通过机器学习和转录组整合阐明阿尔茨海默病中淀粉样蛋白β和tau的神经病理学及分子异质性

Elucidating the neuropathological and molecular heterogeneity of amyloid beta and tau in Alzheimer's disease through machine learning and transcriptomic integration

作者信息Kanhao Zhao, Hua Xie, Tovia Jacobs, Naomi L Gaggi, Juan Fortea, Nancy B Carlisle, Gregory A Fonzo, Kilian M Pohl, Ricardo S Osorio, Yu Zhang, ADNI Study Group and the PREVENT‐AD Research Group
PMID42644421
发布时间2026-08
DOI10.1002/alz.71757

实验完整度

包含多队列影像数据、对比图卷积网络建模、转录组富集及细胞类型分析,但缺乏体外/动物等独立功能验证。

主要模型

ADNI队列(n=161) PREVENT-AD队列(n=128) Allen人脑图谱(AHBA)转录组数据

重点核对

A+定义:CSF Aβ1-42 < 976.6 pg/mL p-tau181预测阈值:> 21.8 pg/mL fMRI预处理具体参数(如平滑核6mm) 对比图卷积网络模型结构及训练细节 PLS回归及基因显著性检验方法

摘要

引言:与阿尔茨海默病(AD)病理相关的功能性脑网络改变,包括淀粉样蛋白β(Aβ)和磷酸化tau蛋白(p‐tau),由于与衰老相关和非淀粉样蛋白生物学过程的重叠而难以解释。方法:我们分析了基于脑脊液生物标志物被分类为Aβ阳性(A+,n = 129)或Aβ阴性(A−,n = 160)的289名老年人的静息态功能磁共振成像(fMRI)数据。使用对比深度学习框架来识别A+特异的网络维度,并预测个体Aβ和p‐tau水平。结果:A+特异的信号定位于右侧颞上回和前扣带回皮质,并与注意力和记忆功能相关,转录组富集分析提示突触功能障碍和胶质细胞活性。相比之下,A+和A−个体共享的信号维度涉及语言相关区域和衰老相关分子通路。结论:这些发现表明,对比图学习可能有助于将淀粉样蛋白相关的功能网络变异与更广泛的背景生物学变异性区分开来,从而深入了解AD相关生物标志物和认知功能障碍的异质性。

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
如何将AD病理(Aβ和p-tau)相关的功能网络变异与衰老及非淀粉样蛋白相关背景变异分离,并阐明其分子基础?
核心机制
A+特定维度富集于突触信号、胶质细胞活性相关通路;A-共享维度富集于衰老相关通路(如自噬调控、DNA损伤应答)。
主要证据
基于289名受试者的fMRI及脑脊液数据,cGCN模型预测Aβ和p-tau水平(R2=0.19/0.26),RSA显示A+维度与记忆/注意力相关,PLS转录组分析揭示基因富集通路。
研究意义
为理解AD病理异质性提供新框架,可能有助于识别疾病特异性生物标志物和干预靶点。

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

受试者分类与数据预处理

基于脑脊液Aβ状态将受试者分为A+和A-组,并进行fMRI数据预处理以减少站点差异。

根据脑脊液Aβ1-42水平将289名受试者分为A+(n=129)和A-(n=160);采用fMRIPrep流程预处理fMRI数据,包括强度校正、颅骨剥离、空间标准化、运动校正、ICA-AROMA去噪及6mm平滑;计算功能连接矩阵并用ComBat进行跨站点协调。

2

对比图卷积网络模型构建与预测

训练cGCN模型,从功能连接图中提取A+特异性和A-共享的潜在特征,用于预测个体CSF Aβ和p-tau水平。

构建包含两个编码器的对比变分自编码器,一个在A+数据集上训练,另一个在A+和A-组合数据集上训练;通过对比损失和预测损失进行训练;采用10次五折交叉验证评估预测性能。

3

脑签名提取与特征分析

通过梯度求和识别对预测Aβ和p-tau最重要的脑区,并比较A+特异性和A-共享维度的空间分布。

计算输入脑图相对于预测值的梯度,对每个脑区的重要性进行求和;比较不同维度的脑签名相似性,使用置换检验评估。

4

特征与临床变量关联分析

评估A+特异性和A-共享潜在特征与认知及其他临床变量的关联。

使用表征相似性分析构建潜在特征和临床变量的相似性矩阵,计算Mantel检验(Spearman相关),并通过Fisher组合概率检验和Kruskal-Wallis检验等统计分析。

5

转录组关联分析

将脑签名与AHBA基因表达数据关联,以识别相关基因和生物学通路。

使用偏最小二乘回归将脑签名与100个区域的基因表达矩阵关联,通过置换检验和自举法评估显著性,并利用Metascape进行基因集富集分析。

6

细胞类型特异性分析

鉴定与Aβ和p-tau相关的基因在七种中枢神经系统细胞类型中的富集情况。

将PLS基因列表与七种典型细胞类型(兴奋性神经元、抑制性神经元、小胶质细胞、星形胶质细胞等)的基因列表进行重叠分析,并进行通路富集。

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
3T飞利浦扫描仪Philips--
西门子TIM Trio 3T磁共振扫描仪Siemens--
INNO-BIA AlzBio3试剂盒Innogenetics--
xMAP Luminex平台Luminex Corp--
Innotest ELISA试剂盒Fujirebio--
TaqMan检测----
DNA Blood Mini KitQiagen--

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
受试者分组
A+和A-的划分依据:CSF Aβ1-42 < 976.6 pg/mL;p-tau181 > 21.8 pg/mL
阅读提示:Methods 2.6.2 和 2.8
fMRI预处理
fMRIPrep版本、平滑核大小(6mm)、ROI模板(Schaefer 100)
阅读提示:Methods 2.5
模型训练
cGCN网络架构、对比损失参数、学习率、epoch数、交叉验证折数(5折,10次重复)
阅读提示:Methods 2.6
转录组分析
AHBA数据版本、PLS成分数、置换次数(2000次)、FDR阈值(0.05)
阅读提示:Methods 2.11