nature medicine (IF=50)│從血漿蛋白質組學看三大神經退行性疾病：共性機制與特異性標識

英文標題：Shared and disease-specific pathways in frontotemporal dementia and Alzheimer’s and Parkinson’s diseases

中文標題：額顳葉癡呆、阿爾茨海默病和帕金森病的共有通路及疾病特異性通路

發表期刊：nature medicine

影響因子：50

研究背景

阿爾茨海默病(Alzheimer’s Disease, AD)、帕金森病(Parkinson’s Disease, PD)和額顳葉癡呆(Frontotemporal Dementia, FTD)是最常見的神經退行性疾病，雖各有特定病理標志（如AD的淀粉樣蛋白-β和tau蛋白、PD的α-突觸核蛋白、FTD的tau蛋白等），但存在顯著的臨床和神經病理重疊（如19-57%的AD病例存在TDP-43病理，約20-30%的AD患者有α-突觸核蛋白陽性），這給鑒別診斷和有效治療的開發帶來挑戰。血漿蛋白質組學為研究這些疾病的全身性特征和外周變化提供了可能，不過現有研究多聚焦單一疾病，且FTD的血漿研究樣本量小、測量蛋白少，缺乏對多種神經退行性疾病的大規模比較分析，尤其在蛋白組學相關性及分子機制的系統評估方面存在不足。因此，亟需通過大規模血漿蛋白組學數據，探究這些疾病的共享及特異性分子機制，以推動診斷和治療策略的發展。

研究結果

1、患者、蛋白質組學數據及研究設計

本研究使用全球神經退行性疾病蛋白質組學聯盟(GNPC)1.0版本的大型橫斷面血漿蛋白質組學數據集，含23個獨立站點樣本。GNPC資源共31,111份樣本，來自21,979名患多種疾病的個體，其中1,638人因CDR>0.5或MMSE<19且無明確診斷被歸為癡呆癥。

本研究納入臨床診斷的AD、FTD、PD患者及認知正常對照者，對照者需CDR=0且MMSE≥24，AD患者需CDR>0，PD和FTD患者均經臨床診斷，最終數據集含16個站點的10,527份樣本，包括1,936例AD、525例PD、163例FTD、1,638例癡呆癥和6,265例對照者（表1）。

采用SomaScan 4.1檢測，量化7,595種適配體（靶向6,386種人類蛋白質），7,289種適配體通過質控。通過線性回歸分析（校正年齡、性別和前兩個蛋白質組學主成分）比較各疾病組與對照組，FDR<0.05的蛋白質為顯著相關蛋白。還評估顯著蛋白效應量的成對相關性，并進行細胞類型富集、通路及網絡分析，以識別共同或獨特失調的生物學過程及關鍵蛋白質（圖1），從而系統理解AD、PD和FTD的蛋白質組學特征。

表1. 血漿采集時參與者的人口統計學信息

圖1. 繪制神經退行性疾病中人類血漿蛋白質組的框架

2、神經退行性疾病間的血漿蛋白質組差異

分析7000多種蛋白質適配體發現，AD、PD、FTD分別與5187種(71%)、3748種(51%)、2380種(33%)蛋白質顯著相關（圖2）。研究驗證了已知生物標志物（如AD中的YWHAH、SMOC1），并發現新蛋白質（如AD中的PRDX3、ENO2），其中AD存在獨特的凋亡相關蛋白（如DSG1、CASP3），且相關蛋白質在內皮細胞和小膠質細胞/巨噬細胞中富集（圖3）；PD富集蛋白質降解和泛素化相關蛋白（如HGS、PARK7）；FTD涉及tau病變相關蛋白（如MAPT）及泛素-蛋白酶體系統蛋白（如UBE2D1|UBB）。

跨隊列分析表明，多數與疾病顯著相關的蛋白質在不同研究隊列中表達波動較小，穩定性較好。通過極端三分位數比較計算的比值比顯示，AD、PD、FTD的平均比值比分別為1.61、2.39、5.08，提示這些蛋白質與疾病的關聯強度存在差異，其中FTD相關蛋白質的關聯最強。同時，關鍵蛋白質與疾病的關聯在不同檢測平臺（如SomaScan、Olink等）上均表現出一致的趨勢，驗證了結果的可重復性。

