遗传性ALS的进行性睡眠缺陷先于临床疾病发作

Genetic ALS-Progressive Sleep Defects Precede the Onset of Clinical Disease

作者信息Christina Lang, Simon J Guillot, Antje Knehr, Patrick Weydt, Johannes Dorst, Hayrettin Tumani, Albert C Ludolph, Luc Dupuis, Matei Bolborea
PMID42765595
发布时间2026-09
DOI10.1111/ene.70755

实验完整度

中

纵向队列多导睡眠图分析,含睡眠宏观/微观结构及血清NfL检测,但样本量小,机制验证不足

主要模型

症状前ALS基因突变携带者(C9orf72、SOD1、FUS、TARDBP) 非携带者家庭成员对照

重点核对

携带者n=18,非携带者对照n=3,随访间隔2.3±1.5年 睡眠宏观结构指标:觉醒百分比、REM/NREM各期百分比、睡眠潜伏期、睡眠效率等 睡眠微观结构指标:睡眠纺锤波密度、慢振荡密度、K复合波密度 血清神经丝轻链(NfL)水平及z-score,以z-score>1.0定义为病理升高 表型转换定义:出现临床ALS相关体征或症状并经肌电图支持

摘要

背景:肌萎缩侧索硬化症(ALS)的发病前数年即可检测到非运动体征。我们近期发现,早期ALS患者和ALS相关基因突变的症状前携带者表现出睡眠宏观结构改变,特征为觉醒增加和非快速眼动睡眠减少,同时微观结构改变,特别是慢振荡和睡眠纺锤波减少。本研究旨在确定睡眠改变在ALS相关基因突变的症状前携带者中是否呈进行性。方法:这项纵向观察性队列研究纳入携带致病基因突变的ALS患者症状前一级亲属(n=18)和非携带者家庭成员(n=3)。在基线和2.3±1.5年后的随访检查中,使用标准化多导睡眠图和脑电图分析评估睡眠宏观结构和微观结构。结果:在所有携带者中,随访时睡眠改变比初次检查更严重,宏观和微观结构均如此。睡眠改变的进展似乎与运动症状发作的接近程度无关,无论通过神经丝蛋白水平升高还是研究期间的表型转换来评估。结论:睡眠宏观和微观结构异常在ALS症状前阶段进行性恶化。这些发现提示,多导睡眠图衍生的睡眠指标及其神经化学相关性可能作为临床沉默期ALS疾病进展的敏感、无创替代生物标志物。这可能支持疾病预防,例如在携带SOD1突变的患者中使用反义寡核苷酸tofersen。

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
在ALS相关基因突变的症状前携带者中,睡眠宏观和微观结构改变是否随时间进行性恶化,以及这种进展是否与运动症状发作的接近程度相关。
核心机制
睡眠宏观和微观结构异常在ALS症状前阶段进行性恶化,且似乎独立于运动症状发作的接近程度;文中未明确具体分子机制,但提示可能与神经化学异常如orexin或MCH系统变化有关。
主要证据
对18名症状前基因携带者和3名非携带者对照进行纵向多导睡眠图,发现随访时觉醒增加、NREM1增加而NREM3减少、睡眠效率下降、睡眠纺锤波密度、慢振荡密度和K复合波密度降低,且这些改变在NfL升高或表型转换的个体中未见明显不同模式。
研究意义
多导睡眠图衍生的睡眠指标及其神经化学相关性可能作为临床沉默期ALS疾病进展的敏感、无创替代生物标志物,支持疾病预防,例如在SOD1突变携带者中使用反义寡核苷酸tofersen。

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

队列建立与随访

纳入症状前ALS基因突变携带者及非携带者对照,进行纵向随访以评估睡眠改变的进展。

纳入18名携带致病基因突变的ALS患者症状前一级亲属和3名非携带者家庭成员,在基线和平均2.3±1.5年后进行随访评估。

2

多导睡眠图记录与脑电图分析

评估睡眠宏观结构和微观结构在基线和随访时的变化。

使用标准化整夜多导睡眠图记录脑电、肌电、眼电、心电、呼吸等参数,采用YASA深度学习算法进行睡眠分期,分析睡眠宏观结构(觉醒、REM、NREM各期、睡眠潜伏期、效率等)和微观结构(睡眠纺锤波、慢振荡、K复合波密度)。

3

神经丝轻链水平测量

评估疾病进展的神经化学标志物,分析其与睡眠改变进展的关系。

采集静脉血,离心提取血清,使用微流控Ella平台定量血清神经丝轻链(NfL)水平,并计算z-score。

4

数据分析与统计

比较基线和随访时睡眠变量的变化,评估其与疾病接近程度的关系。

使用线性混合效应模型分析纵向数据,以访视和访视间隔为固定效应,病例为随机效应;对NfL升高或表型转换的个体进行分层分析。

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
多导睡眠图系统----
Ella平台Bio-Techne--
MNE包----
SciPy包----
YASA深度学习算法(v0.6.5)----
Prerau Lab EDF去标识化工具(版本1.0)Prerau Lab--
Seaborn和Matplotlib包----

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
参与者纳入与排除
纳入标准:年龄≥18岁,确诊fALS患者的一级亲属;排除标准:神经退行性疾病或其他严重疾病,AHI>20/h或PLMSI>20/h;携带者n=18,非携带者n=3
阅读提示:Methods 2.2 Setting and Participants
多导睡眠图记录
记录参数包括EEG、EMG、EOG、ECG、呼吸努力和气流、脉搏、血氧饱和度;电极位置Fz, C3, C4, Cz, P3, P4, Pz, O1, O2, A1, A2;采样率512 Hz;熄灯标记;测量结束时间6:00 a.m.
阅读提示:Methods 2.4 Electroencephalography in Subjects
EEG预处理与睡眠分析
陷波滤波50 Hz;独立成分分析去除伪迹;睡眠分期基于熄灯后6小时窗口,30秒epoch;使用YASA算法v0.6.5;微结构分析限于NREM2期,K复合波限于C3电极
阅读提示:Methods 2.5 EEG Preprocessing, 2.6 Analysis of Sleep Macroarchitecture, 2.7 Analyses of Sleep Microarchitectural Events
NfL测量
血液离心2000g 10分钟,血清-80°C冻存;使用Ella平台(Bio-Techne)按制造商说明;病理升高定义为z-score>1.0
阅读提示:Methods 2.8 Measurement of Neurofilament Light Chain Levels
统计分析
线性混合效应模型,访视和访视间隔为固定效应,病例为随机效应;FDR-BKY校正,调整p值<0.05为显著;分别对C9orf72、SOD1、其他突变和全队列分析
阅读提示:Methods 2.9 Statistical Analysis