DIAN（Dominantly Inherited Alzheimer Network）是一个国际性的观察性研究项目，专注于研究携带这些遗传突变的个体，通过包括影像学、认知评估和脑脊液（CSF）及血浆的生物样本收集等纵向评估，为ADAD的早期生物标志物的发现提供了重要资源[3]。尽管传统的CSF生物标志物如β-淀粉样蛋白42（Aβ42）、总Tau蛋白（Tau）和磷酸化Tau蛋白181（pTau）已在ADAD和sAD中显示出其分析有效性[4]，但以往的研究通常样本量有限，调查的蛋白质数量较少，且主要集中在识别与突变状态相关的蛋白质，而不是疾病发病。此外，尽管这些研究对理解ADAD的病理生理学至关重要，但它们并没有充分利用EYO信息来识别在MC和非携带者（NC）之间显示出不同轨迹的蛋白质，也没有确定蛋白质变化与临床发病的关系。因此，有必要进行大规模和高通量的研究，以识别ADAD中的早期蛋白质组变化，这对于理解疾病的早期生物学变化、监测疾病进展、评估治疗效果以及为携带ADAD基因突变的个体设计更有效的治疗策略具有重要意义。 

　　近日，来自美国华盛顿大学的Carlos Cruchaga团队在Cell上在线发表题为CSF proteomics identifies early changes in autosomal dominant Alzheimer’s disease的文章，通过高通量脑脊液（CSF）蛋白质组学分析，揭示了ADAD早期蛋白质组的变化，鉴定了ADAD早期生物标志物，并开发了一个强大的ADAD预测模型。研究发现了137种在ADAD MC和NC之间轨迹不同的脑脊液蛋白，它们在疾病发作前15至20年就开始变化，并涉及神经死亡和免疫途径。同时，研究还发现六个蛋白质亚组能更有效地区分MC和NC，与常规生物标志物相比，显示出较高的预测能力。这些发现不仅强调了ADAD和sAD之间的相似性和差异，而且为携带ADAD基因突变的个体提供了个性化医疗的可能性。 

　　本研究的主要目标是识别与ADAD早期变化相关的CSF和血浆中的蛋白质，并探索其在疾病监测和治疗策略中的潜力。为此，本文研究人员采用了一种独特的方法，利用估计的AAO来评估伪轨迹（使用横断面数据模拟纵向数据），并识别MC和NC之间存在显著差异的蛋白质，随后确定了这些伪轨迹与EYO相关的显著发散时间点。本研究从CSF（6,163种蛋白质）和血浆（6,022种蛋白质）中生成并利用了大规模蛋白质组学（图1）。样本取自DIAN。MC包括具有三种ADAD基因之一的致病性变异的症状性和症状前DIAN参与者，临床前期的参与者是认知正常的MC，匹配的NC来自MC的家庭成员。 

　　图1 研究概述 

　　首先，研究人员通过随机抽样将样本分为发现和复制数据集，以保持MC的比例。在发现阶段，研究人员识别了经过错误发现率（FDR）校正后与伪轨迹相关的蛋白质，然后在复制数据集中测试这些蛋白质，只有那些在复制中通过了FDR的蛋白质才被认为是研究范围内显著的。研究人员分析了286名MC和177名NC的CFS中的6,163种独特蛋白质，通过发现和复制阶段的多层回归模型分析，最终鉴定出137种在MC和NC之间具有显著不同伪轨迹的蛋白质。研究人员还进行了基于突变状态作为表型的分析，比较了MC和NC，鉴定了227种与ADAD突变状态相关的显著蛋白质，以进一步验证这些发现，确定了伪轨迹分析的可靠性。与此同时，研究人员确定了与ADAD相关的蛋白质变化的起始时间，发现在137个已识别的蛋白质中，有124个在EYO之前开始变化，其中约93%的变化发生在EYO前20至3年之间，其中8种蛋白质的变化甚至早于传统的AD生物标志物。 

　　随后，研究人员通过分析1,763名sAD患者的脑脊液样本来验证最初在ADAD中鉴定的蛋白质，并寻找两种疾病之间的潜在差异和共性。研究结果表明，与ADAD显著相关的137种蛋白质在sAD中也显示出显著的相关性，并且与ADAD相比，sAD中有七种蛋白质表现出相反的变化趋势，这可能反映了不同疾病阶段的动态变化，强调了不同蛋白质的调节差异以及在血管内皮细胞、血脑屏障（BBB）、炎症反应和内溶酶体途径的变化是如何导致不同类型的疾病结果（即ADAD和sAD）的。此外，研究还发现五种蛋白质在ADAD中的效应大小显著高于sAD，而NPTX2蛋白质在两种疾病中均表现出较低的效应大小。这些发现揭示了ADAD和sAD之间在蛋白质水平上的显著重叠，同时也强调了两者之间在某些蛋白质和潜在机制上的差异。与此同时，研究人员对325名MC和213名NC的血浆样本进行了伪轨迹和突变状态分析，结果显示在血浆样本的6,022种蛋白质中与ADAD相关的显著蛋白质数量远少于CSF样本，表明两者之间的重叠较低。研究人员还发现在ADAD中，CSF和大脑组织中的蛋白质表达模式存在复杂的动态变化，可能反映了不同组织中蛋白质的不同生物学功能和疾病过程中的不同作用。 

