打开APP

Cell:一种新的tau分子图谱使神经退行性疾病的精确诊断和药物靶向成为可能

来源:生物谷原创 2026-02-25 15:53

研究结果表明,不同的酶“写入”和“擦除”通路驱动了不同疾病中的tau蛋白病理。

Tau蛋白聚集是超过20种神经退行性疾病(统称为“tau蛋白病”)的共同特征。波士顿儿童医院领导的一项新研究挑战了当前诊断和治疗这些tau蛋白病的“一刀切”方法。该研究发表在《细胞》期刊上。

由资深作者Judith A. Steen博士和Hanno Steen博士领导,并由共同第一作者Mukesh Kumar博士、Christoph N. Schlaffner博士、Tang Shaojun博士和Maaike A. Beuvink执行的研究团队,分析了来自203名患者的脑组织,这些患者涵盖多种tau蛋白病,包括阿尔茨海默病和慢性创伤性脑病(CTE)。他们使用了一种名为FLEXITau的新型质谱工具,该工具能够对病理性的tau蛋白种类进行绝对定量,测量疾病相关化学修饰的身份和丰度。

该研究建立在之前关于阿尔茨海默病的工作基础上,当时Steen团队研究了疾病进展,并发现tau蛋白的化学性质会随着疾病发展而改变,其中p217 Tau修饰被列为阿尔茨海默病最准确的诊断标志。p217目前已是FDA批准的阿尔茨海默病诊断标志物。

“我们首次能够告诉诊断试剂和药物开发者,在tau蛋白病中应该靶向哪些翻译后修饰,它们在蛋白质上的位置,以及它们在每种疾病中的丰度如何。”波士顿儿童医院神经蛋白质组学实验室主任Steen说。“我们现在拥有一张精确的分子路线图,而不再是猜测哪些tau蛋白形式重要。”

虽然冷冻电镜已经揭示了疾病特异性的tau蛋白结构(包括Steen实验室早期的相关工作),但tau蛋白的化学组成——其翻译后修饰和切割事件——在很大程度上仍然未知。研究人员使用FLEXITau,在tau蛋白上识别出了145个翻译后修饰和195个切割位点。随后,机器学习模型根据量化的化学变化,对最能区分每种疾病的分子特征进行了排序。

“机器学习分析根据修饰对疾病的重要性进行排序。”Steen说。“这为诊断和药物开发提供了一个优先列表——即最重要的修饰。机器学习和其他人工智能工具需要高质量的数据和标准,而这种名为FLEXIQuant的方法可以标准化测量任何感兴趣的蛋白质,无论是在神经退行性疾病还是癌症领域。”

“了解一个分子靶标的存在量对于诊断或药物设计至关重要。”Steen说。“如果一个修饰罕见或丰度低,它就不是一个可行的靶标。FLEXIQuant为我们提供了建模剂量、药代动力学和治疗可行性所需的定量数据。”

研究结果表明,不同的酶“写入”和“擦除”通路驱动了不同疾病中的tau蛋白病理。“化学特征反映了特定的酶活性。”Steen指出。“这为靶向产生疾病特异性tau蛋白形式的酶开辟了新途径。”

该图谱在一个独立队列中得到验证,为tau蛋白介导的神经退行性疾病的精准诊断、成像和治疗奠定了基础。所开发的FLEXIQuant平台可以扩展到神经退行性疾病中的其他蛋白质,例如帕金森病中的α-突触核蛋白或ALS中的TDP43,或其他疾病中任何感兴趣的蛋白质。(生物谷Bioon.com)

参考文献:

Mukesh Kumar et al, Molecular features of human pathological tau distinguish tauopathy-associated dementias, Cell (2026). DOI: 10.1016/j.cell.2025.12.036.

版权声明 本网站所有注明“来源:生物谷”或“来源:bioon”的文字、图片和音视频资料,版权均属于生物谷网站所有。非经授权,任何媒体、网站或个人不得转载,否则将追究法律责任。取得书面授权转载时,须注明“来源:生物谷”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。

87%用户都在用生物谷APP 随时阅读、评论、分享交流 请扫描二维码下载->