一项大型研究发现，血液中的蛋白质“生物标志物”能够在诊断痴呆症15年前预测其发生。
这项发表于《自然衰老》杂志的研究表明，血液中蛋白质特征可以准确预测15年后发生的痴呆症。这些被称为生物标志物的分子存在于血液、其他体液或组织中，可以指示正常或异常过程、或某些疾病。
来自英国华威大学和上海复旦大学的科学家使用了迄今为止最大型的血液蛋白质组学和痴呆症队列，其中包括来自英国生物样本库(一项基于人群的研究队列)的52645名健康参与者的血液样本。
2006年至2010年收集的血液样本被冷冻储存，然后在10-15年后于2021年4月至2022年2月期间由研究团队进行分析。截至2023年3月，共有1417名参与者发展为痴呆症，他们的血液显示蛋白质生物标志物失调。
在经过机器学习(一种人工智能技术)辅助分析的1463种蛋白质中，研究人员发现并组合了11种蛋白质作为蛋白质 panel，并证明其在预测未来痴呆症方面具有高度准确性。进一步结合年龄、性别、教育水平和遗传等传统风险因素，首次使预测模型的准确性达到90%以上，表明其未来有望用于社区痴呆症筛查项目。
例如神经丝酸性胶质纤维蛋白(GFAP)等蛋白质此前在较小的研究中被确定为潜在的痴呆症生物标志物，但这项新研究规模更大，时间跨度更长。这种被称为纵向分析的研究使研究人员能够在15年间展示痴呆症患者和对照组之间的差异和发展轨迹。
对于痴呆症患者而言，早期诊断至关重要。新药技术可以减缓甚至逆转阿尔茨海默病的进展，但前提是必须在疾病足够早期发现。lecanemab 是两种治疗该病的新药之一。
该研究的主要作者、华威大学计算机科学系的Jianfeng Feng教授希望未来能够开发针对研究中发现的蛋白质的新药。
Feng教授强调，人工智能和蛋白质分析的结合为精准医疗提供了 promising 的途径。这对筛查社区内处于痴呆症高风险的中老年人非常重要。“这个模型可以无缝集成到NHS系统，并由全科医生用作筛查工具，”冯教授说道。
复旦大学的共同通讯作者之一Wei Cheng教授解释，这项研究基于该团队之前开发的痴呆症预测模型，该模型使用年龄、是否存在特定基因和母亲去世年龄等变量。“与我们之前的工作相比，这种新开发的基于蛋白质的模型显然是一个突破，”他说。
另一位共同通讯作者、复旦大学神经植物病专家Jintai Yu教授补充说：“蛋白质组生物标志物更容易获得且非侵入性，它们可以大大促进大规模人群筛查的应用。”
他还指出，以前的风险模型主要依赖复杂且难以获得的生物标志物，这些生物标志物需要腰椎穿刺或复杂影像等程序才能获得，这意味着由于侵入性操作和高昂的实施成本，它们的广泛使用受到阻碍。
0