此外，996種蛋白質(15.2%)為三種疾病共有（如SMOC1、NPTXR），AD與PD共享1664種(25.4%)，AD與FTD共享691種(10.5%)，PD與FTD共享415種(6.33%)；AD的疾病特異性蛋白質最多（1836種，28%），其次為PD（673種，10.3%）和FTD（278種，4.24%）（圖4a及圖3b）。

圖2. 與對照組相比，AD、PD和FTD患者的血漿蛋白質組變化

圖3. 疾病相關蛋白質的重疊及細胞類型富集情況

3、神經退行性疾病中共享及疾病特異性分子變化的評估

研究通過成對相關性分析評估AD、PD、FTD相關蛋白質效應量的相似性，發現PD與FTD的蛋白質組學變化重疊最高，AD與PD重疊最低，AD與FTD重疊較低（圖4b）。

進一步分析（圖4c-e）顯示，AD與PD的差異體現在部分蛋白質效應方向相反（如SPC25、LRRN1）或效應量差異顯著（如SUMF1、HGS）；AD與FTD的有限重疊由信號轉導相關蛋白（如KRAS）驅動，但糖酵解相關蛋白（如ENO2）等存在一致變化；PD與FTD的共享機制涉及蛋白質降解（如UBE2D1|UBB）和神經炎癥（如TRAPPC3、IL-18），但突觸蛋白（如CLU、MMP7）效應方向相反。

綜上，三種疾病雖有獨特蛋白質組學特征，但存在蛋白質清除缺陷和突觸功能障礙的共同機制。

圖4. 與AD、PD和FTD相關的蛋白質的重疊及效應量相關性

4、AD、PD和FTD中存在的差異性通路失調

為探究共有及疾病特異性蛋白質所指向的疾病相關生物學機制，研究對AD、PD和FTD中差異豐度的血漿蛋白質進行了通路富集分析（圖5a）。

疾病特異性蛋白質（AD=1836種、PD=673種、FTD=278種）分別關聯164、136和83條通路；不同疾病重疊蛋白質則關聯不同數量的共有通路，其中三種疾病共有關聯101條，PD與FTD關聯最多（115條）（圖3b）。

三種疾病均顯著富集的通路包括“血小板活化、信號傳導和聚集”“糖酵解”“免疫系統”及“細胞外基質組織”，涉及MMP家族、烯醇化酶(ENO1、ENO2)等關鍵蛋白質，體現免疫、能量代謝及基質重塑的共同異常。

AD特異性蛋白質富集于“細胞蛋白質的凋亡切割”等通路（涉及CASP3、ITGA5等），反映凋亡及血腦屏障損傷；PD特異性蛋白質富集于“內質網-吞噬體通路”等（涉及HLA蛋白、蛋白酶體）；FTD則富集“白細胞介素信號傳導”和“血小板脫顆粒”通路（涉及IL-2、SOD1等），提示血管因素的潛在作用。

綜上，通路分析揭示了三種疾病在免疫、糖酵解等通路的共同失調，以及各自獨特的病理生理特征，結合細胞類型關聯可深化對神經退行性過程的理解。

5、上游調控因子和機制樞紐的網絡分析

為探究蛋白質表達失調如何通過功能網絡產生影響，研究利用AD、PD和FTD相關蛋白質構建了疾病特異性蛋白質-蛋白質相互作用(PPI)網絡，并通過方向性網絡建模識別上游調控因子及關鍵節點（圖5b-d）。

AD特異性網絡（圖5b）以免疫調節等通路相關蛋白為核心，PSMB10、RPS27A和TAX1BP1為關鍵上游調控因子，調控VCP、IL-6R等下游靶標，涉及蛋白質降解和小膠質細胞活化。

PD網絡（圖5c）中，IRAK4作為TLR/IL-1信號通路核心激酶，直接關聯PPP2R1A和RIPK1；FOXO3 則連接應激反應蛋白，而SNCA通過蛋白質穩態子網絡與PTEN等關聯，PTEN成為影響神經元韌性的中心樞紐。

