《自然·衰老》：阿尔茨海默病谱系脑脊液蛋白质组图谱发布，为AD的诊断提供了新的标志物！

阿尔茨海默病（AD）是最常见的神经退行性疾病，为痴呆患者的主要病因（60-80%）。其他常见的痴呆类型还包括路易体痴呆（DLB）和额颞叶痴呆（FTD），其症状和病理往往与AD患者相似，因此极易误诊[1]。

脑脊液（CSF）中的蛋白成分可反映大脑中发生的生物化学变化，因此CSF中的某些蛋白可作为不同神经退行性疾病的生物标志物[2]。目前AD常用的CSF生物标志物包括Aβ42或Aβ42/40（反映β淀粉样斑块）以及磷酸化tau蛋白和总tau蛋白（反映了神经纤维缠结形成和轴突变性）[3]。

然而，这几个生物标志物无法反应出AD多因素疾病的特性，且对于区分AD和其他非AD痴呆症的作用有限[4]。因此，绘制AD患者的CSF蛋白组图谱将有助于更好地了解AD的多因素病理生理学特征，开发更有效的生物标志物诊断工具。

近日，来自阿姆斯特丹大学医疗中心Marta del Campo团队对轻度认知障碍伴异常淀粉样蛋白[MCI（Aβ+），n=50]、AD-痴呆（n=230）、非AD-痴呆（n=322）和无认知障碍对照（n=195）共797份CSF样本中的665种蛋白进行了组学分析，绘制了痴呆谱系疾病的CSF蛋白质组图谱，相关研究成果发表于《自然·衰老》杂志[5]。

研究发现，与对照或非AD-痴呆组相比，MCI（Aβ+）或AD中100多个CSF蛋白发生失调，MCI（Aβ+）中失调的蛋白主要与蛋白质分解、能量代谢和氧化应激有关，而AD-痴呆中特异失调的蛋白则主要与细胞重塑、血管功能和免疫有关。此外，研究人员还利生物标志物组开发了可将AD-痴呆与对照或非AD-痴呆区分出来的模型，并在外部队列中进行了验证，准确率高达0.96。

该研究深入分析了痴呆谱系疾病CSF蛋白质组的变化，为了解AD多因素发病机制提供了新的病理生理学线索，并开发了新的AD诊断CSF生物标志物组，为诊断和临床试验提供了新的生物标志物工具。

论文首页截图

本研究共纳入797例CSF样本，其中包括痴呆谱系疾病602例和对照195例，对其进行蛋白质组分析以及诊断AD的CSF生物标志物筛选，本研究中的验证队列包括队列1（44例无认知功能障碍对照和18例AD-痴呆）[6]和队列2 [110例认知功能障碍对照、101例MCI（Aβ+）、88例AD-痴呆和214例非AD-痴呆][7]。

研究流程

本研究队列和两个验证队列人口统计学特征以及AD CSF生物标志物水平

研究人员首先分析了MCI（Aβ+）和AD-痴呆与对照组的CSF蛋白质组学差异。

MCI（Aβ+）组与对照组之间共有112个CSF蛋白水平存在差异，其中大多数蛋白质在MCI（Aβ+）中被上调（n = 92），排名前五位的差异蛋白与蛋白糖基化（ENTPD5）、氧化应激（PARK7）、溶酶体功能（PRCP、DPP7）和免疫（CRTAM）相关。而CHIT1则为受影响最大的蛋白（β=1.1；倍数变化：2），其次为PARK7、PRCP、IDUA和DPP7（β>0.6；倍数变化>1.5）。

而AD-痴呆组相比于对照组则有288个CSF蛋白具有差异改变，同样大多数蛋白在AD-痴呆中上调（n = 281），排名前五位的差异蛋白涉及细胞骨架和细胞外重塑（ABL1，TMSB10和MMP-10）、外泌体组装（SDC4）和免疫（ITGB2）。CHIT1同样是受影响最大的蛋白（β=0.98；倍数变化：1.9），其次是TMSB10、CLEC5A、ITGB2和MMP-10（β>0.6；倍数变化>1.5）。

紧接着，研究人员对AD-痴呆和非AD-痴呆组的CSF蛋白组学差异进行了研究，发现了469个CSF蛋白在AD-痴呆和非AD-痴呆组之间水平不同，其中大多数蛋白在AD-痴呆中被上调，仅有16个蛋白在AD-痴呆组中水平较低。排名前五位的差异蛋白涉及不同的生物学过程，包括细胞骨架重塑（ABL1）、能量代谢（ENO2）、神经肽降解（THOP1）、氧化应激（DDAH1）和血管功能（RSPO3）。RSPO3为受影响最大的蛋白（β=0.62；倍数变化：1.5），其次是TMSB10、CRH、LAIR-2和SMOC-2（β>0.5；倍数变化>1.4）。

不同组间CSF蛋白差异调控

进一步对不同组之间的差异蛋白进行分析发现，在281个AD-痴呆和对照组之间受到不同调控的蛋白质中，大多数只在AD-痴呆中出现异常（n=189；如ITGB2、SMOC-2、LOX-1、GLO1、BLM水解酶），仅有22%（n=63）在MCI（Aβ+）组中也失调（如ABL1、DDAH1、SDC4、THOP1和PARK7），剩余的蛋白（n=29）在痴呆谱系疾病中均有失调（如CCL3、GH、PRDX1、CHIT1、PRCP和KYNU）。

