介导的神经营养信号受损,与多巴胺能通路功能障碍相关。
主要证据
基于1,318份血浆样本的PEA蛋白质组学发现236个AD相关、71个DLB相关和198个FTD相关失调蛋白,并在独立多中心队列(n=805)和尸检确认队列中验证了关键候选标志物。
研究意义
研究支持血浆蛋白质组学作为神经退行性痴呆鉴别诊断和疾病分期的工具,为临床应用提供了候选标志物和验证的多重检测panel。

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

发现队列蛋白质组学分析

识别AD、DLB和FTD与对照组相比的差异血浆蛋白质。

对来自六个国际队列的1,318份血浆样本使用PEA蛋白质组学技术检测1,536种蛋白质,经质量控制后保留1,016种蛋白质。

2

差异表达和通路分析

确定与AD、DLB和FTD相关的显著失调蛋白和富集通路。

使用逻辑回归比较各疾病组与对照组以及组间差异,计算Q值、Beta系数、Cohen's d和AUC;对AD连续谱进行KEGG通路富集分析。

3

生物标志物panel选择和建模

选择最小蛋白组合以区分DLB和FTD并与AD和对照组区分,以及构建AD分期模型。

使用100折交叉验证LASSO回归在训练集中选择蛋白,为每个比较构建多元逻辑回归模型,并在测试集中验证。

4

定制多重检测panel开发和验证

在独立多中心队列中验证发现阶段的模型和标志物。

开发定制21-plex PEA panel定量测量21个蛋白,在验证队列(n=805)中测试,并用发现模型评估诊断性能。

5

神经病理学和PD队列验证

探索血浆标志物与AD和DLB神经病理学生物标志物之间的关联,并检查DLB标志物在PD中的改变。

使用VARS尸检队列的PEA数据,分析21个panel蛋白与淀粉样斑块、神经原纤维缠结等病理评分的相关性;使用PPMI PD队列分析DLB候选标志物。

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。

蛋白质组学检测
通路富集分析

产品清单

实验环节名称品牌货号
Explore 384 心血管代谢panelOlink Proteomics--
Explore 384 炎症panelOlink Proteomics--
Explore 384 神经学panelOlink Proteomics--
Explore 384 肿瘤学panelOlink Proteomics--
定制21-plex PEA panelOlink Proteomics--
ELISA INNOTESTFujirebio--
Elecsys生物标志物检测Roche Diagnostics--
Lumipulse G600Fujirebio--
Euroimmun ELISA检测Euroimmun--

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
队列样本采集
血浆样本收集的标准化程序,特别是不同中心使用不同抗凝剂(AIBL使用EDTA+前列腺素E1,VARS使用枸橼酸)
阅读提示:Methods: Plasma protein profiling
蛋白质组学检测
使用的PEA panel类型(发现队列为Olink Explore 384,验证队列为定制21-plex),以及样本随机化、QC标准
阅读提示:Methods: Plasma protein profiling, Development of custom PEA
数据分析
逻辑回归模型中的协变量(年龄、性别),多重检验校正方法(Benjamini-Hochberg),以及LASSO模型的交叉验证设置
阅读提示:Methods: Statistics and reproducibility
验证队列模型应用
验证数据校准方法:log2转化后使用发现队列CTRL的median和IQR进行z-score标准化
阅读提示:Methods: Statistics and reproducibility