阿尔茨海默病不同脑区淀粉样蛋白β斑块的多样性及其与主要临床病理特征的关系

Amyloid-β plaque diversity across brain regions in Alzheimer's disease and its relation to major clinicopathological traits

作者信息Antonia Neubauer, Paul Feyen, Susanna Pekrun, Sigrun Roeber, Viktoria Ruf, Felix L Strübing, Jochen Herms
PMID42841982
发布时间2026-10-07
DOI10.1007/s00401-026-03096-1

实验完整度

高

84例AD患者尸检脑组织多脑区免疫组化,结合随机森林分割、CNN六类分类及多因素统计关联验证。

主要模型

84例晚期AD病例尸检脑组织 多达23个脑区(皮层、皮层下、海马、小脑) 4G8免疫组化Aβ染色切片 随机森林与卷积神经网络斑块分类模型

重点核对

84例晚期AD病例,Braak IV/V/VI,Thal 3/4/5,CERAD B/C 每例多达23个脑区,共1179个标注区域,57,233个Aβ沉积物 4G8抗体1:5000,80%甲酸15 min,CC1缓冲液预处理 CNN训练集2135、验证集533、测试集471,测试召回81.5%、精确率82.4% 核心型斑块和CAA预测视觉复核:2955个核心型中68.7%重分类,2276个CAA中82.7%重分类

摘要

淀粉样蛋白β(Aβ)沉积和tau积累是阿尔茨海默病(AD)的神经病理学标志。虽然Aβ沉积呈现广泛的形态多样性,但AD中Aβ斑块组成的全面跨区域概览及其与临床病理特征的关联仍然缺失。在本研究中,我们系统地记录了84例晚期AD病例多达23个脑区中Aβ斑块的丰度和形态多样性。在4G8二氨基联苯胺染色中,沉积物通过随机森林像素分类器进行分割,并使用卷积神经网络分为六类(核心型、弥漫浅淡型、弥漫致密型、致密型、小致密型斑块、脑淀粉样血管病(CAA))。沉积物计数在类别、区域和tau负荷之间使用Pearson相关进行分析。检查了斑块密度与共病理、性别、ApoE、家族性与散发性病例、临床发病年龄、疾病持续时间和死亡年龄之间的关联。我们的分类模型在测试集中达到了81.5%的召回率和82.4%的精确率。皮层脑区显示出最高的Aβ斑块负荷,主要由弥漫浅淡型和小致密型斑块组成。斑块密度在海马和皮层区域内及之间相关。弥漫致密型、小致密型和致密型斑块的丰度彼此正相关,而核心型斑块和CAA的密度与其他斑块类别不相关。只有核心型斑块与内嗅皮层tau负荷正相关,而其他斑块类别(除CAA外)显示负相关。值得注意的是,女性性别与更多弥漫型斑块相关,ApoE4与弥漫致密型和小致密型斑块相关。较早的发病和死亡年龄与较高密度的弥漫浅淡型斑块相关。总体而言,关联在不同脑区和斑块类别间存在差异。核心型斑块和CAA在统计学上与其他Aβ沉积不同,提示在疾病过程中具有不同的关联模式。

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
AD中Aβ斑块的形态多样性在不同脑区如何分布,以及其与tau负荷、共病理、性别、ApoE、发病年龄等临床病理特征有何关联。
核心机制
Aβ沉积具有高度异质性;核心型斑块和CAA在统计学上与其他Aβ沉积不同,提示在疾病过程中具有不同的关联模式;弥漫浅淡型与致密型沉积可能由不同机制形成。
主要证据
84例晚期AD病例多达23个脑区的4G8免疫组化染色,随机森林像素分类器分割,CNN分为六类,Pearson相关和多因素线性回归分析。
研究意义
提供了跨脑区、经元数据分化的Aβ沉积数据集,可作为进一步相关性分析的模板;核心型斑块和CAA在疾病过程中可能具有特殊作用。

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

脑组织样本采集与神经病理评估

建立晚期AD病例队列并确认神经病理诊断。

从Neurobiobank Munich获取脑组织,纳入登记为晚期AD(Braak IV/V/VI)且有DAB Aβ染色切片的病例,由至少两名神经病理学家进行评估。

2

Aβ免疫组化染色与图像采集

在标准化条件下获取Aβ沉积的数字化图像。

5 µm石蜡切片,80%甲酸15 min和CC1缓冲液预处理,4G8抗体1:5000孵育,ultraView Universal DAB检测,苏木素复染,Zeiss Axio Scan Z.1 20×扫描。