此外，研究人员还发现了41个蛋白在MCI（Aβ+）中失调，但在AD-痴呆中则没有失调（如ENTPD5、CRTAM、IDUA、DPP7和PCSK9）。这结果表明AD的每个疾病阶段都有独特的CSF蛋白组特征，不同的蛋白在疾病过程中具有独特的作用。

各组的独特差异调控蛋白分析

对AD不同阶段——MCI（Aβ+）和AD-痴呆中差异调控蛋白的生物学功能分析发现，蛋白分解过程、蛋白多糖代谢和细胞极性等在仅于MCI（Aβ+）失调的蛋白中明显富集。

在MCI（Aβ+）和AD-痴呆中均失调的蛋白则与活性氧代谢、蛋白质复合体组装、自噬、神经递质运输、Wnt信号通路、周围神经系统发育、能量代谢、肽丝氨酸磷酸化和一氧化氮生物合成等生物过程有关。

仅在AD-痴呆中出现的失调蛋白则富集于与免疫系统和血管功能有关的生物过程（如白细胞粘附、肿瘤坏死因子信号传导和建立内皮屏障）、Aβ形成调节、细胞外和细胞形态（如由整合素介导的细胞粘附）和神经元功能等过程。

而在痴呆谱系中均失调的蛋白则富集在与免疫功能（如造血、病毒进入、对细菌的反应和免疫系统过程）、趋化和细胞杀伤有关的过程。

各组的独特差异调控蛋白功能富集

紧接着，为了将研究发现转化为常规诊断和临床试验中可使用的生物标志物工具，研究人员通过分类分析并进行交叉验证，找到了一个包含8个CSF蛋白的组合，可有效地区分AD-痴呆组和对照组（AD-诊断组，AUC 0.96），该组合包含在MCI（Aβ+）和AD-痴呆（ABL1、SDC4和CLEC5A）或只在AD-痴呆（MMP-10、ITGB2和TREM1）失调的蛋白以及在AD-痴呆和对照组之间差异不大或无明显差异的蛋白（THBD和SPON2）。该组合在验证队列1中的准确率同样很高（AUC = 0.94）。

研究人员用同样的方法还建立了一个可区分AD-痴呆和非AD-痴呆的蛋白组合（AD-差异化诊断组），该组合包括9种CSF蛋白，AUC高达0.87。

建立AD-诊断组和AD-差异化诊断组

为了进一步验证AD-诊断组和AD-差异化诊断组的性能，研究人员开发了定制的可检测两个AD诊断组中15种蛋白的基于免疫的蛋白检测芯片，并在验证队列2中进行了验证，结果再次证实了两个诊断组的有效性，区分MCI（Aβ+）和AD与对照组的准确率大于0.95，区分AD-痴呆与非AD-痴呆的准确率为0.79。

总的来说，本项研究结果展示了痴呆谱系疾病的CSF蛋白变化图谱，有助于理解AD发病机制，并将研究结果转化为实用的CSF生物标志物组，具有较强的临床转化价值。

参考文献

1. Schneider JA: Neuropathology of Dementia Disorders. Continuum (Minneap Minn) 2022, 28(3):834-851.

2. Park SA, Han SM, Kim CE: New fluid biomarkers tracking non-amyloid-beta and non-tau pathology in Alzheimer's disease. Exp Mol Med 2020, 52(4):556-568.

3. Schoonenboom NS, Reesink FE, Verwey NA, Kester MI, Teunissen CE, van de Ven PM, Pijnenburg YA, Blankenstein MA, Rozemuller AJ, Scheltens P et al: Cerebrospinal fluid markers for differential dementia diagnosis in a large memory clinic cohort. Neurology 2012, 78(1):47-54.

4. Jansen IE, Savage JE, Watanabe K, Bryois J, Williams DM, Steinberg S, Sealock J, Karlsson IK, Hagg S, Athanasiu L et al: Genome-wide meta-analysis identifies new loci and functional pathways influencing Alzheimer's disease risk. Nat Genet 2019, 51(3):404-413.

5. del Campo M, Peeters CFW, Johnson ECB, Vermunt L, Hok-A-Hin YS, van Nee M, Chen-Plotkin A, Irwin DJ, Hu WT, Lah JJ et al: CSF proteome profiling across the Alzheimer’s disease spectrum reflects the multifactorial nature of the disease and identifies specific biomarker panels. Nature Aging 2022.

6. Johnson ECB, Dammer EB, Duong DM, Ping L, Zhou M, Yin L, Higginbotham LA, Guajardo A, White B, Troncoso JC et al: Large-scale proteomic analysis of Alzheimer's disease brain and cerebrospinal fluid reveals early changes in energy metabolism associated with microglia and astrocyte activation. Nat Med 2020, 26(5):769-780.

7. van der Flier WM, Scheltens P: Amsterdam Dementia Cohort: Performing Research to Optimize Care. J Alzheimers Dis 2018, 62(3):1091-1111.