多队列大脑脊髓液蛋白质学识别了阿尔茨海默病连续体中强大的分子特征
Muhammad Ali1, Jigyasha Timsina1, Daniel Western1
1Department of Psychiatry, Washington University in St. Louis, St. Louis, MO 63130, USA.
Neuron
|March 15, 2025
概括
研究人员在脑脊液 (CSF) 中发现了超过2000种与阿尔茨海默病 (AD) 进展相关的蛋白质. 机器学习模型准确地预测AD状态和转化,提供新的诊断和治疗途径.
科学领域:
- 神经科学是一个神经科学.
- 生物化学 生物化学
- 蛋白质组学是指蛋白质组学.
背景情况:
- 阿尔茨海默氏病 (AD) 的发病包括大脑和脑脊液 (CSF) 中的β-粉样蛋白 (Aβ) 和高酸化 (T) 的变化.
- 脑脊液蛋白质组为AD病理生理学,诊断和治疗提供了一个窗口.
研究的目的:
- 使用AT框架全面识别AD中失调的蛋白质.
- 通过蛋白质变化了解AD的时间进展.
- 开发用于AD诊断和转换的准确预测模型.
主要方法:
- 一个三阶段的研究设计:发现,复制和元分析.
- 对CSF进行蛋白质组分析,以识别失调的分析物.
- 机器学习模型的开发和验证,用于预测AD生物标志物的阳性,临床状态和转化.
主要成果:
- 在AD中确定了2,173个失调的分析物 (2,029个独特的蛋白质),其中57%是新发现.
- 蛋白质聚集在四个伪轨迹组中,反映了AD连续性的不同阶段.
- 丰富的途径包括神经元死亡,亡,陶酸化,微质失调,内分泌体功能障碍,大脑可塑性和微质-神经元交叉交互.
- 经过验证的机器学习模型在预测AD状态和转换方面取得了高准确性 (AUC>0.90).
结论:
- 脑脊髓蛋白质组提供了AD进展的详细地图,揭示了新的生物标志物和途径.
- 基于CSF蛋白质组数据的机器学习模型为AD诊断和预后提供了高度准确和可靠的工具.
- 这些发现为改善阿尔茨海默病的诊断和有针对性的治疗策略铺平了道路.