3

脑区标注与沉积物分割

在标准化区域内识别并分割Aβ沉积物。

在QuPath中手动标注灰质区域,通过DeeperHistreg非刚性配准到Aβ和tau染色;tile分割为4096×4096像素;颜色去卷积提取DAB信号;ilastik随机森林像素分类器检测沉积物;阈值0.7分割;平滑、分水岭和对象检测提取个体沉积物。

4

Aβ斑块六类分类模型训练与测试

建立能够区分六类Aβ沉积的卷积神经网络分类器。

基于Tang et al.模型架构增加卷积层,输入512×512像素灰度图像,分为核心型、弥漫浅淡型、弥漫致密型、致密型、CAA、小致密型六类;数据增强包括旋转、翻转、颜色抖动、平移、剪切和缩放;交叉熵损失优化。

5

跨脑区Aβ沉积负荷与类别比例分析

比较不同脑区Aβ总负荷和各斑块类别比例。

Kruskal-Wallis检验和Dunn's post hoc分析比较脑区绝对沉积负荷和类别比例;40例完整子集重复分析;Pearson相关分析脑区间斑块计数相关性。

6

斑块类别间及与tau的相关性分析

评估不同斑块类别之间以及与内嗅皮层tau负荷的关联。

Pearson相关分析各斑块类别绝对和相对负荷之间及与内嗅皮层tau覆盖面积的相关性,校正脑区差异,FDR校正。

7

Aβ沉积与共病理、性别、基因型及临床变量的关联分析

检验Aβ斑块类别与α-syn、TDP43共病理、性别、ApoE基因型、家族性突变、发病年龄、疾病持续时间和死亡年龄的关联。

多重线性回归模型,以各斑块类别绝对或相对负荷为因变量,各临床病理变量为自变量,校正年龄、性别、ApoE和脑区,FDR校正。

8

多因素整合分析

整合性别、ApoE4、发病年龄和疾病持续时间,识别各斑块类别的决定因素。

线性混合效应模型,以各斑块类别密度为因变量,脑区、性别、ApoE4状态、发病年龄和疾病持续时间为自变量,患者ID为随机效应。

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
4G8单克隆抗体BioLegend800701
ultraView通用DAB检测试剂盒Roche760-500
Ventana抗体稀释缓冲液Roche251-018
Cell Conditioning (CC1) Tris缓冲液Roche--
苏木素和返蓝试剂Roche--
AT8单克隆抗体ThermoFisherMN1020
克隆42单克隆抗体BDTransduction610787
QIAmp DNA迷你试剂盒Qiagen51304
TruSeq无PCR基因组DNA文库制备试剂盒IlluminaFC-121-3003
Zeiss Axio Scan Z.1扫描仪Zeiss--
Ventana Bench-Mark Ultra系统Roche--

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
AD病例队列与样本纳入
样本来源为Neurobiobank Munich;纳入标准为Braak IV/V/VI且存在DAB Aβ染色;共84例,女性46例、男性38例;发病年龄61.6±12.2岁,死亡年龄73.9±11.4岁。
阅读提示:Materials and methods中Human cohort and neuropathological assessment小节及Table 1。
Aβ免疫组化染色与图像扫描
切片厚度5 µm;80%甲酸预处理15 min;4G8抗体稀释1:5000;ultraView Universal DAB检测;Zeiss Axio Scan Z.1 20×扫描。
阅读提示:Materials and methods中Human cohort and neuropathological assessment小节。
脑区标注与沉积物分割阈值
皮层区域约1 mm²、非皮层区域约0.7 mm²;tile 4096×4096像素;随机森林分类器阈值0.7;排除<100 µm²的沉积物;>3865 µm²的沉积物进行分水岭处理。
阅读提示:Materials and methods中Image analysis and deposit detection小节及Fig. 1c、Table S1。
CNN分类模型训练与测试
训练集2135、验证集533、测试集471;batch size 24,56 epochs,learning rate 0.0001;3139个手动分类沉积物来自52例患者;测试集召回81.5%、精确率82.4%。
阅读提示:Materials and methods中Aβ deposit classification小节、Table 3及Fig. 2b。
统计分析与多重检验校正
Kruskal-Wallis和Dunn's post hoc分析;Pearson相关;多重线性回归校正变量包括年龄、性别、ApoE和脑区;FDR Benjamini-Hochberg校正;显著性水平p<0.05。
阅读提示:Materials and methods中Statistical analysis小节;各Results小节对应的Fig. 3–8图注。
多因素整合模型
线性混合效应模型公式:Deposit class ~ C(region) + C(sex) + C(ApoE4) + age at onset + disease duration + (1|patient ID);461个观测值/斑块类别来自64例患者;FDR校正。
阅读提示:Materials and methods中Statistical analysis小节末段及Fig. 8图注。