　　进一步地，研究人员对137种与ADAD相关的蛋白质进行基因-疾病网络富集分析，发现了45种疾病，其中16种与神经退行性疾病特征相关，18种属于癌症或免疫相关性状。通路富集分析则发现了60个显著富集的通路，归类为13个主要类别，主要集中在信号转导、神经元系统和疾病途径。为了确定在ADAD不同疾病阶段中特定通路的失调情况，研究人员遂通过共表达网络分析（WGCNA）识别了18个蛋白质模块，并对每个模块进行了通路分析。研究结果揭示了与疾病早期阶段相关的M1模块，捕捉到了非常早期的神经元功能障碍，其中包含的蛋白质主要富集于星形胶质细胞和少突胶质细胞，并且与神经元蛋白质的耗竭有关。M2模块的蛋白质主要富集在神经元细胞中，而内皮细胞却很少，其中包括在M1之后改变轨迹的蛋白质，这表明捕获了后来的过程，这些蛋白质涉及凋亡、死亡受体信号传导和早期免疫反应的途径。与其他两个模块不同，M2的显著特点是它参与炎症信号转导通路和早期免疫反应。而M3模块的蛋白质则与症状发作前的阶段有关，富集在小胶质细胞类型，并与先天免疫系统和细胞间通信的途径相关。这些模块的发现为理解ADAD在不同疾病阶段的分子机制提供了见解（图2）。 

　　图2 多重生物过程轨迹概述 

　　那么，本研究中鉴定的蛋白质是否能够独立于临床状态而预测ADAD的突变状态呢？研究人员使用机器学习方法，确定了最大化预测能力的最小数量的蛋白质，以构建预测ADAD突变状态的蛋白质组特征。研究结果表明，基于六种蛋白质（GFAP、NPTX2、PEA15、SMOC1、SMOC2和TNFRSF1B）的蛋白质组特征能够准确预测MC与NC的区别，显示出比已知的AD生物标志物（如Aβ42、pTau181和pTau/Aβ42比率）更高的预测能力。此外，该模型还能区分有症状和无症状的MC，显示出与pTau181/Ab42相当的预测性能，表明这个六蛋白特征可以捕捉到非常早期的疾病变化。为了验证这一预测模型，研究人员使用了两种不同的方法：一种是使用Olink HT1数据进行的正交验证，另一种是使用非重叠的DIAN CSF样本子集进行了第二次验证。结果显示，即使只包含三种蛋白质，预测模型对于突变状态和临床状态的预测能力仍然很高。本研究开发的ADAD预测模型在阴性预测值（NPV）、阳性预测值（PPV）和敏感性方面与现有生物标志物相似，更重要的是它在检测疾病早期变化、作为补充测试手段以及适应新疗法（新疗法可能针对Aβ或Tau蛋白）方面提供了额外的优势。 

综上所述，本研究利用DIAN的参与者，对ADAD的CSF和血浆蛋白质组学进行了迄今为止最全面的分析，揭示了ADAD早期蛋白质组的变化，增强了人们对ADAD潜在生物学机制的理解，为创建早期诊断预测模型和识别潜在的治疗靶点奠定了基础，促进了更有效的未来治疗方法的发展。

（来源：BioArt） 

　　参考文献： 

　　[1]Bateman, R.J., Aisen, P.S., De Strooper, B., et al. (2011). Autosomal-dominant Alzheimer’s disease: a review and proposal for the prevention of Alzheimer’s disease. Alzheimers Res. Ther. 3, 1. 

　　[2]Ryman, D.C., Acosta-Baena, N., Aisen, P.S. et al. (2014). Symptom onset in autosomal dominant Alzheimer disease: a systematic review and meta-analysis. Neurology 83, 253–260. 

　　[3]Tang, M., Ryman, D.C., McDade, E., et al. (2016). Neurological manifestations of autosomal dominant familial Alzheimer’s disease: a comparison of the published literature with the Dominantly Inherited Alzheimer Network observational study (DIAN-OBS). Lancet Neurol. 15, 1317–1325. 

　　[4] Oboudiyat, C., Gefen, T., Varelas, E., et al. (2017). Cerebrospinal fluid markers detect Alzheimer’s disease in nonamnestic dementia. Alzheimers Dement. 13, 598–601. 

图文来源：中国疾病预防控制中心

封面图来源：网络

如有侵权请及时联系删除！