综合性单细胞和无细胞血RNA转录组学识别了早期非侵入性AD查的生物标志物
Li Wu1,2, Renxin Zhang1,2, Yichao Wang1,2
1State Key Laboratory of Primate Biomedical Research, Institute of Primate Translational Medicine, Kunming University of Science and Technology, Kunming, Yunnan, China.
Frontiers in aging neuroscience
|June 16, 2025
概括
这项研究在无细胞RNA (cfRNA) 中确定了34个关键基因,这些基因可以使用血准确检测阿尔茨海默病 (AD). 这种非侵入性血液检测为早期AD诊断和监测提供了一个有希望的工具.
科学领域:
- 神经科学是一个神经科学.
- 基因组学就是基因组学.
- 生物标志物发现发现
背景情况:
- 阿尔茨海默病 (AD) 的分子异质性越来越多地通过omics数据来理解.
- 非侵入性生物标志物对于AD检测至关重要,因为大脑组织的可访问性有限.
- 穿越血脑屏障的无细胞RNA (cfRNA) 可能反映大脑病理,并作为诊断标记物.
研究的目的:
- 调查血衍生cfRNA分析对阿尔茨海默病诊断的潜力.
- 通过整合cfRNA和大脑单细胞RNA-seq (scRNA-seq) 数据来识别AD中的失调基因.
- 开发机器学习模型,使用cfRNA表达模式预测AD诊断和疾病进展.
主要方法:
- 整合了血cfRNA-seq数据 (337个样本) 与大脑scRNA-seq数据 (88个样本).
- 进行了比较分析,以确定两个数据集中的始终失调的基因.
- 训练和评估机器学习模型 (SVM,随机森林,逻辑回归) 使用cfRNA表达用于AD预测和分期,通过AUC和交叉验证评估性能.
主要成果:
- 在cfRNA和scRNA-seq数据中确定了34个失调基因,表达变化一致.
- 使用这些34个基因cfRNA表达的机器学习模型在预测阿兹海默症患者 (AUC = 89%) 和区分早期阿兹海默症时取得了高准确性.
- 基于34个基因的大脑转录组数据的分类器显示了基于人口的AD风险评估的强大预测性能 (AUC = 94%).
结论:
- 使用cfRNA的多omics方法提供了对AD病变的非侵入性分子洞察力,克服了传统生物标志物的局限性.
- 这34个基因组显示了早期AD查和精确诊断的潜力.
- 尽管存在cfRNA稳定性挑战,但该框架强调了在AD个性化治疗监测的未来可能性.
