邻近编码技术解析阿尔兹海默症 非CSF体液中的细胞外囊泡亚群构成

作者：深圳大学第一附属医院（深圳市第二人民医院）、深圳市转化医学研究院汤弋哲课题组

期刊：Journalof Extracellular Vesicles（Q1，IF16）

发表时间：2024年4月11日

研究背景

阿尔兹海默症 （AD）是一种常见的神经退行性疾病，早期诊断对其治疗和干预至关重要。然而，目前常用的AD诊断方法，如脑成像或脑脊液（CSF）检测，都存在成本高、操作复杂等问题，难以在临床大规模应用。

液体活检是一种非侵入性的检测方法，通过分析体液中的生物标志物来诊断疾病。细胞外囊泡（EVs）是细胞分泌的微小囊泡，存在多种体液中。这些囊泡携带着丰富的生物信息，如表面蛋白，这些蛋白可作为疾病的诊断标志。EVs的稳定性、分布广泛和含量丰富使其成为液体活检理想的生物标志物。

实验设计

•APP/PS1转基因小鼠模型•健康对照组小鼠•人类AD患者•人类健康对照组

实验方法

•邻近编码技术（PBA，191panel)：用于检测EV表面蛋白，可同时检测数百上千种蛋白，并在单囊泡水平上进行定量分析

数据分析方法

•单囊泡蛋白谱分析•差异表达蛋白筛选•机器学习模型建立•单囊泡亚群分析

Work Model

Con

3m:   n=4

10m:   n=4

15m:   n=4

AD

3m:   n=4

10m:   n=4

15m:   n=4

研究结果

EV表面蛋白谱分析

EV表面蛋白差异表达分析

•与对照组相比，AD模型小鼠尿液、NIS和血清EVs中分别检测到74、68和105种DEPs，表明EVs表面蛋白的模式可用于区分样本的AD/非AD状态•火山图：尿液EVsDEPs数量和倍数变化随年龄增加而增加•诊断效能会随着蛋白组中蛋白数的增加而增加（c）

机器学习模型构建

•利用机器学习算法，建立基于尿液、NIS和血清EVs表达蛋白的AD诊断模型•尿液EVs蛋白的诊断准确率最高，其预测准确率随着疾病的进展而提高•AUC值约为0.70（3、10M小鼠模型）、0.85（15M小鼠模型）

单囊泡分析

•单囊泡分析：揭示AD相关的EV亚群•Cluster20在APP/PS1 AD模型和对照组中特征蛋白NECTIN1、PLAUR和DSC3表达差异显著

人类AD样本的区分

•尿液EV中的ITGA4，EISEV中的THY1，EISEV中的 TACSTD2，以及血浆EV中NECTIN3 与AD 相关，其表达水平与AD 患者的临床评分显著相关

人类AD诊断模型构建

•机器学习模型分析表明，尿液和EISEV 蛋白具有相对较高的诊断价值，其预测准确率分别为 0.7和 0.6

人类AD相关EV亚群

•单囊泡分析：揭示人类AD相关的EV亚群•尿液EVCluster3的特征蛋白包括PLAU、ITGAX 和ANXA1，该亚群能够以88%的准确率诊断AD患者

研究结论

本研究通过 PBA技术和机器学习模型，揭示了体液 EV表面蛋白在 AD诊断中的潜在价值。研究结果表明，来自非侵入性体液，尤其是尿液的 EV及其亚群是 AD的潜在诊断生物标志物，为 AD的早期诊断和疾病监测提供了新的思路和方向。