FTD特異性網絡（圖5d）中，MAPK1作為上游調控因子直接調控MAPT等，其擾動可影響近三分之一網絡蛋白；MAPT處于網絡中心，ADAM10則連接炎癥信號與突觸功能障礙。

綜上，網絡分析揭示了AD中RPS27A、PD中IRAK4、FTD中MAPK1等關鍵調控蛋白，強調泛素化和激酶相關蛋白在三種疾病的蛋白質穩態、免疫信號等通路中的共同調控作用。

圖5. AD、PD和FTD的通路富集及網絡分析

6、疾病特異性生物標志物組合

為了區分AD、PD和FTD，研究用LASSO回歸方法構建了基于血漿的預測模型。模型通過100次迭代訓練，每次用70%的數據訓練、30%的數據測試，且保證病例和對照在訓練與測試中比例均衡（圖6a）。

這些模型在區分每種疾病與健康人時效果較好：AD的曲線下面積(AUC)為0.81，PD為0.83，FTD為0.88（圖6c-e）。但用這些模型去預測其他神經退行性疾病時，效果明顯下降，體現了疾病特異性。比如，AD的生物標志物組合用來預測PD和FTD時，AUC都是0.54，接近隨機猜測的水平；FTD的組合預測AD(AUC=0.56)和PD(AUC=0.65)時，效果也有限。這和不同疾病蛋白質組學的重疊程度有關，像PD和FTD的蛋白質變化更相似，所以FTD模型預測PD時效果稍好一點。

另外，將這些模型與已知的成熟生物標志物（如AD的血漿ptau217、PD的突觸核蛋白聚集）比較，發現鑒別能力差不多（圖7）。這很有意義，因為現在有針對tau蛋白、Aβ或突觸核蛋白的新療法，所以需要開發不依賴這些蛋白的新生物標志物。

總之，這些疾病特異性的生物標志物組合能較好地區分疾病與健康人，且它們在不同疾病間的預測效果差異，也反映了疾病之間分子層面的相似和不同程度。

圖6. AD、PD和FTD的疾病特異性預測模型

圖7. AD、PD和FTD疾病特異性預測模型的留一站點交叉驗證(CV)

研究結論

本文通過對阿爾茨海默病、帕金森病和額顳葉癡呆的血漿蛋白質組學分析，探究了三種神經退行性疾病的分子特征。研究發現，三者在蛋白質組學變化上存在一定重疊與差異，PD與FTD的蛋白質組學關聯更緊密(r2=0.44)，而AD與PD、AD與FTD的相關性較低（r2分別為0.04、0.07）。通路富集分析揭示了共同涉及的免疫、糖酵解及細胞外基質組織等通路，也識別出各疾病特異性通路，如AD的凋亡相關通路、PD的內質網-吞噬體通路、FTD的白細胞介素信號通路等。網絡分析發現了AD中RPS27A、PD中IRAK4、FTD中MAPK1等關鍵調控蛋白。基于血漿的疾病特異性預測模型表現出較好的鑒別能力（AUC分別為 0.81、0.83、0.88），且具有疾病特異性，為這些疾病的診斷及新生物標志物開發提供了依據。

百趣生物血液蛋白冠-DIA 1X：以納米材料表面修飾技術為核心支撐，通過納米顆粒與血清/血漿樣本的特異性共孵育反應，依托分子間特異性親和力實現低豐度蛋白的高效富集，進而形成蛋白冠結構。該技術整合樣本前處理自動化平臺，耦合高靈敏度Astral質譜系統，采用數據非依賴采集(DIA)模式，可實現血液樣本的深度蛋白質組學全景分析。相較于常規血液蛋白質組學檢測方案，該技術的核心優勢在于搭載自主研發的專利磁珠 D1（已獲國家專利認證）。從磁珠的精密制備到標準化應用流程，均由專業設備與技術團隊全程質控，確保磁珠批次間穩定性與均一性?；诖?，檢測數據呈現出卓越的質量特征：蛋白鑒定數量穩定突破5000+，蛋白穩定檢出率達80%以上，同時顯著提升功能性指標的檢出豐度，為血液蛋白質組學研究提供了高維度、高可靠性的技術解決方案。