Nature Aging（一区 IF=19.5）大规模血浆蛋白质组学分析揭示阿尔茨海默病的诊断生物标志物及相关通路

模型设计

一、总体思路
 采用“发现-复制-验证”三阶段研究设计：首先在发现队列中筛选与临床AD状态相关的血浆蛋白；随后在复制队列中验证候选蛋白的关联性；最后通过外部数据集、生物标志物关联分析、通路富集等深入验证结果，并基于筛选出的关键蛋白构建机器学习预测模型，评估其对AD及其他神经退行性疾病的诊断效能。

图1：研究概述
二、模型架构
1）蛋白质组学检测层：采用SomaScan适配体技术检测血浆中6905种适配体对应的蛋白质表达水平，结合Alamar/NULISA、Olink等正交平台进行验证。
2）数据处理层：对原始数据进行质量控制（剔除检测成功率<85%的适配体和样本、处理异常值）、批次效应校正（基于样本采集年份分组归一化）和标准化（z-score归一化）。
3）关联分析层：通过线性回归分析筛选AD与对照组间差异表达蛋白，结合Meta分析整合发现队列和复制队列结果；利用Cox比例风险模型分析蛋白与AD进展的关联性。
4）模型构建层：采用LASSO回归筛选最优蛋白组合，构建逻辑回归预测模型，以年龄、性别为协变量，通过五折交叉验证优化模型参数。

实验设置

一、数据集
1）发现队列：来自Knight AD研究中心，含1381名认知正常对照和750名AD患者，样本采集时间为1995-1997年及2007-2021年。
2）复制队列：包括Knight AD研究中心（313名对照、472名AD患者，采集时间1998-2006年）和斯坦福AD研究中心（402名对照、48名AD患者），共1235个样本。
3）外部验证队列：ROSMAP研究（322名对照、150名经神经病理证实的AD患者）和全球神经退行性疾病蛋白质组学联盟（GNPC，4833名对照、1733名AD患者），合计7000余个样本。
4）其他神经退行性疾病队列：包括额颞叶痴呆（FTD，32例）、路易体痴呆（DLB，78例）和帕金森病（PD，703例）队列，用于评估模型特异性。

结果与分析

一、AD相关血浆差异蛋白筛选结果
发现队列中筛选出1540种与AD相关的蛋白，经复制队列验证和Meta分析后，最终确定416种显著差异蛋白（456种适配体），其中294种为新发现蛋白。这些蛋白中，正向效应蛋白平均OR为1.50，负向效应蛋白平均OR为0.72，平均转化OR为1.45，最大OR达3.58，提示与AD风险密切相关。


图2：差异丰度分析

二、外部验证与跨组织对比结果
1）外部数据集验证：353种适配体（78%）在ROSMAP和GNPC联合Meta分析中效应方向一致（P=1.90×10⁻³⁴），333种（74%）经多重检验校正后仍显著，效应量相关系数达0.675（P=1.33×10⁻⁶⁶）。
2）与以往研究对比：416种蛋白中37%（122种）在至少一项以往血浆研究中名义显著，16%（52种）经多重检验校正后显著，61.1%（204种）效应方向与以往研究一致。
3）跨组织对比：445种血浆差异蛋白中174种在脑脊液研究中显著（经多重检验校正），效应量相关系数为0.419（P=2.07×10⁻²⁰），但仅8%的脑脊液相关蛋白在血浆中显著，提示血浆与脑脊液蛋白质组学特征存在差异。



图3：外部数据集的验证

三、生物标志物关联与模型预测结果
1）生物标志物状态关联：血浆差异蛋白与淀粉样蛋白PET成像（效应量相关系数0.764）、脑脊液Aβ/tau状态（0.705）、血浆p-tau217状态（>0.7）均高度相关，前8种核心蛋白在三种生物标志物分析中均显著。
2）预测模型效能：7种蛋白组成的模型对临床AD的AUC在发现测试集为0.796、复制队列为0.72、GNPC队列为0.715、ROSMAP队列为0.757；对生物标志物定义的AD状态AUC更高（淀粉样蛋白阳性0.898、脑脊液Aβ/tau状态0.889、血浆p-tau217状态0.88），与血浆p-tau217（AUC=0.798）预测效能相当。
3）疾病特异性与进展预测：模型对PD（AUC=0.556）和DLB（0.66）预测效能低，对FTD（0.73）预测效能与AD接近；预测阳性者进展为症状性AD的风险是阴性者的2.71倍（HR=2.71，P=1.99×10⁻⁴），且认知正常预测阳性者和AD患者中预测阳性者的CDR-SB评分下降更快。


图4：7种血浆蛋白模型的预测效能

四、通路与网络分析结果
差异蛋白主要富集于脂质代谢、免疫与止血、细胞外基质、神经元活动、一般代谢五大通路；MEGENA分析识别出274个蛋白共表达模块，其中M4模块（1519种蛋白）富集于少突胶质细胞和细胞内运输、翻译等通路，M7模块（富集于内皮细胞和神经元）富集于细胞外基质组织、轴突导向等通路，强调了细胞外基质和轴突过程在AD中的关键作用。


图5：阿尔茨海默病相关蛋白的通路与网络分析

06 结论

本大规模血浆蛋白质组学研究通过三阶段设计，筛选出416种与AD相关的血浆蛋白，其中193种为以往研究未报道的新蛋白，并在多个外部数据集验证了结果。构建的7种蛋白预测模型对临床AD和生物标志物定义的AD状态均具有高预测效能，能有效识别AD高风险人群和监测病情进展。差异蛋白富集的通路揭示了AD相关生物学机制，为AD的病理研究提供了新视角。这些发现证实了血浆蛋白作为AD早期检测、病情监测和治疗决策生物标志物的临床价值，为AD的精准诊疗提供了重要支撑。
参考文献：

Large-scale plasma proteomic profiling unveils diagnostic biomarkers and pathways for Alzheimer's disease，Nat Aging. 2025 Jun;5(6):1114-1131. doi: 10.1038/s43587-025-00872-8. Epub 2025 May 20.

分享