使用基于CSF的生物标志物模型对阿尔茨海默氏病的疾病分期

科学领域:

• 神经科学是一个神经科学.
• 生物标志物发现发现
• 计算生物学 计算生物学

背景情况:

• 通过生物分期,可以改善阿尔茨海默病 (AD) 诊断和预后.
• 目前的方法缺乏对AD的标准化生物分期方法.
• 大脑脊髓液 (CSF) 生物标志物为AD病理生理学提供了一个窗口.

研究的目的:

• 开发和验证使用CSF生物标志物的阿尔茨海默病强大的生物分期模型.
• 评估拟议的CSF分期模型与其他AD生物标志物和临床进展的相关性.
• 评估分期模型在临床实践和试验设计中的有用性.

主要方法:

• 使用亚型和阶段推断 (SuStaIn) 算法进行生物分期.
• 分析了BioFINDER-2队列中的426名参与者的脑脊髓样本.
• 在一个独立的222名参与者的队列中验证了分期模型,来自骑士阿尔茨海默病研究中心.
• 包括五个关键的CSF生物标志物:Aβ42/40,pT217/T217,pT205/T205,MTBR-tau243,以及非酸化的中区域.

主要成果:

• SuStaIn算法识别了一种独特的生物标志物序列,建立了一个可靠的5阶段 (0-5) CSF阶段模型,用于AD.
• 脑脊髓的阶段与Aβ-PET和tau-PET成像生物标志物的异常相关.
• 基线上较高的CSF阶段与临床衰退风险增加有关.
• 该模型显示了AD生物标志物的纵向变化与AD生物标志物的对齐,反映了疾病进展.

结论:

• 一个单一的CSF采集可以准确地识别AD病理和阶段疾病进展使用拟议的模型.
• 开发的CSF分期模型为个人跨越AD病理生理学提供了一个共同的分子途径.
• 这种分期系统对改善阿尔茨海默病的诊断准确性,预后评估和临床试验设计具有重要意义.