肌萎缩侧索硬化风险与预后中的蛋白质生物标志物

Protein Biomarkers in Risk and Prognosis of Amyotrophic Lateral Sclerosis

作者信息Lu Pan, Can Hou, Christina Seitz, Caroline Ingre, Åsa K Hedman, Jose Laffita, Trung Nghia Vu, Yudi Pawitan, Abbe Ullgren, Solmaz Yazdani, John Andersson, Emily E Joyce, Charilaos Chourpiliadis, Anikó Lovik, Yan Chen, Sebastian A Lewandowski, Oscar Fernandez-Capetillo, Myriam Barz, Kristin Samuelsson, Rayomand Press, Fredrik Piehl, Caroline Graff, Anders Mälarstig, Fang Fang
PMID42698373
发布时间2026-09
DOI10.1111/ene.70741

实验完整度

包含发现队列和外部验证队列,涉及血浆、CSF蛋白质组学、纵向随访、生存和功能分析、风险预测模型等多层级验证。

主要模型

ALSrisc队列(198例ALS患者与125名对照) UK Biobank队列(52,990名参与者,298例ALS) 血浆样本 脑脊液样本

重点核对

血浆和CSF中NEFL水平与ALS风险、预后及功能衰退的关联 ALSrisc中Olink数据质控(PCA、预分析处理评分) UK Biobank中ALS风险预测模型的ROC-AUC 血浆蛋白质水平纵向稳定性(3年内)

摘要

背景:肌萎缩侧索硬化(ALS)的血浆和脑脊液蛋白质生物标志物可能有助于了解疾病机制并产生临床有用的生物标志物。方法:使用Olink检测技术对来自198名ALS患者和125名匹配对照的血浆和脑脊液中的363种蛋白质进行了分析。评估了蛋白质与疾病状态、生存和功能衰退的关联,以及疾病过程中生物标志物的纵向稳定性,并进行了网络和富集分析。ALS风险相关生物标志物在UK Biobank中进行了外部验证。结果:共有125种蛋白质与至少一种结局(即病例状态、风险、生存或功能衰退)显著相关,21种蛋白质与三种或更多结局相关。NEFL是血浆和脑脊液中最稳健的生物标志物,此外还有血浆和脑脊液中的TNFRSF12A、血浆中的EDA2R以及血浆和脑脊液中的FABP4。大多数生物标志物在疾病过程中纵向保持稳定。ALS风险相关生物标志物在UK Biobank中得到重复,该队列测量了52,990名参与者(包括298名ALS患者)的超过3000种血浆蛋白质。网络和富集分析强调了它们在免疫反应和细胞外基质重塑中的作用,以及在大脑和T细胞亚群中的富集。构建的ALS风险预测模型在UK Biobank验证队列中达到了0.72的ROC-AUC。结论:这些发现提示了用于ALS风险分层、早期检测和临床治疗监测的候选蛋白质生物标志物。

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
血浆和脑脊液中的哪些蛋白质与ALS的疾病状态、风险、预后和功能衰退相关,并可用于风险预测?
核心机制
ALS相关蛋白富集于免疫反应和细胞外基质重塑等通路,提示ALS是一种涉及免疫、肌肉和基质重塑的多系统疾病。
主要证据
在ALSrisc中,NEFL、TNFRSF12A、EDA2R和FABP4等多种蛋白与疾病状态或预后显著相关;在UK Biobank中风险相关蛋白得到验证,且风险预测模型在验证队列中AUC达0.72。
研究意义
发现候选蛋白生物标志物,可能有助于ALS的风险分层、早期检测和治疗监测。

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

发现阶段:ALSrisc中血浆和CSF蛋白质组学分析

识别与ALS疾病状态相关的蛋白质

使用Olink四组panel测量198名ALS患者和125名对照的血浆和CSF中的363种蛋白质,通过GEE模型比较病例和对照的蛋白质水平。

2

预后分析:生存和功能衰退关联

评估基线蛋白质水平与ALS患者生存和功能衰退的关联

使用Cox比例风险模型和混合效应模型分析蛋白质水平与死亡风险和ALSFRS-R评分下降的关系。

3

纵向稳定性评估

评估疾病过程中蛋白质水平的纵向稳定性

对72名ALS患者的血浆样本和39名患者的CSF样本进行重复采样,使用线性混合效应模型分析蛋白质水平随时间的变化。

4

外部验证:UK Biobank风险关联分析

验证ALSrisc中发现的风险相关蛋白是否与未来ALS风险相关

在UK Biobank的52,990名参与者中测量2922种血浆蛋白,使用线性回归模型比较未来发生ALS者与未发生者的基线水平。

5

风险预测模型构建与验证

整合临床、遗传和蛋白质组学特征预测非C9orf72携带者的ALS风险

使用ALSrisc作为训练集,UK Biobank作为验证集,采用嵌套L2正则化逻辑回归模型,结合人口学、遗传、NEFL和蛋白嵌入特征。

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
Olink Target 96 Neuro Exploratory、Neurology、Cardiovascular III和Inflammation panelsOlink--
Illumina全球筛选阵列Illumina--
UK Biobank Axiom阵列----
全基因组测序----

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
蛋白质组学检测
使用的Olink panel种类、样本类型(血浆或CSF)、Olink QC流程、样本存储时间
阅读提示:见Methods 2.2 ALSrisc Study和2.3 UK Biobank Study
统计关联分析
统计模型(GEE、Cox、混合效应)、协变量调整(年龄、性别、技术因素等)、显著性阈值(FDR < 0.05)
阅读提示:见Methods 2.4.2
外部验证
UK Biobank队列样本量、ALS诊断标准、随访时间、蛋白质平台
阅读提示:见Methods 2.3
风险预测模型
训练集和验证集划分、纳入的预测因子(基本模型、遗传、NEFL、蛋白嵌入)、模型类型(L2正则化逻辑回归)
阅读提示:见Methods 2.4.3