叶玉如院士团队借助NULISA构建复刻Aβ PET定量值的AD标志物模型“CL predictor”

主要研究结果

1. 传统ATN标志物的局限：难以精准分期

  • 研究纳入179名54岁以上中国香港华人（含AD、非AD痴呆、轻度认知障碍及认知正常人群），均完成Aβ PET Centiloid定量与NULISA检测（覆盖325种血浆蛋白，含核心的中枢神经系统及炎症相关标志物）。

  • 交叉验证显示，NULISA与SIMOA平台检测的 p-tau217、p-tau231、p-tau181及 NfL相关性极强（r 均≥0.87），验证了检测可靠性。

2. 寻找突破：借助NULISA解析Aβ病理全程的蛋白动态

  • 借助NULISAseq检测的技术革新（覆盖 325 种血浆蛋白，含核心的中枢神经系统及炎症相关标志物），经校正年龄、性别、APOE ε4 基因型等协变量后，鉴定出 43 种与 Aβ 沉积线性或非线性相关的蛋白：67 种在 AβHigh 期、60 种在 AβInt期表达异常，其中 27 种蛋白在两阶段持续异常，67 种仅在 AβInt 期失调（为早期分期提供关键靶点）。

3. 模型构建：8蛋白组合实现 “定量+分期” 双重突破

  • 研究者利用 LASSO 机器学习模型，经 LASSO 筛选与 100 次 bootstrap 重采样，确定8种核心蛋白：p-tau217、p-tau231、POSTN、SMOC1、KLK6、CD4、NTF3、PGF（其中4种与Aβ病理正相关，4种负相关）。

  • 模型性能：SVM衍生的 “CL predictor” 表现最优。

参考文献：

1. Wenyue Zheng, Yuanbing Jiang, et al. Targeted blood proteome profiling using NULISAseq identifies a high-performance biomarker panel for Aβpathology quantification and staging. Alzheimer’s Dement. 2026;22:e71179

关于本研究采用的NULISAseq超灵敏靶向蛋白组Panel


分享